Contenido en Extenso - Unidad 2 - Módulo 17 - Prepa en Línea - SEP

Tratamiento estadístico de
la información de fenómenos
naturales y procesos sociales
Módulo 17. Estadística en fenómenos naturales y procesos sociales
Unidad II. Tratamiento estadístico de la información de fenómenos naturales y procesos sociales.
Índice
Presentación
1. Metodología científica
2. Concepto fundamental: probabilidad y estadística
3. Análisis estadístico de la información, representación gráfica y uso de hojas de cálculo

3.1 Medidas de tendencia central.
3.2 Medidas de dispersión.
3.3 Regresión y correlación lineal.
Cierre
Fuentes
Presentación
Propósito:
Desarrollar los modelos de la estadística descriptiva que permitirán analizar,

ordenar, interpretar y explicar la información obtenida a partir de fenómenos
naturales y procesos sociales con el fin de predecir y entender estos hechos en su
contexto y de orientar la toma de decisiones en el ámbito individual así como incidir
en su comunidad, región, país y el mundo.
Indicadores de desempeño:
• Argumenta la posibilidad de ocurrencia de algunos fenómenos naturales y

procesos sociales de su entorno, mediante el uso de los tipos de distribución de
probabilidad.
• Interpreta tablas y gráficas que representen la información de los hechos o

fenómenos naturales y procesos sociales vinculados dentro de su contexto.
2/34
• Utiliza las TIC para obtener información y procesarla a través de una hoja de
cálculo.
• Calcula las medidas de tendencia central y de dispersión de varios conjuntos

de datos de fenómenos naturales y procesos sociales de interés en su contexto
local, regional y nacional.
• Interpreta y explica el funcionamiento de fenómenos naturales y procesos

sociales dentro de su contexto local y regional a través de modelos de
estadística descriptiva.
• Correlaciona las variables involucradas entre fenómenos naturales y procesos

sociales de su contexto.
• Evalúa y determina la posibilidad de ocurrencia, y el comportamiento de

fenómenos naturales y procesos sociales de importancia en su contexto para
orientar sus acciones en el ámbito individual y proponer estrategias de mejora
en su localidad, región, país, mundo.
• Analiza y sintetiza las observaciones estadísticas para llegar a conclusiones

lógicas.
Punto de partida
Con base en los recursos y conceptos estudiados en Unidad I de este módulo, se

puede avanzar en el estudio de la estadística. En esta ocasión, se abordarán temas
de Probabilidad.
Una constante en las preocupaciones de los seres humanos, a lo largo de su

existencia, ha sido el futuro. Hay muchas formas de responder a esas inquietudes,
en su gran mayoría resultan inoportunas, pues no hay un método ni mecanismos
de verificación con una aproximación lograda. La estadística y, en este caso,
la probabilidad no son conceptos de adivinación, sino resultado del registro,
ordenación, sistematización y análisis de los datos que proporcionan los fenómenos
reales. Con esa información es posible realizar cálculos de aproximación del
acontecer de las cosas. Como toda actividad científica, estos cálculos no son
infalibles; tampoco son perfectos o puntuales, sino probabilísticos. Si bien no hay
nada ni nadie que asegure el acontecer de un fenómeno, sí se puede establecer
el nivel de confianza de que un fenómeno continúe o cambie en un sentido
aproximado a los cálculos hechos. La condición para lograrlo, como se desarrolla en
la siguiente unidad, es el rigor en el manejo de la información y la profundidad del
análisis que se haga de ella.
3/34
1. Metodología científica
La metodología científica es un cúmulo grande de
actividades, herramientas, técnicas y teorías. En tal
sentido no hay una metodología única para todas las
ciencias que se conocen. Por ejemplo, la medicina
tiene una metodología para investigar la propagación
de enfermedades, la sociología tiene metodologías
para investigar la violencia policial en las sociedades,
y así para cada disciplina.
Lo anterior no quiere decir que cada investigador invente su

propia metodología. En los hechos, cada investigador o alumno
de cualquier ciencia sigue las metodologías aceptadas para
la comunidad científica en la cual está inserto. Como indica
Kuhn (Kuhn, 1971) hay ciencia normal cuando la mayoría de las
instituciones científicas recurren a métodos de comprobación
científica similares; es decir, siguen casi los mismos pasos,
aplican las mismas formas para recolectar datos, entre muchas
otras actividades para analizar diferentes eventos.
La estadística es una ciencia utilizada constantemente en diferentes disciplinas. Es

un caso especial en la ciencia reciente, ya que se emplea desde la psicología hasta
la física; es decir, la estadística es útil para las ciencias sociales y para las ciencias
naturales. Esto muestra un beneficio para cada una de las ciencias, pero implica
también un conocimiento adecuado de la metodología estadística para evitar usos
inadecuados.
La estadística tiene una metodología científica particular; es decir, tiene pasos

particulares para generar datos y conclusiones demostrables, además de válidas
para el conocimiento. Siguiendo las aportaciones de Carrasco (Carrasco Arroyo,
2016) y Triola (Triola, 2013) la metodología de la estadística procura lograr los
siguientes criterios:
a) Planteamiento del problema
b) Establece el objeto de estudio
c) Define los objetivos e hipótesis
4/34
d) Especifica el tamaño y tipo de muestreo
e) Recopila datos para el logro de los objetivos, la aceptación o rechazo de las

hipótesis además de ser coherentes con el objeto de estudio
f) Cubre los requisitos de ética en la recolección de datos
g) Depura la muestra
h) Proporciona un análisis descriptivo
i) Genera un modelo explicativo
j) Resuelve las hipótesis planteadas
El planteamiento del problema implica

generar preguntas de investigación, las cuales El planteamiento del
deben estar orientadas a la solución de un problema implica generar
problema de la vida cotidiana o bien pueden preguntas de investigación
venir de problemas de cada ciencia. Un orientadas a la solución de un
planteamiento de problema debe expresar problema de la vida cotidiana.
la relación entre dos variables presentadas
en términos cuantitativos. Se puede empezar realizando una pregunta: ¿Fumar 3
cigarros diarios aumenta la probabilidad de enfisema pulmonar en más del 20%?,
¿las personas de 65 o más años tienen menor probabilidad de usar el metro?,
etcétera. Es importante que las preguntas de investigación no sugieran ninguna
respuesta.
El objeto de estudio consiste en describir con

la mayor precisión lo que se está estudiando. Objeto de estudio:
Por ejemplo, si la pregunta de investigación descripción de lo que se está
indica: ¿Hacer una hora diaria de ejercicio estudiando.
disminuye la probabilidad de desarrollar
diabetes en mujeres? El objeto de estudio es la actividad física y su relación con el
desarrollo de diabetes en mujeres. Es decir, todas las investigaciones apoyadas en
el método estadístico requieren mostrar con claridad su objeto de estudio.
5/34
La hipótesis es una proposición tentativa

