La estadstica, en general, es la ciencia que trata de la recopilacin,

organizacin, presentacin, anlisis e interpretacin de datos numricos con el

fin de realizar una toma de decisin ms efectiva. Adems, Para Chacn esta
se define como la ciencia que tiene por objeto el estudio cuantitativo de los
colectivos

Existen numerosas definiciones, sin embargo la definicin ms aceptada es la

de Minguez, que define la Estadstica como La ciencia que tiene por objeto
aplicar las leyes de la cantidad a los hechos sociales para medir su intensidad,
deducir las leyes que los rigen y hacer su prediccin prxima

La estadstica tiene como propsito fundamental proporcionar los

conocimientos bsicos para la aplicacin de algunas tcnicas de la estadstica
general que permite realizar investigaciones de una manera ms cientfica.

La Estadstica para su mejor estudio se ha dividido en dos grandes ramas: la

Estadstica Descriptiva y la Inferencial.

Estadstica Descriptiva: consiste sobre todo en la presentacin de datos en

forma de tablas y grficas. Esta comprende cualquier actividad relacionada con
los datos y est diseada para resumir o describir los mismos sin factores
pertinentes adicionales; esto es, sin intentar inferir nada que vaya ms all de
los datos, como tales.

Estadstica Inferencial: se deriva de muestras, de observaciones hechas slo

acerca de una parte de un conjunto numeroso de elementos y esto implica que
su anlisis requiere de generalizaciones que van ms all de los datos. Como
consecuencia, la caracterstica ms importante del reciente crecimiento de la
estadstica ha sido un cambio en el nfasis de los mtodos que describen a
mtodos que sirven para hacer generalizaciones. La Estadstica Inferencial
investiga o analiza una poblacin partiendo de una muestra tomada.

La estadstica es aplicable a cualquier dato sea cuantitativo o cualitativo. En el

caso de ser una cantidad medible, la cual puede variar entre un individuo y
otro, la misma se denomina como una variable. Siendo una variable continua
la que puede tomar cualquier valor y una discreta o discontinua aquella que
solo puede tomar valores enteros. De este mismo modo es posible trasladar
variables del tipo cualitativa a variables del tipo cuantitativa de diversas
maneras, que permiten el anlisis y utilizacin de diversos mtodos
estadsticos. Una de ellas es la transformacin a escalas jerrquicas las cuales
pretenden ordenar y distanciar las variables cualitativas unas de otras (escalas
tipo Likert).

Cuando hablamos sobre estudio poblacional, poblacin se refiere al conjunto

de individuos de inters, sin embargo muchas veces es imposible observar a
todos los elementos de la poblacin en este caso es cuando se habla sobre
estudio muestral, donde una muestra es una coleccin de mediciones
seleccionadas de la poblacin de inters o en otros trminos un subconjunto de
datos representativo de la poblacin.

La Estadstica
Estadstica: Conceptos Bsicos.
Aplicada a la
Educacin.
Objeto de la Estadstica.

Clasificacin de la Estadstica.
UNIDAD
Datos Cuantitativos y Cualitativos. I:
Conceptos de Poblacin y Muestra. Tipos.

Variables. Tipos: Continua y Discreta. Atributos. Estadgrafo. Parmetro.

La Medicin. Escalas de Medicin: Nominal, Ordinal, Intervalo y de Razn.

Limitaciones de la Medida en Educacin.

Conceptos Bsicos de Estadstica / Organizacin y
Representacin de los Datos
UNIDAD I: Conceptos Bsicos de Estadstica.

1.- Naturaleza y objeto de la Estadstica.

2.- Definiciones de Estadstica Descriptiva y Estadstica Inferencial.
3.- Universo, Poblacin, Muestra, Parmetro, Estadstico, Variables, Tipos de Variables.
4.- Escalas de Medicin, Tipos de Escala de Medicin: Nominal, Ordinal, Intervalo y Cociente o
Razn.
5.- Organizacin y Representacin de los Datos.
6.- Serie de Frecuencia con intervalos iguales. Clases de intervalo, Puntos Medios,
Frecuencias Simples o Absolutas, Frecuencias Acumuladas, Frecuencias
Relativas, Frecuencias Relativas Acumuladas,
3.- Organizacin y Presentacin de los datos a travs de Diagramas, Tablas Estadsticas y
Grficos.
4.- Percentiles y Rangopercentiles. Conceptos y Aplicaciones.

