“AÑO DEL DIALOGO Y LA RECONCILIACION NACIONAL”

INSTITUCIÓN:
ESCUELA TECNOLOGICA SUPERIOR UNIVERSIDAD NACIONAL DE PIURA

ESPECIALIDAD: CONTABILIDAD Y FINANZAS

TEMA: ESTADISTICA DESCRIPTIVA

CURSO: ESTADISTICA APLICADA

PROFESOR: ALFREDO SULLÓN LEÓN

INTEGRANTES:
 COBEÑAS VILLASECA LIDIA MERCEDES
 FIESTAS ANTON LUIS OMAR
 LOZADA VIERA CARMEN JULIA
 SOCOLA JUAREZ LUIS JAVIER
 RAMOS ZAPATA RODRIGO WILFREDO

CICLO: II AULA 16

FECHA: 9 DE NOVIEMBRE DEL 2018

1
Índice
DEDICATORIA...............................................................................................................3
INTRODUCCIÓN............................................................................................................4
DEFINICION DE ESTADISTICA.................................................................................5
POBLACIÓN...................................................................................................................5
DEFINICION DE MUESTRA........................................................................................6
TIPOS DE MUESTREO..........................................................................................7
Ventajas e inconvenientes de los distintos tipos de muestreo probabilístico . 10
EJEMPLO DE POBLACION Y MUESTRA:........................................................12
DEFINICION DE VARIABLES...................................................................................12
VARIABLES DE LA ESTADISTICA DESCRIPTIVA..........................................12
Cualitativa.............................................................................................................13
Cuantitativa...........................................................................................................13
Variable independiente:.....................................................................................14
Variable dependiente:........................................................................................14
GRAFICOS....................................................................................................................14
Características:......................................................................................................14
TIPOS DE GRAFICOS..........................................................................................15
a) Gráficos Lineales:........................................................................................15
b) Gráficos de Columnas:..........................................................................15
c) Gráficos circulares:....................................................................................15
EJEMPLOS UTILIZANDO GRAFICOS ESTADISTICOS..................................16
PROMEDIOS.................................................................................................................20
MEDIA ARIMETICA...............................................................................................20
MEDIANA............................................................................................................... 22
MODA..................................................................................................................... 25
MEDIDAS DE DISPERSION......................................................................................28
1. RANGO O RECORRIDO...............................................................................28
2. VARIANZA:.....................................................................................................29
3. DESVIACION ESTANDAR:...........................................................................29
4. COEFICIENTE DE VARIACION........................................................................29
BIBLIOGRAFIAS.........................................................................................................30
CONCLUSIONES.........................................................................................................31

2
DEDICATORIA

“No es necesario saberlo todo, sino entenderlo todo.”

ANDRÉ KOSTOLANY

Así como dice André kostolany economista de nacionalidad húngara

entendemos que el estudio es la clave del entendimiento y es por ello que este
trabajo está dirigido a las personas que estén interesadas en conocer eh
informarse acerca de la estadística descriptiva y su clasificación de manera
explícita y detallada.
Agradeciendo a los autores de las diferentes fuentes bibliográficas que nos
brindaron la información necesaria para desarrollarlo.

3
INTRODUCCIÓN

La presente investigación se refiere al tema de Estadística, que se puede

definir al uso de los métodos y procedimientos para recoger, clasificar, resumir,
hallar regularidades y analizar los datos, siempre y cuando la variabilidad e
incertidumbre sea una causa propia de los mismos; así como de realizar
inferencias a partir de ellos con la finalidad de ayudar a la toma de decisiones y
en su caso formular predicciones.
La Estadística no sólo es algo más, sino que se convierte en la única
herramienta que, hoy por hoy, permite obtener resultados, y por tanto
beneficios, en cualquier tipo de estudio.
Es por ello que el grupo ha decidido informar de este tema tocando los
siguientes puntos:
 Definición de la estadística y su clasificación
 Definición de población y muestra
 Gráficos con ejemplos.
 Promedios:
a) Media aritmética
b) Mediana
c) moda o valor modal.
 Medidas de dispersión:
a) Rango o recorrido
b) Varianza
c) Desviación estándar
d) Coeficiente de variación.
En el primer punto contemplamos las diferentes nociones de estadística
descriptiva que nos brindan distintos autores, así como también
mencionaremos su clasificación, promedios y medidas de dispersión.
Esperamos que el presente trabajo sea de su agrado y entendimiento.

