1. UNIDAD 1 FASE 2 – IDENTIFICACION DE VARIABLES ESTADISTICAS
CURSO
Estadística Descriptiva
PRESENTADO POR
Kelly Yurani Sanchez Ortiz
NÚMERO DE GRUPO
300046_29
NOMBRE DEL TUTOR
Luis Alberto Cáceres Torres
UNIVERSIDAD ABIERTA Y DISTANCIA UNAD
AGRONOMÍA
ESCUELA DE CIENCIAS AGRÍCOLAS, PECUARIAS Y DEL MEDIO
AMBIENTE
(ECAPMA)
2020
2. 1. Resolver las siguientes preguntas:
a. Qué es una variable cuantitativa continua.
Una variable continua es aquella que puede adoptar cualquier valor en el marco
de un intervalo que ya está predeterminado. Entre dos de los valores, siempre
puede existir otro valor intermedio, susceptible de ser tomado como valor por
la variable continua. (Definiciones.de, 2016)
b. Qué es una variable cuantitativa discreta.
Una variable discreta es una variable que no puede tomar algunos valores dentro
de un mínimo conjunto numerable, quiere decir, no acepta cualquier valor,
únicamente aquellos que pertenecen al conjunto. En estas variables se dan de
modo coherente separaciones entre valores observables sucesivos. (Matemovil,
2015)
c. Qué es una variable cualitativa nominal.
Una variable cualitativa nominal presenta modalidades no numéricas que no
admiten un criterio de orden. Por ejemplo: El estado civil, con las siguientes
modalidades: soltero, casado, separado, divorciado y viudo.
d. Qué es una variable cualitativa categórica.
Las variables categóricas también se denominan variables cualitativas o variables
de atributos. Los valores de una variable categórica son categorías o grupos
mutuamente excluyentes. Los datos categóricos pueden tener o no tener un orden
lógico. Los valores de una variable cuantitativa son números que suelen
representar un control o una medición. Con frecuencia, usted recopilará datos
categóricos y datos cuantitativos al explorar un mismo asunto. (support.minitab)
e. Cuál es la diferencia entre media poblacional y media muestral.
3. La media poblacional toda la totalidad de los datos para realizar la estimación,
mientras que la media muestra se basa en una muestra significativa de esa
población.
f. Qué es la varianza de una población.
Cuando se contrasta la hipótesis de igualdad de medias de dos poblaciones o
cuando se realiza un análisis de la varianza (ANOVA) es fundamental decidir si
puede aceptarse que las muestras independientes provienen de poblaciones con la
misma varianza. (ub.edu)
g. Qué es desviación estándar.
La desviación estándar es la medida de dispersión más común, que indica qué tan
dispersos están los datos con respecto a la media. Mientras mayor sea la
desviación estándar, mayor será la dispersión de los datos. (support.minitab)
h. Qué es la Regla de Sturges ¿para qué sirve?
La regla de Sturges es un criterio utilizado para determinar el número de clases o
intervalos que son necesarios para representar gráficamente un conjunto de datos
estadísticos. La regla de Sturges es muy utilizada sobre todo en el área de la
estadística, específicamente para construir histogramas de frecuencia.
(lifeder)
i. Qué es frecuencia absoluta.
La frecuencia absoluta es una medida estadística que nos da información acerca
de la cantidad de veces que se repite un suceso al realizar un número determinado
de experimentos aleatorios. Esta medida se representa mediante las letras fi. La
letra f se refiere a la palabra frecuencia y la letra i se refiere a la realización i-
ésima del experimento aleatorio. (Economipedia)
4. j. Qué es frecuencia relativa.
La frecuencia relativa es una medida estadística que se calcula como el cociente
de la frecuencia absoluta de algún valor de la población/muestra (fi) entre el total
de valores que componen la población/muestra (N). (Economipedia)
k. Qué es frecuencia relativa acumulada.
La frecuencia relativa acumulada es el resultado de ir sumando las frecuencias
relativas de las observaciones o valores de una población o muestra. Esta se
representa por las siglas Hi. (Economipedia)
l. ¿Cuál es la diferencia entre una tabla de frecuencias absolutas de una variable
continua y de una discreta?
La diferencia es que en la tabla de frecuencias absolutas de una variable discreta
toma un número finito o infinito numerable de valores y la Variable continua,
si toma un número infinito no numerable de valores.
m. Qué es un Boxplot o diagrama de cajas, para qué sirve.
