Professional Documents
Culture Documents
DAVID AUSUBEL
SEMIPRESENCIAL
ESTADSTICA
GUIA DIDCTICA
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.
NDICE
TEMA
PAG.
OBJETIVOS ESPECFICOS
COMPETENCIAS ESPECFICAS
INTRODUCCIN
EPTOME
CONTENIDOS
COMPETENCIA GENERAL
6
6
7
8
9
11
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
18
ORIENTACIONES DE ESTUDIO
2- DISTRIBUCION DE FRECUENCIAS
2.1- LA FILA DE DATOS
2.2- ORDENACIONES
2.3- DISTRIBUCIN DE FRECUENCIAS
EVALUACIN DEL APRENDIZAJE
18
18
18
18
18
27
29
ORIENTACIONES DE ESTUDIO
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
33
33
35
37
39
ORIENTACIONES DE ESTUDIO
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
EVALUACIN DEL APRENDIZAJE
39
39
39
40
40
41
41
43
46
47
ORIENTACIONES DE ESTUDIO
5- OTRAS MEDIDAS DE TENDENCIA CENTRAL
5.1- LA MEDIANA
5.2- CUARTILES
5.3- DECILES
5.4- PERCENTILES
5.5- LA MODA
EVALUACIN DEL APRENDIZAJE
47
47
47
50
51
51
52
53
55
ORIENTACIONES DE ESTUDIO
6- ESTADGRAFOS DE POSICIN
6.1- LA MEDIA ARMNICA
6.2- LA MEDIA GEOMTRICA
6.3- LA MEDIA CUADRTICA
EVALUACIN DEL APRENDIZAJE
55
55
55
56
57
59
61
ORIENTACIONES DE ESTUDIO
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
EVALUACIN DEL APRENDIZAJE
68
68
72
74
ORIENTACIONES DE ESTUDIO
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
EVALUACIN DEL APRENDIZAJE
74
74
74
75
77
80
83
85
ORIENTACIONES DE ESTUDIO
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
EVALUACIN DEL APRENDIZAJE
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
elementos matemticos.
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
EPTOME
CONCEPTOS,
ELEMENTOS MATEMTICOS
DISTRIBUCIN DE FRECUENCIAS
REPRESENTACIN GRFICA
ESTADSTICA
ESTADGRAFOS DE POSICIN
ESTADGRAFOS DE DISPERSIN
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- DISTRIBUCION DE FRECUENCIAS
2.1- LA FILA DE DATOS
2.2- ORDENACIONES
2.3- DISTRIBUCIN DE FRECUENCIAS
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
3.1- 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
3.7- DISTRIBUCIN DE FRECUENCIAS RELATIVAS
3.8- DISTRIBUCIN DE FRECUENCIAS ACUMULADAS Y OJIVAS
3.9- TIPOS DE CURVAS DE FRECUENCIAS
CAPITULO IV
4- PROMEDIOS O MEDIDAS DE TENDENCIA CENTRAL
4.1- DEFINICIN Y CLASES DE PROMEDIOS
4.2- LA MEDIA ARITMTICA
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- ESTADGRAFOS DE POSICIN
6.1- LA MEDIA ARMNICA
6.3- LA MEDIA GEOMTRICA
6.4- LA MEDIA CUADRTICA
11
CAPITULO VII
7- ESTADGRAFOS DE DISPERSIN
7.1- LA DISPERSIN Y SU MEDIDA
7.2- DESVIACIN MEDIA
7.3- DESVIACIN ESTNDAR
7.4- LA VARIANZA
7.5- EL COEFICIENTE DE VARIACIN
CAPITULO VIII
8- ANLISIS DE VARIABLES TIPO UNO
8.1- LA COVARIACIN
8.2- ANLISIS GRFICO DE LA COVARIACIN
8.3- LA REGRESIN
8.4- LA REGRESIN LINEAL
8.5- CORRELACIN ENTRE DOS VARIABLES
CAPTULO IX
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
9.3.1- ndice de precios al consumidor
9.3.2- Usos del IPC
12
CAPITULO I
COMPETENCIA ESPECFICA
Domina la base conceptual referente a estadstica, fuentes de informacin y
elementos matemticos.
ORIENTACIONES DE ESTUDIO
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
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
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
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
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
CAPITULO II
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre la distribucin de frecuencias;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
2- DISTRIBUCION DE FRECUENCIAS
2.1- LA FILA DE DATOS
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- DISTRIBUCIN DE FRECUENCIAS
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
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
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
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
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
miembros en su familia.
Hi5: El 20% de los estudiantes del tercer curso tienen por lo menos 7
miembros en su familia.
2.3.1.7- EJERCICIO DEMOSTRATIVO
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:
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
yi '1 xi yi Donde:
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
H 'i
N 'i
n Para su interpretacin es necesario que los valores obtenidos de
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
Hi
Ni
n
H 'i
N 'i
n
350
330
310
320
325
310
315
325
350
315
325
350
330
310
360
320
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
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre la representacin grfica,
distribucin de frecuencias relativas, tipos de curvas de frecuencias; aplica y
resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
3- REPRESENTACIN GRFICA
3.1- FINALIDAD DE LA 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.
