El documento presenta una introducción a la estadística descriptiva. Explica que la estadística es la ciencia de recolectar, organizar, resumir e interpretar datos para tomar decisiones. Distingue entre estadística descriptiva, que describe conjuntos de datos, e inferencial, que obtiene información de muestras representativas. También define conceptos como población, muestra, variable, dato y los diferentes tipos de variables y niveles de medición.
La estadística descriptiva es una gran parte de la estadística que se dedica a analizar y representar los datos. Este análisis es muy básico. Aunque hay tendencia a generalizar a toda la población, las primeras conclusiones obtenidas tras un análisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central. esto es lo que podria ser un concepto aproximado.
La estadística descriptiva es una gran parte de la estadística que se dedica a analizar y representar los datos. Este análisis es muy básico. Aunque hay tendencia a generalizar a toda la población, las primeras conclusiones obtenidas tras un análisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central. esto es lo que podria ser un concepto aproximado.
Objetivos de Aprendizaje
Saber que significa la estadística y sus aplicaciones.
Explicar el significado de la estadística descriptiva y estadística inferencial.
Distinguir entre niveles de medición nominal, ordinal, de intervalo y de razón.
Organizar datos en una distribución de frecuencias.
Representar la distribución de frecuencias en un histograma, un polígono de frecuencias.
Desarrollar una representación de “tallo y hoja”
Representar datos utilizando líneas, de barras y de sectores (circulares).
Objetivos de Aprendizaje
Saber que significa la estadística y sus aplicaciones.
Explicar el significado de la estadística descriptiva y estadística inferencial.
Distinguir entre niveles de medición nominal, ordinal, de intervalo y de razón.
Organizar datos en una distribución de frecuencias.
Representar la distribución de frecuencias en un histograma, un polígono de frecuencias.
Desarrollar una representación de “tallo y hoja”
Representar datos utilizando líneas, de barras y de sectores (circulares).
Convocatoria de becas de Caja Ingenieros 2024 para cursar el Máster oficial de Ingeniería de Telecomunicacion o el Máster oficial de Ingeniería Informática de la UOC
Una señal analógica es una señal generada por algún tipo de fenómeno electromagnético; que es representable por una función matemática continua en la que es variable su amplitud y periodo en función del tiempo.
Aletas de Transferencia de Calor o Superficies Extendidas.pdfJuanAlbertoLugoMadri
Se hablara de las aletas de transferencia de calor y superficies extendidas ya que son muy importantes debido a que son estructuras diseñadas para aumentar el calor entre un fluido, un sólido y en qué sitio son utilizados estos materiales en la vida cotidiana
Análisis Combinatorio ,EJERCICIOS Y PROBLEMAS RESUELTOS
estadistica_descriptiva
1. Tema Nº 01: ESTADISTICA DESCRIPTIVA ITema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García
Pantigozo
2009 - II
calidadtotal@hotmail.com 1
2. Tema Nº 01: ESTADISTICA DESCRIPTIVA ITema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García
Pantigozo
2009 -
II calidadtotal@hotmail.com 2
3. Objetivos de AprendizajeObjetivos de Aprendizaje
• Saber que significa la estadística y sus aplicaciones.
• Explicar el significado de la estadística descriptiva y
estadística inferencial.
• Distinguir entre niveles de medición nominal, ordinal,
de intervalo y de razón.
• Organizar datos en una distribución de frecuencias.
• Representar la distribución de frecuencias en un
histograma, un polígono de frecuencias.
• Desarrollar una representación de “tallo y hoja”
• Representar datos utilizando líneas, de barras y de
sectores (circulares).
3
4.
5. ¿Qué es la estadística?¿Qué es la estadística?
Que deberían saber al terminar esta clase:
•Que queremos significar por estadística
•Que entendemos por estadística descriptiva e inferencial.
•Que es una población y que una muestra.
•Que es una variable, el dato y los datos
•Cuando la información se refiere a un parámetro y
cuando a una estadística
•Distinguir cuando una variable es cualitativa y cuando
cuantitativa.
•Distinguir entre una variable discreta y continua.
•Distinguir las distintas escalas de medición nominal,
ordinal, de intervalo y de razón 5
6. ¿Qué es la estadística?¿Qué es la estadística?
Estadística es la ciencia de:
–Recolectar
–Describir
–Organizar
–Interpretar
para transformarlos en información, para
la toma mas eficiente de decisiones.
6
Datos
7. 7
Ciencia que proporciona lasCiencia que proporciona las
herramientas (métodos yherramientas (métodos y
procedimientos) necesariosprocedimientos) necesarios
para recolectar, procesarpara recolectar, procesar
analizar e interpretar datos.analizar e interpretar datos.
8. ¿Para qué sirve la estadística?¿Para qué sirve la estadística?
• La Ciencia se ocupa en general de fenómenos
observables.