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una
presentación visual que describe varias características importantes, al mismo
tiempo, tales como la dispersión y simetría.Para su realización se representan los
tres cuartiles y los valores mínimo y máximo de los datos, sobre un rectángulo,
alineado horizontal o verticalmente; que sirve para comparar dos o más conjuntos
de datos. (Estadisticaparatodos)
n. En qué tipo de variables se usa el histograma.
Un histograma es una gráfica adecuada para representar variables continuas,
Aunque también se puede usar para variables discretas. Es decir, mediante un
Histograma se puede mostrar gráficamente la distribución de una variable
Cuantitativa o numérica.
o. En qué tipo de variables se usa el gráfico de barras.
5. El diagrama de barras (o gráfico de barras) es un gráfico que se utiliza para
representar datos de variables cualitativas o discretas.
2. Con los siguientes datos de la variable cuantitativa continua “Edad”:
18.4 19.2 19.6 23 20
20.4 19.4 21.4 18 24
17 22 15 22 25
Ordenamos tabla
15 17 18 18.4 19.2
19.4 19.6 20 20.4 21.4
22 22 23 24 25
Regla de Sturges
𝐾 = 1 + 3.3 ∗ 𝐿𝑜𝑔𝑁
𝐾 = 1 + 3.3 ∗ 𝐿𝑜𝑔15
𝐾 = 4.88 ≈ 5
𝑅𝑎𝑛𝑔𝑜 = 𝑉𝑚𝑎𝑥𝑖𝑚𝑜 − 𝑉𝑚𝑖𝑛𝑖𝑚𝑜
𝑅𝑎𝑛𝑔𝑜 = 25 − 15
𝑅𝑎𝑛𝑔𝑜 = 10
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 =
𝑅
𝐾
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 =
10
5
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 = 2
Intervalos 𝑓𝑖 𝑥𝑖 𝑥𝑖
2
𝑥𝑖 ∗ 𝑓𝑖 𝑥𝑖
2
∗ 𝑓𝑖
10. 𝑅 = 5 − 0
𝑅 = 5
g. Indicar el valor de los cuatro cuartiles.
𝑄𝑘 =
𝑘(𝑁 + 1)
4
𝑄1 =
1(15+ 1)
4
𝑄1 = 4
𝑄1 = 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 #4 = 1
𝑄2 =
2(15 + 1)
4
𝑄2 = 8
𝑄2 = 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 #8 = 2
𝑄3 =
3(15 + 1)
4
𝑄3 = 12
𝑄3 = 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 #12 = 3
h. Realice el gráfico de frecuencia absoluta
11. Grafica 2. Gráfico de frecuencia absoluta
Presentar los gráficos que obtenga al ejecutar el código, para ello, cuando le aparezca un
gráfico debe dar click derecho sobre este y seleccionar “copiar como metafile” para
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
0 1 2 3 4 5
Frecuencia
12. posteriormente pegarlo en el informe. Los gráficos para presentar se deben dividir en tres
secciones:
a. Gráficos de variable cuantitativa continua
i. Histograma con Regla de Sturges variable edad
ii. Histograma de la variable continua Edad
iii. Boxplot o diagrama de cajas variable continua
PERIODO 764 - Histograma de la variable continua Edad
edad
Frecuencia
14 16 18 20 22 24 26
0
1
2
3
4
5
13. b. Gráficos de variable cuantitativa discreta
i. Boxplot o diagrama de cajas variable discreta
ii. Diagrama de barras Frecuencia Absoluta
16
18
20
22
24
PERIODO 764 - Boxplot o diagrama de cajas variable continua
Edad
(años)
0
1
2
3
4
5
PERIODO 764 - Boxplot o diagrama de cajas variable discreta
número
de
hermanos
14. iii. Diagrama de barras Frecuencia relativa
iv. Diagrama de barras Frecuencias relativas acumuladas
v. Gráfico de tarta de Hermanos
c. Gráficos de variable cualitativa
0 1 2 3 4 5
PERIODO 764 - Diagrama de barras Frecuencia Absoluta
Número de hermanos
Frecuencias
absolutas
0
1
2
3
4
0
1
2
3
4
5
PERIODO 764 - Gráfico de tarta de Hermanos
15. i. Diagrama de barras frecuencias absolutas nivel de estudio agricultor
ii. Diagrama de barras frecuencias relativas nivel de estudio de agricultores
RESULTADOS QUE APARECEN EN LA CONSOLA R
R version 4.0.2 (2020-06-22) -- "Taking Off Again"
Copyright (C) 2020 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64 (64-bit)
R es un software libre y viene sin GARANTIA ALGUNA.
