ORGANIZACIN Y

PRESENTACIN DE DATOS

INDICE
CAPITULO I: ORGANIZACIN Y PRESENTACIN DE DATOS.....................................5
1.1.1.

Concepto:.......................................................................................... 5

1.1.2.

Objetivos:.......................................................................................... 5

1.1.3.

Importancia....................................................................................... 6

1.2.

Concepto de poblacin, muestra y unidad de anlisis........................................7

1.2.1.

Poblacin........................................................................................... 7

1.2.2.

Muestra............................................................................................. 7

1.2.3.

Unidad de anlisis...............................................................................8

1.3.

Variables.................................................................................................. 8

1.3.1.

Concepto........................................................................................... 8

1.3.2.

Clases de variables............................................................................... 8

1.4.

1.3.2.1.

Variables cualitativas.....................................................................8

1.3.2.2.

Variables cuantitativas...................................................................9

Representacin tabular...............................................................................9

1.4.1.

1.5.

Cuadros de distribucin de frecuencia...................................................10

1.4.1.1.

Frecuencia simple........................................................................10

1.4.1.2.

Frecuencia relativa......................................................................10

1.4.1.3.

Frecuencia acumulada.................................................................10

Representaciones graficas..........................................................................10

1.5.1.

Histograma...................................................................................... 10

1.5.2.

Polgamos de frecuencia......................................................................11

1.5.3.

Ojivas............................................................................................. 11

1.6.

Medidas estadsticas.................................................................................12

1.6.1.

Medidas de tendencias central.............................................................12

1.6.1.1.

Media aritmtica.........................................................................12

1.6.1.2.

Medida..................................................................................... 12

1.6.1.2.1.

Datos sin agrupar.....................................................................13

1.6.1.2.2.

Datos agrupados.......................................................................13

1.6.1.3.

Moda........................................................................................ 13

1.6.1.4.

Media geomtrica........................................................................14

1.6.2.

Medidas de dispersin........................................................................14

1.6.2.1.

Rango....................................................................................... 15

1.6.2.2.

Varianza....................................................................................15
3

1.6.2.3.

Desviacin estndar.....................................................................15

1.6.2.4.

Coeficiente de variacin...............................................................15

1.6.3.

1.7.

Medidas de forma de la distribucin.....................................................16

1.6.3.1.

Coeficiente de asimtrica..............................................................16

1.6.3.2.

Coeficiente de curtosis..................................................................17

Otras medidas de posicin relativa..............................................................17

1.7.1.

Cuartiles.......................................................................................... 17

1.7.1.1.

Datos agrupados.........................................................................17

1.7.1.2.

Series no agrupadas.....................................................................18

1.7.2.

Deciles............................................................................................. 18

1.7.3.

Percentiles....................................................................................... 18

EJEMPLO GENERAL............................................................................................ 20
Bibliografa.......................................................................................................... 27

CAPITULO I: ORGANIZACIN Y PRESENTACIN DE DATOS

1.1.

Estadstica
1.1.1. Concepto:

Es una ciencia formal y una herramienta que estudia usos y anlisis provenientes de una
muestra representativa de datos, busca explicar las correlaciones y dependencias de un
fenmeno fsico o natural, de ocurrencia en forma aleatoria o condicional.
Sin embargo, la estadstica es ms que eso, es decir, es la herramienta fundamental que
permite llevar a cabo el proceso relacionado de la estadstica con la investigacin
cientfica.
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias
sociales, desde las ciencias de la salud hasta el control de calidad.
Se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales.
1.1.2. Objetivos:
Los objetivos estadsticos aparecen en la investigacin cuantitativa porque para ser
completados requieren del uso de las herramientas estadsticas.
La investigacin exploratoria tiene objetivos hermenuticos de manera que no se requiere
estadstica para alcanzarlos y los s objetivos de la investigacin aplicativa no son
estadsticos, corresponden a la intervencin y la estadstica est orientada a medir el efecto
de la intervencin.
En esta presentacin se ha omitido intencionalmente el objetivo estadstico comparar por
ser el ms usado y encontrarse en todos los niveles merece una mencin aparte.

A nivel descriptivo

Determinar. Cuando buscamos obtener el resultado de una variable subyacente o

constructo y utilizamos un instrumento documental.
Describir: Para las variables que no son de estudio y que no involucra la utilizacin de
instrumentos pues se tratan de variables unidimensionales o directas.
Estimar: Usado frecuentemente para la estimacin puntual de un parmetro y los intervalos
de confianza del mismo.