• La Ciencia se desarrolla observando hechos,
formulando leyes que los explican y realizando
experimentos para validar o rechazar dichas leyes.
• Los modelos que crea la ciencia son de tipo
determinista o aleatorio (estocástico).
• La Estadística se utiliza como tecnología al
servicio de las ciencias donde la variabilidad y la
incertidumbre forman parte de su naturaleza.
8
9. ¿Quienes usan la estadística?¿Quienes usan la estadística?
• Organismos oficiales.
• Diarios y revistas.
• Políticos.
• Deportes.
• Marketing.
• Control de calidad.
• Administradores.
• Investigadores científicos.
• Médicos
• etc. 9
11. Tipos de EstadísticaTipos de Estadística
• ESTADÍSTICA DESCRIPTIVA:ESTADÍSTICA DESCRIPTIVA: Método de
recolectar, organizar, resumir, analizar e interpretar
los datos.
Ejemplo 1: Los datos del Censo de población de
2001.
Ejemplo 2: La cantidad de robos ocurridos el
último mes en en el municipio.
Ejemplo 3: La cantidad de pacientes atendidos en
el Hospital municipal el último año.
Mencionamos algunos procedimientos:
Tablas de distribuciones de frecuencia; Gráficos
de distribución de frecuencias; Diagramas de
cajas; Diagramas de tallos y hojas; Estadísticos de
posición; Estadísticos de dispersión; y Estadísticos
de asociación 11
13. Tipos de EstadísticaTipos de Estadística
• ESTADÍSTICA INFERENCIALESTADÍSTICA INFERENCIAL: Métodos usados para
determinar algo acerca de la población, basado en
una muestra.
• Población(1)
es la colección, o conjunto, de individuos,
objetos o eventos cuyas propiedades serán
analizadas.
• Muestra es un subconjunto de la población de interés.
(1) Algunos autores utilizan Universo como sinónimo
La estadística inferencial comprende dos áreas
importantes: Estimación puntual y por intervalos; y la
Prueba de hipótesis estadística
13
16. • Unidad de Análisis: es el objeto del cual se desea
obtener información. Muchas veces nos referimos a
las unidades de análisis con el nombre de
elementos. En estadística, un elemento o unidad de
análisis puede ser algo con existencia real, como un
automóvil o una casa, o algo más abstracto como la
temperatura o un intervalo de tiempo. Dada esta
definición, puede redefinirse población como el
conjunto de unidades de análisis.
• Ejemplo:Ejemplo: Cada uno de los alumnos matriculados enCada uno de los alumnos matriculados en
el curso de Química General.el curso de Química General. 16
Conceptos EstadísticosConceptos Estadísticos
17. • Parámetro:Parámetro: Valor numérico que resume todos los
datos de una población completa. Se utilizan letras
griegas para simbolizar un parámetro como ser µ y σ
Ejemplos: La calificación “promedio” del egresado
secundario cuando postula al Proceso de Admisión .
• Estadística:Estadística: Valor numérico que resume los datos
de una muestra. Se utilizan letras del alfabeto
español para simbolizarlas como ser x y s .
• Ejemplo: La edad “promedio” registrada en una
encuesta de 150 consumidores de pizzas.
17
Conceptos EstadísticosConceptos Estadísticos
19. Población:Población: Es el conjunto de todos los individuos o
elementos (unidad de análisis) que son el objetivo
de nuestro interés. La Población, según su número
de elementos puede ser:
19
Población FinitaPoblación Finita Población InfinitaPoblación Infinita
NOTA: EN LA PRÁCTICA CUANDO UNA POBLACIÓN TIENE UN NUMERO MUY
GRANDE O INDETERMINADO DE ELEMENTOS SE LE CONSIDERA POBLACIÓN
INFINITA.
Ejemplo:
- Alumnos de la UNMSM.Alumnos de la UNMSM.
- Trabajadores de una empresa.- Trabajadores de una empresa.
- Camiones de carga pesada.- Camiones de carga pesada.
- Clientes de un empresa comercialClientes de un empresa comercial.
Ejemplo:
- Peces del mar peruanoPeces del mar peruano
- BacteriasBacterias
- Flores Silvestres.Flores Silvestres.
- Productos fallados.Productos fallados.
Conceptos EstadísticosConceptos Estadísticos
20. Muestra:Muestra: Es una parte o un subconjunto de una
población. Tiene la característica fundamental de ser
representativa de la población.
La selección y estudio de una muestra facilita la
inferencia de conclusiones válidas para la población
de donde se obtuvo la muestra.
Ejemplos:Ejemplos:
• Grupo de bolsas de azúcar que se extraen
sistemáticamente de una línea de envasado.
• Grupo de tasas que se extrae para llevar a cabo el
control de calidad.