Hipótesis: son proposiciones sobre las posibles relaciones entre dos o más
tentativas sobre las posibles variables. En estadística es indispensable
relaciones entre dos o más expresar en términos numéricos las hipótesis
variables. y se pueden hacer de la siguiente forma: A
mayor x hay mayor y.
Sigiendo con el ejemplo: Las mujeres que hacen más de cuatro horas de ejercicio
por semana tienen 50% de menor probabilidad de desarrollar diabetes. La cantidad
de hipótesis depende de los objetivos. Si el estudio tiene dos objetivos, entonces se
harán dos hipótesis.
El tamaño de la muestra y el tipo de muestreo están

condicionados, de igual modo, por los objetivos. Si un investigador
desea conocer la cantidad de personas que participa en las juntas
vecinales de su colonia, tendría que saber el número de casas y
después establecer si realizará un muestreo representativo o no representativo. El
muestreo representativo implica que el tamaño de la muestra permite generalizar la
explicación. El muestreo no representativo permite aceptar o rechazar la hipótesis
de investigación, pero no permite generalizar los resultados del análisis estadístico.
En el proceso de recopilación de datos, el investigador definirá la forma de reunir los

datos que sean útiles para aceptar o rechazar las hipótesis planteadas. Los procesos
de recopilación pueden ser la aplicación de cuestionarios o encuestas, el registros
de datos por el propio investigador o bien los datos disponibles en instituciones
públicas o privadas. Toda investigación debe cubrir los criterios de ética tratados en
el Tema 1 de la Unidad 1 de este módulo.
En la recopilación de datos, el investigador definirá la forma de reunir los

datos que sean útiles para aceptar o rechazar las hipótesis planteadas.
La depuración de la muestra consiste en

Depuración de la revisar los datos recopilados de la misma y
muestra: es la revisión de los verificar que no haya errores y datos faltantes.
datos reunidos de la muestra, así Este paso es determinante en caso de usar
como la verificación de que no programas automatizados de análisis
haya errores ni datos faltantes. estadístico. Regularmente en este paso los
investigadores construyen bases de datos.
6/34
En el paso del análisis descriptivo, el investigador procede a extraer las medidas de

tendencia central y de dispersión de los datos. Asimismo, analiza las frecuencias
relativas y genera los gráficos que permitirán observar el comportamiento de datos
de la muestra. La finalidad del análisis descriptivo es observar los datos en conjunto
y obtener los primeros elementos que conduzcan a la aceptación o al rechazo de
las hipótesis.
Análisis descriptivo: es la obtención de las medidas de tendencia central,

de dispersión, frecuencias relativas y generación de gráficas para observar el
comportamiento de los datos.
La generación de un modelo explicativo

requiere del análisis descriptivo y de la
El modelo explicativo
interpretación de las gráficas que hayan sido
señalará de forma abarcadora la
construidas por el investigador. El modelo
complejidad de la realidad.
explicativo señalará de forma abarcadora la
complejidad de la realidad. Es decir, el
modelo sintetizará la información sobre las variables que tienen mayor efecto en las
hipótesis y permitirá hacer inferencias sobre el caso estudiado.
Finalmente, el paso de la resolución de las hipótesis consiste en señalar, con base

en los niveles de significancia estadística, si se acepta o se rechaza las hipótesis. Por
supuesto, dependerá de un análisis profundo de la información y de los resultados
que aporte. Es importante destacar que rechazar las hipótesis que plantea un
investigador no significa un fracaso o un error. Por el contrario, la aceptación o
rechazo de hipótesis aporta nuevos elementos de explicación al evento analizado.
En resumen, la certeza de las observaciones

que se logren a partir de la recopilación,
ordenación, sistematización y análisis de
los datos de un fenómeno social o natural
depende del rigor científico, con el que se
aborde. Si falta ese rigor se corre el riesgo
de generar conjeturas o, avalar suposiciones
malintencionadas.
Para saber más

Si deseas conocer sobre la Modelación en estadística, consulta el siguiente
enlace:
https://www.youtube.com/watch?v=DTCbGfiJsxo&feature=youtu.be
7/34
8/34
2. Concepto fundamental: probabilidad y estadística
Este módulo aborda los principios básicos

y las herramientas del trabajo estadístico. La estadística trabaja con
Es decir, la estadística es una herramienta datos reales y con eventos que
teórica, matemática y práctica que ayuda a han sucedido, traducidos a datos
recopilar, organizar e interpretar información numéricos.
de fenómenos naturales y de procesos
sociales. La estadística no sólo es un cúmulo de datos y fórmulas matemáticas: es
una herramienta científica que permite generar explicaciones coherentes y válidas
sobre hechos sociales y naturales de nuestro entorno.
En tal sentido, la estadística trabaja con datos

reales y con eventos sucedidos traducidos a La probabilidad indica, por
datos numéricos. En otras palabras, analiza medio de cálculos matemáticos,
los fenómenos naturales y procesos sociales que un hecho suceda en el
gracias a que tiene información de tales futuro.
eventos, a diferencia de la probabilidad.
9/34
La probabilidad puede o no tener información sobre los eventos que aún no

suceden, pero de los cuales se desea conocer el resultado; calcular numéricamente
el acontecer de un evento, no es ninguna habilidad de “adivinanza”. La probabilidad
puede indicar por medio de cálculos matemáticos el suceso en el futuro. En eso
radica la diferencia fundamental con la estadística.
Por ejemplo, la estadística puede organizar y sistematizar

la información del género de los niños nacidos en
un periodo determinado, por ejemplo, un año.
Estadísticamente, se puede indicar la cantidad de niños
nacidos sanos, con peso ideal, etcétera. Sin embargo ¿se
puede saber por medio de la estadística que nacerán más
mujeres que niños? O bien, al preguntar a cinco padres
en la sala de espera de alumbramientos cuántos esperan
mujeres y cuántos esperan varones de su primer hijo.
Estos problemas son área de análisis de la probabilidad,
como se indicó arriba. La probabilidad trabaja con el
cálculo de eventos que sucederán a futuro.
Actividad
1. Busca en Internet 10 ejemplos de análisis estadísticos y 10 ejemplos
de estudios de probabilidad.
2. Elabora un cuadro comparativo donde indiques las diferencias.
Para saber más