LOS ALUMNOS.

4
DEFINICION DE ESTADISTICA
La estadística descriptiva es una ciencia aplicada de las matemáticas y es una
valiosa herramienta para la toma de decisiones. Permite el estudio de
fenómenos mediante la descripción del mismo a través de inferencias mediante
distribuciones probabilísticas.
La estadística se ocupa de los métodos y procedimientos para recoger,
clasificar, resumir, hallar regularidades y analizar los datos.
Además, la Estadística suele ser también una relación de datos numéricos
presentada de forma ordenada y sistemática.

ESTADISTICA DESCRIPTIVA
Este tipo de Estadística es la que describe, analiza y representa un grupo de
datos utilizando métodos numéricos y gráficos que resumen y presentan la
información contenida en ellos.
También consiste en la presentación de datos en forma de tablas y gráficas.
Esta comprende cualquier actividad para resumir o describir los mismos
factores pertinentes adicionales, esto se refiere a no intentar nada que vaya
más allá de los datos.
En la estadística descriptiva al conjunto de los distintos valores numéricos que
adopta un carácter cuantitativo se llama variable estadística:
Las variables pueden ser de dos tipos:

 Variable Cualitativas o categóricas: no se pueden medir

numéricamente (por ejemplo: nacionalidad, color de piel, etc.).

 Variable Cuantitativa: tienen un valor numérico (edad, precio de

un producto, ingresos anuales, etc.).

POBLACIÓN
La población (del latín populatio) refiere a un grupo de seres vivos que viven en
un determinado lugar o que tienen ciertas características en común. El
concepto puede ser utilizado a los seres vivos desde un punto de vista
ecológico, o bien solo a los seres humanos desde un punto de vista político y
económico.
LA POBLACIÓN ESTADÍSTICA
En estadística una población es un conjunto de sujetos, individuos, elementos o
eventos con determinadas características. A menudo se obtiene una muestra
de dicha población, es decir un subconjunto representativo. Luego de realizar

5
un análisis estadístico a la muestra, los resultados se extrapolan al resto de la
población (inferencia estadística).
La estadística es comúnmente considerada como una colección de hechos
numéricos expresados en términos de una relación sumisa, y que han sido
recopilados a partir de otros datos numéricos. Kendall y Buckland (citados por
Gini V. Glas / Julian C. Stanley, 1980) definen la estadística como un valor
resumido, calculado, como base en una muestra de observaciones que
generalmente, aunque no por necesidad, se considera como una estimación de
parámetro de determinada población; es decir, una función de valores de
muestra.
La población estadística es muy utilizada en casi todas las disciplinas
científicas, especialmente en aquellas que deben trabajar con grandes
conjuntos de casos que no pueden ser estudiados en su totalidad (como por
ejemplo la contabilidad o el derecho) o cuando se necesita conocer una
característica de un conjunto de individuos en un período de tiempo breve (por
ejemplo, en la Contabilidad, cuando se intenta desarrollar nuevas cuentas
contables o desarrollar un nuevo sistema de contabilizar).

DEFINICION DE MUESTRA
En ocasiones en que no es posible o conveniente realizar un censo (analizar a
todos los elementos de una población), se selecciona una muestra,
entendiendo por tal una parte representativa de la población.
El muestreo es por lo tanto una herramienta de la investigación científica, cuya
función básica
La muestra debe lograr una representación adecuada de la población, en la
que se reproduzca de la mejor manera los rasgos esenciales de dicha
población que son importantes para la investigación. Para que una muestra sea
representativa, y por lo tanto útil, debe de reflejar las similitudes y diferencias
encontradas en la población, es decir ejemplificar las características de ésta.
Los errores más comunes que se pueden cometer son:
1. Hacer conclusiones muy generales a partir de la observación de sólo
una parte de la Población, se denomina error de muestreo.
2. Hacer conclusiones hacia una Población mucho más grandes de la que
originalmente se tomó la muestra, se denomina error de Inferencia.
En la estadística se usa la palabra población para referirse no sólo a personas
sino a todos los elementos que han sido escogidos para su estudio y el término
muestra se usa para describir una porción escogida de la población.