Conceptos Bsicos y Estadstica Descriptiva

Concepto de Estadstica:

Cuando coloquialmente se habla de estadstica, se suele pensar en una relacin de

datos numricos presentada de forma ordenada y sistemtica. Esta idea es la
consecuencia del concepto popular que existe sobre el trmino y que cada vez est
ms extendido debido a la influencia de nuestro entorno, ya que hoy da es casi
imposible que cualquier medio de difusin, peridico, radio, televisin, etc, no nos
 aborde diariamente con cualquier tipo de informacin estadstica sobre accidentes de
trfico, ndices de crecimiento de poblacin, turismo, tendencias polticas, etc.

Slo cuando nos adentramos en un mundo ms especfico como es el campo de la

investigacin de las Ciencias Sociales: Medicina, Biologa, Psicologa, ... empezamos a
percibir que la Estadstica no slo es algo ms, sino que se convierte
en una herramienta que, hoy por hoy, permite dar luz y obtener resultados, y por
tanto beneficios, en cualquier tipo de estudio, cuyos movimientos y relaciones, por su
variabilidad intrnseca, no puedan ser abordadas desde la perspectiva de las leyes
determistas. Podramos, desde un punto de vista ms amplio, definir la estadstica
como la ciencia que estudia cmo debe emplearse la informacin y cmo dar una gua
de accin en situaciones prcticas que entraan incertidumbre.
(http://www.bioestadistica.uma.es/libro/node3.htm)

Desde este punto de vista, se puede concluir que la estadstica se define como un
conjunto de mtodos para manejar la obtencin, presentacin y anlisis de
observaciones numricas, cuyos fines son describir al conjunto de datos obtenidos y
tomar decisiones o realizar generalizaciones acerca de las caractersticas de todas las
observaciones bajo consideracin.

La estadstica es una ciencia que estudia la recoleccin, anlisis e interpretacin de

datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones
regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en
forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras
palabras es el vehculo que permite llevar a cabo el proceso relacionado con la
investigacin cientfica. (http://es.wikipedia.org/wiki/Estad%C3%ADstica)

reas que conforman a la Estadstica:

Estadstica Descriptiva (Deductiva): es la encargada de la organizacin,

condensacin, presentacin de los datos en tablas y grficos y del clculo de medidas
numricas que permitan estudiar los aspectos ms importantes de los datos.

Estadstica Inferencial o Inferencia Estadstica: est definida por un conjunto de

tcnicas, mediante las cuales se hacen generalizaciones o se toman decisiones en base
a informacin parcial obtenida mediante tcnicas descriptivas.

reas de Aplicacin de la Estadstica:

El uso de la Estadstica es muy amplio. Resulta difcil nombrar un rea en la cual no se
emplee.

Los mtodos estadsticos han encontrado aplicacin en:

l Gobierno
l Negocios
l Ciencias Sociales
l Ingeniera
l Ciencias Fsica y Naturales
l Control de Calidad
l Procesos de Manufactura
l Muchos otros campos de la actividad intelectual.

Esto se debe a la creciente facilidad con la cual se pueden manejar grandes cantidades
de datos numricos, debido al uso de

Conceptos de Poblacin y Muestra

Poblacin: es la coleccin de todas las posibles mediciones u observaciones que

pueden hacerse de una variable bajo estudio.

Se clasifica en dos categoras:

Finita: es aquella que incluye una cantidad limitada contable de observaciones,

individuos o medidas. Siempre que sea posible alcanzar (contar) el nmero total de
todas las posibles mediciones, se considera como finita la poblacin. Ejemplos: Nmero
de alumnos de la Universidad de Oriente, trabajadores de una empresa, clientes de
una determinada empresa, etc.

Infinita: es aquella que incluye un gran conjunto de observaciones o mediciones que

no pueden alcanzarse por conteo. Al menos, hipotticamente, no existe lmite en
cuanto al nmero de observaciones que el experimento puede generar. Ejemplos:
Nmero de peces en el mar, bacterias en un organismo, flores silvestres, etc.