Usted puede redistribuirlo bajo ciertas circunstancias.
Escriba 'license()' o 'licence()' para detalles de distribucion.
R es un proyecto colaborativo con muchos contribuyentes.
Escriba 'contributors()' para obtener más información y
'citation()' para saber cómo citar R o paquetes de R en publicaciones.
Sin estudios Estudios Primarios Estudios Secundarios Estudios Superiores
PERIODO 764 - Diagrama de barras frecuencias absolutas nivel de estudio agricultor
Nivel de estudio
Frecuencias
absolutas
0
1
2
3
4
5
16. Escriba 'demo()' para demostraciones, 'help()' para el sistema on-line de ayuda,
o 'help.start()' para abrir el sistema de ayuda HTML con su navegador.
Escriba 'q()' para salir de R.
> # CURSO ESTADISTICA DESCRIPTIVA (300046_764) PERIODO ACADÉMICO 16-
4 DE 2020
> # CONCEPTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA Y MANEJO DEL
CODIGO R UNIDAD 1
> # Recuerde que para ejecutar cada una de las líneas del código debe digitar "Control+r"
> # Recuerde siempre ejecutarlo en orden, de arriba hacia abajo
> # Las líneas del código que inician con el símbolo # no son comandos sino textos
explicatorios
> # IMPORTANTE: NO MODIFIQUE NINGUNA PARTE DEL CÓDIGO
> # Si lo modifica, le puede aparecer errores
> # Si por error lo modificó, ingrese nuevamente a la carpeta de Google Drive y descárguelo
nuevamente
> # En este ejercicio conoceremos los principales tipos de varables que se manejan en
estadística descriptiva:
> # Variable cuantitativa continua
> # Variable cuantitativa discreta
> # Variable cualitativa o categórica
>
> # VARIABLES CUANTITATIVAS CONTINUAS
>
> # Son variables de mediciones en individuos u objetos como peso, edad, altura, entre
muchas otras.
> # son variables que admiten decimales.
> # En la variable de ejemplo, se le preguntó la edad a 15 estudiantes universitarios:
17. > # Tenga presente que la edad es una varible continua, ya que puede admitir números
decimales
> # Por ejemplo, alguien que tenga 15 años y 6 meses, es equivalente a una edad de 15.5
años.
>
> edad=c(18.4,19.2,19.6,23,20,20.4,19.4,21.4,18,24,17,22,15,22,25)
>
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada
uno de ellos:
> summary(edad)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
15.00 18.80 20.00 20.29 22.00 25.00
> mean(edad)#media aritmética
[1] 20.29333
> var(edad)#varianza
[1] 7.182095
> sd(edad)#desviación estándar
[1] 2.679943
> min(edad) #Mínimo
[1] 15
> max(edad)# Máximo
[1] 25
> range(edad) #Rango
[1] 15 25
> median(edad)# Mediana
[1] 20
> length(edad)# Número de datos
[1] 15
> quantile(edad, 0.25)# Cuantil Q1
25%
18.8
18. > quantile(edad, 0.75)# Cuantil Q3
75%
22
> quantile(edad, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
20
> IQR(edad) #Rango intercuartílico
[1] 3.2
> sort(edad)# Ordenar
[1] 15.0 17.0 18.0 18.4 19.2 19.4 19.6 20.0 20.4 21.4 22.0 22.0 23.0 24.0 25.0
>
> ### Regla de Sturges para creación de histograma en variables continuas
> range(edad,na.rm=TRUE) # incluimos na.rm=TRUE para que ignore la presencia de
valores perdidos
[1] 15 25
> nclass.Sturges(edad)#Número de intervalos
[1] 5
> seq(15,25,length=nclass.Sturges(edad)) # Límites de los intervalos
[1] 15.0 17.5 20.0 22.5 25.0
>intervalosEdad=cut(edad,breaks=seq(15,25,length=nclass.Sturges(edad)),include.lowest=
TRUE)
> intervalosEdad # Se muestran los intervalos de edad, uno correspondiente a cada edad
observada
[1] (17.5,20] (17.5,20] (17.5,20] (22.5,25] (17.5,20] (20,22.5] (17.5,20]
[8] (20,22.5] (17.5,20] (22.5,25] [15,17.5] (20,22.5] [15,17.5] (20,22.5]
[15] (22.5,25]
Levels: [15,17.5] (17.5,20] (20,22.5] (22.5,25]
>Rpuntos=min(edad)+(0:nclass.Sturges(edad))*(max(edad)-
min(edad))/nclass.Sturges(edad)
>
> #Histograma de la variable edad con la regla de Sturges:
19. > # Cuando el comando produce la gráfica, lo saca del código y lo dirige a esta.