6
TIPOS DE MUESTREO
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: métodos de
muestreo probabilísticos y métodos de muestreo no probabilísticos.

I. Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra
y, consiguientemente, todas las posibles muestras de tamaño n tienen la
misma probabilidad de ser seleccionadas. Sólo estos métodos de muestreo
probabilísticos nos aseguran la representatividad de la muestra extraída y son,
por tanto, los más recomendables. Dentro de los métodos de muestreo
probabilísticos encontramos los siguientes tipos:

1. Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1) se asigna un número a cada
individuo de la población y 2) a través de algún medio mecánico (bolas dentro
de una bolsa, tablas de números aleatorios, números aleatorios generados con
una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario
para completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad
práctica cuando la población que estamos manejando es muy grande.

2. Muestreo aleatorio sistemático:

Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios sólo se extrae uno.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades
en la población ya que al elegir a los miembros de la muestra con una
periodicidad constante (k) podemos introducir una homogeneidad que no se da
en la población. Imaginemos que estamos seleccionando una muestra sobre
listas de 10 individuos en los que los 5 primeros son varones y las 5 últimos
mujeres, si empleamos un muestreo aleatorio sistemático con k=10 siempre
seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.

7
3. Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican
los procesos y suelen reducir el error muestra para un tamaño dado de la
muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos)
que poseen gran homogeneidad respecto a alguna característica (se puede
estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo,
el estado civil, etc.). Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de interés estarán representados
adecuadamente en la muestra. Cada estrato funciona independientemente,
pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes,
pues exige un conocimiento detallado de la población. (Tamaño geográfico,
sexos, edades,).
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos:
Afijación Simple: A cada estrato le corresponde igual número de elementos
muéstrales.
Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados,
de modo que se considera la proporción y la desviación típica. Tiene poca
aplicación ya que no se suele conocer la desviación.

4. Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar
directamente los elementos de la población, es decir, que las unidades
muéstrales son los elementos de la población.
En el muestreo por conglomerados la unidad muestra es un grupo de
elementos de la población que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc., son conglomerados naturales.
En otras ocasiones se pueden utilizar conglomerados no naturales como, por
ejemplo, las urnas electorales. Cuando los conglomerados son áreas
geográficas suele hablarse de "muestreo por áreas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para alcanzar el tamaño
muestra establecido) y en investigar después todos los elementos
pertenecientes a los conglomerados elegidos.

8
II. MÉTODOS DE MUESTREO NO PROBABILÍSTICOS
A veces, para estudios exploratorios, el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones (estimaciones
inferenciales sobre la población), pues no se tiene certeza de que la muestra
extraída sea representativa, ya que no todos los sujetos de la población tienen
la misma probabilidad de ser elegidos. En general se seleccionan a los sujetos
siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos
permiten resolver los problemas de representatividad aun en situaciones de
muestreo no probabilístico, por ejemplo, los estudios de caso-control, donde los
casos no son seleccionados aleatoriamente de la población.
Entre los métodos de muestreo no probabilísticos más utilizados en
investigación encontramos:
1. Muestreo por cuotas:
También denominado en ocasiones "accidental". Se asienta generalmente
sobre la base de un buen conocimiento de los estratos de la población y/o de
los individuos más "representativos" o "adecuados" para los fines de la
investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones, por ejemplo: 20
individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez
determinada la cuota se eligen los primeros que se encuentren que cumplan
esas características. Este método se utiliza mucho en las encuestas de opinión.

2. Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias
de voto.
También puede ser que el investigador seleccione directa e intencionadamente
los individuos de la población. El caso más frecuente de este procedimiento el
utilizar como muestra los individuos a los que se tiene fácil acceso (los
profesores de universidad emplean con mucha frecuencia a sus propios
alumnos).

9
 3. Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
así hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.