Si deseas conocer más sobre Probabilidad, consulta los siguientes enlaces:
http://www.definicionabc.com/general/probabilidad.php
https://www.youtube.com/watch?v=2y6zs8o-YWg
10/34
3. Análisis estadístico de la información, representación

gráfica y uso de hojas de cálculo
La razón principal para clasificar datos y dibujar un histograma de la tabla de

frecuencias resultantes es determinar la naturaleza de la distribución. En la unidad
anterior se mostraron algunos de los tipos más comunes de distribuciones, por lo
tanto, éstas se comparan para identificar las relaciones entre las observaciones.
Aunque en muchas ocasiones esas relaciones
son difíciles de precisar, salvo en casos muy
generales, la forma de proceder es omitir la
comparación de todos los datos y sólo tomar
los valores promedio y las variaciones que
tienen ambos conjuntos de datos. Estas
cantidades descriptivas se llaman aritméticas
porque proporcionan números, en contraste
con el histograma, el cual es de naturaleza
geométrica. La escencia del problema es la
que determina si las propiedades aritméticas
simples son suficientes para describirlo de
Medida de dispersión: manera apropiada.
aquélla que por medio de
un número indica qué tanto En este tema se abordarán algunas de las
están variando los datos medidas descriptivas más comunes y con
recolectados con respecto a las las cuales las actividades que se proponen
medidas de tendencia central pueden arrojar información suficiente para
(principalmente la media). identificar una distribución, para lo cual se
requieren de herramientas como las hojas
Recuperado de: de cálculo. Los problemas más complejos
http://cvonline.uaeh.edu.mx/Cursos/ comúnmente requieren del estudio de valores
BV/L0706/U4/
lec_43_TeoriaMedidasDdispersion.pdf
relacionados con las distribuciones o con el
análisis de toda la distribución.
Las primeras medidas descriptivas que se

presentan son las conocidas como medidas de tendencia central, con las cuales
se busca presentar un valor que muestre de manera nítida el punto medio o centro
de los datos que se tienen. Las medidas de tendencia central más comunes son la
media o el promedio, la media geométrica, la media armónica, la mediana, la moda
y el rango medio.
11/34
El análisis de la variación de los valores

respecto a la media es dado por las medidas
de dispersión. En este tema se estudiarán
definiciones, reglas y herramientas de trabajo
para el rango, la varianza, la desviación
estándar y la desviación media.
El uso de la computadora es una herramienta útil para trabajar y analizar datos

estadísticos. Con el fin de facilitar su uso, se ofrecen para cada medida aritmética
su fórmula y aplicación en hojas de cálculo de Excel. Para otras plataformas
como Google Docs existen fórmulas que realizan las mismas labores, donde sólo
será necesario investigar la sintaxis, ya que los métodos generales suelen ser los
mismos.
3.1 Medidas de tendencia central
Media aritmética. La más común de estas medidas es

la media aritmética o promedio y es la más usada en la vida diaria; como cuando
se calcula la calificación que tendría un estudiante en un curso. Si se sustituye
cada dato por la media y se hace la suma se obtiene el mismo resultado que si se
sumaran todos los datos. La media aritmética o sólo media se define como la suma
de todos los valores dividida por el número de valores. Si se tiene un conjunto de
datos x1 , x2 , ... xn la media aritmética será:
n
x=
1
n
∑ xi
i =1
Para ilustrar el cálculo de la media, considera el ejemplo.
Encuentra la media del siguiente conjunto de datos.
Valor Frecuencia
12 10
30 13
32 4
40 2
12/34
Para calcular la media hay que notar que no sólo se tienen 4 valores, sino que
en realidad son 29. Entonces para obtener el valor que se desea es conveniente
completar la tabla con las cantidades que cada valor aportará a la suma para
obtener la media; es decir, se puede agregar la columna de valor x frecuencia . De
esta manera es más sencillo calcular la suma total de todos los valores:
Valor Frecuencia Valor x Frecuencia

12 10 120
30 13 390
32 4 128
40 2 80
Suma 29 718
Por tanto, la suma total de los 29 datos es 718 y la media se obtiene de la manera
siguiente:
x =
718 ≈ 24.7586
29
Las operaciones anteriores pueden hacerse fácilmente en una tabla de Excel . Esta
herramienta permite multiplicar y sumar los valores de las entradas de una tabla,
una a una. Además, si en una tabla de Excel , se tiene la lista con todos los valores,
y cada valor en una celda, una manera muy sencilla de calcular la media es con el
comando: =PROMEDIO( ). Los paréntesis indican que ahí se enlistan las celdas con
los valores que deseas promediar. Por ejemplo, si los datos están en la columna A ,
en las filas 4 a la 10, entonces el comando es =PROMEDIO(A4:A10) 1, o simplemente
se anotan dentro del paréntesis todos los valores que se quieren promediar
separados por comas.
Para saber más del uso básico de Excel, consulta el siguiente enlace:
http://articulos.softonic.com/10-formulas-excel-nuy-utiles
1
Se asume conocimientos muy básicos de Excel, como su sistema de celdas y de referencias entre
las celdas.
13/34
Si los datos ya están agrupados, también es posible determinar una media

aritmética, esto es, en la consideración de las marcas de clase y las frecuencias
absolutas o relativas de cada clase. La fórmula para la media aritmética de datos
n n
∑ m i f i = ∑ m i fri
agrupados es:
x= 1
n i =1 i =1
Recordando quem i es la marca de la clase i , la cual es el punto medio entre
los límites superior e inferior de la clasef i , es la frecuencia de la clase yfr i es la
frecuencia relativa.
Media geométrica. De manera análoga a la media aritmética, la media geométrica

busca un número que al cambiar todos los datos por él y multiplicarlos se obtenga
el mismo valor que si se multiplican los datos originales. Y se diferencia de la media
aritmética, en la cual se hace una suma. Entonces, la media geométrica paran
datos no negativosx 1 ,x 2 , ...x n (esto es importante porque será necesario obtener
una raíz n -ésima, que no es posible de momento para números negativos) se
n
obtiene mediante: x 1 , x 2 , ...x n ⋯ . Un uso común de la media geométrica
es precisamente regularizar cuerpos geométricos con ciertas dimensiones. Por
ejemplo, si se tiene una caja que mide 4 cm de ancho, 6 cm de largo y 9 cm de alto:
¿qué dimensiones debe tener un cubo con el mismo volumen? La solución, dado
que el volumen es el producto de las tres cantidades, es la media geométrica, en
este caso 3 4 * 6 * 9 = 3 216 = 6 . En la herramienta Excel es posible calcular esta
media geométrica mediante el comando =MEDIA.GEOM(4,6,9).
Media armónica. La media armónica se construye como el inverso de la media