> # Para volver al código para seguir ejecutándolo, es importante que ubique el cursor en la
parte superior del marco,
> # en donde se encuentra el nombre del archivo: "Codigo Fase 2 - Variables Estadísticas.t"
> # Si ubica el cursor dentro del texto del archivo, corre el riesgo de perder el orden que
llevaba al ejecutar el código
> # y le pueden quedar partes del código sin ejecutar.
> hist(edad,main="PERIODO 764 - Histograma con Regla de Sturges variable
edad",breaks=puntos) # este comando crea el gráfico de histograma con la regla de Sturges
Error in hist.default(edad, main = "PERIODO 764 - Histograma con Regla de Sturges
variable edad", :
objeto 'puntos' no encontrado
>
> # Instalación libreria "agricolae":
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos
del código
> # Esta es la forma de instalar desde el editor:
>
> install.packages("agricolae") # Esperar que salga una lista de países y seleccionar USA(IA)
Installing package into ‘C:/Users/KELLY/Documents/R/win-library/4.0’
(as ‘lib’ is unspecified)
--- Please select a CRAN mirror for use in this session ---
Error in contrib.url(repos, "source") :
trying to use CRAN without setting a mirror
>
> # Damos "OK" y el programa instala el paquete
> # Es una libreria grande, así que hay que tener paciencia y esperar hasta que esté totalmente
instalada
> # Esperar hasta que aparezca el mensaje: "The downloaded binary packages are in (muestra
la carpeta donde se guardaron)"
20. > # Debe aparecer nuevamente el cursor rojo en la consola de resultados a la izquierda (R
Console)
> # Si la libreria quedó bien instalada, al dar "CONTROL+R" aparece "library(agricolae)"
en color rojo
> library(agricolae)
Error in library(agricolae) : there is no package called ‘agricolae’
>
> ### Gráficos de variables continuas:
> # Histograma de la variable edad
>
> hist(edad,ylab="Frecuencia",main="PERIODO 764 - Histograma de la variable continua
Edad")
>
> # Como pueden ver, una vez instalada la libreria "agricolae" no hace falta realizar todos
los pasos que se
> # necesitaron para obtener el histograma por medio de la Regla de Sturges
> boxplot(edad,ylab="Edad (años)",main="PERIODO 764 - Boxplot o diagrama de cajas
variable continua") # Gráfico de diagrama de cajas o Boxplot
> # El boxplot organiza los datos de menor a mayor y los agrupa en cuatro cuartiles, donde
cada uno tiene la misma
> # cantidad de datos.
>
> # VARIABLES CUANTITATIVAS DISCRETAS
>
> # Variables de conteos, solo toman valores en números enteros como número de hermanos,
de frutos, etc.