4. Muestreo Discrecional:
A criterio del investigador los elementos son elegidos sobre lo que él cree que
pueden aportar al estudio.
Ventajas e inconvenientes de los distintos tipos de muestreo
probabilístico

CARACTERISTICAS VENTAJAS INCONVENIENTES

Aleatorio simple Se selecciona una  Sencillo y de fácil Requiere que se
muestra de tamaño n comprensión. posea de antemano
de una población de un listado completo
 Cálculo rápido de
N unidades, cada de toda la
medias y varianzas.
elemento tiene una población. Cuando
probabilidad de  Se basa en la teoría se trabaja con
inclusión igual y estadística, y por muestras pequeñas
conocida de n/N. tanto existen es posible que no
paquetes represente a la
informáticos para población
analizar los datos adecuadamente.
Sistemático Conseguir un listado   Fácil de aplicar. Si la constante de
de los N elementos muestreo está
  No siempre es
de la población. asociada con el
necesario tener un
fenómeno de
Determinar tamaño listado de toda la
interés, las
muestra n. población.
estimaciones
Definir un intervalo k=   Cuando la obtenidas a partir de
N/n. población está la muestra pueden
ordenada siguiendo contener sesgo de
Elegir un número
una tendencia selección
aleatorio, r, entre 1 y
conocida, asegura
k (r= arranque
una cobertura de
aleatorio).
unidades de todos
Seleccionar los los tipos.
elementos de la lista.


10
Estratificado En ciertas ocasiones  Tiende a asegurar Se ha de conocer la
resultará conveniente que la muestra distribución en la
estratificar la muestra represente población de las
según ciertas adecuadamente a la variables utilizadas
variables de interés. población en para la
Para ello debemos función de unas estratificación.
conocer la variables
composición seleccionadas.
estratificada de la
 Se obtienen
población objetivo a
estimaciones más
hacer un muestreo.
precisa
Una vez calculado el
tamaño muestra   Su objetivo es
apropiado, este se conseguir una
reparte de manera muestra lo más
proporcional entre los semejante posible a
distintos estratos la población en lo
definidos en la que a la o las
población usando variables
una simple regla de estratificadoras se
tres. refiere.
Conglomerados Se realizan varias  Es muy eficiente  El error
fases de muestreo cuando la población estándar es
sucesivas es muy grande y mayor que en
(polietápico) dispersa. el muestreo
aleatorio
La necesidad de   No es preciso
simple o
listados de las tener un listado de
estratificado.
unidades de una toda la población,
etapa se limita a sólo de las   El cálculo
aquellas unidades de unidades primarias del error
muestreo de muestreo. estándar es
seleccionadas en la complejo.
etapa anterior.

11
EJEMPLO DE POBLACION Y MUESTRA:
Este es un claro ejemplo en donde utilizamos Estadística con gráficos, para
poder medir resultados de acuerdo a muestras que se han dado.
EPPO. S.A. es una empresa de servicios de transporte de pasajeros en la
Ciudad de Piura, que se caracteriza por la responsabilidad y el compromiso de
cada uno de sus integrantes. En dicha empresa trabajan 1000 personas y se
está estudiando conceder un aumento de sueldo a los trabajadores, para ello
se ha previsto realizar el aumento. La comisión de funcionarios encargada de
este estudio toma una muestra de 180 trabajadores informando que ganan en
promedio 1200 soles al mes.
Nos pide identificar la Unidad de Estudio, la Variable de Estudio. El Tipo de
Variable, la Población y la Muestra.
Ahora vemos que:
 UNIDAD DE ESTUDIO:
Trabajadores de Empresa EPPO. S.A.
 LA VARIABLE DE ESTUDIO:
Aumento de Sueldo.
 TIPO DE VARIABLE:
1000 trabajadores = Aumento de Sueldo = Cuantitativa Continua.
 POBLACION:
1000 Trabajadores.
 MUESTRA:
180 Trabajadores.

DEFINICION DE VARIABLES
VARIABLES DE LA ESTADISTICA DESCRIPTIVA

Una variable estadística es el conjunto de valores que puede tomar cierta

característica de la población sobre la que se realiza el estudio estadístico y
sobre la que es posible su medición. Estas variables pueden ser: la edad, el
peso, las notas de un examen, los ingresos mensuales, las horas de sueño de
un paciente en una semana, el precio medio del alquiler en las viviendas de un
barrio de una ciudad, etc.

Las variables estadísticas se pueden clasificar por diferentes criterios. Según

su medición existen dos tipos de variables:

12
Cualitativa (o categórica): son las variables que pueden tomar como valores
cualidades o categorías.
Ejemplos:
Dinámica Contable (activo, pasivo, patrimonio)
Cuantitativas (o numérica): variables que toman valores numéricos.