aritmética de los datos, es decir, si se tienenx 1 ,x 2 ,x...n , datos el valor de la media
armónica sería:
1 n
=
1
n ∑ in= 1 1
xi ∑ in= 1 1
xi
Un ejemplo de su uso es cuando se recorre la misma distancia varias veces, la

media armónica de las distintas velocidades con que se realizó cada recorrido, da la
velocidad promedio global. Considera el siguiente problema:
Una persona parte de su casa en su automóvil a visitar a un amigo. De ida su

velocidad es de 20 km/h y de regreso es de 30 km/h: ¿Cuál es su velocidad
promedio?
14/34
Para determinar la velocidad promedio se puede pensar en hacer el promedio

directo de las dos velocidades lo que daría:
v = 20 + 30 = 25 km/h
2
Para notar el problema con este resultado se supondrá que la distancia entre las
dos casas es de 6 km, entonces el tiempo que le tomó realizar el recorrido es de:
t = d + 6 km km
= 0.3 h = 18 minutos de ida
v 20
h
t = d + 6 km km
= 0.2 h = 12 minutos de vuelta
v 30
h
Recorrió una distancia de 12 km en un tiempo de 0.5 horas. De esta manera, su
velocidad promedio fue:
v = d + 12 km = 24 km
t 0.5 h h
El resultado no se obtuvo únicamente con promediar las velocidades, pero es
posible llegar a él por medio de la media armónica de las velocidades:
2 km
= 24
1 + 1 h
2 2
Para su cálculo en una hoja de Excel se puede usar la función =MEDIA.ARMO( ).
Mediana. Cuando se tiene una cantidad impar de datos, es interesante encontrar

un dato para el cual hay tantos datos mayores o iguales que él, como menores o
iguales, ese dato es llamado la mediana de la colección de los datos. En caso de
que se tenga una cantidad par de datos, la mediana se construye como el promedio
de los dos datos que se encuentran en el centro, la mediana de una colección de 2n
x +x
datos es el número n n+1 . Para poder encontrar la mediana de una colección
2
de datos es necesario primero ordenarlos de manera creciente.
En una hoja de cálculo puede usarse la función =MEDIANA( ), seleccionando los

datos a los cuales se les quiere obtener la mediana.
15/34
Moda. Es simplemente el dato que más se repite, en otras palabras, es el de mayor

frecuencia. Puede determinarse en una hoja de cálculo mediante la función =MODA( ).
Si más de un dato se repite con la misma mayor frecuencia, todos son la moda; pero
si todos son distintos, no hay moda. También para este caso los datos no necesitan
ser números pues sólo basta con que tenga la mayor frecuencia
Rango medio. Es el promedio de los valores máximos y mínimos de todos los datos.
Considera el siguiente caso para mostrar la obtención de las medidas de tendencia

central a partir de una tabla de distribución de frecuencias.
Encuentra la media, la mediana, la moda y el rango medio de la siguiente colección

de datos.
Valor Frecuencia
25 18
31 8
42 6
59 4
94 3
Para la media es necesario agregar la columna Valor por frecuencia y la fila de las
sumas
Valor Frecuencia Valor x Frecuencia

25 18 450
31 8 248
42 6 252
59 4 236
94 3 282
Suma 39 1468
Entonces el promedio está dado por:

x =
1468 ≈ 37.6410
39
16/34
Para obtener la mediana:
Ya que se tienen 39 datos, el que se encuentra en el medio debe ser el dato

20, ya que tiene 19 datos menores o iguales que él y 19 mayores o iguales que
él. De acuerdo con la tabla, los primeros 18 datos son 25, así que el que se
encuentra en el lugar 20 es 31.
Entonces, la mediana es igual a 31.
La moda es fácil de determinar, viendo la tabla donde el dato con mayor

frecuencia es 25.
Y por último, el rango medio es el promedio entre el dato menor 25 y el mayor

94:
Rango medio = 25 + 94
2
Estimación de medidas de tendencia central a partir de la tabla de frecuencias

agrupadas
Hasta el momento se han calculado las medidas, en caso de que los datos no
sean agrupados. Sin embargo también es posible aproximar estos valores a partir
de la tabla de frecuencias agrupadas. Esto es útil cuando son muchos datos muy
diferentes, como en la siguiente tabla con datos generados aleatoriamente con
ayuda de Excel y la fórmula =ALEATORI.ENTRE(0,50).
0 6 4 42 37 10 46 1
39 14 24 0 15 15 12 23
48 18 9 26 17 42 31 0
25 14 41 0 4 40 46 39
1 6 0 8 34 23 23 31
14 43 29 28 1 24 36 42
22 32 11 25 50 15 3 34
46 18 6 16 24 40 35 38
48 4 39 31 0 41 40 14
26 29 3 16 17 48 1 36
17/34
Primero, se elabora la tabla de datos agrupados. Los valores usados se calculan

también con ayuda de Excel, de tal manera que los valores necesarios quedan
como se muestra en .
La tabla de frecuencias de datos agrupados queda de la siguiente forma (como se
muestra en ):
Número Amplitud
n Máximo Mínimo Rango
de clases de clase
80 50 0 50 7 7
Clase Límites de clase Marca de clase Frecuencia

No. Li Ls mi fi
1 0 7 3.5 18
2 8 15 11.5 12
3 16 23 19.5 10
4 24 31 27.5 13
5 32 39 35.5 11
6 40 47 43.5 12
7 48 55 51.5 4
Para determinar la media se puede considerar la marca de la clase y la frecuencia

de la clase. Con este paso, se asume que la marca de la clase sustituye las
apariciones de todos los elementos de la clase. De esta manera se construye la
tabla con los productos de la marca de clase multiplicada por la frecuencia absoluta
de la clase:
18/34
Este valor se aproxima al promedio de todos los datos que se tienen, ya que la
media exacta es 22.9875, la cual está bastante cerca del resultado de la media.
También es necesario considerar que a más datos es posible que el resultado
mejore aún más.
Para obtener la mediana se agrega la columna con la frecuencia acumulada y se

hace la operación del número de datos entre dos. En este caso, como son 80 datos,
la mediana debe estar entre las posiciones 40 y 41, por lo que debe buscarse esas
posiciones y promediar las marcas de clase correspondientes:
19/34
La posición 40 está en la clase 3 y la 41 en la 4, por lo que se promedian las marcas

de esas clases. Entonces, la mediana es 19.5 + 27.5 = 23.5. Con ayuda de Excel
2
también es posible hallar la media exacta, la cual para este caso coincide con la
estimación que se hizo.
De la misma manera, la moda se obtiene con la marca de la clase de la que tiene la