A nivel relacional

Asociar: Plantea que dos sucesos ocurren de manera simultnea en repetidas ocasiones, tal
concurrencia puede ser causar o puede atribuirse al azar.

Correlacionar: Plantea que en un mismo individuo la unidad de una de sus variables se

correlaciona con otra diferente.
Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo
observador pero con diferentes instrumentos.

A nivel explicativo

Evidenciar: Propio de los estudios observacionales donde el anlisis estratificado busca

descartar asociaciones aleatorias, casuales o espurias.
Demostrar: Cuando el origen de los datos corresponde a un experimento, pretendemos
demostrar algo que previamente se ha evidenciado.
Probar: Luego de haber demostrado mediante un estudio experimental se tiene que repetir
para probar consistencia o coherencia.

A nivel predictivo

Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos, por

consecuencia la variable a predecir es dicotmica.
Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en funcin al tiempo por
consecuencia la variable pronosticada es numrica.
Prever: Calcular la probabilidad de necesitar, disponer o preparar medios contra futuras
contingencias.
1.1.3. Importancia
Podemos decir que la funcin principal de la estadstica es justamente la recoleccin y
agrupamiento de datos de diverso tipo para construir con ellos informes estadsticos que
nos den idea sobre diferentes y muy variados temas, siempre desde un punto de vista
cuantitativo y no cualitativo. Esto es muy importante remarcarlo ya que la estadstica se
convierte entonces en una ciencia que nos habla de cantidades (por ejemplo, cuntas
personas viven en un pas por metro cuadrado) pero no nos da informacin directa sobre la
calidad de vida de esas personas.
Lo interesante de la estadstica como ciencia es que, en muchos casos, la informacin
cuantitativa que nos brinda nos permite conocer a ese nivel mucho mejor a una sociedad,
por ejemplo, cuntas personas viven en un pas, cul es la tasa de desempleo, cul es la tasa
de indigencia o pobreza, cul es el nivel promedio de educacin de esa sociedad, etc. Todos
estos datos numricos son utilizados por los responsables del Estado a travs de sus
distintos organismos y secretaras para luego realizar proyectos de diferente tipo que
tengan que ver con mejorar esa situacin o mantenerla en el caso de que sea buena. En
algunos casos, aunque no directamente, la estadstica tambin nos permite inferir (no
conocer) la calidad de vida de una poblacin ya que si encontramos altas tasas de
desempleo, pobreza y marginalidad podremos suponer que la calidad de vida es muy baja.
6

1.2.
Concepto de poblacin, muestra y unidad de anlisis
1.2.1. Poblacin
El concepto de poblacin en estadstica va ms all de lo que comnmente se conoce como
tal. Una poblacin se precisa como un conjunto finito o infinito de personas u objetos que
presentan caractersticas comunes.
"Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca de
los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica comn".
Cadenas (1974).
Ejemplo:
Los miembros del Colegio de Contadores.
El tamao que tiene una poblacin es un factor de suma importancia en el proceso de
investigacin estadstica, y este tamao vienen dado por el nmero de elementos que
constituyen la poblacin, segn el nmero de elementos la poblacin puede ser finita o
infinita. Cuando el nmero de elementos que integra la poblacin es muy grande, se puede
considerar a esta como una poblacin infinita, por ejemplo; el conjunto de todos los
nmeros positivos. Una poblacin finita es aquella que est formada por un limitado
nmero de elementos, por ejemplo; el nmero de estudiante de la Universidad Nacional de
Piura.
Cuando la poblacin es muy grande, es obvio que la observacin de todos los elementos se
dificulte en cuanto al trabajo, tiempo y costos necesarios para hacerlo. Para solucionar este
inconveniente se utiliza una muestra estadstica.
Es a menudo imposible o poco prctico observar la totalidad de los individuos, sobre todos
si estos son muchos. En lugar de examinar el grupo entero llamado poblacin o universo,
se examina una pequea parte del grupo llamada muestra.
1.2.2. Muestra
"Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla".
Murria R. Spiegel (1991).
"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de todos".
Levin & Rubin (1996).
"Una muestra debe ser definida en base de la poblacin determinada, y las conclusiones
que se obtengan de dicha muestra solo podrn referirse a la poblacin en referencia",
Cadenas (1974).
Ejemplo;
El estudio realizado a 50 miembros del Colegio de Contadores.
7

