Modulo Estadistica

INSTITUTO SUPERIOR TECNOLGICO
DAVID AUSUBEL
SEMIPRESENCIAL
TECNOLOGA EN: CONTABILIDAD Y

AUDITORIA
E INFORMTICA
ESTADSTICA
GUIA DIDCTICA
AUTOR DEL MDULO

M.Sc. Ing. VICENTE VINICIO NICOLALDE MORETA
3 er. NIVEL
QUITO - ECUADOR
PRESENTACIN
En el proceso formativo de los Tecnlogos, tanto en Informtica, como en
Administracin de Empresas, con especialidad en Contabilidad y Auditora,
es necesario el conocimiento terico prctico de la Disciplina de Estadstica,
debido a que el proceso administrativo inicia y termina con el anlisis de
informacin, la misma que debe ser recopilada, ordenada, analizada y
presentada en forma sistemtica para tomar decisiones.
Es muy importante que el nuevo Tecnlogo en estas ramas del

conocimiento a nivel superior llegue a dominar la base conceptual sobre
Estadstica, mediante la aplicacin en la resolucin de ejercicios y
problemas de manejo de datos, convirtindole en una valiosa herramienta
dentro de la planificacin, organizacin y control, pues esta disciplina le
permitir definir las desviaciones que pueden generarse dentro de los
procesos y determinar con certeza los correctivos, mediante una acertada
toma de decisiones.
"Slo una cosa convierte en imposible un sueo:

el miedo a fracasar" (Paulo Coelho).
Lo que tenemos que aprender a hacer, lo
aprendemos hacindolo. (Aristteles)
"No esperes por el momento preciso. Empieza
ahora. Hazlo ahora. Si esperas por el momento
2
adecuado, nunca dejars de esperar" (Jasmine

Gillman)
NDICE
TEMA
PAG.
OBJETIVOS ESPECFICOS
COMPETENCIAS ESPECFICAS
INTRODUCCIN
EPTOME
CONTENIDOS
COMPETENCIA GENERAL
6
6
7
8
9
11
CAPITULO I COMPETENCIA ESPECFICA
12
ORIENTACIONES DE ESTUDIO
1- LA ESTADSTICA
1.1-DEFINICIN
1.2-RESEA HISTRICA
1.3-CLASES DE ESTADSTICA
1.4-POBLACIN Y MUESTREO;
ESTADSTICA INDUCTIVA Y DESCRIPTIVA
1.5-FUENTES DE INFORMACIN
1.6-ELEMENTOS MATEMTICOS IMPORTANTES EN LA
14
EVALUACIN DEL APRENDIZAJE
12
12
12
12
13
13
ESTADSTICA.
17
CAPITULO II COMPETENCIA ESPECFICA
18
2- DISTRIBUCION DE FRECUENCIAS
2.1- LA FILA DE DATOS
2.2- ORDENACIONES
2.3- DISTRIBUCIN DE FRECUENCIAS
18
18
18
18
18
27
CAPITULO III COMPETENCIA ESPECFICA
29
3- REPRESENTACION GRAFICA
3.1- FINALIDAD DE LA REPRESENTACIN GRFICA
3.2- GRAFICOS EN EL SISTEMA CARTESIANO
3.3- GRAFICO CIRCULAR
3.4- GRAFICOS DE BARRAS
3.5- GRAFICA DE TABLA DE FRECUENCIAS
3.6- DIAGRAMA DE BARRAS O HISTOGRAMA
29
29
29
29
30
31
32
33
4
3.7- DISTRIBUCIN DE FRECUENCIAS RELATIVAS

3.8- DISTRIBUCIN DE FRECUENCIAS ACUMULADAS Y OJIVAS
3.9- TIPOS DE CURVAS DE FRECUENCIAS
33
33
35
37
CAPITULO IV COMPETENCIA ESPECFICA
39
4- PROMEDIOS O MEDIDAS DE TENDENCIA CENTRAL
4.1- DEFINICIN Y CLASES DE PROMEDIOS
4.2- LA MEDIA ARITMTICA
4.3- ANLISIS CON VARIABLE DISCRETA
4.4- MEDIA ARITMTICA PONDERADA
4.5- ANLISIS CON VARIABLE CONTNUA
4.6- PROPIEDADES
39
39
39
40
40
41
41
43
46
CAPITULO V COMPETENCIA ESPECFICA
47
5- OTRAS MEDIDAS DE TENDENCIA CENTRAL
5.1- LA MEDIANA
5.2- CUARTILES
5.3- DECILES
5.4- PERCENTILES
5.5- LA MODA
47
47
47
50
51
51
52
53
CAPITULO VI COMPETENCIA ESPECFICA
55
6- ESTADGRAFOS DE POSICIN
6.1- LA MEDIA ARMNICA
6.2- LA MEDIA GEOMTRICA
6.3- LA MEDIA CUADRTICA
55
55
55
56
57
59
CAPITULO VII COMPETENCIA ESPECFICA
61
7- ESTADGRAFOS DE DISPERSIN
7.1- LA DISPERSIN Y SU MEDIDA
7.2- DESVIACIN MEDIA
7.3- DESVIACIN ESTNDAR
61
61
61
64
64
5
7.4- LA VARIANZA
7.5- EL COEFICIENTE DE VARIACIN
68
68
72
CAPITULO VIII COMPETENCIA ESPECFICA
74
8- ANLISIS DE VARIABLES TIPO UNO
8.1- LA COVARIACIN
8.2- ANLISIS GRFICO DE LA COVARIACIN
8.3- LA REGRESIN
8.4- CORRELACIN ENTRE DOS VARIABLES
74
74
74
75
77
80
83
CAPTULO IX COMPETENCIA ESPECFICA
85
9- CLASIFICACIN DE LOS NDICES
9.1- NDICE SIMPLE DE PRECIOS
9.2- NDICE SIMPLE DE CANTIDAD
9.3- PRINCIPALES NDICES UTILIZADOS EN LA
ADMINISTRACIN Y LA ECONOMA
85
85
85
86
BIBLIOGRAFA
91
87
89
OBJETIVOS ESPECFICOS
Dominar la base conceptual referente a estadstica, fuentes de informacin y
elementos matemticos.
Dominar la base conceptual y analtica sobre la distribucin de frecuencias; la
representacin grfica, tipos de curvas de frecuencias; las medidas de
tendencia central; estadgrafos de posicin; estadgrafos de dispersin; el
anlisis de variables tipo uno; aplicar y resolver ejercicios.
Dominar la base conceptual y analtica sobre los ndices de precios y cantidad
y aplicar en forma prctica.
COMPETENCIAS ESPECFICAS
Domina la base conceptual referente a estadstica, fuentes de informacin y
Domina la base conceptual y analtica sobre la distribucin de frecuencias; la
representacin grfica, tipos de curvas de frecuencias; las medidas de
tendencia central; estadgrafos de posicin; estadgrafos de dispersin; el
anlisis de variables tipo uno; aplica y resuelve ejercicios.
Domina la base conceptual y analtica sobre los ndices de precios y cantidad y
su aplicacin prctica.
INTRODUCCIN
La estadstica es una tcnica auxiliar de las ciencias administrativas, esta

permite determinar y medir matemticamente las variables que intervienen
dentro de las actividades administrativas y sus aplicaciones informticas.
Se convierte en una herramienta fundamental dentro de la planificacin y la
organizacin, pues la estadstica permite definir las desviaciones que pueden
generarse dentro de los procesos y determinar con certeza los correctivos que
se pueden tomar, a fin de evitar mayores problemas o eliminarlos.
Esta tcnica est presente en los estudios de mercado de las empresas, en los
informes contables, informes econmicos, en el desarrollo de nuevos
proyectos, informes empresariales, en definitiva en toda actividad de carcter
administrativo.
Es importante que los tecnlogos conozcan y apliquen los conceptos bsicos
de Estadstica, tales como la distribucin de frecuencias, su representacin
grfica, las medidas de tendencia central, de dispersin, el anlisis de variables
tipo uno y los ndices de precios y cantidad.
EPTOME
CONCEPTOS,
ELEMENTOS MATEMTICOS
DISTRIBUCIN DE FRECUENCIAS
REPRESENTACIN GRFICA
MEDIDAS DE TENDENCIA CENTRAL
ESTADSTICA
ESTADGRAFOS DE POSICIN
ESTADGRAFOS DE DISPERSIN
ANLISIS DE VARIABLES TIPO UNO
NDICES: DE PRECIOS Y CANTIDAD
CONTENIDO
CAPITULO I
1- LA ESTADSTICA
1.1. DEFINICIN
1.2. RESEA HISTRICA
1.3. CLASES DE ESTADSTICA
1.4. POBLACIN Y MUESTREO;
ESTADSTICA INDUCTIVA Y DESCRIPTIVA
1.5. FUENTES DE INFORMACIN
1.5.1. El Censo
1.5.2. La Muestra
1.5.3. La Encuesta
1.6. ELEMENTOS MATEMTICOS IMPORTANTES EN LA ESTADSTICA.
1.6.1. Variables
1.6.2. El redondeo de datos
1.6.3. La notacin cientfica
1.6.4. El operador sumatorio
CAPITULO II
2.2- ORDENACIONES
2.3.1- Ejemplo con Variable Discreta.
2.3.1.1- Datos originales
2.3.1.2- Frecuencia absoluta Ni.
2.3.1.3- Frecuencia absoluta acumulada descendente Ni.
2.3.1.4- Frecuencia relativa simple hi
2.3.1.5- Frecuencia relativa acumulada ascendente Hi
2.3.1.6- Frecuencia relativa acumulada descendente Hi
2.3.2- Ejemplo con variable continua
2.3.2.1- Frecuencia absoluta simple ni
2.3.2.2- Frecuencia absoluta Ni
2.3.2.3- Frecuencia absoluta acumulada descendente Ni
2.3.2.4- Frecuencia relativa simple hi
2.3.2.5- Frecuencia relativa acumulada ascendente Hi
2.3.2.6- Frecuencia relativa acumulada descendente Hi
10
CAPITULO III
3- REPRESENTACION GRAFICA
3.2- GRAFICOS EN EL SISTEMA CARTESIANO
3.3- GRAFICO CIRCULAR
3.4- GRAFICOS DE BARRAS
3.5- GRAFICA DE TABLA DE FRECUENCIAS
CAPITULO IV
4.1- DEFINICIN Y CLASES DE PROMEDIOS
4.3- ANLISIS DE LA MEDIA ARITMTICA CON VARIABLE DISCRETA
4.4- MEDIA ARITMTICA PONDERADA
4.5- ANLISIS DE LA MEDIA ARITMTICA CON VARIABLE CONTINUA
4.6- PROPIEDADES DE LA MEDIA ARITMTICA
CAPITULO V
5- OTRAS MEDIDAS DE TENDENCIA CENTRAL
5.1- LA MEDIANA
5.1.1- Clculo para datos originales
5.1.2- Clculo para datos agrupados
5.2- CUARTILES
5.3- DECILES
5.4- PERCENTILES
5.5- LA MODA
5.5.1- Moda por observacin
5.5.2- Moda bimodal
5.5.3- Moda en datos agrupados
CAPITULO VI
6.3- LA MEDIA GEOMTRICA
6.4- LA MEDIA CUADRTICA
11
CAPITULO VII
7- ESTADGRAFOS DE DISPERSIN
7.4- LA VARIANZA
7.5- EL COEFICIENTE DE VARIACIN
CAPITULO VIII
8.1- LA COVARIACIN
8.2- ANLISIS GRFICO DE LA COVARIACIN
8.3- LA REGRESIN
8.4- LA REGRESIN LINEAL
CAPTULO IX
9.3- PRINCIPALES NDICES UTILIZADOS EN LA ADMINISTRACIN Y LA
ECONOMA
9.3.1- ndice de precios al consumidor
9.3.2- Usos del IPC
COMPETENCIA GENERAL.- los estudiantes dominan los procesos cognitivos

y analticos de la Estadstica, sus conceptos, Distribucin de frecuencias,
Representacin grfica, Medidas de tendencia central, de dispersin e ndices
y su aplicacin.
12
CAPITULO I
COMPETENCIA ESPECFICA
Domina la base conceptual referente a estadstica, fuentes de informacin y
Por tratarse de una Unidad introductoria tcnica, se recomienda a los y las
estudiantes que se familiaricen con los conceptos bsicos de Estadstica, su
clasificacin, sus usos y aplicaciones; adems deben llegar a conocer y
dominar el manejo de algunos elementos matemticos, los ms utilizados en
esta asignatura. Al conocer estos elementos y conceptos podrn poner en
prctica con ejercicios, ejemplos, y resolucin de problemas. Se utilizar la
metodologa de enseanza aprendizaje de aprender haciendo.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
1- LA ESTADSTICA
1.1- DEFINICIN
La estadstica es una parte del conocimiento cientfico. La estadstica estudia
los mtodos para recoger, organizar, resumir y analizar datos, as como para
sacar conclusiones vlidas y tomar decisiones razonables basadas en dichos
anlisis.
La estadstica sirve para describir y entender los fenmenos econmicos,
sociales, polticos, incluso fenmenos naturales que acontecen en el desarrollo
del mundo.
As la estadstica se encamina a recolectar informacin, tabular la informacin,
clasificar la informacin y graficar la misma.
1.2- RESEA HISTRICA
La palabra estadstica naci en el imperio Romano, la utilizaban los reyes para
elaborar encuestas y sondeos del nmero de habitantes en las ciudades para
poder cobrar los impuestos. Se la utiliz en este sentido por el Estado hasta la
revolucin industrial, actualmente todas las actividades humanas, consciente o
inconscientemente utilizan la estadstica.
1.3- CLASES DE ESTADSTICA
13
a) Por las observaciones

b) Por la materia de Estudio
c) Por el nmero de caracteres

d) Por las observaciones
1.4- POBLACIN
DESCRIPTIVA
MUESTREO;
- Primarias
- Derivadas
Demogrficas, de transportes, sanitarias,
agropecuarias, econmicas, educativas, de
comercio exterior, de precios, de accidentes
de trabajo, etc.
- De variables
- De atributos
- Mixtas
- Distribuciones de Frecuencias
- Estadsticas Geogrficas
- Estadsticas Sectoriales
- Estadsticas Temporales
ESTADSTICA
INDUCTIVA
Cuando se recogen datos relativos a las caractersticas de un grupo de

individuos u objetos, sean alturas, pesos, de los estudiantes de un colegio, o
universidad o pernos defectuosos producidos en una fbrica, suele ser
imposible o nada prctico observar todo el grupo, por ser este muy grande,
llegando a ser casi imposible su verificacin de uno en uno. En vez de
examinar el grupo entero llamado universo o poblacin, se opta por tomar una
parte del universo el cual toma el nombre de muestra.
Una poblacin puede ser finita o infinita. Por ejemplo una poblacin finita puede
ser todos los estudiantes matriculados en la Universidad Central del Ecuador
en un ao determinado. Mientras que una poblacin infinita puede ser los
posibles resultados de cara o cruz al lanzar sucesivamente una moneda al aire.
Si una muestra es representativa de una poblacin, de ella se pueden extraer
importantes conclusiones que sern aplicadas a la muestra mediante el anlisis
de la muestra. La fase de la estadstica que trata con las condiciones bajo las
cuales tal diferencia es vlida se llama estadstica inductiva o inferencia
estadstica. Ya que dicha inferencia no es del todo exacta, el leguaje de las
probabilidades aparecer al establecer nuestras conclusiones.
La parte de la estadstica que solo se dedica a describir y analizar un grupo de
datos, sin extraer conclusiones sobre un grupo mayor se llama estadstica
descriptiva o deductiva.
1.5- FUENTES DE INFORMACIN
Las fuentes de informacin son las formas de dnde y cmo podemos obtener
datos ya sean cualitativos y cuantitativos.
Las principales fuentes de informacin para una investigacin estadstica son:
- El censo
14
La muestra
La encuesta
1.5.1- EL CENSO
Es la enumeracin total de todos y cada uno de los elementos del universo,
poblacin o masa estadstica.
1.5.2- LA MUESTRA
Es una enumeracin parcial de algunos de los elementos del universo,
poblacin o masa estadstica, la cual es previamente seleccionada y contiene
las caractersticas ms comunes del universo y que lo representa; la cual es
sometida a ciertos criterios para ser definida.
1.5.3- LA ENCUESTA
Es la forma ms directa de obtener informacin estadstica o datos, es utilizada
por el censo o por la muestra. La encuesta puede ser verbal o escrita, pero en
los dos casos debe estar previamente elaborada con los objetivos de la
investigacin.
1.6- ELEMENTOS MATEMTICOS IMPORTANTES EN LA ESTADSTICA.
1.6.1- VARIABLES
Una se la representa con un smbolo, tal como X, Y, H, A o B, que puede tomar
un conjunto prefijado de valores, llamado Dominio de esa variable. Si la
variable puede tomar un solo valor, se llama constante. Una variable que puede
tomar cualquier valor entre dos valores dados se dice que es una variable
continua; en caso contrario diremos que la variable es discreta.
Por ejemplo el nmero huevos H que puede poner una gallina en una semana
puede ser 5, 6, 7, . Pero no puede poner 5,7 o 6,34, por lo tanto es una
variable discreta.
Entonces diremos: variables discretas son aquellas que presentan un valor
bien determinado entre las cuales no cabe ningn otro valor, es decir son
aquellas que pueden tomar un valor, o un nmero limitado de valores dentro
de un rango o intervalo los cuales pueden ser expresados solo en nmeros
enteros y no en decimales o fracciones.
En cambio la altura de una persona puede ser 1.65 cm., o 1.78 cm.,
dependiendo de la precisin de la medida, es una variable continua. Entonces
diremos que se denomina variable continua a toda medida que expresa un
nmero, es decir, son aquellas que pueden tomar un nmero ilimitado de
valores, dentro de un rango o intervalo que puede ser expresado de cualquier
forma, ya sea en valores enteros o decimales.
15
1.6.2- EL REDONDEO DE DATOS