Ejemplos:

 Número de los alumnos del aula de Estadística (2,3,4,5,6,32)

Discreta.
 Edad (12,5; 24,3; 35; …). Continua.

Las variables cualitativas (o variables categóricas) se pueden clasificar

según sigan una jerarquía o un orden determinado.

VARIABLES CUALITATIVAS
Tipos Definición Ejemplos
Nominal Variable Cualitativa - Cursos
cuyas categorías no (estadística,
siguen ningún orden. contabilidad,
derecho, ingles)

Ordinal Son las variables - Nota examen

categóricas con orden o (suspenso,
jerarquía. aprobado,
notables,
sobresalientes)
- Nivel económico
(pobre, clase
media y rico)

Las variables cuantitativas se clasifican según el número de valores que puede

tomar la variable.

VARIABLES CUANTITATIVA
Tipos Definición Ejemplos
Discreta La variable solo puede - Cantidad de
tomar valores en alumnos por aula
número determinado de (32, 25, 26, 39)
valores
Continua La variable puede - Peso de
adquirir valor dentro de alumnos de
un intervalo de valores contabilidad
determinados. (53,53 kg, 89,4
kg)

13
Las variables se pueden clasificar también según si son independientes o
dependientes:

Variable independiente: Es una variable que su valor no depende de

otra variable. La variable independiente suele representarse en las
gráficas en el eje de abscisas (x).

En un diseño experimental a la variable independiente se le suele denominar

también variable de entrada, o variable manipulada.

Variable dependiente: Es una variable cuyos valores dependen de los

valores que tome otra variable. Se representa en el eje de ordenadas y.

En una función puede haber combinación de los dos tipos. Por ejemplo, el
capital invertido por una federación de una especialidad atlética de un país ante
un campeonato deportivo (variable independiente cuantitativa) y las medallas
obtenidas (variable dependiente cualitativa).

El investigador utiliza estas variables en el estudio estadístico con el fin de con

el de encontrar alguna causalidad de ciertas variables sobre las variables
objetivo del estudio.

GRAFICOS

En Estadística este tipo de representación de datos, generalmente

numéricos, mediante recursos visuales, sirve para que se manifieste
visualmente los resultados estadística de un fenómeno que ha sido
estudiado.
Estas graficas deben conseguir que un simple análisis visual ofrezca la
mayor información posible.

Características:

 Las representaciones graficas nos permiten conocer, analizar y

comparar visual y rápidamente datos sobre la evolución de unas
varias magnitudes, a lo largo del tiempo, en uno o en distintos
lugares.
 Facilitan la comprensión de los hechos y las relaciones que
existen entre ellos.
 Las representaciones se realizan en forma proporcionada.

14
TIPOS DE GRAFICOS

a) Gráficos Lineales:

Un conjunto de puntos es conectado por medio de líneas rectas que, entre todas,
logran mostrar la dinámica más o menos regular del comportamiento de algo en
relación con otra variable. Es usual que se utilice para mostrar cómo cambia algo
con el correr del tiempo.

b) Gráficos de Columnas:

A cada valor del eje X le corresponde un valor de Y que determina el alto de una
columna. Estas gráficas son muy valiosas para comparar magnitudes, pero es
importante que sean más o menos similares entre sí para no tener problemas con
la escala.

c) Gráficos circulares:

También llamados de torta, muestran la distribución de determinado total en

diferentes partes. Es valiosa para los casos en los que se conoce el absoluto, y lo
que interesa es conocer la forma en la que eso se repartió en diferentes partes.

15
EJEMPLOS UTILIZANDO GRAFICOS ESTADISTICOS

Ejemplo 1 de utilización de grafico Circular o Torta

Usan Internet
No
mejora Mejora
el la calidad
NS/NC
proceso. del
6% 7% proceso
10%

Ahorro
de
costos
logisticos
20%
Reduccio
n de
tiempo
58%

Interpretación:
En el grafico observamos que el menor porcentaje de empresas (6%), opina
que no mejora el proceso y el mayor porcentaje de empresas (58%), opina que
la empresa telefónica si les ofrece beneficios.