El estudio de muestras es ms sencillo que el estudio de la poblacin completa; cuesta

menos y lleva menos tiempo. Por ltimo se aprobado que el examen de una poblacin
entera todava permite la aceptacin de elementos defectuosos, por tanto, en algunos casos,
el muestreo puede elevar el nivel de calidad.
Una muestra representativa contiene las caractersticas relevantes de la poblacin en las
mismas proporciones que estn incluidas en tal poblacin.
Los expertos en estadstica recogen datos de una muestra. Utilizan esta informacin para
hacer referencias sobre la poblacin que est representada por la muestra. En consecuencia
muestra y poblacin son conceptos relativos. Una poblacin es un todo y una muestra es
una fraccin o segmento de ese todo.
1.2.3. Unidad de anlisis
La unidad de anlisis corresponde a la entidad mayor o representativa de lo que va a ser
objeto especfico de estudio en una medicin y se refiere al qu o quin es objeto de inters
en una investigacin. Por ejemplo:
Debe estar claramente definida en un protocolo de investigacin y el investigador debe
obtener la informacin a partir de la unidad que haya sido definida como tal, aun cuando,
para acceder a ella, haya debido recorrer pasos intermedios. Las unidades de anlisis
pueden corresponder a las siguientes categoras o entidades:

Personas
Grupos humanos
Poblaciones completas
Unidades geogrficas determinadas
Eventos o interacciones sociales (enfermedades, accidentes, casos de infecciones
intrahospitalarias, etc.)
Entidades intangibles, susceptibles de medir (exmenes, das camas)

El tipo de anlisis al que se someter la informacin es determinante para elegir la unidad

de anlisis. Por ejemplo, si el objetivo es dar cuenta de la satisfaccin del usuario de un
servicio mdico, la unidad de anlisis natural es el paciente atendido, o la persona que se
atiende en ese servicio mdico.
1.3. Variables
1.3.1. Concepto
Una variable estadstica es una propiedad que puede fluctuar y cuya variacin es
susceptible de adoptar diferentes valores, los cuales pueden medirse u observarse. Las
variables adquieren valor cuando se relacionan con otras variables, es decir, si forman parte
de una hiptesis o de una teora. En este caso se las denomina constructos o construcciones
hipotticas.
1.3.2. Clases de variables
1.3.2.1.
Variables cualitativas
8

Son el tipo de variables que como su nombre lo indica expresan distintas cualidades,
caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o
categora, y la medicin consiste en una clasificacin de dichos atributos. Las variables
cualitativas puede ser dicotmicas cuando slo pueden tomar dos valores posibles, como s
y no, hombre y mujer o ser politmicas cuando pueden adquirir tres o ms valores. Dentro
de ellas podemos distinguir:

Variable cualitativa ordinal o variable cuasi cuantitativa: La variable puede

tomar distintos valores ordenados siguiendo una escala establecida, aunque no es
necesario que el intervalo entre mediciones sea uniforme, por ejemplo: leve,
moderado, fuerte.
Variable cualitativa nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden, como por ejemplo los colores.

1.3.2.2.

Variables cuantitativas

Son las variables que toman como argumento cantidades numricas, son variables
matemticas. Las variables cuantitativas adems pueden ser:

Variable discreta: Es la variable que presenta separaciones o interrupciones en la

escala de valores que puede tomar. Estas separaciones o interrupciones indican la
ausencia de valores entre los distintos valores especficos que la variable pueda
asumir. Ejemplo: El nmero de hijos (1, 2, 3, 4, 5).
Variable continua: Es la variable que puede adquirir cualquier valor dentro de un
intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o
la altura (1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se est limitado por la
precisin del aparato medidor, en teora permiten que exista un valor entre dos
variables.
1.4. Representacin tabular
Cuando los datos estadsticos se presentan a travs de un conjunto de filas y de columnas
que responden a un ordenamiento lgico; es de gran eso e importancia para el uso e
importancia para el usuario ya que constituye la forma ms exacta de presentar las
informaciones. Una tabla consta de varias partes, las principales son las siguientes:

Titulo: Es la parte ms importante del cuadro y sirve para describir todo l

contenido de este.
Encabezados: Son los diferentes subttulos que se colocan en la parte superior de
cada columna.
Columna matriz: Es la columna principal del cuadro.
Cuerpo: El cuerpo contiene todas las informaciones numricas que aparecen en la
tabla.
Fuente: La fuente de los datos contenidos en la tabla indica la procedencia de estos.
Notas al pie: Son usadas para hacer algunas aclaraciones sobre aspectos que
aparecen en la tabla o cuadro y que no han sido explicados en otras partes.