El resultado de redondear un nmero como 64.6 en unidades es 65 pues este
es ms prximo que 64. Analgicamente si queremos redondear 4.2689 en
centsimas o sea con 2 decimales nos da 4.27, pero si queremos redondear
3.4325 en centsimas nos da 3.43 pues es el ms prximo en lugar de 3.44 .
Para determinar el redondeo se debe tomar como referencia el valor de 5,
dando que si un el valor que le preside por ejemplo en 4.2689 su tercer valor
es 8 5 entonces el segundo valor sube de 6 a 7; en el ejemplo 3.4325 como
el tercer valor es 25 entonces el segundo nmero se mantiene en 3.
1.6.3- LA NOTACIN CIENTFICA
Al escribir nmeros, especialmente los que poseen muchos ceros antes o
despus de punto decimal, interesa emplear la notacin cientfica mediante
potencias de 10.
Ejemplo.
10=10,
10=10x10=100
5
10 =10x10x10x10x10=100,000
8
10 =10x10x10x10x10x10x10x10=100,000,000
10=1
-1
10 =0.1 o sea .1
-2
10 =0.01 o sea .01
-5
10 =0.00001 o sea .00001
Entonces
864,000,000=8.64x10
0.00003416=3.416x10
-5
8
Ntese que al multiplicar un nmero por 10 , por ejemplo, el punto decimal se
-6
mueve 8 posiciones a la derecha, y la multiplicar por 10
se mueve seis
posiciones a la izquierda.
A menudo escribimos 0.1253 en vez de .1253 para recalcar el hecho de que no
se ha omitido accidentalmente un entero no nulo delante del punto decimal. Sin
embargo, ese cero puede omitirse cuando no exista riesgo de confusin, por
ejemplo, en tablas.
1.6.4- EL OPERADOR SUMATORIO
16
Xi X 1 X 2 X 3 ......... Xn
Es un smbolo convencional matemtico que

indica que tenemos que sumar, desde que la variable toma el valor de 1 hasta
que la variable toma el valor de n.
1.6.4.1- PROPIEDADES DEL OPERADOR SUMATORIO
i 1
1.-La sumatoria de una constante es K

k=k+k+k+k+k++k
n veces
k = n veces la misma constante
k = nk
2.-Sumatoria de una constante con una variable.
kXi=Kx1+kx2+kx3+..+kxn
kXi=k(x1+x2+x3+xn)
kXi=kXi
Esto es igual a la constante por la sumatoria de la parte variable.
3.-La sumatoria de una suma de variables
(Xi+Yi+Zi) = x1+y1+z1+x2+y2+z2++xn+yn+zn
(x1+x2+.+xn)+(y1+y2+..yn)+(z1+z2+zn)
Xi+Yi+Zi
La sumatoria de variables siempre ser igual a la sumatoria de cada una de las
variables
PARA RECORDAR:
La estadstica estudia los mtodos para recoger, organizar, resumir y analizar
datos, as como para sacar conclusiones vlidas y tomar decisiones razonables
basadas en dichos anlisis.
Una poblacin puede ser finita o infinita.
La fase de la estadstica que trata con las condiciones bajo las cuales tal
diferencia es valida se llama estadstica inductiva o inferencia estadstica.
La parte de la estadstica que solo se dedica a describir y analizar un grupo de
dado, sin extraer conclusiones sobre un grupo mayor se llama estadstica
descriptiva o deductiva.
Las fuentes de informacin son las formas de donde y como podemos obtener
datos ya sean cualitativos y cuantitativos.
La variable puede tomar un solo valor, se llama constante.
17
Una variable que puede tomar cualquier valor entre dos valores dados se dice
que es una variable continua; en caso contrario diremos que la variable es
discreta.
n
Xi X 1 X 2 X 3 ......... Xn
El operador sumatorio i 1
es un smbolo
convencional matemtico que indica que tenemos que sumar, desde que la
variable toma el valor de 1 hasta que la variable toma el valor de n.
EVALUACIN DEL APRENDIZAJE:
1- De 2 ejemplos de poblacin o universo
2- De 2 ejemplos de muestra
3- Realice un ejemplo de una encuesta para obtener informacin de ingresos y
gastos de una familia
4- De 5 ejemplo de variables discretas
5- De 5 ejemplos de variables continuas
6- Realice un cuadro sinptico de cmo se clasifica la estadstica
Realice los siguientes ejercicios:
1- Redondeo
a) 2.35616 con dos decimales
b) 4.5621 con dos decimales
c) 15536,351
en
millones
cerrados
d) 24.564
en
enteros(sin
decimales)
e) 54.799988 con 3 decimales
18
2- Notacin cientfica. Expresar los siguientes nmeros sin usar la potencia de

10
4
a) 132.5x10
b) 418.72x10-5
c) 280x10-7
d) 0.0001850x105
e) 730x106
3- Realice la sumatoria de:
Ingresos mensuales de los obreros de la empresa EUROTEL en 1998
345, 462, 689, 345, 645, 278, 356 y 435
CAPITULO II
Domina la base conceptual y analtica sobre la distribucin de frecuencias;
aplica y resuelve ejercicios.
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
se familiaricen con los conceptos de la distribucin de frecuencias, sus usos y
aplicaciones; adems deben llegar a conocer y dominar el manejo de
frecuencias absolutas y relativas. Al conocer estos elementos y conceptos
podrn poner en prctica con ejercicios, ejemplos, y resolucin de problemas.
Se utilizar la metodologa de enseanza aprendizaje de aprender haciendo.
Una fila de datos son datos recogidos los cuales no han sido organizados
numricamente, por ejemplo la altura de 100 estudiantes por letra alfabtica.
2.2- ORDENACIONES
Una ordenacin es un conjunto de datos numricos en orden creciente o
decreciente. La diferencia entre el mayor y el menor se llama rango de ese
conjunto de datos. As si la mayor altura de entre los 100 estudiantes era de
160 cm., y la menor 150 cm., el rango es 160 150 = 10 cm.
2.3.1- EJEMPLO CON VARIABLE DISCRETA.
Nmero de miembros por familia de los estudiantes del tercer curso.
Donde:
n = nmero total de observaciones, o tamao de la muestra
n = 10
2.3.1.1- DATOS ORIGINALES
Son Aquellos que se toman directamente del campo de investigacin y
generalmente se representan con xi.
xi1
xi2
xi3
xi4
xi5
5
4
5
6
7
xi6
xi7
xi8
xi9
xi10
2
13
6
6
5
Partiendo de los datos originales se ordenan estos

2
4
5
5
5
6
6
6
7
13
Los datos agrupados son los mismos datos originales que se los clasifica en
orden y se los presenta en forma ascendente o descendente, en la tabla de
frecuencias.
m: numero de filas, intervalos o lneas de la tabla de frecuencias.
yi: valor distinto de la variable xi
ni: nmero de veces que se repite el valor de una variable
m
1
2
3
4
5
6
yi
2
4
5
6
7
13
TOTAL
ni
1
1
3
3
1
1
10
ni = n = 10
hi = 1
Interpretacin de ni
Ejemplo en la fila m3 tenemos:
ni3: Significa que 3 estudiantes tienen 5 miembros en su familia
Ejemplo en la fila m6 tenemos
ni6: Significa que 1 estudiante tiene 13 miembros en su familia
2.3.1.2- LA FRECUENCIA ABSOLUTA Ni.
Esta nos indica el nmero de observaciones con valores a lo mucho o valores a
lo mximo que puede tomar la variable
El nmero de observaciones menores o igual a la variable, entonces:

Ni1 = ni1
Ni2 = ni1+ni2
Ni3 = ni1+ni2+ni3
As tenemos:
Ni3 = 1+1+3
Ni3 = 5
m
1
2
3
4
5
6
TOTA
L
yi
2
4
5
6
7
13
ni
1
1
3
3
1
1
Ni
1
2
5
8
9
10
Interpretacin de Ni:
Ni3: Cinco estudiantes tienen a lo mximo 5 miembros en su familia
Ni6: Diez estudiantes tienen a lo mximo 13 miembros en su familia.
2.3.1.3- LA FRECUENCIA ABSOLUTA ACUMULADA DESCENDENTE Ni.
Nos indica el nmero de observaciones con valores por lo menos o como
mnimo igual a la variable. O nos indica el nmero de observaciones mayores o
iguales a la variable.
Ni1 = ni1+ni2+ni3+ni4+ni5+ni6
Ni2 = ni1+ni2+ni3+ni4+ni5
Ni3 = ni1+ni2+ni3+ni4
As tenemos:
Ni3 = 1+1+3+3
Ni3 = 8
m
1
2
3
4
5
6
Yi
2
4
5
6
7
13
ni
1
1
3
3
1
1
Ni
1
2
5
8
9
10
N'i
10
9
8
5
2
1
Interpretacin de Ni:
Ni3: 8 estudiantes tienen como mnimo 5 miembros en su familia
Ni5: 2 estudiantes tienen como mnimo 7 miembros en su familia
2.3.1.4- FRECUENCIA RELATIVA SIMPLE hi

La Frecuencia relativa simple nos indica la proporcin o porcentaje de
observaciones con valores iguales a la variable. Su frmula de clculo es:
hi
ni
n
Ejemplo:
hi1 = 1/10 = 0.10
hi3 = 3/10 = 0.30
M
1
2
3
4
5
6
yi
2
4
5
6
7
13
ni
1
1
3
3
1
1
Ni
1
2
5
8
9
10
N'i
10
9
8
5
2
1
TOTAL
hi
0.1
0.1
0.3
0.3
0.1
0.1
1
Interpretacin:
hi4: El 30% de los estudiantes del tercer curso, tienen 6 miembros en su familia
hi2: el 10% de los estudiantes del tercer curso, tienen 4 miembros en su familia.
2.3.1.5- FRECUENCIA RELATIVA ACUMULADA ASCENDENTE Hi
Nos indica la proporcin de observaciones que con valores a lo mucho o
iguales a la variable; o tambin a lo mximo o igual a la variable. Su frmula es:
Hi
M
1
2
3
4
5
6
TOTAL
Ni
n
yi
2
4
5
6
7
13
ni
1
1
3
3
1
1
Ni
1
2
5
8
9
10
N'i
10
9
8
5
2
1
hi
0.1
0.1
0.3
0.3
0.1
0.1
1
Hi
0.1
0.2
0.5
0.8
0.9
1
Ejemplos:
Hi6 = 10/10 = 1
Hi3 = 5/10 = 0.50
Interpretacin:
Para su interpretacin los resultados obtenidos se deben multiplicar por 100,
as tenemos:
Hi6: el 100% de los estudiantes del tercer curso, tendrn a lo mucho 13
miembros en su familia.
Hi3: el 50% de los estudiantes del tercer curso, tendrn a lo mucho 5 miembros
en su familia.
2.3.1.6- FRECUENCIA RELATIVA ACUMULADA DESCENDENTE Hi
Nos indica la proporcin de observaciones con valores por lo menos o como
mnimo iguales a la variable; o nos indica el porcentaje de observaciones con
valores mayores o iguales a la variable. Su frmula es:
Ejemplos:
H 'i
N 'i
n
Hi3 = 8/10 = 0.80

Hi5 = 2/10 = 0.20
M
1
2
3
4
5
6
yi
2
4
5
6
7
13
ni
1
1
3
3
1
1
TOTAL
Ni
1
2
5
8
9
10
N'i
10
9
8
5
2
1
hi
0.1
0.1
0.3
0.3
0.1
0.1
1
Hi
0.1
0.2
0.5
0.8
0.9
1
H'i
1
0.9
0.8
0.5
0.2
0.1
Interpretacin:
Para interpretar los resultados obtenidos se deben multiplicar por cien, as
tenemos:
Hi3: El 80% de los estudiantes del tercer curso tienen por lo menos 5
Hi5: El 20% de los estudiantes del tercer curso tienen por lo menos 7
2.3.1.7- EJERCICIO DEMOSTRATIVO
De 20 encuestas realizadas en el mercado Iaquito a las vendedoras de este

lugar sobre el nmero de hijos que poseen se obtuvieron los siguientes datos:
Xi = 4, 4, 2, 2, 5, 10, 3, 1, 2, 3, 4, 3, 4, 1, 2, 3, 2, 1, 9, 10.
Se pide: Obtener las frecuencias absolutas y relativas ascendentes y
descendentes e interpretar los datos obtenidos de las filas 2 y 5.
Desarrollo
Xi:
1
1
1
2
2
2
2
2
3
3
m
1
2
3
4
3
3
4
4
4
4
5
9
10
10
Yi ni
1 3
2 5
Ni
3
8
N'i
20
18
hi
0.15
0.25
Hi
0.15
0.40
H'i
1.00
0.90
3
4
5
12
16
17
17
16
12
0.20
0.20
0.05
0.60
0.80
0.85
0.85
0.80
0.60
8
3
0.05
0.10
1
0.90
1.00
0.40
0.15
4
4
1
5
6
9 1 18
7
10 2 20
TOTAL
20
Interpretacin de la variable ni:
ni2: Cinco vendedoras del mercado Iaquito tienen 2 hijos

ni5: Una vendedora del mercado Iaquito tiene 5 hijos
Interpretacin de la frecuencia absoluta Ni:
Ni2: Ocho vendedoras del mercado Iaquito tiene como mximo 2 hijos
Ni5: Diecisiete vendedoras del mercado Iaquito tienen como mximo 5 hijos
Interpretacin de la frecuencia acumulativa descendente Ni
Ni2: Dieciocho vendedoras del mercado Iaquito tiene como mnimo 2 hijos
Ni5: Doce vendedoras del mercado Iaquito tienen como mnimo 5 hijos
Interpretacin de la frecuencia relativa simple hi:
hi2: El 25% de las vendedoras del mercado Iaquito tienen 2 hijos
hi5: El 5% de la vendedora del mercado Iaquito tiene 5 hijos
Interpretacin de la frecuencia relativa acumulada ascendente Hi:
Hi2: El 40% de las vendedoras del mercado Iaquito tiene a lo mucho 2 hijos
Hi5: El 85% de las vendedoras del mercado Iaquito tienen a lo mucho 5 hijos
Interpretacin de la frecuencia relativa acumulada descendente Hi
Hi2: El 90% de las vendedoras del mercado Iaquito tiene como mnimo 2 hijos
Hi5: El 60% de las vendedoras del mercado Iaquito tienen como mnimo 5
hijos
2.3.2- EJEMPLO DE VARIABLE CONTINUA
Se realiz la medicin de la estatura de 20 estudiantes del aula de cuarto curso
especializacin contabilidad obteniendo los siguientes datos en metros:
Xi:
1.56
1.68
1.50
1.76
1.68
1.72
1.80
1.78
1.53
1.88
1.54
1.53
1.80
1.80
1.60
1.66
1.65
1.70
1.52
1.80
1.56
1.60
1.65
1.66
1.68
1.68
1.70
1.72
1.76
1.78
1.80
1.80
1.80
1.80
1.80
n = 20
Ordenar
1.50
1.52
1.53
1.53
1.54
Lmite mximo: Es el mximo valor observado de la variable