Conceptos EstadísticosConceptos Estadísticos
20
21. • Ejemplo 1: Una encuesta desarrollada por IBOPE, en
marzo 2009, dice que el rating de radio en la Gran
Lima esta encabezado por RPP con un 10.5%
seguido por RCN con 9.18%
• Ejemplo 2: De acuerdo con una encuesta desarrollada
por Apoyo sobre telefonía residencial en el 2008, el
gasto mensual promedio por cliente es de S/. 90.30. a
nivel nacional.
• Ejemplo 3: El INEI informó que la Encuesta
Permanente de Hogares (EPH) del mes de marzo de
2009 reporto la tasa mas alta de desempleo que
ascendió al 10.3% a nivel nacional
21
Tipos de EstadísticaTipos de Estadística
(ejemplos de estadística inferencial)
23. VARIABLES Y SUS TIPOSVARIABLES Y SUS TIPOS
23
La definición de una Población y sus
Características dependerán (Variables) de sus
unidades elementales que deben ser
observadas y dependiendo de la naturaleza
del problema planteado
24. • Variable:Variable: Característica de interés sobre cada
elemento individual de una población o muestra.
• Dato:Dato: Valor de la variable asociada a un elemento
de la población o muestra. Este valor puede ser un
número, una palabra o un símbolo.
• EjemploEjemplo: La familia González tiene “4” miembros,
sus ingresos mensuales son de “US$ 685.00”, “2”
son de sexo femenino y “2” masculino.
24
VariableVariable
25. • Datos: Conjunto de valores recolectados para la
variable de cada uno de los elementos que
pertenecen a la población o muestra.
• Ejemplo1: El conjunto de 54 “cantidad de
miembros” recolectados de 54 familias residentes
en Escobar.
• Ejemplo2: El conjunto de las “calificaciones” de los
43 estudiantes de estadística de la carrera de
Sistemas
25
Variable (cont.)Variable (cont.)
26. • Cualitativa o de Atributos Clasifica o describe
un elemento de la población. Los valores que
puede asumir no constituyen un espacio
métrico, por lo tanto las operaciones
aritméticas, como sumar y obtener
promedios, no son significativas.
• Ejemplos: Sexo, Nacionalidad, Marcas de
auto, Grado de Satisfacción con la
Universidad, etc.
26
Tipos de VariablesTipos de Variables
27. • DicotómicasDicotómicas: Sólo hay dos categoría, que son
excluyentes una de la otra.
• Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre.
• NominalNominal: tiene mas de dos categorías y no hay orden
entre ellas.
• Ejemplo: color de los ojos, grupo sanguíneo.
• Ordinal:Ordinal: tiene varias categorías y hay orden entre
ellas.
• Ejemplo: grado tumoral, calificación del riesgo en
anestesia.
Tipos de Variables(cont.)Tipos de Variables(cont.)
27
28. 28
Tipos de Variables (cont.)Tipos de Variables (cont.)
• Cuantitativa o Numérica cuantifica un elemento de
la población. Los valores que puede asumir
constituyen un espacio métrico, por lo tanto las
operaciones aritméticas, como sumar y obtener
promedios, son significativas.
• Ejemplos: Cantidad de Habitaciones, Número de
hijos, Kilómetros recorridos, Tiempo de vuelo,
Ingreso, etc.
29. • Las variables cuantitativas se pueden clasificar a
su vez en discretas o continuas.
• Cuantitativas Discretas: solo pueden asumir
ciertos valores y normalmente hay huecos entre
ellos. Son conteos normalmente.
• Ejemplo1: cantidad de materias aprobadas.(1,
2,3 ......)
• Ejemplo2: cantidad de hijos (1, 2, 3,4...)
29
1-9
Tipos de Variables (cont.)Tipos de Variables (cont.)
30. • Las variables cuantitativas se pueden clasificar a
su vez en discretas o continuas.
• Cuantitativas Continuas: puede asumir cualquier
valor dentro del rango de medición. Normalmente
se miden magnitudes como ser longitud, superficie,
volumen, peso, tiempo, dinero
• Ejemplo 1: Peso al nacer.
• Ejemplo 2: Salario de un empleado
• Ejemplo 3: Tiempo de viaje en ómnibus entre Lima
e Ica.
30
1-9
Tipos de Variables (cont.)Tipos de Variables (cont.)
31. 31
CENSO =>Estadística Descriptiva
• Se emplea cuando el número de unidades de análisis
no es grande (n< 40 aproximadamente)
• Si el número de unidades de análisis es grande y se
necesita una amplia cobertura de información en
áreas menores, como distritos, Comunidades nativas,
y otros.
Características
• Costoso
• Errores de Medición (de obtener la información).
Técnicas de recolección de datosTécnicas de recolección de datos
32. 32
MUESTREO => Estadística Inferencial
• Se emplea cuando el número de unidades de análisis
es grande pero no se necesita información a detalle de
áreas geográficas menores.
Características
• Mayor rapidez y viabilidad
• Mayor exactitud en la obtención de información
• Reduce los costos
• No tiene cobertura en áreas menores.