1.4.1. Cuadros de distribucin de frecuencia

1.4.1.1.
Frecuencia simple: es el nmero de veces que aparece ese valor en el
estudio. Se suele denotar por Fi a la frecuencia absoluta del valor X = xi de la
variable X. Dada una muestra de N elementos, la suma de todas las frecuencias
absolutas debe dar el total de la muestra estudiada N.
Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n
Interpretacin:
f3 : 8 alumnos han declarado tener 2 hermanos.
f5 : 4 alumnos han declarado tener 4 hermanos.
1.4.1.2.

Frecuencia relativa: es el cociente entre la frecuencia absoluta y el tamao

de la muestra (N). Es decir,

Interpretacin:
h3 : El 0,2667 tanto por uno de 30 alumnos, han declarado tener 2 hermanos.
h3 x 100: El 26,67% de 30 alumnos han declarado tener 2 hermanos
1.4.1.3.

Frecuencia acumulada: se refiere al total de las frecuencias absolutas

para todos los eventos iguales o anteriores que un cierto valor, en una lista ordenada
de eventos.
1.5. Representaciones graficas
1.5.1. Histograma
En

estadstica, un histograma es una representacin grfica de una variable en forma de barras,

donde la superficie de cada barra es proporcional a la frecuencia de los valores
representados, ya sea en forma diferencial o acumulada. Sirven para obtener una "primera
vista" general, de la muestra, respecto a una caracterstica, cuantitativa y continua, de la
misma y que es de inters para el observador (como la longitud o la masa). De esta manera
ofrece una visin en grupo permitiendo observar una preferencia, por parte de la muestra o
10

poblacin por ubicarse hacia una determinada regin de valores dentro del espectro de
valores posibles (sean infinitos o no) que pueda adquirir la caracterstica.

1.5.2. Polgamos de frecuencia

Polgono de frecuencia es el nombre que recibe una clase de grfico que se crea a partir de
un histograma de frecuencia. Estos histogramas emplean columnas verticales para reflejar
frecuencias): el polgono de frecuencia es realizado uniendo los puntos de mayor altura de
estas columnas. Es decir, por tanto, podramos establecer que un polgono de frecuencia es
aquel que se forma a partir de la unin de los distintos puntos medios de las cimas de las
columnas que configuran lo que es un histograma de frecuencia. Este se caracteriza porque
utiliza siempre lo que son columnas de tipo vertical y porque nunca debe haber espacios
entre lo que son unas y otras

1.5.3. Ojivas
La ojiva es el polgono frecuencial acumulado, es decir, que permite ver cuntas
observaciones se encuentran por encima o debajo de ciertos valores, en lugar de solo
exhibir los nmeros asignados a cada intervalo.
La ojiva apropiada para informacin que presente frecuencias mayores que el dato que se
est comparando tendr una pendiente negativa (hacia abajo y a la derecha) y en cambio la
que se asigna a valores menores, tendr una pendiente positiva. Una grfica similar al
11

polgono de frecuencias es la ojiva, pero sta se obtiene de aplicar parcialmente la misma

tcnica a una distribucin acumulativa y de igual manera que stas, existen la ojiva mayor
que y la ojiva menor que.

1.6. Medidas estadsticas

1.6.1. Medidas de tendencias central
1.6.1.1.
Media aritmtica
Dados los n nmeros

{x 1 , x 2 , x 3 x n

}, la medida aritmtica se define como:

Por ejemplo, la media aritmtica de 8, 5 y -1 es igual a:

Se utiliza la letra X con una barra horizontal sobre el smbolo para representar la media de
una muestra (\overline{X}), mientras que la letra (mu) se usa para la media aritmtica de
una poblacin, es decir, el valor esperado de una variable.
En otras palabras, es la suma de n valores de la variable y luego dividido por n : donde n es
el nmero de sumandos, o en el caso de estadstica el nmero de datos se da el resultad

1.6.1.2.