> # En la variable de ejemplo, se le preguntó a un curso de 15 estudiantes cuántos hermanos
tenían cada uno de ellos:
>
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
>
21. > #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada
uno de ellos:
> summary(Hermanos)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0 1.0 2.0 2.2 3.0 5.0
> min(Hermanos) #Mínimo
[1] 0
> max(Hermanos)# Máximo
[1] 5
> range(Hermanos) #Rango
[1] 0 5
> mean(Hermanos)# Media aritmética ## SI HAY DATOS PERDIDOS TOCA CON
SUMMARY
[1] 2.2
> median(Hermanos)# Mediana
[1] 2
> length(Hermanos)# NÚMERO DE DATOS
[1] 15
> sd(Hermanos)# Desviación típica
[1] 1.473577
> quantile(Hermanos, 0.25)# Cuantil Q1
25%
1
> quantile(Hermanos, 0.75)# Cuantil Q3
75%
3
> quantile(Hermanos, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
2
> IQR(Hermanos) #Rango intercuartílico
[1] 2
22. > sort(Hermanos)# Ordenar
[1] 0 0 1 1 1 2 2 2 2 3 3 3 4 4 5
> ##En este caso las tablas de frecuencias se desarrollan por pasos:
> table(Hermanos) #Tabla de frecuencias absolutas
Hermanos
0 1 2 3 4 5
2 3 4 3 2 1
> fabs=table(Hermanos)##Tabla de frecuencias absolutas
> fabs
Hermanos
0 1 2 3 4 5
2 3 4 3 2 1
> fabsacum<-as.table(cumsum(fabs))#Frecuencias absolutas acumuladas
> fabsacum
0 1 2 3 4 5
2 5 9 12 14 15
> Rfrel=prop.table(table(Hermanos))#Tabla de frecuencias relativas
> frel
Error: objeto 'frel' no encontrado
> frelacum<-as.table(cumsum(frel))#Frecuencias relativas acumuladas
Error in as.table(cumsum(frel)) : objeto 'frel' no encontrado
> frelacum
Error: objeto 'frelacum' no encontrado
> # Podemos decir que cero hermanos tiene el 0.133 en proporción ó el 13.3% de los
individuos encuestados.
> # Las proporciones se multiplican por 100 para expresarlas en porcentaje.
>
> ##Gráficos de variables cuantitaivas discretas:
> boxplot(Hermanos,ylab="número de hermanos",main="PERIODO 764 - Boxplot o
diagrama de cajas variable discreta")
23. > barplot(fabs,xlab="Número de hermanos",ylab="Frecuencias
absolutas",main="PERIODO 764 - Diagrama de barras Frecuencia Absoluta")
> barplot(frel,xlab="Número de hermanos",ylab="Frecuencias relativas",main="PERIODO
764 - Diagrama de barras Frecuencia relativa")
Error in barplot(frel, xlab = "Número de hermanos", ylab = "Frecuencias relativas", :
objeto 'frel' no encontrado
> barplot(frelacum,xlab="Número de hermanos",ylab="Frecuencias
relativas",main="PERIODO 764 - Diagrama de barras Frecuencias relativas acumuladas")
Error in barplot(frelacum, xlab = "Número de hermanos", ylab = "Frecuencias relativas", :
objeto 'frelacum' no encontrado
> pie(fabs,col=rainbow(6),main=c("PERIODO 764 - Gráfico de tarta de Hermanos"))
#Gráfico de tarta
>
> # VARIABLES CUALITATIVAS
>
> # Son variables atribuibles a espectos cualitativos no numéricos, como el color, la raza,
etc...
> # Pueden ser de tipo nominal, donde cada categoría es independiente de la otra, como el
color o la raza
> R# O de tipo categórigo, donde existe algún tipo de estratificación o nivel, como el nivel
de estudios o el estrato socioeconómico.
Error: objeto 'R' no encontrado
> # A continuación tomaremos como ejemplo la variable categórica "Nivel de estudios"
> # de los agricultores pertenecientes a una misma vereda.
> # Para poder codificar lo que cada agricultor respondió, se le asigna un número a cada nivel
de estudio:
> # Nivel de estudios: 0:“Sin estudios”; 1: “Estudios Primarios”; 2: “Estudios Secundarios”;
3:“Estudios Superiores”
>
> estudios=c(1,2,0,1,0,1,1,2,3,2,3,1,2,3)
>
24. > # Esto es lo que respondió cada agricultor ya codificado, para poderlo analizar en el
programa R.