Muestra:
 Es un conjunto de mediciones u observaciones tomadas a partir de una poblacin.

Es un subconjunto de la poblacin. Este grupo representa una parte de los sujetos que
forman la poblacin, los cuales se pueden escoger de manera aleatoria o intencional,
solo el primero de ellos ser estudiado en este curso. Ejemplos: Nmero de alumnos
en el saln de clases que estudian Licenciatura en Educacin, profesores del Ncleo de
Sucre de la Universidad de Oriente, etc.

Tipos de datos y escalas de medida

Variables: Una variable es una caracterstica que al ser medida en

diferentes individuos es susceptible de adoptar diferentes valores. En estadstica una
variable se representa con un smbolo (x, y, h, B, etc.) que puede tomar un valor
cualquiera de un conjunto determinado de ellos, llamado dominio de la variable. Si la
variable puede tomar solamente un valor, se le llama constante. son las caractersticas
o lo que se estudia de cada individuo de la muestra. Ej: sexo, edad, peso, estatura,
color de ojos, estado civil, temperatura, cantidad de nacimientos, presin, grosor,
dimetro, ...

Datos: son los valores que toma la variable en cada caso.

Tipos de variables:
Variables Cualitativa:
Las variables categricas resultan de registrar la presencia de un atributo.
Las categoras de una variable cualitativa deben ser definidas claramente durante la
etapa de diseo de la investigacin y deben ser mutuamente excluyentes y
exhaustivas. Esto significa que cada unidad de observacin debe ser clasificada sin
ambigedad en una y solo una de las categoras posibles y que existe una categora
para clasificar a todo individuo.

En este sentido, es importante contemplar todas las posibilidades cuando se

construyen variables categricas, incluyendo una categora tal como No sabe / No
contesta, o No registrado u Otras, que asegura que todos los individuos observados
sern clasificados con el criterio que define la variable.

Las variables categricas solo toman valores asociados a las cualidades o atributos,
clasificndolos en una de varias categoras, es decir, no son valores numricos. Las
categoras pueden tener un orden natural (ordinales) o no (nominales). Las variables
cualitativas tambin se llaman variables categricas. Con estas variables se pueden
contar nmero de casos, comparar entre categoras, pero no se pueden realizar
operaciones numricas.

Ejemplos:
Sexo: f/m.
Hbito de fumar: Fumador/No fumador
Color de ojos: negro, azul, marrn,
Religin: catlica, evanglica,
Estado civil: soltero, casado, divorciado,
Variables Cuantitativas: Tienen valores numricos que representan medidas (largo,
peso, etc.) o frecuencias (nmero de). Tiene sentido realizar operaciones numricas
con estas variables. Adems distinguimos dentro de las variables cuantitativas las
discretas y las continuas. Una variable discreta es aquella en la cul se puede contar el
nmero posible de valores. Una variable continua puede tomar cualquier valor en un
intervalo dado.

Ejemplos:
Peso.
Edad.
Estatura.
Presin.
Humedad.
Intensidad de un sismo.
Cantidad de hermanos.
Las variables Cuantitativas puden clasificarse en:

Variables Discreta: Es aquella cuyos valores pueden ponerse en correspondencia con los nmeros naturales
(N:1,2,3,4,...) o con parte de ellos. Es decir, los valores de la variable pueden contarse. tambin se puede decir
que en la variable discreta se llega a algunos valores por ejemplo A y B de manera tal que entre esos dos valores no
existe otro valor de la variable. Llega un momento en la que se producen saltos entre los valores de la variable.

Este tipo de variable slo puede tomar un cierto conjunto de valores posibles. En general,
aparecen por conteo.

Ejemplo:

cantidad de hermanos.
nmero de miembros del hogar
nmero de intervenciones quirrgicas
nmero de casos notificados de una cierta patologa

Variables Continuas: Generalmente son el resultado de una medicin que se expresa en

unidades. Las mediciones pueden tomar tericamente un conjunto infinito de valores
posibles dentro de un rango. En la prctica los valores posibles de la variable estn
limitados por la precisin del mtodo de medicin o por el modo de registro.