Medida

Existen dos mtodos para el clculo de la mediana:

Considerando los datos en forma individual, sin agruparlos.

Utilizando los datos agrupados en intervalos de clase.

A continuacin, veamos cada una de ellas:

12

1.6.1.2.1. Datos sin agrupar

x 1 , x2 , x3 , , xn

Sea

la mediana como

Me

los datos de una muestra ordenada en orden creciente y designando

, distinguimos dos casos:

Si n es impar, la mediana es el valor que ocupa la posicin

( n+1 ) /2 una vez que

los datos han sido ordenados (en orden creciente o decreciente), porque ste es el
M e =x( n+1 )/ 2
valor central. Es decir:
Por ejemplo, si tenemos 6 datos, que ordenados son:
x (5+1 )/ 2=x3 =7

El valor central es el tercero:

conjunto de datos, deja dos datos por debajo

x 1=3, x 2=6, x 3=7 , x 4=8, x 5=9=

. Este valor, que es la mediana de ese

( x 1 , x 2 ) y otros dos por encima de l

( x 4 , x5 ) .

Si n es par, la mediana es la media aritmtica de los dos valores centrales. Cuando n

es par, los dos datos que estn en el centro de la muestra ocupan las posiciones n/2
y n/2+1. Es decir:

M e = x n + x n +1 /2

Por
ejemplo,
si
tenemos
x 1=3, x 2=6, x 3=7, x 4=8, x 5=9, x 6=10
x 6 =x 7=7
2

datos,

que

ordenados

son:

. Aqu dos valores que estn por debajo del

y otros dos que quedan por encima del siguiente dato

x 6 =x 4 =8
2

+1

. Por

tanto, la mediana de este grupo de datos es la media aritmtica de estos dos datos:

1.6.1.2.2. Datos agrupados

Al tratar con datos agrupados, si

n
2

coincide con el valor de una frecuencia acumulada,

el valor de la mediana coincidir con la abscisa correspondiente. Si no coincide con el

valor de ninguna abcisa, se calcula a travs de semejanza de tringulos en el histograma o
polgono de frecuencias acumuladas, utilizando la siguiente equivalencia:

13

N i y N i1

Donde

son

las

frecuencias

absolutas

acumuladas

tales

que

n
N i1 N i , ai1 y a i
son los extremos, interior y exterior, del intervalo donde se alcanza la
2
mediana y

M e =ai1 + p

es la abscisa a calcular, la mediana. Se observa que

aiai1

es la amplitud de los intervalos seleccionados para el diagrama.

1.6.1.3.

Moda

La moda es el dato ms repetido de la encuesta, el valor de la variable con mayor

frecuencia absoluta. En cierto sentido la definicin matemtica corresponde con la
locucin "estar de moda", esto es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues solo necesita un recuento. En variables
continuas, expresadas en intervalos, existe el denominado intervalo modal o, en su defecto,
si es necesario obtener un valor concreto de la variable, se recurre a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-4-6-9-5-61-5-3-7. El nmero que ms se repite es 5, entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos modas, es
decir, dos datos que tengan la misma frecuencia absoluta mxima. Cuando en una
distribucin de datos se encuentran tres o ms modas, entonces es multimodal. Por ltimo,
si todas las variables tienen la misma frecuencia diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha de
definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta.
La moda, cuando los datos estn agrupados, es un punto que divide el intervalo modal en
dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que verifiquen que:

Siendo

ni

ni1 y ni +1

la frecuencia absoluta del intervalo modal y

las frecuencias

absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal.

Las calificaciones en la asignatura de Matemticas de 39 alumnos de una clase vienen
dadas por la siguiente tabla (debajo):

1.6.1.4.

Calificaciones

Nmero de alumno

Media geomtrica
14

En estadstica, la media geomtrica de una cantidad arbitraria de nmeros (por decir n

nmeros) es la raz n-sima del producto de todos los nmeros, es recomendada para datos
de progresin geomtrica, para promediar razones, inters compuesto y nmeros ndices.