mayor frecuencia, es decir 3.5. Para los datos completos, la moda es: 0. Para el rango
3.5 + 51.5
medio se toman en cuenta las marcas de clase máxima y la mínima: = 27.5.
2
El resultado es más grande que el rango mínimo exacto porque la última clase
sobrepasa al dato mayor. Las aproximaciones que se obtienen a partir de las tablas
de datos agrupados son de mucha utilidad cuando se tiene una gran cantidad de
datos.
Las medidas de tendencia central dan información de los valores que pueden
pensarse puntos medios en diferentes sentidos, por tanto es importante saber si
éstos coinciden, o su cercanía o variación. A este análisis se le conoce como sesgo y
relaciona la media, la mediana y la moda.
Sesgo. El sesgo describe la distribución de los datos, al indicar hacia dónde tienden
a concentrarse. La construcción de la gráfica facilita esta apreciación al mostrar los
resultados de manera visual. De esta manera, una distribución puede ser:
• Simétrica. Si la mayor concentración de datos se localiza en el centro de la

distribución.
• Sesgada a la derecha. Si la mayor concentración de datos está a la izquierda de

la distribución.
• Sesgada a la izquierda. Si la mayoría de los datos están concentrados a la

derecha.
El comportamiento de las medidas de tendencia central es, a grandes rasgos, como

se muestra en la figura:
20/34
3.2 Medidas de dispersión

Las medidas de dispersión son las herramientas que sirven para analizar la variación
que presentan los datos. La primera de estas medidas es el rango, se explicó cómo
se determina, en la construcción de la tabla de frecuencias acumuladas. Al recordar,
es la diferencia entre el dato mayor y el dato menor. Sin embargo, este resultado
puede no representar el comportamiento real si existe uno o varios datos que varían
mucho del resto. Estos son llamados datos aberrantes o atípicos.
La desviación estándar suele ser la más utilizada de las medidas de dispersión.

Esta medida de dispersión permite observar qué tan centrados están los datos,
con ello se puede saber si la media es una buena representación de los datos. Si la
desviación estándar es pequeña, la mayoría de los datos están cerca del promedio;
y si es grande, entonces están más repartidos o dispersos. Como recordarás, en la
unidad anterior se mencionó que un resultado muy importante en el estudio de las
distribuciones ha quedado establecido en el Teorema de Chebyshev, el cual explica
la desviación de las observaciones respecto a la media.
Varianza. Esta medida es un promedio del cuadrado de las distancias de todos los
datos a la media, es decir, si se tienen los datos x 1 , x 2 , ... x n ,𝑚 la varianza es:
(x1 - x ) 2 + ••• + (xn - x) 2
v=
n
21/34
Desviación estándar. Se define como la raíz cuadrada de la varianza, = v .
En una hoja de Excel es posible calcular la varianza y la desviación estándar

haciendo uso de las funciones =VAR.P( ) y =DESVEST.P( ) respectivamente.
Veamos un ejemplo.
De acuerdo con los datos del INEGI en 20152, la esperanza de

vida al nacer en años de edad de cada estado de la República
Mexicana es:

Entidad federativa Edad Entidad federativa Edad Entidad federativa Edad
Aguascalientes 75.9 Guerrero 72.9 Quintana Roo 75.6
Baja California 74 Hidalgo 74.4 San Luis Potosí 74.7
Baja California Sur 76 Jalisco 75.5 Sinaloa 75.5
Campeche 75.2 México 75.2 Sonora 75.3
Coahuila de Michoacán de
75.7 74.7 Tabasco 74.8
Zaragoza Ocampo
Colima 75.9 Morelos 75.7 Tamaulipas 75.8
Chiapas 75.8 Nayarit 75.1 Tlaxcala 75.2
Veracruz de Ignacio
Chihuahua 72.9 Nuevo león 76.4 74.1
de la llave
Distrito Federal 76.1 Oaxaca 73 Yucatán 75.5
Durango 75.6 Puebla 74.8 Zacatecas 75.3
Promedio
Guanajuato 75.5 Querétaro 75.4 75
Nacional
2
Fuente: http://www3.inegi.org.mx/sistemas/sisept/Default.aspx?t=mdemo56&s=est&c=23600
22/34
Se calculará la varianza y la desviación estándar para saber qué tan lejos están
los datos en general de la media.
Entidad federativa Edad (xi - x ) 2
Aguascalientes 75.9 0.7821
Baja California 74 1.0315
Baja California Sur 76 0.9690
Campeche 75.2 0.0340
Coahuila de Zaragoza 75.7 0.4684
Colima 75.9 0.7821
Chiapas 75.8 4.9090
Chihuahua 72.9 4.4759
Distrito Federal 76.1 1.1759
Durango 75.6 0.3415
Guanajuato 75.5 0.2346
Guerrero 72.9 4.4759
Hidalgo 74.4 0.3790
Jalisco 75.5 0.2346
México 75.2 0.0340
Michoacán de Ocampo 74.7 0.0996
Morelos 75.7 0.0071
Nayarit 75.1 0.0071
Nuevo león 76.4 1.9165
Oaxaca 73 4.0627
Puebla 74.8 0.0465
Querétaro 75.4 0.1477
Quintana Roo 75.6 0.3415
San Luis Potosí 74.7 0.0996
Sinaloa 75.5 0.2346
Sonora 75.3 0.0809
Tabasco 74.8 0.0465
Tamaulipas 75.8 0.6152
Tlaxcala 75.2 0.0340
Veracruz de Ignacio de la llave 74.1 0.8384
Yucatán 75.5 0.2346
Zacatecas 75.3 0.0809
Suma 29.6822
23/34
De esta manera, la varianza de los datos es v = 29.6822 = 0.9276, y la desviación

32
estándar = 0.9631. Esto dice que los datos están cerca de la media, pero
también que hay variaciones considerables en algunos de los estados.
3.3 Regresión y correlación lineal