>
> # Ahora, hay que explicarle al programa lo que significa cada número
>
> # Se le aclara que nuestra variable tiene 4 categorías, del 0 al 3:
>
> estudios=factor(estudios, levels=c(0,1,2,3),
+
+ # Se indica a qué corresponde cada número, desde el menor grado hasta el mayor y cuál es
su etiqueta:
+
+ labels=c("Sin estudios","Estudios Primarios","Estudios Secundarios","Estudios
Superiores"))
>
> estudios # Muestra lo que respondió cada agricultor y los cuatro niveles de la variable:
[1] Estudios Primarios Estudios Secundarios Sin estudios
[4] Estudios Primarios Sin estudios Estudios Primarios
[7] Estudios Primarios Estudios Secundarios Estudios Superiores
[10] Estudios Secundarios Estudios Superiores Estudios Primarios
[13] Estudios Secundarios Estudios Superiores
4 Levels: Sin estudios Estudios Primarios ... Estudios Superiores
>
> # Una vez se ha codificado exitosamente la variable, se puede analizar con R:
> # Presentar estos resultados en un cuadro y explicar:
>
> summary(estudios)# debe aparecer cada nivel, con el número de agricultores que se
encuentran en cada uno de estos:
Sin estudios Estudios Primarios Estudios Secundarios
2 5 4
Estudios Superiores
25. 3
> table(estudios) #Tabla de frecuencias absolutas
Estudios
Sin estudios Estudios Primarios Estudios Secundarios
2 5 4
Estudios Superiores
3
>
> # Hay que tener cuidado cuando se va a usar un comando que ya se había usado antes
> # Es importante cambiarle el nombre, o va a producir los resultados para los que se creó
inicialmente
> # En la variable discreta, ya habíamos usado los comandos "fabs" y "frel"
> # Así que para usarlos nuevamente, les cambiamos el nombre a "fabs1" y "frel1":
>
> fabs1=table(estudios)# Tabla de frecuencias absolutas
> fabs1 # si no se le cambia el nombre, aparecería el mismo resultado que produjo en la
variable discreta
estudios
Sin estudios Estudios Primarios Estudios Secundarios
2 5 4
Estudios Superiores
3
> frel1=prop.table(table(estudios))# Tabla de frecuencias relativas
> frel1
estudios
Sin estudios Estudios Primarios Estudios Secundarios
0.1428571 0.3571429 0.2857143
Estudios Superiores
0.2142857
>
26. > # Podemos decir que el 0.143 de los agricultores encuestados no tienen estudios o en
proporción, el 14.3%
> # Para pasarlo a porcentaje, se multiplica el resultado por 100
>
> ##Gráficos de variables cualitativas
> barplot(fabs1,ylab="Frecuencias absolutas",xlab="Nivel de estudio",main="PERIODO
764 - Diagrama de barras frecuencias absolutas nivel de estudio agricultor")
> barplot(frel1,ylab="Frecuencias relativas",xlab="Nivel de estudio",main="PERIODO 764
- Diagrama de barras frecuencias relativas nivel de estudio de agricultores")
>
> #Les deseamos éxitos en la ejecución de este ejercicio.
> # Si tiene alguna inquietud, por favor consulte con su respectivo tutor, de acuerdo al grupo
al que pertenece.
> # Preparado por: Luis Alberto Cáceres - Director del curso Estadística Descriptiva (para
ciencias agrarias)
27. REFERENCIAS
Definiciones.de. (2016). variable cuantitativa continua. Recuperado el 2020, de
https://definicion.de/variable-cuantitativa/
Economipedia. (s.f.). Frecuencia absoluta. Recuperado el 2020, de
https://economipedia.com/definiciones/frecuencia-absoluta.html
Economipedia. (s.f.). Frecuencia Relativa . Recuperado el 2020, de
https://economipedia.com/definiciones/frecuencia-
relativa.html#:~:text=La%20frecuencia%20relativa%20es%20una,poblaci%C3%B3
n%2Fmuestra%20(N).
Economipedia. (s.f.). Frecuencia Relativa Acumulada. Obtenido de
https://economipedia.com/definiciones/frecuencia-relativa-acumulada.html
Estadisticaparatodos. (s.f.). Diagrama de Caja y Bigotes. Recuperado el 2020, de
https://www.estadisticaparatodos.es/taller/graficas/cajas.html
lifeder. (s.f.). Regla de Sturges. Recuperado el 2020, de https://www.lifeder.com/regla-
sturges/#:~:text=La%20regla%20de%20Sturges%20es,un%20conjunto%20de%20d
atos%
Matemovil. (2015). variable cuantitativa discreta. Recuperado el 2020, de
https://matemovil.com/variables-discretas-y-continuas-ejemplos-y-ejercicios/
support.minitab. (s.f.). desviación estándar. Recuperado el 2020, de
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/data-concepts/what-is-the-standard-deviation/
support.minitab. (s.f.). variable cualitativa categórica. Recuperado el 2020, de
https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/tables/supporting-topics/basics/categorical-and-quantitative-variables/
ub.edu. (s.f.). varianza de una población. Recuperado el 2020, de
http://www.ub.edu/aplica_infor/spss/cap4-6.htm