Lmite mnimo: es el mnimo valor observado de la variable
Lm. mximo: 1.80

Lm. mnimo: 1.50
Rango de amplitud: se obtiene de la diferencia entre le lmite mximo menos el
lmite mnimo y lo representamos con la letra r
r = lm. max. lm. Mn
r = 1.80 1.50
r = 0.30
Para establecer el nmero de intervalos que darn origen al nmero de filas
realizamos:
r = 0.30 0.30 es divisible para 2, 3, 5, 6, 10, 15; mientras trabajemos con un
mayor nmero de filas menor ser el margen de dispersin datos y error en los
clculos.
m=5
m yi'-1 -- yi'
yi ni Ni N'i Hi
1 1.50 -- 1.56 1.53 6 6 20 0.3
2 1.56 -- 1.62 1.59 2 8 14 0.1
3 1.62 -- 1.68 1.65 4 12 12 0.2

4 1.68 -- 1.74 1.71 2 14 8 0.1
5 1.74 -- 1.80 1.77 6 20 6 0.3
20
1
Generalidades:
yi'-1 = Lmite inferior de cada intervalo.
yi = Lmite superior de cada intervalo
r
m C = Campo de amplitud o intervalo de clase
yi '1 yi '
yi
2
0.30/5 = 0.06
yi = Punto medio o marca de clase

(1.50+1.56)/2 = 1.53
yi '1 xi yi '
yi '1 xi yi Donde:
2.3.2.1- FRECUENCIA ABSOLUTA SIMPLE ni

Es el nmero de observaciones con valores comprendidos entre el lmite
superior e inferior de cada intervalo. Su interpretacin es similar al caso de la
variable discreta, por ejemplo:
ni1: Significa que 6 estudiantes tienen una estatura comprendida entre 1.50 a
1.56 m.
ni3: Significa que 4 estudiantes tienen una estatura comprendida entre 1.62 a
1.68 m.
2.3.2.2- FRECUENCIA ABSOLUTA Ni

Es un nmero de valores a lo mucho o igual al lmite superior de cada intervalo,
o nmero de observaciones menores o iguales al lmite superior de cada
intervalo
Ni5: Veinte estudiantes a lo mucho tiene una estatura de 1.80 m.
Ni2: Ocho estudiantes tienen a lo mucho una estatura de 1.62 m.
2.3.2.3- FRECUENCIA ABSOLUTA ACUMULADA DESCENDENTE Ni
Nos indica el nmero de observaciones con valores por lo menos igual al lmite
inferior de cada intervalo. O el nmero de observaciones con valores mayores
o iguales al lmite inferior de cada intervalo. Su interpretacin es similar a la
variable discreta, as tenemos:
Ni2: Catorce estudiantes tienen por lo menos una estatura de 1.56 m.
Ni4: Ocho estudiantes tienen por lo menos una estatura de 1.68 m.
2.3.2.4- FRECUENCIA RELATIVA SIMPLE hi
hi
ni
n Nos indica la proporcin o porcentaje de observaciones comprendidos
entre le
lmite inferior y superior de cada intervalo.
m
1
2
3
4
5
yi'-1 -- yi'
1.50 -- 1.56
1.56 -- 1.62
1.62 -- 1.68
1.68 -- 1.74
1.74 -- 1.80
yi
1.53
1.59
1.65
1.71
1.77
ni
6
2
4
2
6
20
Ni
6
8
12
14
20
N'i
20
14
12
8
6
hi
0.3
0.1
0.2
0.1
0.3
1
Hi
0.3
0.4
0.6
0.7
1
H'i
1
0.7
0.6
0.4
0.3
Su interpretacin es similar a la variable discreta, por ejemplo:

hi3: El 20% de los estudiantes poseen una estatura entre 1.62 y 1.68 m. de
altura
2.3.2.5- FRECUENCIA RELATIVA ACUMULADA ASCENDENTE Hi
Indica la proporcin de observaciones con valores a lo mucho o iguales al lmite
superior de cada intervalo. O el porcentaje de observaciones, con valores
menores o iguales al lmite superior de cada intervalo.
Para su interpretacin es necesario que los valores obtenidos de la formula se
multipliquen por 100.
Hi4: El 70% de estudiantes a lo mximo o a lo mucho miden 1.74 m.
Hi2: el 40% de estudiantes a lo mximo o a lo mucho miden 1.62 m.
2.3.2.6- FRECUENCIA RELATIVA ACUMULADA DESCENDENTE Hi
Indica la proporcin de observaciones con valores a lo menos o iguales al lmite

inferior de cada intervalo, o nos indica que el porcentaje de las observaciones
con valores mayores o iguales al lmite inferior de cada intervalo.
Y se interpreta:
H 'i
N 'i
n Para su interpretacin es necesario que los valores obtenidos de
la formula se multipliquen por 100.

Hi1 = El 100% de los estudiantes miden por lo menos 1,50 m. de estatura.
Hi4 = El 40% de los estudiantes miden por lo menos 1,68 m. de estatura
PARA RECORDAR:
Una fila de datos son valores recogidos los cuales no han sido organizados
numricamente, por ejemplo la altura de 100 estudiantes por letra alfabtica.
Una ordenacin es un conjunto de datos numricos en orden creciente o
decreciente.
Son Aquellos que se toman directamente del campo de investigacin y
generalmente se representan con xi.
La frecuencia absoluta Ni nos indica el nmero de observaciones con valores a
lo mucho o valores a lo mximo que puede tomar la variable
La frecuencia absoluta acumulada descendente Ni indica el nmero de
observaciones con valores por lo menos o como mnimo igual a la variable.
La Frecuencia relativa simple nos indica la proporcin o porcentaje de
observaciones con valores iguales a la variable.
ni
hi
n
La frecuencia relativa acumulada ascendente Hi, indica la proporcin de

observaciones que con valore a lo mucho o iguales a la variable; o tambin a lo
mximo o igual a la variable.
Hi
Ni
n
La frecuencia relativa acumulada descendente Hi indica la proporcin de

observaciones con valores por lo menos o como mnimo iguales a la variable.
H 'i
N 'i
n

a- Qu nos indica la frecuencia absoluta Ni?
b- Qu nos indica la frecuencia relativa simple hi?
c- Qu nos indica la frecuencia relativa acumulada descendente Hi?
Realice los siguientes ejercicios
d- En el siguiente cuadro se expone de a cuerdo a una muestra, el nmero de
pelotas de tenis que producen en un da 20 obreros de una fabrica. Realice
la tabla de frecuencias e interprete todas.
320
330
350
325
350
330
310
320
325
310
315
325
350
315
325
350
330
310
360
320
e- La tabla adjunta muestra los dimetros de 60 bolas de cojinete

manufacturadas por una fbrica. Construir una distribucin de frecuencias
con intervalos de clase apropiados e interpretar 3 de cada frecuencia.
1.738
1.735
1.736
1.739
1.728
1.733
1.738
1.735
1.736
1.735
1.729
1.731
1.735
1.735
1.738
1.730
1.739
1.727
1.744
1.735
1.743
1.726
1.724
1.745
1.725
1.732
1.727
1.734
1.732
1.729
1.740
1.737
1.733
1.736
1.733
1.730
1.735
1.732
1.737
1.734
1.736
1.728
1.742
1.742
1.734
1.739
1.735
1.736
1.731
1.730
1.741
1.737
1.736
1.740
1.732
1.734
1.732
1.741
1.746
1.740
CAPITULO III
Domina la base conceptual y analtica sobre la representacin grfica,
distribucin de frecuencias relativas, tipos de curvas de frecuencias; aplica y
resuelve ejercicios.
se familiaricen con los conceptos de la representacin grfica, distribucin de
frecuencias relativas y tipos de curvas de frecuencias, sus usos y aplicaciones.
Al conocer estos elementos y conceptos podrn poner en prctica con
ejercicios, ejemplos, y resolucin de problemas. Se utilizar la metodologa de
enseanza aprendizaje de aprender haciendo.
3- REPRESENTACIN GRFICA
La representacin grfica de los datos contenidos en un cuadro estadstico,
tiene como finalidad ofrecer una visin de conjunto del fenmeno sometido a
investigacin, el cual es ms rpidamente perceptible que la observacin
directa de los datos numricos. As la representacin grfica es unos medios
eficaz para el anlisis de las estadsticas ya que las magnitudes y las
regularidades se aprecian y recuerdan con ms facilidad cuando se examinan
grficamente.
Sin embargo la representacin grfica no es ms que un medio auxilia, de la
investigacin estadstica, pues est es fundamentalmente numrica.
La representacin grfica puede hacerse utilizando un sistema geomtrico de
representacin, en cuyo caso tiene las propiedades de rigurosidad y precisin,
o bien puede utilizarse smbolos alusivos al tema de estudio, como por ejemplo
rboles, casas, automviles, figuras humanas, etc.
Mediante este ltimo sistema de representacin, no persigue una rigurosa
exactitud, sino lograr efectos impresionistas en las personas de poca
preparacin en el campo de la estadstica.
3.2- GRFICOS EN EL SISTEMA CARTESIANO

Como es conocido el Sistema Cartesiano esta formado por un par de ejes, uno
vertical y otro horizontal que se cortan en un ngulo recto. El eje horizontal
toma el nombre de las abscisas, y le vertical de eje de las ordenas; el punto de
interseccin es el origen
Ambos ejes estn graduados de acuerdo a una escala que pueden ser
diferente para los dos ejes.
Aqu se pueden trazar los conocidos grficos de siluetas.
BALANZA COMERCIAL
SALDO
2000
SALDO
1500
1000
500
0
1990
1991
1992
1993
1994
1995
1996
1997
-500
-1000
Balanza
Comercial
AO SALDO
1990
1500
1991
800
1992
-215
1993
530
1994
-156
1995
-256
1996
-562
1997
-324
1998
315
1999
-50
AO
1998
1999
3.3- GRFICO CIRCULAR
Como su nombre lo indica constituye en representar los datos de una

investigacin estadstica en el interior de un crculo o pastel.
POBLACIN ECONMICAMENTE ACTIVA

Situacin
Poblacin
Grados
Empleados
20%
73
Subempleados
35%
128
Desocupados
45%
164
TOTAL
100%
365
Poblacin Econmicamente Activa

20%
45%
35%
Empleados
Subempleados
Desocupados
3.4- GRFICOS DE BARRAS

Se dibuja en un par de ejes cartesianos; en el de las abscisas se toman los
valores distintos de la variable y en el de la ordenada, las frecuencias. Cada
valor de la variable, con su correspondiente frecuencia, constituye una pareja
de nmeros, a la que corresponde en el plano un punto. Habr pues, tantos

puntos como valores distintos que tome la variable. Para dar mayor visibilidad
al grfico, es costumbre materializar las ordenadas de cada punto mediante
una lnea gruesa o Barra. De aqu que esta representacin se llame grfico o
diagrama de barras.
INDICE DE DELINCUENCIA
Guayaquil
11%
Quito
8%
Ambato
5%
Cuenca
3%
INDIC E DE DE LINC UE NC IA
12%
10%
8%
6%
C IUDA DES
4%
2%
0%
Guayaquil
Quito
Ambato
Cuenca
3.5- GRFICA DE TABLA DE FRECUENCIAS
De una muestra tomada en la provincia de los ros, sobre la produccin de

arroz en quintales por hectreas, durante el mes de diciembre de 1991 se
obtuvieron los siguientes datos:
Yi:
115.5
100.0
50.0
58.0
Lm.Mx
Lm.Mn
r = 350-50
r = 300
m=4
C = r/m
C = 75
126.0
138.0
153.0
191.0
245.0
287.0
293.0
306.0
342.0
278.0
215.0
165.0
300
2
3
4
5
6
10
12
60
350
50
==>
==>
300/4
M
yi'-1 -- yi'
yi
ni Ni N'i hi
Hi
H'i
1
50 125 87.5 6 6 20 0.30 0.30 1.00
2
125 200 162.5 5 11 14 0.25 0.55 0.70
3
200 275 237.5 3 14 9 0.15 0.70 0.45
4
275 350 312.5 6 20 6 0.30 1.00 0.30
TOTAL
20
1.00
Los histogramas y los polgonos de frecuencias son dos representaciones

grficas de las distribuciones de frecuencias.
Un histograma o histograma de frecuencias, consiste en un conjunto de
rectngulos con:
a) Base en el eje X horizontal, centros en la marca de clase y longitudes
iguales a los tamaos de los intervalos de clase.
b) rea proporcional a las frecuencias de clase.
Si los intervalos de clase tienen todos la misma anchura, las alturas de los
rectngulos son proporcionales a las frecuencias de clase. En caso contrario,
deben ajustarse las alturas.
Un polgono de frecuencias es un grfico de trozos de la frecuencia de clase
con relacin a la marca de clase. Puede obtenerse conectando los puntos
medios de las partes superiores de los rectngulos del histograma.
La frecuencia relativa de una clase es su frecuencia dividida por la frecuencia
total de todas las clases y se expresa generalmente como un porcentaje. La
suma de frecuencias relativas sabemos que suman 1 o 100.
La representacin grfica de distribucin de frecuencias relativas se puede

obtener del histograma o polgono de frecuencias sin ms que cambiar la
escala vertical de frecuencias a frecuencias relativas o histograma de
porcentajes, y polgonos de frecuencias relativas o polgono de porcentajes,
respectivamente.
La frecuencia total de todos los valores menores que la frontera de clase
superior de un intervalo de clase dado se llama frecuencia acumulada hasta
ese intervalo de clase inclusive.
Una tabla que presente tales frecuencias acumuladas se llama una distribucin
de frecuencias acumuladas, tabla de frecuencias acumuladas o brevemente
una distribucin acumulada.
Un grfico que recoja las frecuencias acumuladas por debajo de cualquiera de
las fronteras de clase superior respecto a dicha frontera se llama polgono de
frecuencias acumuladas u ojiva.
Hi
Ni
50 -- 125
125 -- 200
200 -- 275
275 -- 350
25
20
15
10
yi'-1 -yi'
50 125 0.30
125 0.55
200
200 0.70
qq
275
275
350
1.00
50 -- 125
125 -- 200
200 -- 275
275 -- 350
HI
1.20
1.00
0.80
0.60
0.40
0.20
0.00
qq
H'i
50 -- 125
125 -- 200
200 -- 275
275 -- 350
1.20
Estas son las ojivas1.00

ascendentes y descendentes.
0.80
0.60
0.40
0.20
0.00
qq
N'i
50 -- 125
125 -- 200
200 -- 275
275 -- 350
25
20
15
10
qq
0

Las curvas de frecuencias que aparecen, en la prctica adoptan formas
caractersticas como son:
1- Las curvas de frecuencias simtricas o en forma de campana, se
caracterizan porque las observaciones equidistantes del mximo central
tienen la misma frecuencia. Ejemplo importante es la curva normal.
2- En las curvas de frecuencia poco asimtricas, o sesgadas, la cola de la

curva a un lado del mximo central es ms larga que al otro lado. Si la cola
mayor est a la derecha, la curva se dice asimtrica a la derecha o
asimtrica positiva. En caso contrario, se dice asimtrica a la izquierda o
asimtrica negativa.
3- En una curva en forma de J o de J invertida, hay un mximo y un extremo
4- Una curva de frecuencia en forma de U tiene mximo en ambos extremos.
5- Una curva de frecuencia bimodal tiene dos mximos.
6- Una curva de frecuencia multimodal tiene ms de dos mximos.
PARA RECORDAR:
La representacin grfica es un medio eficaz para el anlisis de las
estadsticas.
La representacin grfica puede hacerse utilizando un sistema geomtrico de
representacin, en cuyo caso tiene las propiedades de rigurosidad y precisin,
o bien puede utilizarse smbolos alusivos al tema de estudio, como por ejemplo
rboles, casas, automviles, figuras humanas, etc.
El Sistema Cartesiano esta formado por un par de ejes, uno vertical y otro
horizontal que se cortan en un ngulo recto.
El grfico circular como su nombre lo indica constituye en representar los datos
de una investigacin estadstica en el interior de un crculo o pastel.
El grfico de barras se dibuja en un par de ejes cartesianos; en el de las
abscisas se toman los valores distintos de la variable y en el de la ordenada,
las frecuencias.
Los histogramas y los polgonos de frecuencias son dos representaciones
grficas de las distribuciones de frecuencias.
Un polgono de frecuencias es un grfico de trozos de la frecuencia de clase
con relacin a la marca de clase.
La frecuencia relativa de una clase es su frecuencia dividida por la frecuencia
total de todas las clases y se expresa generalmente como un porcentaje.
Un grfico que recoja las frecuencias acumuladas por debajo de cualquiera de

las fronteras de clase superior respecto a dicha frontera se llama polgono de
frecuencias acumuladas u ojiva.