Seguramente has notado que las personas altas suelen pesar más que las
personas más bajas, y este comportamiento suele mantenerse en general. Es
posible hacer un estudio estadístico para determinar si estos datos se relacionan
en mayor o menor medida. Para esto, los datos se plasman en una gráfica de
dispersión para luego buscar una correlación lineal entre las dos colecciones a
partir de una recta que esté cerca de todos los datos, lo mejor posible. Este
método se llama de mínimos cuadrados y para medir que tan buena es la
aproximación se aplica el coeficiente de correlación de Pearson , lo cual se
explicará a continuación.
Gráfica de dispersión. Cuando se tienen dos colecciones de datos se establece

una relación entre ellos. A cada valor de una de las colecciones le corresponde uno
o varios valores de la otra. La representación de esos valores relacionados como
coordenadas en el plano es llamada gráfica de dispersión.
Ejemplo. Se construirá la gráfica de dispersión con la siguiente información.
Se tomaron las alturas de 10 hombres y de sus hijos, sus resultados son los
siguientes:
Padre (m) 1.70 1.77 1.68 1.75 1.80 1.75 1.69 1.72 1.73
Hijo (m) 1.74 1.78 1.77 1.78 1.77 1.71 1.76 1.73 1.74
Al representar los datos en la gráfica de dispersión, uno de los valores será el eje x.
Por ejemplo, se podrá poner la altura de los padres como coordenada x, y la altura
del hijo como coordenada y 𝑦. La gráfica queda de la siguiente forma:
24/34
Para generar el gráfico anterior en Excel, basta con seleccionar los datos de la tabla
como se presentó e insertar el gráfico de tipo dispersión.
Cuando se estudia la relación entre dos variables, una puede considerarse causa y
la otra resultado o efecto de la primera. El supuesto de la existencia de una relación
de causalidad es sólo una decisión teórica. Dependiendo de las gráficas que se
obtienen, pueden verse diferentes fenómenos de relación entre las variables:
1. Relación lineal positiva o directa. Cuando se aumentan los valores de una de

las variables, la otra también aumenta.
2. Relación lineal negativa o inversa. Cuando una de las variables aumenta y la

otra disminuye.
3. No hay relación entre las variables. Cuando las variables son independientes,
tales como el salario que obtiene una persona y su estatura (debe verse que la
relación no puede establecerse de manera clara).
4. Hay relación pero no es lineal. Esto puede ocurrir, por ejemplo, si se tienen
datos que se elevan hasta cierto punto para después bajar, y las variables se
relacionan en cada uno de esos intervalos. Estos tipos de relaciones no serán
estudiados en este curso, ya que requieren de una explicación teórica más
profunda.
25/34
Para analizar la relación lineal de las variables y resumir el gráfico de dispersión es

necesario hacer uso de la covarianza.
Covarianza. Es una medida de la asociación lineal entre dos variables. Dependiendo

de su valor, indica la tendencia de la relación de las variables. Se denota xy y se
∑
determina mediante la fórmula:
n
i=1 (xi - x) (yi - y)
xy = n
Se pueden observar los comportamientos:
• Si la covarianza es positiva, entonces se tiene una relación lineal positiva.
• Si la covarianza es negativa, entonces se tiene una relación lineal negativa.
• Si la covarianza es cero, entonces no existe relación lineal entre las variables.
Y
3
3
2
2
1
1
0
0
-1
-1
-2
-2
Y -3
Y -3 -3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3 X
X X
positiva negativa cero
Con la lista de los datos es posible calcular la covarianza en Excel por medio de
la función es igual a =COVARIANCE.P( ). Siguiendo con el ejemplo, ya sea con la
resolución de las operaciones o con ayuda de la función en Excel, el gráfico de
dispersión es xy 𝜎𝑥𝑦=0.00078. Al ser positiva se obtiene lo que se veía en la gráfica, una
relación lineal positiva.
Entonces la covarianza indica el tipo de correlación lineal, pero no da información

sobre qué tan fuerte es tal relación. Para ello se hace uso del coeficiente de
correlación.
Coeficiente de correlación. Es usado para medir la fuerza de la relación lineal entre

dos variables. Se denota por r𝑟, y también se conoce como coeficiente de correlación
de Pearson. Y la manera de calcularlo es:
xy
r=
x y
26/34
Donde xy es la covarianza, en tanto que x1, y 𝜎𝑥,𝜎𝑦 son las varianzas de los dos
diferentes tipos de datos. El valor del coeficiente de correlación oscila entre -1 y +1.
Según su valor se puede afirmar:
• Si r =0 no hay correlación lineal entre las variables (puede ser de otro tipo).
• Si r =1 existe correlación lineal positiva perfecta.
• Si 0 <r < 1 existe correlación positiva, y mientras más cerca esté de 1 es más
fuerte, así como si está más cerca de 0 es más débil.
• Si r =−1 existe correlación lineal negativa perfecta.
• Si −1< r <0 existe correlación lineal negativa y es más fuerte en la medida en que
el valor se acerca a 1.
La figura siguiente muestra de forma general el posible comportamiento de la

gráfica de dispersión según su coeficiente de correlación:
27/34
Hasta ahora, en Excel existe una función que permite calcular este coeficiente y
sólo necesita de la lista de los datos de cada variable por separado. Esta función es
=COEF.DE.CORREL(datos x, datos y). Para el ejemplo de las alturas de padres e hijos
puede calcularse la desviación estándar de las dos variables, teniendo:
x = 0.0358, y = 0.00241, xy = 0.00078
xy
r= = 0.9053
x y
Con lo cual existe una correlación lineal positiva y fuerte. Si se quiere estudiar
la dependencia entre las variables x y y , de manera que la variable 𝑚 se ve como
dependiente de la variable x . Para realizar ese estudio es posible estimar o
pronosticar la relación de causalidad, siendo necesario un valor que determine si la
variable x es buena para explicar estadísticamente la variable y . Así, esta medida
es conocida como coeficiente de determinación.
Coeficiente de determinación. Se representa por r2, y de hecho es el cuadrado

del coeficiente de correlación. Sus valores van de 0 a 1; mientras la variable x
28/34
esté más próxima a 1, es mejor para explicar a y. Por otro lado, si el coeficiente
de determinación es cercano a 0, entonces el valor de x no afecta de manera
importante el comportamiento de la variable y 𝑦. Es posible determinar este coeficiente
directamente en Excel elevando al cuadrado el coeficiente de correlación.
En el caso del ejemplo de la estatura de padres e hijos, el coeficiente de