Técnicas de recolección de datosTécnicas de recolección de datos
34. NIVELES DE MEDICIÓN DE LAS VARIABLES DE ACUERDO A
SU NATURALEZA PUEDEN ENCONTRARSE ENTRE ESTAS
ESCALAS
NOMINAL
ORDINAL
INTERVALAR
DE RAZON
Escala de medidasEscala de medidas
34
35. Niveles de medición de las variablesNiveles de medición de las variables
NOMINAL
Valores que se agrupan en
categorías disjuntas y
exhaustivas
•Genero (sexo)
•Color de pelo
•Religión
ORDINAL
Hay un orden entre las
categorías
•Clase social
•Preferencias
•Educación
DE INTERVALO
•Hay orden
•Hay distancia
•Hay un cero convencional
•Temperatura
•Coeficiente Intelectual
DE RAZON
•Hay orden
•Hay distancia
•Hay un cero natural
•Edad
•Producción
•Ingresos
35
Tipos Característica Ejemplos
36. 36
Escalas de MediciónEscalas de Medición
• Las variables cualitativas se miden en escala
nominal o ordinal.
• Nominal: los elementos solo pueden ser clasificados
en categorías pero no se da un orden o jerarquía
• Ejemplo 1: Barrio de residencia de los alumnos .
• Ejemplo 2: Color de ojos
• Ejemplo 3: Simpatizante de un club de futbol
37. 37
.
Nivel NominalNivel Nominal
•Los valores de las Variables (datos) sólo se pueden
clasificar exhaustivamente en categorías mutuamente
excluyentes y no se pueden ordenar.•Exhaustivo: Cada persona u objeto o artículo debe
clasificarse en al menos una categoría.
•Mutuamente Excluyente; Un individuo (objeto o artículo) al
ser incluido en una categoría debe excluirse de las demás, o
sea no debe ser incluido en otro nivel
38. 38
1-12
Escalas de MediciónEscalas de Medición
• Las variables cualitativas se miden en escala
nominal o ordinal.
• Ordinal: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores no se pueden realizar
o no son significativas.
• Ejemplo 1: Grado de satisfacción en el uso de un
servicio público .
• Ejemplo 2: Ocupación
39. 39
.
Nivel OrdinalNivel Ordinal
•Los valores de las Variables (datos) se pueden
ordenar pero no es posible determinar la diferencia
aritmética (o distancias) entre ellos.
Ejemplo: Resultados del sabor de tres bebidas A, B, C
X = Sabor.
La bebida C clasifico 1 ( o 1º)
La bebida B clasifico 2 ( o 2º)
La bebida A clasifico 3 ( o 3º)
Valores de x : 1, 2, 3 o (1º) (2º) (3º)
40. 40
Escalas de MediciónEscalas de Medición
• Las variables cuantitativas se miden en
escala de intervalo o razón.
• Intervalo: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores se pueden realizar y
son significativas. La diferencia entre dos
valores consecutivos es de tamaño constante
y no existe el 0 absoluto.
• Ejemplo: Temperatura en grados Celsius
41. 41
.
Nivel IntervalarNivel Intervalar
Similar al nivel ordinal con la propiedad
adicional de que se pueden determinar
cantidades significativas
(distancias iguales) de las diferencias
entre los valores. No existe un punto
cero natural sino Convencional.
•Temperatura en escala Grados Celsius.
•Talla de camisas ( zapatos, ternos etc.)
42. 42
Escalas de MediciónEscalas de Medición
• Las variables cuantitativas se miden en escala
de intervalo o razón.
• Razón: los elementos son clasificados en
categorías que tienen un orden o jerarquía, la
diferencia entre valores se pueden realizar y
son significativas. Existe el 0 absoluto, es decir
la ausencia de la variable medida.
• Ejemplo 1: Tiempo de vuelo.
• Ejemplo 2: Ingresos familiares
43. 43
.
Nivel RazónNivel Razón
Es aquella con un punto cero
inicialmente inherente. Las
diferencias y razones (cocientes)
son significativas.
Ejemplo:
a) Producción
b) Ingresos Mensuales Dinero.
c) Altura de los jugadores del equipo
de fútbol de Osorno
44. 44
Variable Cuantitativa
(Numérica)
Variable Cualitativa
(No numérica )
Continua Discreta
Puede tomar
cualquier valor
en un intervalo
dado. (Procesos
de medición)
Nº de trabajadores
por oficina,
nº de alumnos
por curso etc.
Sexo,
ocupación,
Condición de
de empleo
(nombrado o
contratado)
NominalOrdinal
-Nivel de
Educación, estrato
socioeconómico,
categoría de
ocupación.
Ingreso, talla,
peso etc.
Toma sólo
ciertos
valores.