Realice los siguientes ejercicios
a- Realice el grfico de barras en funcin de los siguientes datos:
Pies Perforados por Petroproduccin en 1998
Cuyabeno
Cononaco
Shushufindi
Sacha
Lago Agrio
Sacha II
8.000
10.820
9.445
10.028
10.140
9.980
b- Realice el grfico de pastel o circular en base a los siguientes datos

Materia Prima Total Procesada en el Pas en diciembre de 1998 en barriles
Refinera Esmeraldas
Refinera la Libertad
Refinera Amazonas
Refinera Lago
2692.956
1040.714
628.335
4362.005
c- En la siguiente tabla se muestra la distribucin de cargas mximas en

toneladas cortas (1 tonelada corta = 2000 Lb), que soportan los cables
producidos por cierta fabrica.
Realice la distribucin de frecuencias acumuladas y ojivas ascendentes y
descendentes.
Carga Mxima (Toneladas Cortas) Nmero de Cables
Yi-1 ------------- Yi
ni
9.5
10.5
7
10.5
11.5
5
11.5
12.5
12
12.5
13.5
17
13.5
14.5
14
14.5
16.5
6
16.5
17.5
3
17.5
18.5
4
68
CAPITULO IV
Domina la base conceptual y analtica sobre las medidas de tendencia central;
se familiaricen con los conceptos y aplicaciones prcticas de las medidas de
tendencia central. Al conocer estos conceptos podrn poner en prctica con
4.1- DEFINICIN Y CLASES DE PROMEDIOS Al obtener una poblacin de
tamao N, la distribucin de frecuencias de una variable, lo que se persigue es
reducir o condensar en pocas cifras el conjunto de observaciones relativas a
dicha variable.
Pero con extremada frecuencia, el proceso de reduccin hay que continuarlo
hasta su grado mximo, o sea, hasta sustituir todos los valores observados por
uno solo, que se llama promedio. Cuando se acta as se logra por una parte
una visin ms clara del nivel que alcanza la variable y por otra, mayor
facilidad al hacer comparaciones.
Por ejemplo, la estatura media del soldado ecuatoriano y la estatura media de
los oficiales del ejrcito y la marina.
La nocin del promedio lleva implcita la idea de variacin, ya que no tiene
sentido promediar un carcter invariable. Pero el nmero singular promedioque a de sustituir al nmero de observaciones de la poblacin a de cumplir la
condicin de ser representativo de dicho conjunto, para lo cual a de reflejar la
tendencia de las observaciones. De aqu que los promedios tambin se los
denomina Medidas de Tendencia Central. El carcter representativo del
promedio exige que su valor est comprendido, al menos, entre los valores
extremos observados de la variable.
Las principales son:

- Media Aritmtica
- Mediana
- Moda
- Media Geomtrica
- Media Armnica

Es en nmero que se obtiene al dividir la suma de todas las observaciones
para el nmero de ellas.
La media aritmtica es un valor de la variable, posiblemente no observable, que
viene dado en la misma unidad de medida que la variable.
__
x La media aritmtica es un estadgrafo de tendencia central que nos

proporciona un promedio con respecto al total de los datos de una investigacin
estadstica, su smbolo es
__
y M yi
La X o se utiliza para datos originales y la siguiente para datos agrupados Y

o
4.2.1- ANLISIS DE LA MEDIA ARITMTICA CON VARIABLE DISCRETA
N
__
....
.
3
x
j 1
X
N
La
media aritmtica, o simplemente media, de un conjunto de N nmeros X1, X2,
X3,.,Xn , se denota por
As por ejemplo, la media aritmtica de los nmeros 8, 3, 5, 12 y 10 es:

= (8+3+5+12+10)/5 ) = 38/5 = 7.6
Ahora bien, si los nmeros X1, X2, .., Xk ocurren k1, k2, .., k veces,
respectivamente (o sea con frecuencia f1, f2, .., fk ), la media aritmtica es:
k
1 x 2 x . . .. k x
X
1 2 . . .. k
1
j x
j 1
k
X X
N
j 1
Donde N = es la frecuencia total o sea, el nmero total de casos.

Por ejemplo, si 5, 8, 6 y 2 ocurren con frecuencia 3, 2, 4, y 1 respectivamente,
su media aritmtica es:
= [(3)(5) + (2)(8) + (4)(6) + (1)(2)] / [3 + 2 +4 +1]
= (15 + 16 + 24 + 2) / 10 = 5.7
Ejercicio:
Los presentes datos son una muestra de las edades que poseen 10
estudiantes del Colegio CENTEBAD:
X1: 24
X2: 18
X6: 18
X
X3: 16
X4: 22
X5: 19
Xi
N
X7: 22
X8: 17
X9: 22
X10: 20
= (24+18+16+22+19+18+22+17+22+20)/10 = 198/10 = 19.8
La edad promedio de los estudiantes del Colegio CENTEBAD es de 19.8 aos.

4.2.2- MEDIA ARITMTICA PONDERADA
A veces asociamos con los nmeros X1, X2, ., Xk ciertos factores peso W1,
W2, .., Wk, dependientes de la relevancia asignada a cada nmero. En tal
caso,
w x w x .. . w x
w w .. . w
1
W X
W
Se llama la media aritmtica ponderada con peso w1, w2, ., wk.

Por ejemplo si el examen final de un curso cuenta 3 veces ms que una
evaluacin parcial, y un estudiante tiene calificacin 85 en el examen final y 70
y 90 en los dos parciales, la calificacin media es:
= [(1)(10)+(1)(90)+(3)(85)]/(1+1+3)=415/5)=83
4.2.3- ANLISIS DE LA MEDIA ARITMTICA CON VARIABLE CONTINUA

Cuando los datos se presentan en una distribucin de frecuencias, todos los
valores que caen dentro de un intervalo de clase dado se consideran iguales a
la marca de clase, o punto medio, del intervalo. Las formulas antes enunciadas
son vlidas para tales datos agrupados si interpretamos Xj como la marca de
clase, nj como su correspondiente frecuencia de clase, A como cualquier marca
de clase conjeturada y dj = Xj - A como la desviacin de Xj respecto de A.
Si todos los intervalos de clase tienen idntica anchura c, las desviaciones dj =
Xj A pueden expresarse
x A
j 1
u c
como cuj, donde uj puede ser 0, 1, 2, 3, ., se obtiene la formula:
Que es equivalente a la ecuacin X = A + c. Esto se conoce como mtodo de

compilacin para calcular la media. Es un mtodo muy breve y debe usarse
siempre para datos agrupados con intervalos de clase de anchuras iguales.
Ntese que en mtodo de compilacin los valores de la variable u de acuerdo
con X = A + cu.
Ejercicio.
El nivel de ingresos mensual
curso de estadstica es:
Xi:
320
180
150
350
300
en dlares de las familias de los estudiantes del
200
200
200
300
350
250
300
800
110
450
380
450
200
250
300
a) Media Aritmtica de datos originales:

= (xi)/N = 6040/20 = 302
El ingreso promedio mensual de las familias de los estudiantes del curso de
estadstica es de 302 dlares.
b) Media Aritmtica de datos agrupados
Lm. mx.: 800
Lm. mn.: 110
320
180
150
350
300
Lim, Mx.:
Lim, Mn.:
r=
200
200
200
300
350
800
110
690
250
300
800
110
450
380
450
200
250
300
Divisb.
==>
2
3
4
5
10
m=4
C = r/m
C = 690/4
m
1
2
3
4
TOTAL
y
==>
172.5
yi'-1 -- yi'
110
282.5
282.5
455
455
627.5
627.5
800
yi
196.25
368.75
541.25
713.75
ni
9
10
0
1
20
Yi.ni
1766.25
3687.5
0
713.75
6167.5
yi.ni
n
6167.5/20 =
308.375
El ingreso promedio mensual de las familias de los estudiantes del curso de

Estadstica clasificados en 4 grupos es de $ 308.375 dlares al mes.
Cabe mencionar que mientras mayor sea el nmero de intervalos el resultado
de los datos agrupados se va acercarse al resultado de los datos originales.
En la variable continua no siempre la media aritmtica de datos originales
coincide con la media aritmtica de datos agrupados, porque al trasladar los
datos originales a la tabla de frecuencias se pierde alguna informacin de
acuerdo a los intervalos que se hayan escogido.
4.2.4- PROPIEDADES DE LA MEDIA ARITMTICA
1) La media aritmtica es el centro de gravedad de los datos y lo expresamos
con:
(Xi - ) = 0
(Xi-)=Zi
Zi.ni = 0
Por ejemplo en el ejercicio del ingreso de las familias los datos eran:
320
180
150
200
200
200
250
300
800
380
450
200
350
300
300
350
110
450
250
300
Y la media aritmtica es 302, las desviaciones son entonces:

Xi
320
180
150
350
300
380
450
200
250
300
200
200
200
300
350
250
300
800
110
450
6040
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
302
(Xi )
18
-122
-152
48
-2
78
148
-102
-52
-2
-102
-102
-102
-2
48
-52
-2
498
-192
148
0
La suma de las desviaciones con respecto a la media aritmtica es nula, o

cero.
2) La media aritmtica de los valores de una variable, no varan sino todas las
frecuencias de su distribucin se multiplican o dividen por un mismo nmero.
Esta propiedad sirve para calcular la media aritmtica con las frecuencias
relativas simple o con porcentajes. El resultado es el mismo:
En el ejemplo del ingreso de las familias en datos agrupados la media
aritmtica es de 308.375 dlares.
M
1
2
3
4
yi'-1 -- yi'
110
282.5
282.5
455
455
627.5
627.5
800
PARA RECORDAR:
yi
196.25
368.75
541.25
713.75
ni
hi
9
10
0
1
20
0.45
0.50
0.00
0.05
1
yi.hi
88.3125
184.375
0
35.6875
308.375
La nocin del promedio lleva implcita la idea de variacin, ya que no tiene

sentido promediar un carcter invariable. Pero el nmero singular promedioque a de sustituir al nmero de observaciones de la poblacin a de cumplir la
condicin de ser representativo de dicho conjunto, para lo cual a de reflejar la
tendencia de las observaciones.
La media aritmtica es un estadgrafo de tendencia central que nos
proporciona un promedio con respecto al total de los datos de una
investigacin estadstica, su smbolo es x
__
y M yi :
La media aritmtica, o simplemente media, de un conjunto de N nmeros X1,

X2, X3,.,Xn , se denota por
N
__
....
.
x
j 1
X
N
Ahora bien, si los nmeros X1, X2, .., Xk ocurren f1, f2, .., fk veces,
respectivamente (o sea con frecuencia f1, f2, .., fk ), la media aritmtica es:
k
1 x1 2 x2 . . .. k
1 2 . . .. k
j x
j 1
k
X
N
j 1
La ecuacin de la media aritmtica ponderada es:

X
w x w x . . . w x
w w . . . w
1

Realice los siguientes ejercicios:
W X
W
a- Calcular la media aritmtica de los ingresos mensuales de los ecuatorianos

del rea artesanal de la provincia de Imbabura.
136, 98, 110, 142, 122, 117, 93, 90, 125, 129, 149, 132, 134, 140, 105
b- El examen final de grado de sexto curso vale 4 veces ms que un aporte y
un examen trimestral vale 2 veces ms que un aporte, un estudiante obtiene
la nota de 75 en el examen final, 68 en los exmenes trimestrales y 95 en
los aportes. Cul es la calificacin media?
c- La siguiente tabla muestra la distribucin de los dimetros de los remaches
salidos en una fbrica. Calcular el dimetro medio.
Dimetro (m.m)
Yi-1 --------- Yi
247
250
253
256
259
262
265
268
271
274
277
280
250
253
256
259
262
265
268
271
274
277
280
282
Frecuencia
s
ni
2
6
8
15
42
68
49
25
18
12
4
1
CAPITULO V
Domina la base conceptual y analtica sobre los estadgrafos de posicin;
se familiaricen con los conceptos de los estadgrafos de posicin, sus usos y
aplicaciones; adems deben llegar a conocer y dominar el manejo de los
estadgrafos de posicin, el clculo de datos originales y datos agrupados. Al
conocer estos elementos y conceptos podrn poner en prctica con ejercicios,
ejemplos, y resolucin de problemas. Se utilizar la metodologa de enseanza
aprendizaje de aprender haciendo.
5.1- LA MEDIANA
Si todos los valores de la variable se ordenan en sentido creciente o
decreciente, la mediana es el valor que ocupa el lugar central, o sea, el que
deja a un lado y al otro el mismo nmero de observaciones.
La mediana es un conjunto de nmeros ordenados en magnitud es o el valor
central o la media de los dos valores centrales.
La mediana es un estadgrafo de tendencia central que nos marca una posicin
tal que nos asegura que supera no ms del 50% de los datos de una
investigacin estadstica y a la vez es superado por no ms del 50% de las
observaciones.
Me es el smbolo de
la mediana
5.1.1- CLCULO PARA DATOS ORIGINALES
Primer Caso: cuando el nmero de datos n es impar; por ejemplo, notas

obtenidas por los estudiantes del aula 5 contabilidad.
6, 7, 8, 10, 10, 10, 10, 8, 7, 8, 6, 8
a- Ordenar los datos en forma ascendente
1 2 3 4 5 6
7
8
9 10,
6 7 7 8 8 8 8 10 10 10, 10
11
b- Ubicamos el nmero de orden que le corresponde a la mediana

aplicando la formula:
n + 1
2
(11+1) / 2 Me = 12/2 en n
Me = 8
Me=6 en n
entonces la mediana es 8;
El 50% de los estudiantes del aula 5 obtendrn una nota de 6 a 8, en el

primer quimestre y el 50% restante de estudiantes obtendrn una nota de 8
a 10 puntos.
Segundo Caso: Cuando el nmero de datos n es par
En el mismo ejemplo anterior:
8, 10, 10, 10, 8, 5, 8, 9, 5, 10, 8, 7, 5, 7, 10, 9
a- Ordenamos en forma ascendente
1
4 5 6
7
5 5 5 7 7 8 8
8
9 10
8 8 9 9
11
12 13 14
10 10 10 10 10
15
16
b- Ubicamos mediante la frmula:

n + 1
2
(16+1) / 2 Me = 17/2 en n
Me=8,5 en n; tomamos los valores
intercalados que son 8 y 8 y dividimos para 2
Me = 8 + 8 = 8
2
El 50% de los estudiantes del aula 5 contabilidad obtendrn una nota
de 5 a 8 en el primer quimestre, mientras que el 50% restante obtendrn
notas de 8 a 10
5.1.2- CLCULO PARA DATOS AGRUPADOS
En este tipo de distribucin no puede observarse exactamente la mediana
porque se desconocen las observaciones singulares de la variable. Pero una
aproximacin se puede obtener mediante la siguiente frmula:
n
N j 1
Me y' C 2
i 1
nj
Donde:
Me= Mediana
Yi-1= frontera inferior de la clase de la mediana
C= Anchura del intervalo de clase de la mediana
n= nmero de datos, o frontera total
Nj= Frecuencia simple acumulada
Nj > n/2
nj= Observaciones hasta Nj
Nj-1 = Frecuencia simple acumulada anterior a Nj
Ejemplo de acuerdo al ejercicio anterior:
En base a las siguientes datos que corresponden a los salarios semanales de
un grupo de trabajo medidas en dlares (sector industrial textil) de la ciudad de
Quito. Calcular e interpretar la media aritmtica y comprobar las propiedades
de la misma, si suponemos que existe un decreto ejecutivo por el cual se sube
todos los salarios semanales en un dlar a nivel general, y adicionalmente por
efectos de negociacin de contratos colectivos al sector industrial textil se
duplican sus salarios semanales, con el objeto de aumentar la productividad
para competir en el mercado andino, los datos que se obtuvieron son:
M
1
2
3
Yi'-1 -- yi'
4
10
10 16
16 22
Yi
7
13
19
Ni
25
20
15
Ni
25
45
60
N'i
80
55
35
Hi
0.313
0.250
0.188
Zi
-9
-3
3
Zi.ni
-225
-60
45
Ui
-2
-1
0
Ui.ni
-50
-20
/
Yi.ni
175
260
285
Yi.hi
Z'i
2.1875 -12
3.2500 -6
3.5625 0
Z'i.ni
-300
-120
420
4
5
22
28
28
34
25 10 70 20
31 10 80 10
80
n
N
Me y' C 2
i 1
nj
0.125 9
0.125 15
1
90 1
150 2
10 250 3.1250 6
20 310 3.8750 12
-40 1280
j 1
Nj > 80/2
Nj > 40
45 > 40
Me = 10 + 6x 40-25
20
Me = 10 + 6x 15
20
Me = 10 + 6x0,75
Me = 10+4.5
Me = 14,5
El 50% de los trabajadores del sector textil de quito tienen un salario por hora
de 4 a 14.5 dlares y el 50% restante ganan de 14.5 a 34 dlares.
= Ot K
= 19-3
= 16
El salario promedio de los trabajadores del sector industrial textil de Quito es de
16 dlares.
Como una aplicacin de la mediana aparecen los cuartiles, deciles y los
percentiles
Estos estadgrafos de orden dividen a los datos de una investigacin
estadstica en tantas partes iguales de acuerdo al objetivo de percilavos.
60
120
5.2- LOS CUARTILES

Aquellos dividen a los datos de la investigacin en 4 partes iguales conteniendo
cada parte el 25% de los datos.
Su frmula es:
mn
N
Qm y' C 4
i 1
nj
j 1
Ejemplo: calcular el cuartil 3, Q3

Nj>3n/4
Nj>3.80/4
Nj>60
3n
N
Q3 y ' C 4
i 1
nj
j 1
Q3 = 22 +6. 60 - 60
10
Q3 = 22 +6. 0
10
Q3 = 22
El 75% de los trabajadores textiles de Quito, ganan de 4 a 22 dlares mientras
que el 25% restante ganan de 22 a 34 dlares.
5.3- LOS DECILES
Son estadgrafos de orden que dividen a los datos de la investigacin

estadstica en 10 partes iguales, las cuales contienen el 10% de los datos.
mn
N
10
Dm y' C
i 1
nj
j 1
Su frmula es:
Ejemplo: clculo del decil 6, D6

Nj > 6n/10
Nj >6.80/10
Nj > 48
60 > 48
6n
N
D6 y' C 10
i 1
nj
j 1
D6 = 16 + 6. 48-45
15
D6 = 16 + 1,2
D6 = 17.2
El 60% de los trabajadores textiles ganan de 4 a 17.2 dlares mensuales y el
40% restante ganan de 17.2 dlares a 34 dlares mensuales.
5.4- LOS PERCENTILES
Aqu los valores se dividen en 100 partes iguales, por lo que se los llama
tambin Centiles y se denotan por P1, P2, P3, .., P99. El quinto decil y el
cincuentavo percentil coinciden en la mediana.
El 25 y el 75 percentiles coinciden con el primer y tercer cuartil.
Su formula es:
mn
N j 1
P m y' C 100
i 1
nj
Calcular el percentil 35
Nj > (35n)/100
Nj > (35.80)/100
Nj > 2800/100
Nj > 28
45 > 28
P35= 10+6x 28-25
20
P35=10+6x3/20
P35=10+0.9
P35=10.9
El 35% de los trabajadores de la industria textil ganan entre 4 y 10.9 dlares
mientras que el 65% ganan entre 10.9 y 34 dlares.
5.5- LA MODA
Es un estadgrafo de tendencia central o de posicin que nos indica el valor
ms observado en una investigacin estadstica.
5.5.1- MODA POR OBSERVACIN
Ejemplo: Notas de los alumnos de cuarto contabilidad.
9, 5, 7, 8, 8, 8, 7, 8, 8, 8
Por simple observacin la moda es 8. La mayora de los estudiantes obtendrn
una nota de 8 sobre 10 es estadstica en el primer Quimestre.
5.5.2- MODA BIMODAL
Ejemplo: Notas de los alumnos de cuarto contabilidad.

7, 9, 5, 7, 8, 8, 8, 7, 8, 8, 8, 7, 7, 7
La mayora de los estudiantes sacarn notas de 7 y 8 en estadstica.
5.5.3- MODA EN DATOS AGRUPADOS

No puede observarse con exactitud, por desconocerse los valores realmente
observados de la variable. Con la siguiente formula podemos obtener un valor
ms o menos aproximado.
Mo Y 'i 1 C.
i 1
n n
i 1
i 1 Pero
no deben ser utilizados cuando los

intervalos tienen la misma amplitud. En este caso la lnea i del cuadro es
aquella la mayor frecuencia; ni-1 y ni+1 son las frecuencias anteriores y
posteriores Yi-1; el lmite inferior del intervalo correspondiente a la lnea i y C la
amplitud que es igual a todos los intervalos.
Ejemplo. El salario por hora de 160 obreros clasificados y tabulados son:
Y'i-1 Yi
4
8
12
16
20
24
28
32
8
12
16
20
24
28
35
36
ni
3
12
40
47
32
13
9
4
160
Ni
3
15
15
102
134
147
156
160
Como se puede apreciar la mayor frecuencia es 47, luego:

Que indica que la mayora de los trabajadores perciben un salario de 17.78
dlares
Mo 1 6 4.
32
1 7.7 8
4 0 3 2
La moda es un estadgrafo de tendencia central o de posicin que nos indica el

valor ms observado en una
Mo Y 'i 1 C.
i 1
n n
i 1
i 1 La frmula
para calcular moda en datos
agrupados es:
1- Realice los siguientes ejercicios:

a- Calcule la mediana de:
16, 18, 17, 11, 18, 11, 10, 18, 17, 19, 11, 14, 13, 11, 17
b- Calcule la mediana de:
235, 239, 237, 233, 231, 239, 235, 237, 239, 240, 239, 236
c- De la siguiente tabla muestra una distribucin de frecuencias de las notas
obtenidas en una prueba de matemticas, hallas los cuartiles de la
distribucin e interpretar sus significados:
Grado
Yi-1 ---- Yi
30
40
50
60
70
80
90
Nmero de estudiantes
40
50
60
70
80
90
100
3
6
11
21
43
32
9
125
d- Hallar los deciles e interpretar cada una de ellos, en base a la siguiente

tabla, que representa los nmeros de errores milimtricos en los tornillos de
producidos por diferentes mquinas.
Errores milimtricos
Yi-1 ------ Yi
0.207
0.214
0.214
0.221
0.221
0.228
0.228
0.235
0.235
0.242
0.242
0.249
0.249
0.256
Observaciones
5
4
16
14
11
8
7
e- Encontrar la moda e interpretar, de las siguientes medidas de pantalones

que se venden en un centro comercial.
34, 32, 28, 34, 36, 40, 38, 32, 34, 36, 34, 32, 38, 34, 32, 38, 28, 34, 32, 34
CAPITULO VI
Domina la base conceptual y analtica sobre otros estadgrafos de posicin;
se familiaricen con los conceptos de otros estadgrafos de posicin, tales como
la Media Armnica, la Media Geomtrica y la Media Cuadrtica. Al conocer
estos conceptos podrn poner en prctica con ejercicios, ejemplos, y resolucin
de problemas. Se utilizar la metodologa de enseanza aprendizaje de
aprender haciendo.
6- OTROS ESTADGRAFOS DE POSICIN
La media armnica que la representamos con la H, de un conjunto de nmeros
X1, X2, X3, .., Xn es el reciproco de la media Aritmtica de los recprocos
de esos nmeros:
1
1
n j 1 X
n
1
En la prctica es ms fcil recordar que:

1
X 1 1
H

n
n
X
Por ejemplo la media armnica de los nmeros 2, 4 y 8 es:

H
3
3
3.4 3
1 1 1 7

2 4 8 8
Otro ejemplo puede ser:
Durante 4 aos sucesivos, una familia compr el gas para su calefaccin a

$0.80, $0.90, $1.05, $1.25 por cilindro respectivamente. Hallar el costo medio
del gas en ese perodo?
4
0.975
1
1
1
1
0.8 0.9 1.05 1.25
Que al comparar con la media aritmtica en el supuesto caso que la familia

gasta cada ao la misma cantidad de dinero en gas, digamos unos $ 1000
entonces:
Costo medio =
Costo total
=
$ 4000
= 0.975
Cantidad total adquirida
1250+1111+925+800
6.2- MEDIA GEOMTRICA

Se define a la media geomtrica, de una distribucin de datos como la raz
ensima del producto de los n valores de la distribucin.
La media geomtrica G de un conjunto N nmeros positivos X1, X2, X3, , Xn
es la raz N-sima del producto de esos nmeros:
Gn
x x x .... x
1
Esta se utiliza para datos originales, mientras que para datos agrupados
podemos usar:
Gn
X 1 n . X 2 n .... X k n
1
El clculo de la G se hace recurriendo al empleo de logaritmos y no es

aplicable cuando la variable toma valores negativos.
Hallar la media geomtrica de los nmeros 3, 5, 6, 6, 7, 10 y 12.
G
(3)( 5)( 6)( 6)( 7)(1 0)(1 2) 7 4 5 3,6 0 0
Log G= 1/7 .Log 453,600 = 1/7 . (5.6567) = 0,8081 y G=6,43 (a la centsima).

Alternativamente, puede usarse una calculadora.
Otro mtodo podra ser:
Log G=1/7(log 3+log 5+log 6+log 6+log 7+log 10+log 12)
Log G=1/7(0.4771+0.6990+0.7782+0.7782+0.8451+1.000+1.0792)
Log G=0.8081
G=6.43
Para datos agrupados su clculo se hara de la siguiente forma de acuerdo al
ejercicio anterior
M Yi'-1 -- Yi Ni Ni N'i Hi
yi'
1 4
10 7 25 25 80 0.3
13
2 10 16 13 20 45 55 0.2
50
3 16 22 19 15 60 35 0.1
88
4 22 28 25 10 70 20 0.1
25
5 28 34 31 10 80 10 0.1
25
80
1
Gn
X 1 n . X 2 n .... X k n
G 80
7 13
25
20
15
10
10
. (19) . (25) . (31)
G 8 01. 3 4 1 0 6 86 64e 1 1916.9 0 0 4 9 68 38e 7 27 241. 5 1 8 1 1 28 77e 0 12 999.5 3 6 7 4 36 13e 6 14 308.1 9 6 2 8 20 88e 6 19 4
G 8 03.0 2 4 3 9 9 0 08063
e91
G= 13.91579391835
Otra forma seria
Log G=1/80.(log1.341068619664e+24 + log1.900496377488e+22 +
log1.518112702987e+19 + log9.536743164063e+13 +
log8.196282869808e+14
Log G=1.143507988573
G=13.91579391835
6.3- MEDIA CUADRTICA

A veces la variable toma valores positivos y negativos como ocurre por
ejemplo, en los errores de medida. En tal caso se puede estar interesado en
obtener un promedio que no recoja los efectos del signo; en el caso de los
errores por ejemplo, se puede desear un error medio prescindiendo del signo.
Este problema se resuelve, entre otros procedimientos, mediante la llamada
media cuadrtica que la representa remos por C. Consiste en elevar al
cuadrado todas las observaciones para que desaparezcan los signos
negativos, luego obtener su media aritmtica y extraer finalmente la raz
cuadrada y regresamos a la unidad de medida original.
La formula de la media cuadrtica para el caso de datos originales es:
2
X 1 X 2 .... X n nX i2
n
Y la formula de la media cuadrtica para el caso de datos agrupados es:

2
X 1 n1
X 2 n2 ....X k nk
n
X i ni
2
Por ejemplo la media cuadrtica del conjunto 1, 3, 4, 5 y 7 es:

2
1 3 4 5 7
5
20 4.47
C=
O por ejemplo en el caso de nuestro ejercicio de datos agrupados tenemos:
m Yi'-1 -- yi' Yi ni Ni N'i

Hi
Yi2
1 4
10 7
25 25 80 0.313 49
2 10
16 13 20 45 55 0.25 169
3 16
22 19 15 60 35 0.188 361
Yi2.ni
1225
3380
5415
4
5
22
28
28
34
25
31
Yi 2 ni
n
10
10
80
70
80
20
10
2 5 8 8 0
0.125 625 6250

0.125 961 9610
1
2165 25880
3 2 3.5 1 7.9 8 6
80
PARA RECORDAR:
LA MEDIA ARMNICA es el conjunto de nmeros X1, X2, X3, .., Xn es el
reciproco de la media Aritmtica de los recprocos de esos nmeros, su
H
frmula es:
1
1
n j 1 X
n
1
LA MEDIA GEOMTRICA Se define a la media geomtrica, de una

distribucin de datos como la raz ensima del producto de los n valores de la
distribucin. Sus formulas son:
Para datos originales
Gn
Para datos agrupados
x x x .... x
Gn
X 1 n . X 2 n .... X k n
1
MEDIA CUADRTICA Consiste en elevar al cuadrado todas las observaciones

para que desaparezcan los signos negativos, luego obtener su media
aritmtica y extraer finalmente la raz cuadrada y regresamos a la unidad de
medida original.
Y la formula de la media cuadrtica para el caso de datos agrupados es:
X 1 X 2 .... X n nX i2
n
O por ejemplo en el caso de nuestro ejercicio de datos agrupados tenemos:

2
X nX n
1
.... X k nk
X i ni
2

1- Calcular la media armnica de la velocidad alcanzada en un circuito de
carreras por 3 automviles cuya velocidad respectiva es:
V1 = 150 Km/h.
V2 = 175 Km/h.
V3 = 185 Km/h.
2- Calcular la media armnica de la variacin de potencia de 6 motores
P1 = 10 HP
P2 = 15 HP
P3 = 14 HP
P4 = 11 HP
P5 = 17 HP
P6 = 21 HP
3- Hallar la media geomtrica ponderada de una distribucin de datos
obtenida al anotar el nmero de veces que un dado ha encontrado una de
las 6 posiciones posibles en 30 lanzamientos.
Valores
Posibles
1
2
3
4
5
6
N
Efectivo
s
4
5
6
3
7
5
4- Los pesos de una muestra de paquetes de que se cargan en un avin de

carga pesados en Kilos son 10, 16, 25, 18, 13, 21, 9, 22, 19, 12. Determine
la media geomtrica, la mediana y la moda.
5- La siguiente tabla indica una muestra del nmero de pedidos de cajas de
tabaco por los establecimientos comerciales de la ciudad de Quito. Calcule
la media aritmtica, la moda y la media geomtrica
Cajas Pedido
s
2-7
10
7-12
5
12-17
9
17-22
5
22-27
3
6- De una nuestra de consumidores de tabaco se obtuvieron los siguientes
datos de consumo diario por unidades. Calcule la Moda e interprete y la
media cuadrtica.
Cajas
5-11
11-17
17-23
23-29
17-22
22-27
Pedido
s
15
11
9
8
4
6
7- Calcule la media cuadrtica de 5, 2, 6, 9, 7, 4
CAPITULO VII
Domina la base conceptual y analtica sobre los estadgrafos de dispersin;
se familiaricen con los conceptos de los estadgrafos de dispersin, sus usos y
aplicaciones. Al conocer estos conceptos podrn poner en prctica con
7- ESTADGRAFOS DE DISPERSIN.
Un promedio resume todos los valores observados en uno solo que los
representa; su utilidad depende por tanto, de su representatividad del conjunto
de observaciones.
Si los valores observados de la variable estn muy concentrados alrededor del
promedio, este es muy representativo; pero si estos valores estn muy
dispersos con relacin al promedio, ser muy poco representativo. En
consecuencia, el significado de un promedio gana mucho si viene acompaado
de una media de la concentracin o dispersin de las observaciones en torno a
l.
Las palabras concentracin y dispersin se refieren a los aspectos
contrarios del mismo fenmeno.
El problema lo plantearemos con el siguiente ejemplo: supongamos dos
familias de dos personas cada una; el consumo diario de caloras de las
personas de la primera familia es de 1500 y 4500 y el de las personas de la
segunda familia es de 2900 y 3100. El consumo medio de caloras de ambas
familias diariamente es 3000, cabe concluir entonces que las dos tienen el
mismo nivel calrico. Esto es verdad, adems, en la segunda familia el
promedio en este caso, es ms representativo que en la primera. Pero esta
ltima conclusin puede sacarse porque se dispone de las observaciones
primarias porque stas son pocas y puede deducirse con facilidad la
caracterstica de dispersin.
Otro ejemplo puede ser el siguiente chiste: Si yo me como dos pollos y tu no te
comes ninguno, la estadstica demuestra que cada uno hemos comido un
pollo. Aqu se ha prescindido de la idea de dispersin y se razona

exclusivamente con el promedio, porque estos solamente dan un valor central
de la variable y prescinden de la magnitud de su variabilidad o dispersin.
Puede observase que se ha hablado de la dispersin como algo ligado a un
promedio, como una medida para conocer su representatividad. Sin embargo,
la dispersin existe con independencia de los promedios.
Los caracteres atributos o variables- no suelen permanecer constantes,
estables al pasar de un elemento de poblacin a otro.
No todas las personas tienen la misma estatura, ni los mismos ingresos, ni el
mismo lugar de nacimiento, etc. Si no existiera esta variabilidad, la estadstica
se reducira a muy poca cosa, esta variabilidad es su esencia ya que esta
tcnica persigue conocer las regularidades existentes en dicha variabilidad.
La existencia de la variabilidad en los valores de una variable es la que origina
las distribuciones de frecuencias, cuyas representaciones grficas suelen
expresar ms perceptiblemente que los nmeros, la concentracin o dispersin
de las observaciones.
Un grfico bien ledo proporciona una idea bastante completa de la dispersin,
pero para ser bien ledo no hay olvidar lo dicho a propsito de las escalas,
porque una misma distribucin puede tener una representacin grfica muy
concentrada o muy dispersa, aparentemente, si se utilizan escalas diferentes.
Un ejemplo lo tenemos en los siguientes grficos:
OBREROS CLASIFICADOS POR
SUS SALARIOS
Paga por hora
No. de obreros
Variable
Frecuencia
4-8
3
8 12
12
12 - 16
40
16 - 20
47
20 - 24
32
24 - 28
13
28 - 32
9
32 - 36
4
TOTAL
160
60
40
20
0
4-8
20 - 24
8 - 12
24 - 28
12 - 16
28 - 32
16 - 20
32 - 36
En este primer grfico se tiene la sensacin de que los datos estn muy
dispersos mientras que en el siguiente que los datos estn muy concentrados;
no obstante como se puede observar comparando las escalas, corresponden a
una misma distribucin.
60
55
50
45
40
35
30
25
20
15
10
5
0
4- 8
8 - 12
12 - 16
24 - 28
28 - 32
32 - 36
16 - 20
20 - 24
Cundo se quiere saber la dispersin de una variable, lo que se intenta es

obtener una medida y un nmero, que indique el mayor o menor grado de
dispersin.
Las medidas ms conocidas son la desviacin estndar y recorrido que vienen
expresadas en la misma unidad que la variable; tambin es frecuente el uso del
coeficiente de variacin, que viene expresado como porcentaje. La ms usada
es la primera medida.

La desviacin o desviacin promedio, de un conjunto de n nmeros X1, X2, .,
Xn es abreviada por MD y se define como:
n
MD
x
j 1
XX
n
XX
Donde X o es la media aritmtica de los nmeros y Xj - X ex el valor

absoluto de la desviacin de Xj respecto de X . ( El valor absoluto de un
nmero es el nmero sin signo y se denota con dos barras verticales; as
-4 = 4, +3 =3, 6 = 6 y -0.56 = 0.56
Por ejemplo; hallar la desviacin media del conjunto 2, 3, 6, 8, 11
Primero extremos la media aritmtica:
X =(2+3+6+8+11)/5 = 6
y posterior mente la desviacin media:
DM = 2-6 + 3-6 + 6-6 + 8-6 + 11-6 = -4 + -3 + 0 + 2
+ 5
DM = (4+3+0+2+5)/5 = 2.8
La medida numrica de la dispersin la podemos obtener a partir de las
diferencias de cada valor de la variable con respecto a su media aritmtica o
con respecto a otro promedio.
Simblicamente estas diferencias se llaman desviaciones y se expresan as:
xi - X
Como hay n observaciones, habr n desviaciones como la anterior. Pues bien
si los valores de la variable estn muy concentrados alrededor de X ,
entonces las desviaciones xi - X sern pequeas, y si estn muy dispersos,
las desviaciones sern grandes. Luego, un promedio de tales desviaciones da
un solo nmero que es expresivo del grado de concentracin o dispersin de
las observaciones; si hay concentracin, el promedio ser un nmero pequeo,
y si hay dispersin, el promedio ser un nmero grande.
Hay que elegir un promedio para aplicarlo a las n desviaciones; este podra ser
la media aritmtica, pero en este caso no es aplicable.
Para obtener la media aritmtica de n nmeros ahora son las n desviaciones
Xi - X -, hay que sumarlos y dividirlos por n, pero la suma de las desviaciones
con respecto a la media aritmtica, como ya dijimos, es siempre igual a cero,
porque se compensan las desviaciones positivas con las negativas.
Por tanto la desviacin media de todas las desviaciones Xi- X no puede ser
una medida de la dispersin porque siempre es igual a cero.
El promedio ideal, sin duda, es la media cuadrtica, que hay que aplicar ahora,
no a los valores X, sino a las desviaciones Xi - X . Esta media cuadrtica se
denomina desviacin estndar y es representada por la letra S. Su frmula es:
( Xi X )
Hay que recordar que la raz cuadrada de un nmero es otro nmero que
puede tomarse como signo positivo o negativo, en este caso se usa el signo
positivo.
S vara desde cero en adelante.
Cuando S= 0; todos los valores de Xi son iguales.
A medida que S es mayor, la dispersin tambin es mayor.

La desviacin estndar es una medida de dispersin de los valores de la
variable con respecto a la media aritmtica.
Para datos originales podemos aplicar directamente la formula anterior, pero es
mejor utilizar la siguiente frmula:
Xi
Xi
Por ejemplo:
La edad de 5 personas que conforman una familia son:
8, 26, 23, 19, 44. aos
Xi
Xi2
8
64
19 361
23 529
26 676
44 1936
120 3566
3566
S
120
2
137.2 11.71
La desviacin estndar viene dada por la misma unidad de medida que la

variable.
Para datos agrupados se utiliza otra formula donde aparecen los valores
distintos de la variable. Por tanto cada Xi y cada X 12, se multiplican por las
frecuencias correspondientes, que es la que indica el nmero de veces que se
repite ese valor distinto:
Xi
.n i
Xi.ni
Por ejemplo: Hallar la desviacin estndar de la muestra de produccin de

zapatos de 50 personas que trabajan en una pequea fbrica artesanal, cuyas
frecuencias se expresan en el siguiente cuadro:
Xi
1
2
3
4
Total
ni Xi.n Xi2 Xi2 . ni

i
16 16 1
16
20 40 4
80
9 27 9
81
5 20 16
80
50 103 30
257
Pares de zapatos
257
S
50
103
50
2
0.8964 0.95
Para datos agrupados y en intervalos, como para la media aritmtica, no pude

obtenerse exactamente la desviacin estndar por no conocerse los valores de
la variable realmente observados; una aproximacin se obtiene transformando
cada intervalo por una marca de clase correspondiente y se calcula como en el
caso anterior. Por ejemplo, el salario por hora de 160 obreros se clasifica de la
siguiente forma:
m Yi-1
1
4
2
8
3 12
4 16
5 20
6 24
7 28
8 32
Yi' ni Yi Yi.ni Yi2

8
3 6
18
36
12 12 10 120 100
16 40 14 560 196
20 47 18 846 324
24 32 22 704 484
28 13 26 338 676
32
9 30 270 900
36
4 34 136 1156
160
2992 3872
61376
160
2 9 9 2
1
6
0
Yi2.ni
108
1200
7840
15228
15488
8788
8100
4624
61376
2
3 3.9 1 5.8 3
dlares
7.3.1- PROPIEDADES DE LA DESVIACIN ESTNDAR
Si la variable se distribuye normalmente, entonces el intervalo construido
sumado y restado a la media aritmtica 1.96 veces a la desviacin estndar
contiene el 95% de las observaciones. Simblicamente este intervalo se
expresa as:
X - 1.96S; X + 1.96S
As mismo, si el intervalo se construye sumando y restando a la media

aritmtica 2.58 veces, la desviacin estndar dentro de dicho intervalo est el
99% de las observaciones. Simblicamente el intervalo ser:
X - 2.58S; X + 2.59S
Esto se aplica para las distribuciones normales, pero tambin sirve para las
campaniformes simtricas y moderadamente asimtricas, en este caso es
mejor aplicar a los intervalos, los enteros convirtiendo 1.96 en 2 y 2.58 en 3, as
tenemos:
X 2S
X 3S
Cualquiera de los intervalos, es a su vez, otra medida de dispersin, dada

ahora, por su intervalo y no por su valor singular. Si ese intervalo es muy
pequeo, las observaciones estn muy concentradas; si es muy grande es que
estn muy dispersas.
La fundamental utilidad de estos intervalos radica en que se aplican a las
estimaciones estadsticas hechas por muestreo.
7.4- LA VARIANZA
La varianza es el conjunto de datos se define como el cuadrado de la
desviacin tpica o estndar y viene dada en consecuencia por S 2 cuando se
habla de poblaciones y de 2 cuando se trata de muestras, en las ecuaciones
antes indicadas, por tanto es una medida de dispersin. Por no tener la raz
cuadrada facilita las deducciones y las operaciones algebraicas, pero en
cambio la unidad en que viene expresada es el cuadrado de la unidad de la
variable.
La varianza es siempre positiva y mayor o igual a la desviacin tpica.
2
2
.
n
i
Xi
.
ni
2
S Xi
( Xi X )
S
S
3 8 3.6 3 4 9.6 9
3 3.9 1
Xi
.n i
Xi.ni
61376
160
2992
160
61376
160
18.7 2
m Yi-1 Yi' ni Yi Yi.ni Yi2 Yi2.ni
1
2
3
4
5
6
7
8
4 8 3 6 18 36 108
8 12 12 10 120 100 1200
12 16 40 14 560 196 7840
16 20 47 18 846 324 1522
8
20 24 32 22 704 484 1548
8
24 28 13 26 338 676 8788
28 32 9 30 270 900 8100
32 36 4 34 136 115 4624
6
16
299 387 6137
0
2
2
6
7.5- COEFICIENTE DE VARIACION

Frecuentemente, se presenta el problema de comparar las dispersiones de dos
o ms distribuciones. Por ejemplo, si se desea saber si la variabilidad de la
temperatura de un lugar es mayor o menor que de otro; si los salarios varan
ms en un grupo de obreros que en otro, etc.
En todos estos casos de comparacin de dispersiones, se puede efectuar
utilizando la desviacin estndar. Si las variables comparadas tienen sus
medias aritmticas iguales o aproximadamente similares y si dichas variables
vienen expresadas en la misma unidad de medida. Si estas circunstancias no
ocurren, que suele ser lo habitual la comparacin debe hacerse mediante el
coeficiente de variacin cuya frmula es:
V = (S/ X ).100
Que no es sino la desviacin estndar expresada como porcentaje de la media
aritmtica. V no se expresa en unidades de la variable.
Ejemplo: de los siguientes cuadros
a- Edad de cinco personas
Aos
8
26
23
19
44
b- familias distribuidas por sus personas activas
Personas
activas
Variable
1
2
3
4
Total
No. de familias
Frecuencia
16
20
9
5
50
c- Obreros clasificados por su salario

Paga por Hora
Variable
48
8 12
12 - 16
16 20
20 24
24 28
28 32
32 36
Total
No. de Obreros
Frecuencia
3
12
40
47
32
13
9
4
160
Cuyos resultados son:

Cuadro
a
b
c
24
2.06
18.70
S
Unidad
11.71 Aos
0.95 Personas
5.83 Dlares
Tomando la desviacin estndar, para comparar la dispersin de las tres

distribuciones, no se llega a ninguna conclusin correcta.
Lo que al calcular el coeficiente de dispersin se tiene:
Va= (11.71/24)x100 = 48.79
Vb= (0.95/2.06)x100 = 46.17
Vc= (5.83/18.70)x100 = 31.18
Puede decirse entonces, que la distribucin del cuadro c tiene la menor
dispersin porque su coeficiente de variacin es menor.
Este coeficiente de variacin depende de S y de X .
Si X = 0; el coeficiente de variacin es infinito

V no tiene sentido cuando X = 0 o aproximado a cero
PARA RECORDAR:
Si los valores observados de la variable estn muy concentrados alrededor del
promedio, este es muy representativo; pero si estos valores estn muy
dispersos con relacin al promedio, ser muy poco representativo. La
dispersin existe con independencia de los promedios. La existencia de la
variabilidad en los valores de una variable es la que origina las distribuciones
de frecuencias, cuyas representaciones grficas suelen expresar ms
perceptiblemente que los nmeros, la concentracin o dispersin de las
observaciones.
n
La frmula para la desviacin media es:
MD
x
j 1
XX
n
X X
DESVIACIN ESTANDAR
La medida numrica de la dispersin la podemos obtener a partir de las
diferencias de cada valor de la variable con respecto a su media aritmtica o
con respecto a otro promedio. La desviacin media de todas las desviaciones
Xi- X no puede ser una medida de la dispersin porque siempre es igual a cero.
( Xi X )
Xi
S
Sus formulas son:
Xi
Cuando S= 0; todos los valores de Xi son iguales.