Una variable "x" es continua si cumple con la siguiente condicin: Valores que puede toar
la variable (A y B). Siempre es posible encontrar un tercer valor C, comprendido entre
A y B, el cual, tericamente, tambin puede ser asumido por la variable. Como este
procedimiento puede repetirse reiterada y consecutivamente de manera indefinida,
 entonces la condicin anterior equivale a la siguiente premisa. Dado dos valores A y B
de la variable, siempre es posible que la variable "x" tome cualquier valor comprendido
entre A y B. Es decir, podemos ir desde A hasta B y tener la seguridad que a cada
punto le corresponde un valor de la misma variable.

Ejemplo:

cantidad de lquido contenido en un recipiente.

altura
peso.
pH.
nivel de colesterol en sangre.

La distincin entre datos discretos y continuos es importante para decidir qu mtodo de

anlisis estadstico utilizar, ya que hay mtodos que suponen que los datos son
continuos.

Consideremos por ejemplo, la variable edad. Edad es continua, pero si se la registra en

aos resulta ser discreta. En estudios con adultos, en que la edad va de 20 a 70 aos,
por ejemplo, no hay problemas en tratarla como continua, ya que el nmero de valores
posibles es muy grande. Pero en el caso de nios en edad preescolar, si la edad se
registra en aos debe tratarse como iscreta, en tanto que si se la registra en meses
puede tratarse como continua.

Del mismo modo, la variable nmero de pulsaciones/min. es una variable discreta, pero se
la trata como continua debido al gran nmero de valores posibles.

Los datos numricos (discretos o continuos) pueden ser transformados en categricos y

ser tratados como tales. Aunque esto es correcto no necesariamente es eficiente y
siempre es preferible registrar el valor numrico de la medicin, ya que esto permite:
Analizar la variable como numrica Anlisis estadstico ms simple y
ms potente.
Armar nuevas categoras usando criterios diferentes.

Nota:
N1)
Una variable que tericamente puede tomar cualquier valor entre dos valores dados se
le llama variable continua. si no es as se le llama discreta.

N2)
Los datos que vienen definidos por una variable discreta o continua se llaman datos
discretos o continuos respectivamente. El nmero de hijos en cada una de 1.000
familias es un ejemplo de datos discretos, mientras que las alturas de 100
universitarios es un ejemplo de datos continuos.

SENSIBILIDAD (ESTADSTICA):
La sensibilidad en estadstica (S), es definida por la menor unidad de medida en la cual
son representados o reportados los valores de una variable.
La forma en que se muestran los datos dan luces del valor de la sensibilidad.
Revisemos el siguiente ejemplo:
Sean los siguientes valores reportados:

Xi: 12 14 19 21 23 9 17 32 18 22 19 11 18

S=1

ntese que todos los datos son nmeros enteros y por tanto contables, los cuales se
pueden poner en correspondencia con el conjunto de los nmeros naturales (N), cuya
menor unidad de medida es 1. Esto significa que podemos construir todos los nmeros
de la serie Xi sumando de uno en uno hasta obtener cada uno de los valores
reportados. Miremos ahora la siguiente serie de datos:

Yi: 12,4 14,1 19,0 21,7 23,6 9,8 17,2 32,9 18,3

En la serie Yi los valores reportados son medidos de tal manera que los valores no se
obtienen sumando de uno en uno, como en el caso de la serie anterior (Xi), sino que
ha utilizado una unidad de medida mas pequea, tan pequea como el nmero de
decimales que pueda poseer alguno de los valores reportados. En este caso todos los
valores reportados tienen un decimal, por lo que se puede afirmar que la sensibilidad
de la serie de datos Yi es igual a 1 (S=0,1)

NOTA:
La sensibilidad en la escala de medicin de una variable continua NO se puede precisar
si el valor medido (valor reportado) de la variable, coincide con el valor real (valor
verdadero) de la variable.

Esto significa que dado el valor reportado siempre queda la duda de la ubicacin del
valor verdadero. Por consiguiente, es necesario colocar algunos lmites para el valor
verdadero de la variable y esto ltimo tiene que ver con la sensibilidad de la medicin
de la variable continua.