(procesos de
contar)
Se caracteriza por
Ejemplos
Tienen un
orden
predeter-
minado:
No tienen
un orden
predeter-
minado:
Clasificación de VariablesClasificación de Variables
46. FUENTES PRIMARIA DE DATOS DE DATOSFUENTES PRIMARIA DE DATOS DE DATOS
ESTADÍSTICOSESTADÍSTICOS
46
.
• No todos los temas disponen de datos publicados. En
esos casos , la información deberá recolectarse y
analizarse. Esto se llama “Fuente PrimariaFuente Primaria”.
• Una forma de recolectar datos es mediante las
encuestas.
• Hay dos posibilidades:
a) Encuestas Muestrales ( En Muestras)
b) Encuestas Censales (En poblaciones)
47. FUENTES SECUNDARIA DE DATOS ESTADÍSTICOSFUENTES SECUNDARIA DE DATOS ESTADÍSTICOS
47
• Los problemas que se estudian o se
investigan se adquieren de datos
empíricos ( de la realidad) publicados u
obtenidos.
• Se pueden encontrar datos
(estadísticas) relacionadas en artículos
publicados, tesis, revistas y periódicos.
Estos se llaman “Fuentes secundarias
MUESTREOSFuentes SecundariasFuentes Secundarias
51. 51
Otros Gráficos: Especializados Mercado Bursátil
Grafico de Velas (01/03 -28/03)
Cierre
apertura
mínimo
máximo
Cotizaciones
en alza
Cotizaciones a
la baja
52. 52
PERU : DISTRIBUCION DE LA POBLACION SEGUN NIVEL DE EDUCACION POR SEXO
(Porcentaje - Cifras Estimadas 1999)
Nivel de Educación HOMBRE MUJER TOTAL
Sin Nivel 13.69 18.67 16.16
Inicial 37.18 38.82 37.99
Secundaria 34.44 30.21 32.34
Sup. No Univer. 6.07 6.50 6.28
Sup. Univer. 8.44 5.68 7.07
Especial 0.19 0.12 0.15
TOTAL 100.00 100.00 100.00
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
Nivel de Educación HOMBRE MUJER TOTAL
Sin Nivel 42.72 57.28 100.00
Inicial 49.34 50.66 100.00
Secundaria 53.69 46.31 100.00
Sup. No Univer. 48.71 51.29 100.00
Sup. Univer. 60.17 39.83 100.00
Especial 60.81 39.19 100.00
TOTAL 50.42 49.58 100.00
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
Inicial y Primaria
Inicial y Primaria
53. 53
1. Gráficos Lineales :
Fuente : Bolsa de Valores de Lima.
30.00
32.00
34.00
36.00
38.00
40.00
42.00
44.00
1/10/018/10/0115/10/0122/10/0129/10/015/11/0112/11/0119/11/0126/11/013/12/0110/12/0117/12/0124/12/0131/12/017/01/0214/01/0221/01/02
US$
Fuente : Bolsa de Valores de Lima
Bolsa de Valores de Lima: Cotizaciones Diarias de los ADR´s Telefónica de España:
1/10/01 - 23/01/02
55. 55
2. Gráficos de Barras Simple
-
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
Sin Nivel Inicial Secundaria Sup. No
Univer.
Sup.
Univer.
Especial
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN : 1998
(Cifras Porcentuales)
%
56. 56
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
45.00
Sin Nivel Inicial Secundaria Sup. No
Univer.
Sup. Univer. Especial
HOMBRE
MUJER
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
2a. Gráficos de Barras Compuesto
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998
(Porcentajes)
%
57. 57
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
2a. Gráficos de Barras Compuesto
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998
(Porcentajes)
-
20.00
40.00
60.00
80.00
100.00
120.00
Sin
N
ivel
Inicial
SecundariaSup.N
o
U
niver.
Sup.U
niver.
Especial
MUJER
HOMBRE
%
60. 60
VOLUMEN NEGOCIADO EN LA BOLSA DE VALORES DE
LIMA: DIC. 1999 (miles US$)
RENTA VARIABLE
47%
INSTRUMENTOS
DE DEUDA
39%
OPERACIONES
DE REPORTE
14%
3. Gráfico Circular
Fuente: Bolsa de Valores de Lima
71. • Se denomina muestra al subconjunto de ese
universo y del cual se recopilarán los datos.
• Ejemplo, se quiere saber el número de hijos por
matrimonio en Lima. Para este propósito, se elige
una muestra representativa de 50 matrimonios de
ella. Se obtienen los siguientes datos:
2 , 2 , 4 , 1 , 3 , 5 , 3 , 2 , 1 , 6 , 3 , 4 , 1 , 2 , 0 , 2 , 3 ,
1 , 7 , 4 , 2, , 3 , 0 , 5 , 1 , 4 , 3 , 2 , 4 , 1 , 5 , 2 , 1 , 2 ,
4 , 0 , 3 , 3 , 2 , 6 , 1 , 5 , 4 , 2 , 0 , 3 , 2 , 4 , 3 , 1 .