A medida que S es mayor, la dispersin tambin es mayor.
La desviacin estndar es una medida de dispersin de los valores de la
variable con respecto a la media aritmtica.
La desviacin estndar viene dada por la misma unidad de medida que la
variable.
LA VARIANZA es el conjunto de datos que se define como el cuadrado de la
desviacin tpica, sus formulas son:
Xi
.n i
Xi.ni
( Xi X )
N
COEFICIENTE DE VARIACION
Frecuentemente, se presenta el problema de comparar las dispersiones de dos
o ms distribuciones. Si las variables comparadas tienen sus medias
aritmticas iguales o aproximadamente similares y si dichas variables vienen
expresadas en la misma unidad de medida. V no se expresa en unidades de la
variable.
Este coeficiente de variacin depende de S y de X .
Su formula es:
V = (S/ X ).100

1- Hallar la desviacin media de 4, 6, 9, 3, 7. 16, 22, 5, 11, 17, 14
2- La siguiente tabla nos indica las medidas de las longitudes de los cordones
de zapatos arrojadas por una muestra de 70 pares. Hallar la desviacin
media.
Longitud en
centmetros
20-23
23-26
26-29
29-32
32-35
35-38
38-41
41-44
No de
observaciones
12
9
6
11
15
7
6
4
3- Hallar la desviacin media de los errores en milmetros arrojados en las

dimensiones de clavos producidos por una mquina. La muestra
corresponde a 30 observaciones.
n:
1.2
1.3
1.5
1.7
0.9
0.92
1.1
1
1.2
3
1.9
6
0.56
1.42
1.73
1.6
1.4
5
1.8
0.9
3
1.2
9
0.7
7
1.9
1.5
1.3
7
1.2
7
0.9
2
1.8
2
1.5
1.2
5
1.2
1
1.7
6
0.1
7
0.6
4
4- Determinar la variacin estndar de los tabacos consumidos por unidades

en un da por 8 fumadores: 16, 14, 15, 5, 23, 9, 11, 20
5- El siguiente cuadro indica el nivel de salarios mensuales que perciben 40
trabajadores de la Constructora Andrade y Prez Ca. Determinar la media
aritmtica y la desviacin estndar.
Sueldos en
Dlares
197-210
210-223
223-236
236-249
249-262
262-275
275-288
288-301
N de
trabajadores
16
12
19
22
31
35
10
8
6- De una muestra de 30 observaciones sobre el consumo de energa elctrica

en Kw/h., por las plantas industriales dedicadas a la produccin de muebles
se obtuvieron los siguientes datos:
81.
3
21.
6
66.
5
26.
5
98.
4
62.
9
22.
5
67.
4
39.
2
36.
8
51.
5
49.
2
25.
3
27.
7
72.
5
61.
7
87.
8
91.
8
51.
7
42.
1
21.
6
57.
6
78.
9
44.
2
37.
5
54.
1
64.
8
29.
7
76.1
53.8
Hallar la desviacin estndar

7- Determinar la varianza del consumo de gasolina por litros diarios de 8
camiones de transporte de una compaa: 11, 18, 19, 13, 15, 29, 21, 27
8- De una muestra de 40 observaciones sobre el desgaste de brocas de

perforacin en milmetros por una planta de perforacin de pozos petroleros
se obtuvieron los siguientes datos:
71.
5
46.
5
61.
6
51.
5
67.5
48.7
36.5
25.3
78.4 47.
5
72.6 46.
2
42.9 67.
4
78.5 87.
8
29.
2
65.
2
36.
8
51.
6
31.
6
44.
1
57.
6
49.
2
71.
9
58.
1
42.
2
37.
7
57.
5
42.
9
54.
1
51.
7
64.
2
61.
6
29.
7
91.
8
71.
1
53.
8
53.
8
52.
1
Hallar la varianza
9- La primera tabla indica el consumo de carne en libras por 10 familias
compuestas de 5 miembros y la segunda tabla indica el nmero de
personas que trabajan en una muestra de 15 familias
Tabla 1
1. 1.
5 8
2 3.
5
1 1.
4
2. 2.
5 2
2. 3
8
Tabla 2
2 2
Determinar los coeficientes de variacin y realizar la comparacin entre ellos.
CAPITULO VIII
Domina la base conceptual y analtica sobre el anlisis de variables tipo uno;
se familiaricen con los conceptos y elementos del anlisis de Variables tipo
uno, sus usos y aplicaciones. Al conocer estos elementos y conceptos podrn
poner en prctica con ejercicios, ejemplos, y resolucin de problemas. Se
utilizar la metodologa de enseanza aprendizaje de aprender haciendo.
impartidos en clases
8.1- LA COVARIACIN
Muchos de los fenmenos o problemas a investigar presentan dos y ms
variables las cuales precisan ser determinadas para ver cmo influyen entre s.
Para comenzar el estudio nos referiremos a 2 variables X y Y.
Muchas variables se mueven con sincronizacin o variacin conjunta ms o
menos intensa, a esta forma de comportarse la variable se la llama covariacin.
La covariacin puede presentarse de las siguientes formas:
a- Dependencia causal o unilateral, que es cuando una variable X influye en
otra variable Y, pero no influye Y en X.
Un ejemplo puede ser el que la altitud influye en el rendimiento de los
jugadores de ftbol; pero el rendimiento de los jugadores no influye en la
altitud.
En este tipo de dependencia la variable X se denomina independiente,
explicativa o variable causa y Y se denomina variable dependiente,
explicada o variable efecto.
En el ejemplo anterior la altitud seria la variable independiente y el
rendimiento de los jugadores la variable dependiente.
b- Interdependencia, donde la influencia de X y Y es reciproca y se producen
en las dos direcciones. Esta relacin se la conoce como bilateral o
interdependencia.
Un ejemplo es la demanda de un bien en el mercado y el precio del mismo

en el mercado; si el precio es menor o mayor la demanda sube o baja y si la
demanda es baja se reducen los precios y si la demanda sube se
incrementan los precios.
c- Dependencia indirecta, donde 2 variables X y Y pueden mostrar una
covariacin por medio de una tercera variable Z que influye en ellas. Si Z es
la tercera variable, esta influye aumentando o reduciendo a X y Y, variando
X y Y en el mismo sentido pero no hay dependencia o interdependencia
entre X y Y.
Por ejemplo en el siguiente cuadro se presenta la tasa de natalidad y el
consumo de protenas animales, la dependencia es indirecta con la tercera
variable que es el nivel de vida, medible por el nivel del ingreso por
habitante.
NATALIDAD Y CONSUMO DE PROTENAS
Pases
Tasa de
Consumo diario
natalidad
de protenas
Ecuador
30.9
53.6
Argentina
20.3
105.7
Bolivia
34.4
57.5
EE.UU.
17.0
61.4
Cuba
17.4
77.4
d- Concordancia, que indica que si X y Y son variables independientes, pueda
que en sus variaciones haya alguna concordancia, As por ejemplo en la
eleccin de Mis Ecuador se compara el puntaje asignado por dos jueces a
las 5 finalistas del concurso
Concursantes
A
B
C
D
E
Juez 1
4
2
3
5
4
Juez 2
3
1
3
4
2
Es interesante si existe o no concordancia entre en las decisiones de los

jueces dadas por separado.
e- Covariacin casual, se produce cuando hay una variacin sincronizada
entre dos variables de la que pueda deducirse una asociacin o
dependencia entre ellas; esta covariacin puede ser accidental o casual.
8.2- ANLISIS GRFICO DE COVARIACIN
En el siguiente cuadro se indica el nivel de consumo e ingresos de las familias
de las ciudades de Quito, Guayaquil, Cuenca, Ambato y Loja. Como es
conocido el nivel de consumo depende del ingreso, donde el Consumo es Y y
el Ingreso X dando:
CONSUMO
CONSUMO E INGRESO
120
110
100
90
80
70
60
50
40
30
20
10
0
10 20 30 40
50 60 70 80 90 100 110 120 130 140 150 160 170
INGRESO
CIUDADES
Quito
Guayaquil
Cuenca
Ambato
Loja
INGRESO CONSUMO
136
96
154
110
99
77
115
88
96
84
Luego entre X y Y hay dependencia causal unilateral.

Como es conocida la variable dependiente Y en el eje de las ordenadas y la
variable independiente X en el eje de las abscisas.
El diagrama que se obtuvo se conoce como diagrama de dispersin o nube de
puntos. Este diagrama es un indicador de la dependencia entre las dos
variables, de la observacin se deduce que conforme aumenta el ingreso
aumenta el consumo, luego hay cierta dependencia.
Es muy importante el mtodo grfico de anlisis de covariacin, el cual no solo
sirve para descubrir la relacin entre 2 variables, si no tambin para ver sus
caractersticas; adems, es fcil y eficaz por lo que se lo utiliza frecuentemente.
A- En el grfico a la nube expresa clara relacin lineal o forma de lnea recta,

la relacin es positiva o directa o que cada variable aumenta; y los puntos
estn concentrados.
B- En el grfico b hay relacin lineal, inversa o negativa con gran dispersin.
C- No hay relacin, porque las variaciones de X no reflejan variaciones
sistemticas en Y, y a lo contrario.
D- En el grfico b la relacin no es lineal, es una relacin curvilnea o no lineal.
A ms del anlisis del mtodo grfico, la covariacin de 2 variables puede ser
estudiada mediante las tcnicas llamadas Regresin y Correlacin.
8.3- LA REGRESIN
Cuando se establece la dependencia de una variable como Y, respecto de otra
independiente como X, entonces la relacin toma el nombre de regresin. Un
ejemplo es el caso de el nivel de ventas de un bien depende de su precio en el
mercado, o el peso de los pollos de una granja dependen del volumen de
alimentos suministrados.
La variable dependiente suele variar en forma directa o inversa en relacin a la
variable independiente. La regresin tiende a ser lineal, pues utiliza
herramientas matemticas.
8.3.1- LA REGRESIN LINEAL
Cuando existe una tendencia de los valores histricos a formar una lnea recta
se puede aplicar una ecuacin matemtica para determinar su regresin.
Y = a + bX
Mediante esta ecuacin se buscaran encontrar los valores que pueden asumir
las variables y los parmetros a y b, donde a es el coeficiente de posicin y b el
coeficiente de regresin.
El mtodo ms utilizado para resolver este tipo de problemas es el de los
mnimos cuadrados que parte de la ecuacin lineal, as tenemos:
Y = a+bX
de donde aplicando el operador sumatorio tenemos:

Y = a+bX
Y = na + bX
que es la primera ecuacin del sistema de
ecuaciones
y para la segunda ecuacin tenemos:
Y = a+bX
De donde tomamos la variable X y la multiplicamos por los elementos de la
ecuacin
X(Y = a + bX)
XY = aX + bX2
Aplicando el operador sumatorio tenemos:
XY = aX + bX2
XY = aX + bX2
que es la segunda ecuacin del sistema de
ecuaciones
Y = na + bX
XY = aX + bX2
Ejemplo: Tomado en el supuesto caso de que el PIB de Ecuador depende del
volumen de produccin de petrleo, tenemos:
n
AO
1989
1990
1991
1992
1993
1994
PRODUCCIN PETROLERA Y EL PIB

X
Y
X.Y
PROD.MILL
PIB EN
ONES
MILLONES
DE
DE S/. DE
BARRILES
1975
102
176195
17971890
104
181531
18879224
109
190638
20779542
117
197436
23100012
125
201447
25180875
138
210150
29000700
X2
10404
10816
11881
13689
15625
19044
1995
1996
1997
1998
Total o
141
140
142
137
1255
215074
219335
226749
227678
2046233
30325434
30706900
32198358
31191886
259334821
2046233 = 10a + 1255b

259334821 = 1255a + 159873b
Multiplicando por -125.5 en la primera ecuacin tenemos
2046233 = 10a + 1255b
(-125.5)
259334821 = 1255a + 159873b ( 1 )
2046233
10
1255
259334821 1255 159873
-256802241.5 -1255
259334821 1255
2532579.5
0
-125.5
1
-157502.5
159873
2370.5
2532579.5 = 2370.5b
b=
2532579.5
2370.5
b=
1068.3735
Para a ser:
2046233
2046233
= 10a
= 10a
+ 1255b
+ 1255 ( 1068.3735)
2046233=
2046233=
10a
10a
+
+
Despejando a ser:
705424.1949 = 10a
a=
705424.19
10
a=
70542.419
Quedando la ecuacin
1255 (1068.37355)
1340808.805
19881
19600
20164
18769
159873
Y = 70542.419 + 1068.3735X
Esta ecuacin nos permitir realizar proyecciones del PIB si creciere la
produccin petrolera.
As por ejemplo, si deseamos saber cul sera el PIB si la produccin petrolera
subiese a 170 (millones de barriles) reemplazamos en la frmula.
Y= 70542.419 + 1068.3735(170)
Y= 70542.419 + 181623.495
Y= 252165.914
Es decir, con una produccin de 170 millones de barriles de petrleo el PIB se
ubicara en aproximadamente 252165.914 millones de sucres deflacionados a
1975.

Se denomina correlacin al grado de relacin o interdependencia que existen
entre dos variables. De este modo se dice que dos variable estn muy
relacionadas y se puede expresar mediante formulas matemticas. Por
ejemplo, cuando se considera como dos variables el radio r de una serie de
circunferencias y longitudes, L, de la circunferencia correspondiente, se
observa una correlacin total entre ambas variables que pueden expresarse
mediante la formula:
L = 2r
Por el contrario, variables como el peso de los individuos y el consumo diario

de tabaco por individuo, no parecen a simple vista estar correlacionados. Se
dice entonces que no hay correlacin entre las dos variables. Cuando se
estudia la correlacin entre dos variables se habla de una relacin lineal la cual
se presenta mediante una lnea recta.
Cuando se estudia en cambio la relacin entre 3 o ms variables se habla de
correlacin mltiple y su representacin grfica puede ser un crculo, parbola,
etc.
En el caso de la correlacin lineal como indicamos intervienen tan solo dos
variables X y Y, siendo una independiente y otra dependiente, la medida del
grado de relacin o correlacin r entre las variables est determinada por la
formula:
N X Y X . Y
2
N

2
. N
Y
La ventaja del coeficiente de correlacin es que se trata de un coeficiente

adimensional, por lo que no depende de las unidades en que estn expresadas
las dos variables correlacionadas, siendo nicamente funcin de las dos
variables en cuestin.
El coeficiente de correlacin tiende a ubicarse en el intervalo de 1 0 1,
cuando r este ms prximo a 1 +1 mayor correlacin habr, inversamente
proporcional en el primer caso y directamente proporcional en el segundo caso.
Mientras si por el contrario r tiende aproximarse a cero 0 menor ser la
correlacin existente o no existir ninguna.
Ejemplo: La siguiente tabla nos indica el tiempo de entrega en base a la
distancia existente por camin.
Embarq
ue
Muestre
ado
1
2
3
4
5
6
7
8
9
10
TOTALE
S
Distancia
Millas X
725.00
215.00
1020.00
550.00
480.00
922.00
1230.00
324.00
670.00
1271.00
7407.00
3.50
1.50
4.00
2.00
1.00
3.00
4.50
1.50
3.50
6.00
30.50
2
N
2537.50
322.50
4080.00
1100.00
480.00
2766.00
5535.00
486.00
2345.00
7626.00
27278.00
X . N Y
2
X2
X.Y
N X Y X . Y
r=
T.
Entrega
Das Y
Y2
525625.00 12.25
46225.00
2.25
1040400.00 16.00
302500.00
4.00
230400.00
1.00
850084.00
9.00
1512900.00 20.25
104976.00
2.25
448900.00 12.25
1615441.00 36.00
6677451.00 115.25
2
Y
0.91089865
Este nos indica que existe un 91.09% de dependencia del tiempo de entrega en
relacin a la distancia de ubicacin de los camiones. Es decir, interpretando
nos quedara: El tiempo de entrega de cargas por parte de los camiones
depende en un 91.09 % de la distancia en que se encuentren los camiones,
mientras que el 8.91% depende de otros factores.
PARA RECORDAR:
La Covariacin: Se refieren a la relacin entre 2 variables X y Y, ms.