Por ejemplo, la media geomtrica de 2 y 18 es:

Otro ejemplo, la media de 1, 3 y 9 sera

1.6.2. Medidas de dispersin

1.6.2.1.
Rango
Rango es el intervalo entre el valor mximo y el valor mnimo; por ello, comparte unidades
con los datos. Permite obtener una idea de la dispersin de los datos, cuanto mayor es el
rango, ms dispersos estn los datos de un conjunto.
Por ejemplo, para una serie de datos de carcter cuantitativo, como lo es la estatura medida
en centmetros, tendramos:

es posible ordenar los datos como sigue:

donde la notacin

x(i)

indica que se trata del elemento i-simo de la serie de datos. De

este modo, el rango sera la diferencia entre el valor mximo

x (k )

y el mnimo

x ( 1)

; o,

lo que es lo mismo:

En nuestro ejemplo, con cinco valores, nos da que R = 185-155 = 30.

1.6.2.2.

Varianza

Si tenemos un conjunto de datos de una misma variable, la varianza se calcula de la

siguiente forma:

Siendo:
15

x1

: cada dato

n: nmero de datos
X : media aritmtica de los datos

1.6.2.3.

Desviacin estndar

Esta medida nos permite determinar el promedio aritmtico de fluctuacin de los datos
respecto a su punto central o media. La desviacin estndar nos da como resultado un valor
numrico que representa el promedio de diferencia que hay entre los datos y la media. Para
calcular la desviacin estndar basta con hallar la raz cuadrada de la varianza, por lo tanto,
su ecuacin sera:

1.6.2.4.

Coeficiente de variacin

Una de las medidas suficientemente til es la obtencin del coeficiente de variacin, el cual
se define como el cociente entre la desviacin estndar y la media aritmtica, mostrando
para bajos valores una alta concentracin de los datos. En el caso en que la media es igual
a cero esta medida no est definida, por lo que se recurre a cualquiera de las anteriores. Su
expresin es dada por

donde son la media y la desviacin estndar, respectivamente, para una misma poblacin.
En ocasiones se suele presentar la informacin mediante el por ciento, sobre todo al
momento de comparar dos muestras, por lo que el coeficiente suele presentarse como:

Su utilidad radica en que podemos determinar que tanta variabilidad existe entre dos
muestras en las que inclusive las informaciones no tienen las mismas unidades o se trata de
datos diferentes. En el siguiente ejemplo se muestra la utilidad del coeficiente de variacin
1.6.3. Medidas de forma de la distribucin
1.6.3.1.
Coeficiente de asimtrica
Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor
del punto central (Media aritmtica). La asimetra presenta tres estados diferentes cada uno
de los cuales define de forma concisa como estn distribuidos los datos respecto al eje de
asimetra. Se dice que la asimetra es positiva cuando la mayora de los datos se encuentran
por encima del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen
aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce
como asimetra negativa cuando la mayor cantidad de datos se aglomeran en los valores
menores que la media.
16

El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,

1.6.3.2.

Coeficiente de curtosis

Esta medida determina el grado de concentracin que presentan los valores en la regin
central de la distribucin. Por medio del Coeficiente de Curtosis, podemos identificar si
existe una gran concentracin de valores, una concentracin normal o una baja
concentracin.

Para calcular el coeficiente de Curtosis se utiliza la ecuacin:

1.7. Otras medidas de posicin relativa

1.7.1. Cuartiles
Los cuartiles son los tres valores de la variable que dividen a un conjunto de datos
ordenados en cuatro partes iguales.
Q1 , Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los
datos.
17

Q2 coincide con la mediana.

1.7.1.1.

Datos agrupados

En primer lugar buscamos la clase donde se encuentra

cuartiles, en la tabla de las frecuencias acumuladas.

Clculo de los

Li es el lmite inferior de la clase donde se encuentra el cuartil.

N es la suma de las frecuencias absolutas.
Fi1 es la frecuencia acumulada anterior a la clase del cuartil.
ai es la amplitud de la clase.
1.7.1.2.

Series no agrupadas

Son medidas de posicin que dividen en cuatro partes porcentuales iguales a una
distribucin ordenada de datos.
Formula General:
Para calcular el valor de uno de los cuatro Cuartiles, se utiliza la frmula:
Qk =k (N /4 )
En donde:
Qk

= Cuartil nmero 1, 2, 3 4

N = total de datos de la distribucin.

1.7.2. Deciles
Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D 5 coincide con la mediana.
18

En primer lugar, buscamos la clase donde se encuentra

cuartiles, en la tabla de las frecuencias acumuladas

Clculo de los

Li es el lmite inferior de la clase donde se encuentra el decil.