CLCULO DE LOS LMITES VERDADEROS DE UNA VARIABLE CONTINUA

Lmite Inferior:
Se obtiene restndole la mitad de la sensibilidad (s) al valor reportado (Vr) de la
variable:

Lim. Inf.= Vr - S/2

Lmite Superior:
Se obtiene sumndole la mitad de la sensibilidad (s) al valor reportado (Vr) de la
variable:
Lim. Sup.= Vr + S/2

Ejemplo:

Determine el valor de los limites inferiores y superiores del valor reportado 35

(Vr=35), sabiendo que el valor de la sensibilidad es 3 (S=3).

Lim. Inf.= Vr - S/2 = 35 - 3/2 = 35 - 1,5 = 33,5

Lim. Inf.= 33,5

Lim. Sup.= Vr + S/2 = 35 + 3/2 = 35 + 1,5 = 36,5

Lim. Sup.= 36,5

/ / /
33,5 35 36,5
Lim. inf. Vr Lim. sup.

ESCALAS DE MEDICIN

Llamaremos medicin al proceso de atribuir nmeros a las variables. El conjunto de

reglas o modelos desarrollados para la asignacin de nmeros a las variables es lo que
se denomina escala. La clasificacin de las escalas ms usada es la propuesta por
Stevens (1946) que divide las escalas en: nominales, ordinales, de intervalo y de
razn.

Escala nominal: nos permite identificar sujetos como "iguales" o "diferentes". Usando
una escala nominal podemos decidir si un sujeto es igual o diferente a otro, pero no
podemos establecer relaciones de orden respecto a esa caracterstica, ni relaciones de
cantidad ni de diferencia. Por ejemplo: si medimos el color de los ojos podemos
establecer la siguiente escala: A azul, V verde, M marrn y N negro. No
podemos ordenar los sujetos de mayor a menor o viceversa, simplemente podemos
asegurar si dos sujetos tienen el mismo o distinto color de ojos. Otros ejemplos:
nacionalidad, sexo, profesin. A este tipo de variables medidas con escala nominal se
les puede asignar a cada categora cualquier tipo de smbolos. En el ejemplo hemos
asignado letras pero podamos haber optado por nmeros: 1 azul, 2 verde,
3 marrn y 4 negro.

Escala ordinal: Esta escala no slo permite la identificacin y diferenciacin de los

sujetos sino que adems permite establecer relaciones del tipo "mayor que" o "menor
que". Es decir, de los sujetos se puede decir cual presenta una mayor o menor
magnitud de la caracterstica medida, los objetos se pueden ordenar. Ejemplo: nivel de
estudios se puede asignar 1 a estudios primarios, 2 a estudios secundarios, 3 a
estudios universitarios. Podemos ordenar a los sujetos segn el nivel de estudios, el
valor 3 es mayor que el 2 y el 1. Aunque no podemos afirmar que la diferencia
existente entre el 2 y el 1 sea la misma que la que existe entre el 3 y el 2. Ni que el
que tenga nivel 3 tenga 3 veces ms de nivel de estudios que el que tiene nivel 1.
Otros ejemplos de escala ordinal: posicin relativa en la clase, escala de dureza de los
minerales.

Escala de intervalo: Con esta escala, adems de poder identificar un objeto y

establecer relaciones del tipo mayor que y menor que, tambin podemos hacer
afirmaciones acerca de las diferencias en la cantidad del atributo de unos y otros
objetos. Es decir, disponemos de una unidad de medida, aunque en este caso el cero
sea un punto arbitrario en la escala. Es decir, no indica ausencia total de la cantidad de
atributo. Un ejemplo tpico es el calendario, podemos afirmar que ha transcurrido el
mismo tiempo entre 1960 y 1966 que entre 1980 y 1986 porque contamos con una
unidad de medida llamada ao. Pero no podemos afirmar que hasta el ao 1000 haya
pasado el doble de tiempo que hasta el ao 500, porque el valor cero no representa el
comienzo del tiempo sino que, en nuestro calendario se eligi el ao del nacimiento de
Cristo como ao 1. Otros ejemplos: la medicin de las temperaturas en grados Celcius
la escala de los test de inteligencia.