Muchas variables se mueven con sincronizacin o variacin conjunta ms o
menos intensa, a esta forma de comportarse la variable se la llama
covariacin.
En este tipo de dependencia la variable X se denomina independiente,
explicativa o variable causa y Y se denomina variable dependiente, explicada o
variable efecto.
A ms del anlisis del mtodo grfico, la covariacin de 2 variables puede ser
estudiada mediante las tcnicas llamadas Regresin y Correlacin.
La variable dependiente suele variar en forma directa o inversa en relacin a la
variable independiente. La regresin tiende ha ser lineal, pues utiliza
herramientas matemticas.
El mtodo ms utilizado para resolver este tipo de problemas es el de los
mnimos cuadrados que parte de la ecuacin lineal, as tenemos:
Y = a+bX
Y = na + bX
que es la primera ecuacin del sistema de ecuaciones
XY = aX + bX2 que es la segunda ecuacin del sistema de ecuaciones
CORRELACION ENTRE DOS VARIABLES Se denomina correlacin al grado
de relacin o interdependencia que existen entre dos variables. Se dice
entonces que no hay correlacin entre las dos variables. Cuando se estudia la
correlacin entre dos variables se habla de una relacin lineal la cual se
presenta mediante una lnea recta.
Cuando se estudia en cambio la relacin entre 3 o ms variables se habla de
correlacin mltiple y su representacin grfica puede ser un circulo, parbola,
etc. La medida del grado de relacin o correlacin r entre las variables esta
determinada por la formula:
N XY X . Y
2
. N
Y
La ventaja del coeficiente de correlacin es que se trata de un coeficiente

adimensional, por lo que no depende de las unidades en que estn expresadas
las dos variables correlacionadas, siendo nicamente funcin de las dos
variables en cuestin.
El coeficiente de correlacin tiende a ubicarse en el intervalo de 1 0 1,
cuando r este ms prximo a 1 +1 mayor correlacin habr, inversamente
proporcional en el primer caso y directamente proporcional en el segundo caso.
1- En el siguiente cuadro se presentan los aos de uso de 10 camiones y

volumen de gases txicos que emiten sus motores.
Aos de
uso
4
7
2
16
5
9
8
14
3
12
Volumen de
gas Txico
25
60
18
83
47
72
64
81
22
80
Determinar el coeficiente de correlacin e interpretar, calcular la ecuacin

lineal a travs del mtodo de los mnimos cuadrados
Y calcular cual sera el volumen de gases txicos para un camin con 18
aos de uso.
2- El siguiente cuadro nos indica el nivel crecimiento de ventas en funcin de
los gastos de publicidad, por parte de una empresa de servicios de seguros.
Ventas de
Seguros
Generales
25.000
27.000
31.000
46.000
25.000
26.000
18.000
49.000
33.000
22.000
Gastos en
publicidad
5.000
6.300
9.600
12.000
4.000
5.500
7.500
10.000
9.000
6.000
Determinar el coeficiente de correlacin y calcular la ecuacin lineal para

estimar cual sera el nivel de ventas con una inversin en publicidad de
15.000,oo dlares.
CAPITULO IX
Domina la base conceptual y analtica sobre los ndices de precios y cantidad y
su aplicacin prctica.
se familiaricen con los conceptos de los ndices de precios y cantidad, sus usos
y aplicaciones. Al conocer estos elementos y conceptos podrn poner en
prctica con ejercicios, ejemplos, y resolucin de problemas. Se utilizar la
metodologa de enseanza aprendizaje de aprender haciendo.
impartidos en clases
Son de gran utilidad los nmeros ndices cuando se emplean para resumir en
una sola serie las fluctuaciones de una o un conjunto de variables que se
relacionan entre s. Por ejemplo se puede estar interesado en conocer las
fluctuaciones del precio de la naranja, en cuyo caso puede aplicarse la tcnica
que se expondrn en esta seccin de nmeros ndices a la correspondiente
serie de precios. Pero en si el inters recae no en conocer la marcha del precio
de la naranja, sino como varan los precios de los ctricos, o los precios de los
productos agrcolas, o a todos los precios al por mayor, o al por menor,
mediante una sola serie que representa ala conjunto de mercaderas.
A los ndices de una sola variable se los conoce como ndices simples o
elementales, pero cuando se trabaja con varias variables se los llama ndices
compuestos o complejos.
Veamos un ejemplo de cmo extraes ndices simples. En el siguiente cuadro se
indican los precios del caf, cacao y arroz en el mercado de cuenca.
Ao
1997
1998
1999
2000
2001
Cacao
3,78
4,59
6,50
4,55
3,80
Caf
3,05
3,25
3,85
5,82
4,25
Arroz
1,39
1,80
1,89
1,52
1,50
La obtencin de ndices simples es una operacin fcil. Las tres series del
siguiente cuadro permiten conocer la evolucin relativa a los precios y realizar
comparaciones:
Ao
1997
1998
1999
2000
2001
Cacao
100.00
121.43
171.96
120.37
100.53
Caf
100.00
106.56
126.23
190.82
139.34
Arroz
100.00
129.50
135.97
109.35
107.91
Para ello se toma se toma como base el precio Po de 1997, convirtiendo se los
siguientes en P1, P2, P3, P4.
La interpretacin de estos ndices dir por ejemplo, para el precio del cacao en
P3: El precio del cacao para el 2000 creci en un 20,37% con respecto al precio
de 1997.
Si los precios representados por P, la serie de precios se escribirn as:
P0
* 100
P0
P
P1
* 100 3 * 100
P0
P0
P2
P
* 100 4 * 100
P0
P0
En general para el precio correspondiente al tiempo t, el ndice simple ser

Pt
P0
Donde se ha suprimido el factor 100, porque cuando se expresan lo ndices es

costumbre indicar en porcentajes, por lo que se puede suprimir dicho factor de
las formulas.
Ntese que el cociente Pt/P0 es la expresin simblica del ndice elemental o
simple del precio en el tiempo t con respecto al tiempo 0.
qt
q0
La misma figura se adoptar para otra variable, as si queremos obtener

el las variaciones relativas de la cantidad producida de un bien q su formula
ser:
Que expresa el ndice de variacin de la cantidad en el tiempo t, con respecto a

la cantidad del tiempo 0.
Aos
1994
1995
1996
1997
1998
Cantidades
Total
ndice de Cantidad
Banano
Camarn Flores
Banano Camarn Flores
36.00
40.20 41.90 118.10
1.00
1.00
1.00
50.30
39.90
8.70 98.90
1.40
0.99
0.21
43.20
28.20 55.60 127.00
1.20
0.70
1.33
38.20
55.60 38.50 132.30
1.06
1.38
0.92
40.20
38.80 50.50 129.50
1.12
0.97
1.21
Ahora procedamos a calcular una sola serie de ndices de precios, donde se

trata de reducir o concentrar las tres series de los dos cuadros anteriores, en
una sola serie; lo cual se consigue mediante un promedio como la meda
aritmtica.
9.3- PRINCIPALES NDICES UTILIZADOS EN LA ADMINISTRACIN Y LA
ECONOMA
Existen ndices muy importantes que son considerados como indicadores de la
situacin econmica y financiera de un pas los cuales indican perodos de
inflacin, deflacin, estancamiento o desarrollo econmico.
Los principales son:
1- ndices de precios al consumidor IPC
2- ndices de precios al por mayor IPM
3- ndices de produccin industrial IPI
4- ndice promedio industrial IPmI
De estos el ms importante es el ndice de Precios al Consumidor.
9.3.1- NDICE DE PRECIOS AL CONSUMIDOR
Llamado tambin ndice de Costo de Vida y es un nmero que nos indica en

forma aproximada los cambios relativos de los precios de los bienes y servicios
de la canasta familiar bsica de las familias de ingresos medios y bajos de las
principales ciudades del pas, tanto de la costa como de la sierra con ms de
10.000 habitantes.
La institucin responsable de llevar la investigacin de este ndice es el Instituto
Nacional de Estadsticas y Censos INEC, la cual considera una canasta familiar
de unos 400 bienes y servicios la cual se descompone en 4 grandes grupos:
abcd-
Alimentos
Indumentaria o vestido
Vivienda
Miscelneos
Las ciudades que se toman como muestras de investigacin son:

a- Costa:
1- Babahoyo
2- Esmeraldas
3- Guayaquil
4- Machala
5- Portoviejo
b- Sierra:
1- Ambato
2- Cuenca
3- Latacunga
4- Quito
5- Loja
6- Riobamba
Para calcular este ndice el INEC utiliza la frmula de Laspeyres, con la
investigacin emprica realizada el INEC publica mensual, trimestral, semestral
y anualmente el IPC con el apoyo del Banco Central del Ecuador.
9.3.2- USOS DEL IPC
El IPC sirve de base en el clculo de varios indicadores como son:
1- Sirve para determinar el Poder Adquisitivo de la moneda nacional
PA
1
100
IPC
2- Sirve para determinar el salario real SR de los trabajadores:
S R
S a la rio No min a l o
IP C
SR PA Salario
M o n eta rio
1 0 0
Nominal
3- Sirve para deflacionar series cronolgicas
Seri e
Nomi nal
Seri e
Re al
Seri e
Re al PA Seri e
Fecha
Jul-86
Ene-87
Dic-87
Ene-88
Jul-88
Sep-88
May-89
Dic-89
Dic-90
May-91
Feb-92
PA
PA
IPC
478.30
548.50
713.80
736.90
982.80
1116.20
1670.60
1998.80
3057.30
3707.80
4916.30
JULI O
86
JULI O
86
I PC
PA
0.20900
0.18200
0.14000
0.13500
0.10170
0.08950
0.05980
0.05003
0.03340
0.02697
0.02034
Nomi nal
SALARIO SALARIO
NOMINAL
REAL
10000.00
2090.33
13000.00
2187.78
14500.00
2030.00
14500.00
1967.67
19000.00
1932.30
19000.00
1700.50
22000.00
1315.60
27000.00
1350.85
32000.00
1046.65
44000.00
1186.68
44000.00
894.96
1
100
IPC
1
100 0 ,209
478.3
Monet ari o
100
VENTAS
100000.00
110000.00
150000.00
150000.00
160000.00
175000.00
200000.00
230000.00
300000.00
320000.00
350000.00
SERIE REAL
DE VENTAS
20900.00
20053.00
21000.00
20357.00
16272.00
15662.50
11820.00
11506.90
10020.00
8630.40
7119.00
Por cada sucre gastado por una familia en 1986 en bienes y servicios apenas
21 centavos tienen poder adquisitivo.
1
PA
=
100
JULIO 87
IPC
1
PA
=
100 = 0,182
JULIO 87
548.5
Por cada sucre gastado por una familia en 1987 en bienes y servicios apenas
18 centavos tienen poder adquisitivo.
SR
= Salario Nomin al PA
JULIO 86
R
= 10000 0.209 = 2090.33
JULIO 86
Un trabajador que perciba en 1986 la cantidad de 10000 sucres en realidad

percibe apenas 2090.33 sucres
De esta forma se van obteniendo los dems ndices para los siguientes aos.
1- La siguiente tabla muestra los precios medios al por mayor de los

huevos en EE.UU. durante 1978 y 1985. Hallar la relacin de precios:
a- Para 1984 con 1978 como base
b- Para todos los aos con 1978 como base
Aos
1978
1979
1980
1981
1982
1983
1984
1985
Precio medio
Centavos
por docena
60.3
66.2
62.8
69.0
66.8
72.7
78.6
63.4
2- El siguiente cuadro recoge las relaciones de precios de un artculo con

1977 1979 = 100. Determinar las relaciones de precios con:
a- 1980 = 100
b- 1983-1984 = 100
aos
1980
1981
1982
1983
1984
1985
Gastos en
publicidad
127
134
118
125
137
141
BIBLIOGRAFA
http://www.monografias.com/trabajos15/estadistica/estadistica.shtml#MEDICIO
N
http://www.aulafacil.com/CursoEstadistica/Lecc-3-est.htm
Carpeta Estadstica. Aprenda Fcil. Grupo Patria Cultural.
http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/44/distrinorma
l.htm
http://server2.southlink.com.ar/vap/MEDIDAS.htm
http://pdf.rincondelvago.com/metodo-de-minimos-cuadrados-ordinarios.html
http://guajiros.udea.edu.co/descriptivaa/articulos/curso%20de%20EstadIstica
%20Basica.pdf

Modulo Estadistica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modulo Estadistica

Uploaded by

Copyright:

Available Formats

INSTITUTO SUPERIOR TECNOLGICO

TECNOLOGA EN: CONTABILIDAD Y

AUTOR DEL MDULO

Es muy importante que el nuevo Tecnlogo en estas ramas del

"Slo una cosa convierte en imposible un sueo:

adecuado, nunca dejars de esperar" (Jasmine

CAPITULO I COMPETENCIA ESPECFICA

CAPITULO II COMPETENCIA ESPECFICA

CAPITULO III COMPETENCIA ESPECFICA

3.7- DISTRIBUCIN DE FRECUENCIAS RELATIVAS

CAPITULO IV COMPETENCIA ESPECFICA

CAPITULO V COMPETENCIA ESPECFICA

CAPITULO VI COMPETENCIA ESPECFICA

CAPITULO VII COMPETENCIA ESPECFICA

CAPITULO VIII COMPETENCIA ESPECFICA

CAPTULO IX COMPETENCIA ESPECFICA

La estadstica es una tcnica auxiliar de las ciencias administrativas, esta

MEDIDAS DE TENDENCIA CENTRAL

ANLISIS DE VARIABLES TIPO UNO

NDICES: DE PRECIOS Y CANTIDAD

COMPETENCIA GENERAL.- los estudiantes dominan los procesos cognitivos

a) Por las observaciones

c) Por el nmero de caracteres

Cuando se recogen datos relativos a las caractersticas de un grupo de

1.6.2- EL REDONDEO DE DATOS

Es un smbolo convencional matemtico que

1.-La sumatoria de una constante es K

2- Notacin cientfica. Expresar los siguientes nmeros sin usar la potencia de

Partiendo de los datos originales se ordenan estos

El nmero de observaciones menores o igual a la variable, entonces:

2.3.1.4- FRECUENCIA RELATIVA SIMPLE hi

Hi3 = 8/10 = 0.80

De 20 encuestas realizadas en el mercado Iaquito a las vendedoras de este

ni2: Cinco vendedoras del mercado Iaquito tienen 2 hijos

Lmite mximo: Es el mximo valor observado de la variable

Lm. mximo: 1.80

3 1.62 -- 1.68 1.65 4 12 12 0.2

yi = Punto medio o marca de clase

2.3.2.1- FRECUENCIA ABSOLUTA SIMPLE ni

2.3.2.2- FRECUENCIA ABSOLUTA Ni

Su interpretacin es similar a la variable discreta, por ejemplo:

Indica la proporcin de observaciones con valores a lo menos o iguales al lmite

la formula se multipliquen por 100.

La frecuencia relativa acumulada ascendente Hi, indica la proporcin de

La frecuencia relativa acumulada descendente Hi indica la proporcin de

EVALUACIN DEL APRENDIZAJE:

e- La tabla adjunta muestra los dimetros de 60 bolas de cojinete

3.2- GRFICOS EN EL SISTEMA CARTESIANO

Aqu se pueden trazar los conocidos grficos de siluetas.

3.3- GRFICO CIRCULAR

Como su nombre lo indica constituye en representar los datos de una

POBLACIN ECONMICAMENTE ACTIVA

Poblacin Econmicamente Activa

3.4- GRFICOS DE BARRAS

de nmeros, a la que corresponde en el plano un punto. Habr pues, tantos

3.5- GRFICA DE TABLA DE FRECUENCIAS

De una muestra tomada en la provincia de los ros, sobre la produccin de

3.6- DIAGRAMA DE BARRAS O HISTOGRAMA

Los histogramas y los polgonos de frecuencias son dos representaciones

La representacin grfica de distribucin de frecuencias relativas se puede

Estas son las ojivas1.00

3.9- TIPOS DE CURVAS DE FRECUENCIAS

2- En las curvas de frecuencia poco asimtricas, o sesgadas, la cola de la

Un grfico que recoja las frecuencias acumuladas por debajo de cualquiera de