determinación es r2𝑟 =0.8195. De esta manera, se puede decir que existe una relación
significativa que hace que la altura del padre sea factor determinante de la estatura
de los hijos. Este resultado dice que, en efecto, la gráfica de dispersión se comporta
muy parecido a una recta de manera muy fuerte: ¿cómo se traza esta recta? En
el caso de apoyarse totalmente en Excel o similares, existe una forma de ajustar
automáticamente la recta que mejor se aproxima a los datos: una vez creada la
gráfica de dispersión y teniéndolo seleccionado en la pestaña de “Diseño”, se toma
la opción “Agregar elemento de gráfico” y luego seleccionas “Línea de tendencia” y
eliges la opción deseada. El ajuste lineal al ejemplo de las alturas resulta:
Esto es claro con toda la ayuda de Excel. Sin embargo, es posible aproximar la recta
que ajusta mejor a los datos. Este proceso es conocido como regresión lineal. En
general, la teoría de regresión universal permite hacer predicciones basándose en
la dependencia de datos pasados de las variables y es de gran importancia en la
estadística. En este curso se considerará solo el tipo de regresión lineal simple, por
medio de los métodos de regresión lineal por covarianza y regresión lineal por el
método de mínimos cuadrados.
29/34
Regresión lineal por covarianza. La regresión lineal permite definir la recta que
mejor se ajusta a la nube de puntos. La ecuación que define cualquier recta es
y = ax + b; por lo tanto, es necesario determinar los valores de a y b para que la recta
quede completamente definida, los valores que se deben tomar son:
• a es la pendiente de la recta. La manera de calcularlo es dividiendo la

covarianza de las dos variables entre la desviación estándar de x al cuadrado, es
decir:
• b es llamada la ordenada al origen, es decir, el valor que toma la recta cuando

x=0. Se calcula como la media de la variable y menos la media de la variable x
multiplicada por a.
b= y - ax
Regresando al ejemplo que se tenía sobre estaturas, la pendiente de la recta y la
ordenada al origen están dadas por:
0.00078 = 0.6094, =1.75 - 0.6094(1.73)=0.6958

0.0358^2
Entonces, la ecuación de la recta que se ajusta a los datos es y = 0.6094 𝑥+ 0.6958,

quedando la gráfica:
30/34
En la aplicación del programa Excel la regresión lineal es la misma que la que

se calculó arriba. Su uso, como te puedes dar cuenta, facilita mucho el análisis
estadístico. Ahora bien, el siguiente método para ajustar un conjunto de datos es de
los más empleados en varias áreas de la matemática. Este es el método de mínimos
cuadrados.
Método de mínimos cuadrados. Para este curso se mencionará sólo este método,
ya que sus expresiones son un poco más complicadas de entender. Sin embargo,
los programas como Excel y uno especializado llamado R, usan este método
para ajustar los datos. El método lo que hace es considerar que y = f (x). En otras
palabras, existe una relación de causalidad entre las variables, donde la función de
la recta es la que mejor ajusta los datos. El siguiente paso consiste en establecer
que para cada xi se determina el error (e) entre la aproximación f (xi) y el valor de la
variable yi esto es:
ei = yi - f (xi)
Entonces, lo que se busca es minimizar el valor de la suma del cuadrado de todos
esos errores (ei ):
n
∑e 2i
i =o
De ahí, se deriva su nombre, mínimos cuadrados. En general, si los valores del

coeficiente de determinación son cercanos a 1, ambos métodos arrojarán resultados
similares.
La importancia de tener la regresión lineal es para poder estimar los valores de

una de las variables, sabiendo que hay cierta relación entre ellas. Una vez más
recurriendo al ejemplo de estaturas, si se quisiera estimar la altura de un hombre
sabiendo que su padre mide 1.60 m, se puede evaluar en la recta, por lo tanto:
y𝑦 = 0.6094(1.60) + 0.6958 = 1.67084. Esta puede ser una buena estimación a un valor
experimental. Las aplicaciones de este proceso son muy variadas. Por ejemplo,
en economía y finanzas se buscan relaciones entre el índice de precios y las
cotizaciones en la bolsa o el precio del petróleo y el oro, etcétera, con el fin de
predecir cuál podría ser el valor en un futuro. Sin embargo, los procesos en esta
área en general suelen ser más complejos porque intervienen muchos factores,
por lo que una relación lineal rara vez ocurre y es necesario establecer relaciones
de otro tipo. Pero se trata de procedimientos similares con la misma idea de la
regresión lineal detrás de ellos.
31/34
Para resumir este tema, se expuso que hay métodos y

herramientas de análisis estadístico de aplicación en la
vida cotidiana. Por ejemplo, ¿cuántas veces has calculado
tu rendimiento escolar valiéndote del promedio de tus
calificaciones? Ahora te puedes dar cuenta de que con la
incorporación de recursos estadísticos, se puede ser más
preciso en el análisis de la información. Aún mejor, ahora existen herramientas
como las hojas de cálculo, Excel, con las que se puede acceder más fácil y rápido,
por ejemplo, al cálculo de medidas de tendencia central y, aún más sofisticado, al
análisis de dispersión, por mencionar algunos.
Cierre
El conocimiento no por ser riguroso es necesariamente árido, podría ser el epílogo

de esta unidad. Se ha visto que el rigor científico proporcionado por la estadística y
la probabilidad, si bien tienen dificultades de comprensión, además de demandar
tiempo de estudio, también tienen un lado amable y una expresión sencilla.
Hay conceptos que no son accesibles en un primer momento, pero cuando se

representan de manera gráfica aparece la argumentación de rápida comprensión.
Además de haber profundizado más en el análisis estadístico y probabilístico, así
como el de varianza y desviación estándar, también se estudió que si muchos de
esos conceptos se representan de manera gráfica, se convierte en argumentos
fáciles y de rápida transmisión.
Ello no evita que cuando se consulten referencias estadísticas, se cuestione cuál

fue el método de muestreo, el objetivo, la representatividad de la muestra u otros
conceptos que aprendiste en este módulo para formarte una idea clara del rigor
con el que te ofrecen una argumentación “científicamente comprobada”.
32/34
Fuentes
Bibliográficas
Barrera, J. M. (10 de febrero de 2016). Surbubano, mejor transporte en el Valle de

México. El Universal , p. Consultado el 12 de febrero 2016.
Cámara de Diputados. (2001). Evolución y perspectiva del sector enrgético en

México 1970-2000. México, Palacio Legislativo de San Lázaro: Centro de estudios de
las finanzas públicas.
SAGE . (2009). Glossary of the Social and Behavioral Sciences. New York: SAGE
Publications.
Triola, M. F. (2013). Estadística 11a Edición. México: Pearson educación.
Durkhiem, E. (1979). La reglas del método sociológico. Buenos Aires: Pléyade.
Dasinger et. al., M. L. (2003). Comparision of the Atkis, Ornish Weight Watchers and
Zone Diets for weight loss and heart disease risk reduction. Journal od American
Medical Association , 43-53.
Hernández Sampieri et. al., R. (2014). Metodología de la investigación. México: Mc

Graw Hill.
Kuhn, T. (1971). La estructura de las revoluciones científicas. México: Fondo de

Cultural Económica.
Navarro, E. M. (2012). Estudio de la motorización en México mediante la dinámica de

posesión vehicular: determinantes macroeconómicos y microeconómicos. Safandila,
Querétaro: Secretaría de Comunicaciones y Transporte. Instituto Mexicano del
Transporte.
33/34
Electrónicas
Adelgazar rápido. (2016). HTTP://WWW.ADELGAZARRAPIDOWEB.