N es la suma de las frecuencias absolutas.
F I1 es la frecuencia acumulada anterior a la clase el decil..
a1 es la amplitud de la clase.

1.7.3. Percentiles
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos.
P50 coincide con la mediana.
P50

coincide con

P50

En primer lugar, buscamos la clase donde se encuentra

cuartiles, en la tabla de las frecuencias acumuladas.

Li es el lmite inferior de la clase donde se encuentra el percentil.

N es la suma de las frecuencias absolutas.
Fi1 es la frecuencia acumulada anterior a la clase del percentil.
ai

es la amplitud de la clase.
19

Clculo de los

20

EJEMPLO GENERAL

PLANILLA DE TRABAJADORES DE LA FABRICA DE CEMENTOS

PACASMAYO EN LIMA - ENERO 2016.

X 1 : PLANILLA
N=48

LIMITES
Ls

RANGO

=20107

R=

Ls =33419

Ls

MUESTRA
-

Ls

M = 1 + 3.322 LOG (48)

R=13312

M = 6.6 = 7

ANCHO DE CLASES

EXESO

C=R/M

E=M*C-R

C = 13312/7

E=7*1902-13312

C = 1901.7

E=2 =>

C = 1902

E1

=1

E2

=1

NUEVOS LIMITES
L' s

LS

E1

L' s

= 33 419+1
21

LS

E2

= 20107-1

L' s

L' s

= 3342

= 20106

ORDENA ELEMENTOS

Interpretacin:

n1 =2 significa de 2 trabajadores tienen un sueldo que oxcila entre

29616 y 3151

n2 =10 significa que tan solo 10 trabajadores reciben mensualmente

un sueldo entre 22008 - 23909

El 18.8%
de trabajadores tiene un sueldo entre 27714 y 29615

22

8.3%

MEDIA ARITMETICA

x =

xi

1281,828
=26705
48

23

VARIANZA

24

DESVIANCIN ESTNDAR
25

S= S2
S= 15788866.8
S=3973.5
CUATILES
N i=25
N s =57
S1=30
C=10

177

70

148
7
(
4 )
Q =22008+1902
1

Q1=22959

DECIL

148
0
(
10 )
D =20 106+1902
1

D1=21465

Interpretacin de DESIL: EL 10% DE LOS TRABAJADORES DE LA FABRICA

DE CEMENTO PACASMAYO TIENEN UN SUELDO A LO MENOR DE S/.21465
26

LA MEDIANA

n
N i 1
2
M e =LI +C
N i N i1

n 48
= =24
2 2
n
N i1 < N i
2
N i1 24 < N i
21 24< 28

LI = 25812
C = 1902
M e =25812+ 1902

M e =25812+ 1902

[]

2421
2821

3
7

M e =26627.1
M e =2667

LA MODA
ni=10
ni1=7

27

ni+ 1=4

MO=LI +C

nini 1
( n ini1 ) + ( n ini +1)

MO=22008+ 1902

107
( 1 07 )+ (104 )

MO=22578.6

RANGO
LI = 20107

R = LS - LI

LS = 33419

R = 33419 -20107
R = 13312

COEFICIENTE DE VARIACION
1
CV ( X )= 100
X
CV ( X ) =

X =26705

1
100
26705

CV ( X )=267.05

PERSENTIL
20 n 20 ( 48 )
=
=9.6
100
100

28

N I 1

10 N
<N I
100

9 9.6<17

LI 22 008
C = 1902

Jn
N i1
100
P20=LI + C
N i N i1

P20=22008+1902

9.67
177

P20=22008+19020.26
P20=22502.52
INTERPRETACIN: EL 20 % DE LOS TRABAJADORES DE LA FABRICA DEL
CEMENTO PACASMAYO TIENEN UN SUELDO Q LO MENOS DE S/.22502.52

Bibliografa
Berenson M., Levine D., Estadstica Bsica en Administracin, Prentice Hall
Hispanoamericana S. A., Mxico, 1996.
Freund J. y Simon G., Estadstica elemental, Prentice Hall, Mxico, 1994.
Galindo E., Estadstica para la Administracin y la Ingeniera, Grficas Mediavilla
Hnos., Quito, 1999.
Pea, D. y Romo, J (1997). Introduccin a la estadstica para las ciencias sociales.
Madrid:
McGraw-Hill.
Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103, 677680.

29