Escala de razn: Tambin se llama de proporcin o de cociente. Adems de las

caractersticas de las otras tres escalas, contamos con una unidad de medida con cero
absoluto, es decir, que significa ausencia del atributo o caracterstica medida. Por
ejemplo, la longitud, podemos afirmar que un objeto que mide 10 cm. tiene el doble de
longitud que uno que mide 5 cm. Otros ejemplos: peso, duracin de un suceso,
temperatura en grados Kelvin (que s tiene cero absoluto).

DISTRIBUCIN DE FRECUENCIAS
En estadstica, se le llama distribucin de frecuencias a la agrupacin de datos en
categoras mutuamente excluyentes que indican el nmero de observaciones en
cada categora.1 Esto proporciona un valor aadido a la agrupacin de datos. La
distribucin de frecuencias presenta las observaciones clasificadas de modo que
se pueda ver el nmero existente en cada clase. Estas agrupaciones de datos
suelen estar agrupadas en forma de tablas.
Una distribucin de frecuencias es un formato tabular en la que se organizan los
datos en clases, es decir, en grupos de valores que describen una caracterstica
de los [datos] y muestra el nmero de observaciones del conjunto de datos que
caen en cada una de las clases.
La tabla de frecuencias ayuda a agrupar cualquier tipo de dato numrico. En
principio, en la tabla de frecuencias se detalla cada uno de los valores diferentes
en el conjunto de datos junto con el nmero de veces que aparece, es decir, su
Frecuencia. Se puede complementar la frecuencia absoluta con la denominada
frecuencia relativa, que indica la frecuencia en porcentaje sobre el total de datos.
En variables cuantitativas se distinguen por otra parte la frecuencia simple y la
frecuencia acumulada.
La tabla de frecuencias puede representar grficamente en un histograma
(Diagrama De Barras). Normalmente en el eje vertical se coloca las frecuencias y
en el horizontal los intervalos de valores.
La distribucin de frecuencias o tabla de frecuencias es una ordenacin en forma
de tabla de los datos estadsticos, asignando a cada dato su frecuencia
correspondiente.
Frecuencia Simple (fi)
La frecuencia simple es el nmero de veces que aparece un determinado valor
reportado en un estudio estadstico. Se representa por fi. La suma de las
frecuencias simple es igual al nmero total de datos, que se representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega (sigma
mayscula) que se lee suma o sumatoria.
fi = N (nmero total de datos de la distribucin)
Frecuencia Relativa Porcentual (fr%)
La frecuencia relativa porcentua es el cociente entre la frecuencia absoluta de un
determinado valor y el nmero total de datos. Se puede expresar en tantos por
ciento y se representa por fi. La suma de las frecuencias relativas es igual a 100.
Frecuencia Acumulada (fac)
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los
valores inferiores o iguales al valor considerado. Se representa por fac.
Frecuencia Relativa Acumulada Porcentual (frac%)
La frecuencia relativa acumulada porcentual es el cociente entre la frecuencia
acumulada de un determinado valor y el nmero total de datos expresada en
tantos por ciento.

Distribucin de frecuencias agrupadas

La distribucin de frecuencias agrupadas o tabla con datos agrupados se emplea

si las variables toman un nmero grande de valores o la variable es continua. Se
agrupan los valores en intervalos que tengan la misma amplitud denominados
clases. A cada clase se le asigna su frecuencia correspondiente. Lmites de la
clase. Cada clase est delimitada por el lmite inferior de la clase y el lmite
superior de la clase.