• El número total de datos se representa con la letra
n. En nuestro ejemplo n = 50.
71
1-9
MUESTRAMUESTRA
72. • La frecuencia absoluta es el
número de veces que aparece
un valor (x i) en los datos
obtenidos.
• En nuestro ejemplo, la
frecuencia absoluta indica el
número de familias que tienen
esa cantidad de hijos:
72
FRECUENCIA ABSOLUTA ( fi ))
TABLA
x i
f i
0 4
1 9
2 12
3 10
4 8
5 4
6 2
7 1
76. • La frecuencia absoluta acumulada indica cuantos
elementos de la lista de datos son menores o iguales
a un valor dado. Es la suma de las frecuencias
absolutas desde la primera fila hasta la fila elegida.
• Por ejemplo, sabemos que hay 25 matrimonios de la
muestra que tienen a lo más 2 hijos:
76
1-9
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi ))
77. 77
FRECUENCIA ABSOLUTA
ACUMULADA ( Fi ))
xx ii ff ii FF ii
00 44 44
11 99 1313
22 1212 2525
33 1010 3535
44 88 4343
55 44 4747
66 22 4949
77 11 5050
TABLATABLA
80. • La frecuencia relativa es el cuociente entre la
frecuencia absoluta (f i) y el número total de datos
(n). En nuestro ejemplo n = 50:
80
1-9
FRECUENCIA RELATIVA ( hi ))
x i
f i
F i
h i
H i
0 4 4 0,08 0,08
1 9 13 0,18 0,26
2 12 25 0,24 0,50
3 10 35 0,20 0,70
4 8 43 0,16 0,86
5 4 47 0,08 0,94
6 2 49 0,04 0,98
7 1 50 0,02 1,00
TABLATABLA
83. • La frecuencia relativa acumulada es el cuociente entre
la frecuencia absoluta acumulada (F i) y el número
total de datos (n). En nuestro ejemplo, n = 50:
83
FRECUENCIA RELATIVA
ACUMULADA (Hi))
TABLA:
xx ii ff ii FF ii hh ii HH ii
00 44 44 0,080,08 0,080,08
11 99 1313 0,180,18 0,260,26
22 1212 2525 0,240,24 0,500,50
33 1010 3535 0,200,20 0,700,70
44 88 4343 0,160,16 0,860,86
55 44 4747 0,080,08 0,940,94
66 22 4949 0,040,04 0,980,98
77 11 5050 0,020,02 1,001,00
TABLATABLA
86. • La frecuencia porcentual es la frecuencia relativa (hi)
expresada en forma porcentual. En otras palabras, es la
frecuencia relativa (hi) multiplicada por 100.
• En nuestro ejemplo
86
FRECUENCIA PORCENTUAL (fi %)%)
TABLATABLA
x i
f i
F i
h i
H i
f i
%
0 4 4 0,08 0,08 8 %
1 9 13 0,18 0,26 18 %
2 12 25 0,24 0,50 24 %
3 10 35 0,20 0,70 20 %
4 8 43 0,16 0,86 16 %
5 4 47 0,08 0,94 8 %
6 2 49 0,04 0,98 4 %
7 1 50 0,02 1,00 2 %
93. ORGANIZACION Y PRESENTACION DE DATOSORGANIZACION Y PRESENTACION DE DATOS
UNIDIMENSIONALESUNIDIMENSIONALES
a) Frecuencia Absoluta (fi)
Es el número de veces que se presenta un valor o categoría
de una variable. Se representa por fi.
f1 + f2+ f3 + …………….……fk = n
b) Frecuencia Absoluta Acumulada (Fi)
Es el número de datos igual o inferior (“menor o igual que”)
al valor considerado de la variable o la suma de las
frecuiencias absolutas menor o igual que el valor
considerado de la variable. Es decir:
F1 = f1
F2= f1 + f2
-----------------------------
F = f + f + ……….+ f
93
94. ORGANIZACION Y PRESENTACION DE DATOSORGANIZACION Y PRESENTACION DE DATOS
UNIDIMENSIONALESUNIDIMENSIONALES
c) Frecuencia Relativa (hi)
Es igual a la frecuencia absoluta sobre el numero de
observaciones.
h1 =f1/n
b) Frecuencia Relativa Acumulada (Hi)
Es el resultado de cada frecuencia absoluta acumulada
dividida entre el numero total de observaciones.
H1 = F1/n
H2= F2/n
-----------------------------
Hk= Fk/n 94
95. 1. Identificar el tipo de variable cuantitativo discreto o
continuo.
2. Determinar el mayor (Xmax) y el menor (Xmin).
3. Calcular R donde R = Xmax – Xmin.
4. Si la variable es cuantitativa discreta
– El rango es pequeño, entonces trabajar con los
valores originales ordenados de las variables.