COM/. Recuperado el 11 de marzo de 2016. Disponible en: HTTP://WWW.
ADELGAZARRAPIDOWEB.COM/DIETAS-PARA-ADELGAZAR/DIETA-ATKINS/
Bienestar 180. (2016). 4 razones por las que el estrés aumenta tu peso. Recuperado
el 10 de marzo de 2016. Disponible en: HTTP://BIENESTAR.SALUD180.COM/
SALUD-DIA-DIA/4-RAZONES-POR-LAS-QUE-EL-ESTRES-AUMENTA-TU-PESO
Castillo, A. (2016). http://www.animalpolitico.com. Recuperado el 17 de marzo

de 2016. Disponible en: HTTP://WWW.ANIMALPOLITICO.COM/2016/03/LA-
CORRUPCION-EL-OTRO-CASTIGO-PARA-LOS-JOVENES-INFRACTORES/
Carrasco Arroyo, S. (2016). Aproximación a la estadística desde las ciencias

sociales. Recuperado el 15 de abril de 2016. Disponible en: HTTP://WWW.UV.ES/
CARRASCS/PDF/APROXIMACION%20ESTADISTICA.PDF
Ecojoven. (2016). http://www.ecojoven.com/seis/10/co2.html. Recuperado el: 23 de

marzo de 2016. Disponible en: HTTP://WWW.ECOJOVEN.COM/SEIS/10/CO2.HTML
Revista Índice. (15 de mayo de 2006). Quien es quien: Adolphe Quetelet. Disponible
en: HTTP://WWW.REVISTAINDICE.COM/NUMERO16/P2.PDF
Rojas Portilla et. al., E. (28 de septiembre de 2009). Probabilidades. Disponible en:
HTTP://ECA-M-MATEMATICA-2MEDIO-PROBABILLIDAD.BLOGSPOT.MX/: HTTP://
ECA-M-MATEMATICA-2MEDIO-PROBABILLIDAD.BLOGSPOT.MX/2009/09/
PROBABILIDAD-1-SUCESOS-ALEATORIOS-Y.HTMLH
Wikipedia. (2016). Wikipedia. Recuperado el 10 de marzo de 2016. Disponible en:

HTTPS://ES.WIKIPEDIA.ORG/WIKI/ESTAD%C3%ADSTICA#ORIGEN
34/34

Contenido en Extenso - Unidad 2 - Módulo 17 - Prepa en Línea - SEP

Uploaded by

Document Information

Original Title

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

Contenido en Extenso - Unidad 2 - Módulo 17 - Prepa en Línea - SEP

Uploaded by

Copyright:

Available Formats

Tratamiento estadístico de

2. Concepto fundamental: probabilidad y estadística

3. Análisis estadístico de la información, representación gráfica y uso de hojas de cálculo

Desarrollar los modelos de la estadística descriptiva que permitirán analizar,

• Argumenta la posibilidad de ocurrencia de algunos fenómenos naturales y

• Interpreta tablas y gráficas que representen la información de los hechos o

• Calcula las medidas de tendencia central y de dispersión de varios conjuntos

• Interpreta y explica el funcionamiento de fenómenos naturales y procesos

• Correlaciona las variables involucradas entre fenómenos naturales y procesos

• Evalúa y determina la posibilidad de ocurrencia, y el comportamiento de

• Analiza y sintetiza las observaciones estadísticas para llegar a conclusiones

Con base en los recursos y conceptos estudiados en Unidad I de este módulo, se

Una constante en las preocupaciones de los seres humanos, a lo largo de su

Lo anterior no quiere decir que cada investigador invente su

La estadística es una ciencia utilizada constantemente en diferentes disciplinas. Es

La estadística tiene una metodología científica particular; es decir, tiene pasos

a) Planteamiento del problema

b) Establece el objeto de estudio

c) Define los objetivos e hipótesis

d) Especifica el tamaño y tipo de muestreo

e) Recopila datos para el logro de los objetivos, la aceptación o rechazo de las

f) Cubre los requisitos de ética en la recolección de datos

h) Proporciona un análisis descriptivo

i) Genera un modelo explicativo

j) Resuelve las hipótesis planteadas

El planteamiento del problema implica

El objeto de estudio consiste en describir con

La hipótesis es una proposición tentativa

El tamaño de la muestra y el tipo de muestreo están

En el proceso de recopilación de datos, el investigador definirá la forma de reunir los

En la recopilación de datos, el investigador definirá la forma de reunir los

La depuración de la muestra consiste en

En el paso del análisis descriptivo, el investigador procede a extraer las medidas de

Análisis descriptivo: es la obtención de las medidas de tendencia central,

La generación de un modelo explicativo

Finalmente, el paso de la resolución de las hipótesis consiste en señalar, con base

En resumen, la certeza de las observaciones

Para saber más

2. Concepto fundamental: probabilidad y estadística

Este módulo aborda los principios básicos

En tal sentido, la estadística trabaja con datos

La probabilidad puede o no tener información sobre los eventos que aún no

Por ejemplo, la estadística puede organizar y sistematizar

Para saber más

3. Análisis estadístico de la información, representación

La razón principal para clasificar datos y dibujar un histograma de la tabla de

Las primeras medidas descriptivas que se

El análisis de la variación de los valores

El uso de la computadora es una herramienta útil para trabajar y analizar datos

3.1 Medidas de tendencia central

Media aritmética. La más común de estas medidas es

Valor Frecuencia Valor x Frecuencia

Si los datos ya están agrupados, también es posible determinar una media

Media geométrica. De manera análoga a la media aritmética, la media geométrica

Media armónica. La media armónica se construye como el inverso de la media

Un ejemplo de su uso es cuando se recorre la misma distancia varias veces, la

Una persona parte de su casa en su automóvil a visitar a un amigo. De ida su

Para determinar la velocidad promedio se puede pensar en hacer el promedio

Para su cálculo en una hoja de Excel se puede usar la función =MEDIA.ARMO( ).

Mediana. Cuando se tiene una cantidad impar de datos, es interesante encontrar

En una hoja de cálculo puede usarse la función =MEDIANA( ), seleccionando los

Moda. Es simplemente el dato que más se repite, en otras palabras, es el de mayor

Considera el siguiente caso para mostrar la obtención de las medidas de tendencia