La amplitud de la clase es la diferencia entre el lmite superior e inferior de la

clase. La marca de clase es el punto medio de cada intervalo y es el valor que
representa a todo el intervalo para el clculo de algunos parmetros.
REGLAS GENERALES PARA FORMAS DISTRIBUCIONES DE FRECUENCIAS
PARA DATOS AGRUPADOS EN INTERVALOS
Cuando los datos contienen una gran cantidad de elementos, para facilitar los
clculos es necesario agruparlos, a estos grupos se los llama intervalos o clases.
Un intervalo es una serie de nmeros incluidos entre dos extremos, as por
ejemplo, el intervalo 40 45 est formado por 40, 41, 42, 43, 44 y 45, siendo 40 el
lmite inferior, 45 el lmite superior, 39,5 lmite real inferior (lmite inferior disminuido
en 5 dcimas) y 40,5 el lmite real superior (lmite superior aumentado en 5
dcimas).
Las reglas generales para formas distribuciones de frecuencias para datos
agrupados en intervalos son:
1) Calcule el Recorrido Verdadero (Rv).- Tambin se llama rango o amplitud
total. Es la diferencia entre el valor mayor y el menor de los datos.
 2) Seleccione el Nmero Aproximado de Intervalos de Clase (ni).- No debe ser
menor de 5 y mayor de 12, ya que un nmero mayor o menor de clases podra
oscurecer el comportamiento de los datos. Para calcular la amplitud de los
intervalos el valor del nmero de intervalos se ofrecer como dato del eejercicio.
3) Calcule la Amplitud del Intervalo (i).- Se obtiene dividiendo el Recorrido
Verdadero (Rv)entre el Nmero Aproximado de Intervalos de Clase (ni):
Se procede a calcular la Amplitud la Aproximada del Intervalo ()
i Rv / ni
Pudiendo resultar el valor de i de diferentes formas, esto quiere decir que no sea
exacto o un numero expresado decimales, que sea entero par o un entero impar.
Para efectos de nuestro curso estableceremos un criterio para poder decidir el
valor de la amplitud del intervalo definitivo el cual nos permita costruir los
intervalos de clases. Por ejemplo:
Si una distribucin de 40 datos el valor mayor es 41 y el menor es 20 se tiene:
Calculando el Rango se obtiene:
Rv = Vmax Vmin = 41 -20 = 21 (si la variable es discreta)
Rv = Vmax Vmin + S = 41 -20 + 1 = 22 (si la variable es continua)
Siendo Vmax el valor mximo de los valores reportados, Vmin el valor mnimo de los
valores reportados y S la sensibilidad del conjunto de los datos.
Para este ejemplo supondremos que Nmero Aproximado de Intervalos de Clase
(ni) es seis, (ni= 6)
Calculando, se obtiene:
i Rv / ni 22 / 6 3,67
Para determinar el valor final de la amplitud del intervalo aplicaremos e siguiente
criterio (que llamaremos Regla de Oro):
1. Si el valor calculado de i es un numero decimal, tomaremos el nmero impar ms
cercano a l.
2. Si el valor calculado de i es un numero entero par, tomaremos el menor nmero
impar cercano a l.
3. Si el valor calculado de i es un numero entero impar, entonces el valor de i es igual
al mismo valor calculado.
Aplicando la Regla de Oro para el ejemplo, al valor calculado de i, tenemos que
es un numero decimal y al aplicar el primer criterio, se obtiene que: i = 3
4) Forme los Intervalos de Clase agregando i-1 al lmite inferior de cada clase,
comenzando por el Xmn del rango.
5) Se realiza el Conteo de Datos que cae dentro de cada clase (frecuencia
absoluta)
6) Calcule el Punto Medio para cada Clase (Xi).- Es el valor del Punto Medio de
cada clase, se obtiene sumando los lmites superior (Lim. Sup) e inferior (Lim. Inf.)
del intervalo y dividiendo sta suma entre 2
Xi = (Lim. Sup. + Lim. Inf. ) / 2
7) Calcule las Frecuencias.
 EJEMPLO ILUSTRATIVO
A 40 estudiantes se les pidi que estimen el nmero de horas que habran
dedicado a estudiar la semana pasada (tanto en clase como fuera de ella),
obtenindose los siguientes resultados
36 30
54 35
32 35
58 50
58 50

Solucin:
1 Calculando el Recorrido Verdadero, se obtiene:
Rv = Vmax Vmin + S = 65 -30 + 1 = 36