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
35%
Empleados
Subempleados
Desocupados
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
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
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
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
H'i
50 -- 125
125 -- 200
200 -- 275
275 -- 350
1.20
N'i
50 -- 125
125 -- 200
200 -- 275
275 -- 350
25
20
15
10
qq
0
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.
8.000
10.820
9.445
10.028
10.140
9.980
2692.956
1040.714
628.335
4362.005
68
CAPITULO IV
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre las medidas de tendencia central;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
se familiaricen con los conceptos y aplicaciones prcticas de las medidas de
tendencia central. 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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
4- PROMEDIOS O MEDIDAS DE TENDENCIA CENTRAL
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.
y M yi
__
....
.
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
1 x 2 x . . .. k x
X
1 2 . . .. k
1
j x
j 1
k
X X
N
j 1
X6: 18
X
X3: 16
X4: 22
X5: 19
Xi
N
X7: 22
X8: 17
X9: 22
X10: 20
w x w x .. . w x
w w .. . w
1
W X
W
x A
j 1
u c
200
200
200
300
350
250
300
800
110
450
380
450
200
250
300
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
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
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
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
y M yi :
__
....
.
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
w x w x . . . w x
w w . . . w
1
W X
W
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
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre los estadgrafos de posicin;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
5- ESTADGRAFOS DE POSICIN
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
11
Me=6 en n
entonces la mediana es 8;
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
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
Su frmula es:
mn
N
Qm y' C 4
i 1
nj
j 1
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.
mn
N
10
Dm y' C
i 1
nj
j 1
Su frmula es:
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
Mo Y 'i 1 C.
i 1
n n
i 1
i 1 Pero
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
32
1 7.7 8
4 0 3 2
Mo Y 'i 1 C.
i 1
n n
i 1
i 1 La frmula
agrupados es:
EVALUACIN DEL APRENDIZAJE:
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
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
CAPITULO VI
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre otros estadgrafos de posicin;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
6- OTROS ESTADGRAFOS DE POSICIN
6.1- LA MEDIA ARMNICA
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
3
3
3.4 3
1 1 1 7
2 4 8 8
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
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
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
X 1 X 2 .... X n nX i2
n
X 1 n1
X 2 n2 ....X k nk
n
X i ni
2
1 3 4 5 7
5
20 4.47
C=
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
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
Gn
x x x .... x
Gn
X 1 n . X 2 n .... X k n
1
X 1 X 2 .... X n nX i2
n
X nX n
1
.... X k nk
X i ni
2
N
Efectivo
s
4
5
6
3
7
5
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
CAPITULO VII
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre los estadgrafos de dispersin;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
se familiaricen con los conceptos de los estadgrafos de dispersin, sus usos y
aplicaciones. 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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases.
7- ESTADGRAFOS DE DISPERSIN.
7.1- LA DISPERSIN Y SU MEDIDA
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
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
MD
x
j 1
XX
n
XX
DM = (4+3+0+2+5)/5 = 2.8
7.3- DESVIACIN ESTNDAR
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.
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
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
Pares de zapatos
257
S
50
103
50
2
0.8964 0.95
m Yi-1
1
4
2
8
3 12
4 16
5 20
6 24
7 28
8 32
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
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
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
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
Personas
activas
Variable
1
2
3
4
Total
No. de familias
Frecuencia
16
20
9
5
50
No. de Obreros
Frecuencia
3
12
40
47
32
13
9
4
160
24
2.06
18.70
S
Unidad
11.71 Aos
0.95 Personas
5.83 Dlares
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
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
No de
observaciones
12
9
6
11
15
7
6
4
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
N de
trabajadores
16
12
19
22
31
35
10
8
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
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
CAPITULO VIII
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre el anlisis de variables tipo uno;
aplica y resuelve ejercicios.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases
8- ANLISIS DE VARIABLES TIPO UNO
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.
Juez 1
4
2
3
5
4
Juez 2
3
1
3
4
2
CONSUMO
CONSUMO E INGRESO
120
110
100
90
80
70
60
50
40
30
20
10
0
10 20 30 40
INGRESO
CIUDADES
Quito
Guayaquil
Cuenca
Ambato
Loja
INGRESO CONSUMO
136
96
154
110
99
77
115
88
96
84
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
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
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
-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.
N X Y X . Y
2
N
2
. N
Y
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:
N XY X . Y
2
. N
Y
Volumen de
gas Txico
25
60
18
83
47
72
64
81
22
80
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
CAPITULO IX
COMPETENCIA ESPECFICA
Domina la base conceptual y analtica sobre los ndices de precios y cantidad y
su aplicacin prctica.
ORIENTACIONES DE ESTUDIO
Por tratarse de una Unidad tcnica, se recomienda a los y las estudiantes que
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.
Es importante desarrollar la lectura adicional para completar los conocimientos
impartidos en clases
9- CLASIFICACIN DE LOS NDICES
9.1- NDICE SIMPLE DE PRECIOS
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
qt
q0
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
Alimentos
Indumentaria o vestido
Vivienda
Miscelneos
PA
1
100
IPC
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
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
Precio medio
Centavos
por docena
60.3
66.2
62.8
69.0
66.8
72.7
78.6
63.4
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