– Si el rango es grande entonces trabajar con los datos
ordenados agrupados en intervalo de clase (ver
Sturges).
95
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
96. 5. Si la variable es cuantitativa continua:
– Determinar el numero de intervalos (entre 5 y 20).
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 50
– m = 1 + 3,322log(50) = 6,6439
– Se redondea a m = 7 intervalos de clase.
– Intervalo cerrado por la izquierda y abierto por la
derecha.
– El menor del intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
– Marca de clase= (xmax1erintervalo - X`min )/2 96
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
97. Problemas
• Si la variable es cuantitativa continua:
– Determinar el numero de intervalos (entre 5 y 20).
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 50
– m = 1 + 3,322log(50) = 6,6439
– Se redondea a m = 7 intervalos de clase.
– Intervalo cerrado por la izquierda y abierto por la
derecha.
– El menor del intervalo izquierdo =X`min =(Xmin) –
menor unidad/2.
– Marca de clase= (xmax 1er intervalo - X`min )/2
97
100. Distribución de Frecuencias
x fi h1 Fi Hi hi% Hi%
0 2 0.067 2 0.067 6.67 6.667
1 11 0.367 13 0.433 36.67 43.333
2 11 0.367 24 0.800 36.67 80.000
3 3 0.100 27 0.900 10.00 90.000
4 3 0.100 30 1.000 10.00 100.000
Total 30 100
100
101.
102. Se desea conocer la distribución de un
proceso mediante la elaboración de una Tabla
de Frecuencias y un Histograma:
a) Recopilar datos, mínimo que sean 50 datos
y 100 datos como deseable.
b) Encontrar el valor máximo (Xmax) y el
valor mínimo (Xmin)
c) Calcular el “intervalo de clase” (c), el cual
debe ser múltiplo de la unidad mínima de
medición.
102
Problema Nº 01:Problema Nº 01:
104. c = (Xmax – Xmin)/K
c = (28,9 – 27,2)/10 = 0.17 => 0.2
K = número de clases (número de barras en el
gráfico), y que por experiencia se sugiere que
tome los siguientes valores:
104
NUMERO DE DATOS VALORES DE K
de 50 a 100 Aprox. de 6 a 10
de 100 a 200 Aprox. de 7 a 12
mas de 250 Aprox. de 10 a 20
Problema Nº 01Problema Nº 01 (continua)::
105. d) Se calcula el límite de la 1era clase.
Xmin – Unidad mínima /2 = 27.2 - 0.1/2= 27.15
e) Se calcula la marca de clase de cada intervalo.
Punto medio = (Limite superior – Limite inferior)/2
f) Se llena la Tabla de Frecuencia
g)Se va marcando la clase donde corresponde
cada dato.
h)Se suman las marcas de clase y se determina la
frecuencia de cada clase (fi, Fi, hi y Hi).
i)Se hace una grafica de barras, en donde el eje de
“X” representa los valores de medición (las clases),
y el eje “Y” la frecuencia . 105
Problema Nº 01Problema Nº 01 (continua)::
106. CLASE MC MARCAS fi Fi hi Hi
[27.15 - 27.35) 27.25 / 1 1 0.01 0.01
[27.35 - 27.55) 27.45 //// 4 5 0.04 0.05
[27.55 - 27.75) 27.65 ///////// 9 14 0.09 0.14
[27.75 - 27.95) 27.85 ///////////////////////////// 29 43 0.29 0.43
[27.95 - 28.15) 28.05 ////////////////////////////// 30 73 0.30 0.73
[28.15 - 28.35) 28.25 /////////////// 15 88 0.15 0.88
[28.35 - 28.55) 28.45 /////// 7 95 0.07 0.95
[28.55 - 28.75) 28.65 /// 3 98 0.03 0.98
[28.75 - 28.95] 28.85 // 2 100 0.02 1.00
100 1.00
Problema Nº 01Problema Nº 01 (continua)::
TABLA DE DISTRIBUCION DE FRECUENCIASTABLA DE DISTRIBUCION DE FRECUENCIAS
107. Problema Nº 02:Problema Nº 02:
El Area de Control de Calidad de la empresa
FUNDIDOS S. A. esta llevando a cabo un
seguimiento a un lote de piezas mecanizadas en su
taller de metalmecánica, para esto ha tomado una
muestra aleatoria y se necesita obtener el siguiente
análisis estadístico descriptivo:
– Tabla de Frecuencias.
– Histogramas.
– Polígonos de Frecuencia (tarea para el alumno).
– Ojivas (tarea para el alumno).
107
109. 1. Se identificó que la variable es cuantitativa continua.
2. Se tiene que (Xmax) = 1287.5 y (Xmin)= 1265.5
3. R =(Xmax) - (Xmin)= 1287.5 – 1265.5 = 22
4. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver
Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 110
– m = 1 + 3,322log(110) = 7.78
109
1-9
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
110. • Se redondea a m = 8 intervalos de clase.
• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
• X`min = 1265.5 – 0.1/2 = 1265.45
• Amplitud de Clase= a = R/m = 22/8 = 2.75 = 2.8
• Marca de clase= MC=(xmax1erintervalo - X`min )/2
• MC1 = 1265.45 + 2.8 = 1268.25
• Y se empieza la tabla 110
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
116. Problema Nº 03:
Las estaturas en centímetros de 50 estudiantes mujeres
un grupo se registraron. Los datos son:
116
157 155 171 150 163 150 172 161 154 174
163 148 152 163 149 158 176 164 157 153
169 161 160 164 155 162 151 167 167 167
170 158 163 175 169 169 158 150 156 157
174 162 150 151 165 170 156 170 153 154
Agrupe adecuadamente los datos y elabore la respectiva tabla de
frecuencias y el histograma de frecuencias relativas.
117. 1. Se identificó que la variable es cuantitativa continua.
2. Se tiene que (Xmax) = 176 y (Xmin)= 148
3. R =(Xmax) - (Xmin)= 28
4. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver
Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 50
– m = 1 + 3,322log(50) = 6,470678
117
1-9
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
118. • Se redondea a m = 7 intervalos de clase (se reajustará según
se hagan los cálculos).
• Intervalo cerrado por la izq. y abierto por la derecha.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
• X`min = 148 – 1/2 = 147.5
• Amplitud de Clase = a = R/m = 28/6.4706 = 4.327
• Marca de clase = MC=(xmax1erintervalo - X`min )/2
• MC1 = 147.5 + 2.163 = 149.66
• Y se empieza la tabla
118
1-9
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
120. Problema Nº 03: En un estudio de dos semanas
sobre la productividad de los trabajadores de una
fundición, se obtuvieron los siguientes datos sobre
el número total de piezas aceptables que
produjeron los trabajadores:
• Elaborar la Tabla de Distribución de Frecuencias.
• Dibujar el Histograma y Polígono de Frecuencia.
120
1-9
PROBLEMA
122. 1. Se identificó que la variable es cuantitativa discreta.
2. Se tiene que (Xmax) = 21 y (Xmin)= 88
3. R =(Xmax) - (Xmin)= 21 – 88 = 67
4. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver
Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos
– Utilizar la regla de Sturge: m = 1 + 3,322log n
– Si n = 97
– m = 1 + 3,322log(97) = 7.60 = 8
122
1-9
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
123. • Se redondea a m = 8 intervalos de clase.
• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
• X`min = 21 – 1/2 = 20.5
• Amplitud de Clase= a = R/m = 67/8 = 8.375 = 9
• Marca de clase= MC=(xmax1erintervalo - X`min )/2
• MC1 = 20.5 + 4.5 = 25
• Y se empieza la tabla 123
1-9
DISTRIBUCION DE FRECUENCIAS
PARA VARIABLES CUANTITATIVA
124.
125. DIAGRAMA DE PUNTOSDIAGRAMA DE PUNTOS
(herramienta útil para pocos datos)(herramienta útil para pocos datos)
Ejemplo: Datos de resistencia a la tensión deEjemplo: Datos de resistencia a la tensión de
muestras de mortero Portland (Kg/cmmuestras de mortero Portland (Kg/cm22
) con) con
polímero agregado:polímero agregado:
16.85 16.40 17.21 16.35 16.5216.85 16.40 17.21 16.35 16.52
17.04 16.96 17.15 16.59 16.5717.04 16.96 17.15 16.59 16.57
mortero Portland sin modificar:mortero Portland sin modificar:
17.50 17.63 18.25 18.00 17.8617.50 17.63 18.25 18.00 17.86
17.75 18.22 17.90 17.96 18.1517.75 18.22 17.90 17.96 18.15
128. Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Es una gráfica usada para datos cuantitativos.
Ejemplo: Los siguientes datos representan pesos de una
muestra de 15 varones adultos.
165 178 185 169 152 180 175 189 195 200 183
191 197 208 179
Hacer su gráfica de “Stem-and Leaf”.
Solución: En este caso las ramas la forman los primeros dos
dígitos de los datos, y las hojas serán dadas por los últimos
dígitos de los datos.
128
129. Gráfica de tallo y hojas
(“Stem-and-Leaf ”)
Luego el “stem-and leaf “ será de la siguiente manera:
Interpretación: El uso del “stem-and-leaf” es
exactamente igual al del Histograma, la única diferencia
está en que del “stem-and-leaf” se pueden recuperar los
datos muestrales, pero de un histograma no se puede
hacer. En este ejemplo el “stem-and-leaf” es asimétrico a
la izquierda, no tiene mucha variabilidad ni “outliers”.
129
132. Tema Nº 01: ESTADISTICA DESCRIPTIVA ITema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García
Pantigozo
2009 -
II calidadtotal@hotmail.com 132