2 Consideremos que el nmero aproximado de intervalos es seis: ni = 6

3 Calculando el ancho se obtiene:

i Rv / ni 36 / 6 5,83

Aplicando la Regla de Oro para el ejemplo, al valor calculado de i, tenemos que

el valor calculado es un numero decimal y por el primer criterio, se obtiene que:
i=5
4 Formando los intervalos de clase de amplitud cinco (i = 5) partiendo del Valor
mnimo (Vmin.) de los valores reportado, es decir, el lmite inferior del primer
intervalo de clase, inicia con el menor valor reportado (Xmn) como Lim. Inf , y el
Lim. Sup. se obtiene contando tantas posiciones como lo indique la amplitud del
intervalo ( i = 5).
As el primer intervalo quedar as:
30 - 34

Realizando el conteo de datos que caen dentro de cada clase, es como

determinamos el valor de las frecuencias simplies respectivas para cada intervalo.
El resto de los valores correspondiente a la Fr% y Frac%, se obtiene de sustituir
en las formulas los valores correspondientes para cada caso.

A continuacin se presenta algunas interpretaciones de la tabla:

El valor de f =9: Significa que 8 estudiantes dedicaron a estudiar la
semana pasada entre 30 y 35 horas.
El valor de xi = 52: Significa que 5 estudiantes dedicaron en
promedio a estudiar la semana pasada 52 horas.
El valor de f% = 22,5%: Significa que 22,5% de los estudiantes
dedicaron a estudiar la semana pasada entre 35 y 39 horas.
El valor de fac = 27: Significa que 27 estudiantes dedicaron a
estudiar la semana pasada entre 30 y 54 horas.
El valor de frac% = 67,5%: Significa que 67,5% de los estudiantes
dedicaron a estudiar la semana pasado entre 30 y 54 horas

Poblacin y Muestra, Parmetro y Estadgrafo

En las siguientes entradas del blog, expresar algunos
conceptos bsicos de la estadstica, los cuales son de
gran utilidad para todos aquellos interesados en su
estudio, ya que son trminos bsicos a los cuales se
hace referencia en cualquier libro de estadstica y sern
necesarios para la comprensin de los temas que a
futuro se planteen en este blog. As que sin ms
dilacin se detalla los primeros trminos generales
indispensables de conocer en estadstica.

Poblacin:
Es la coleccin de datos que corresponde a las
caractersticas de la totalidad de individuos, objetos,
cosas o valores en un proceso de investigacin.
Para su estudio, en general se clasifican en Poblaciones
Finitas y Poblaciones Infinitas.

Poblaciones Finitas: Constan de un nmero

determinado de elementos, susceptible a ser contado.
Ejemplo: Los empleados de una fbrica, elementos de
un lote de produccin, etc.

Poblaciones Infinitas: Tienen un nmero

indeterminado de elementos, los cuales no pueden ser
contados. Ejemplo: Los nmeros naturales.

As tambin las poblaciones pueden ser clasificadas en

Reales e Hipotticas, las reales son aquellas concretas,
que ya existen. Ejemplo: Los aspirantes a un puesto de
trabajo, los vendedores de una empresa. Mientras que
las hipotticas, son las formas imaginables en que se
podra presentar un suceso. Ejemplo: Estimaciones de
la poblacin econmicamente activa dentro de diez
aos.
En toda investigacin lo ideal sera contar con
observaciones o caractersticas de todos los elementos
de nuestro grupo de inters, pero en muchas ocasiones
eso sera muy caro y/o muy tardado o simplemente
imposible, es por ello que se toman muestras.

Muestra: Es una parte representativa de la poblacin

que es seleccionada para ser estudiada, ya que la
poblacin es demasiado grande para ser estudiada en
su totalidad Allen Webster.

Ya que se ha definido que es poblacin y muestra, se

procede a definir dos conceptos que se encuentran
ntimamente relacionados a ellos:

Parmetro: Son las medidas o caractersticas

descriptivas inherentes a las poblaciones. Los salarios
promedio de todos los empleados de una empresa,
puede ser un ejemplo de parmetro.

Estadstico o Estadgrafo: Son las medidas descriptivas

inherentes a una muestra, las cuales pueden usarse
como estimacin del parmetro. Como ejemplo podra
tomarse los salarios promedio de una muestra de los
empleados de la empresa.