16
Ejemplo 2 utilizando grafico de Barras
En una determinada aula de Etsunp se quiere saber cuántos alumnos
aprobaron el examen de estadística:
ALUMNO NOTA 1 NOTA 2 NOTA 3 NOTA 4 PROMEDIO
Luis 12 10 14 14 12.5
Lidia 11 14 15 17 14.25
Cristal 15 4 18 19 14
Amelia 13 12 10 10 11.25
Jair 16 10 17 5 12
Judith 14 11 10 4 9.75
Fabio 15 16 11 8 12.5

Chart Title
20
18
16
14
12
10
8
6
4
2
0
Luis Lidia Cristal Amelia Jair Judith Fabio

NOTA 1 NOTA 2 NOTA 3

NOTA 4 PROMEDIO

17
Ejemplo 3 utilizando Grafico Lineal
TASA DE DESEMPLEO EN LA COMUNIDAD ANDINA
AÑO: 2013 – 2017
Fuente: Comunidad Andina. Secretaria General
Nos pide construir un gráfico Lineal e interpretar.
AÑO 2013 2014 2015 2016 2017
TASA DE
DESEMP 13.5 13.7 14 13 12
LEO (%)

TASA DE DESEMPLEO (%)

14.5

14

13.5

13

12.5

12

11.5

11
2013 2014 2015 2016 2017

Interpretación:
En el grafico observamos que el porcentaje de la Tasa de Desempleo en la
Comunidad Andina presenta un crecimiento ascendente en el año 2013 – 2014
a 2015; para luego descender en el año 2015 - 2016 a 2017, lo cual quiere
decir que el Desempleo en la Comunidad Andina presenta un comportamiento
Irregular.

Ejemplo 4 utilizando Grafico de Bastones

18
 DISTRIBUCION DE VENDEDORES DE LA EMPRESA CLARO SEGÚN SU
NUMERO DE CELULARES VENDIDOS.
PIURA: AGOSTO – 2018

N° Ceculares N° Vendedores
10 10
20 30
30 80
40 20
50 10
Total 150

Contruir un grafico de bastones para frecuencias absolutas e Interpretar

DISTRIBUCION DE VENDEDORES DE LA EMPRESA CLARO SEGÚN SU NUMERO DE CELULARES VENDIDOS

PIURA AGOSTO 2018

N° Vendedores
90

80
70

60

50
40

30
20

10
0
10 20 30 40 50

Interpretación:
En el grafico observamos que el menor número de 10 Vendedores han tenido
una venta de 10 y 50 Celulares, mientras que 80 vendedores han tenido una
venta de 30 Celulares.

PROMEDIOS

MEDIDAS ARIMETICAS

Son valores numéricos calculados a partir de una muestra

19
y que resumen la información contenida en ella
 Se Clasifican:

Medidas de Tendencia Medidas de Dispersión o Medidas de Formas

Central Variabilidad

Se ubican en la parte central Miden el grado de

de un conjunto de datos Miden la Dispersión o
deformación horizontal de
Variabilidad de un conjunto
apuntamiento de un conjunto
de datos respecto de su
de datos
valor central
Mediana

Moda
Media
Asimetría Curtosis

Varianza

Coeficiente de
Desviación Estándar
Variación

MEDIA ARIMETICA
La Media Aritmética, también llamada Promedio o Media, de un conjunto finito
de números es el valor característico de una serie de datos cuantitativos.
Las medidas estadísticas son medidas de resumen que se calculan a partir de
una Muestra y que se describen ciertos aspectos de una serie o distribución de
datos para poder tener un mejor conocimiento de la población.
suma de los valores de la variable
Media arimetica=
numero total de datos

CLASIFICACION
A continuación, presentamos un mapa conceptual de la clasificación de las
medidas estadísticas más usadas.

Ejemplos 1 de Media Aritmética:

20
Los siguientes dados corresponden a una muestra aleatoria de 10 empresas
según cuota mensual en soles a la SUNAT por realizar actividades de servicio
cultural correspondiente al año 2017.
Xi : 20, 50, 180, 380, 140, 140, 140, 140, 140, 220
Nos pide calcular la Media Aritmética de dichos valores.

Ejemplos 2 de Media Aritmética:

Sueldos en soles N° de trabajadores
LI - LS fi
(650 - 800) 50
(800 - 950) 100
(950 - 1100) 80
(1100 - 1250) 60
(1250 - 1400) 10
TOTAL 300

Resolvemos:
Sueldos en soles Marca de clase N° de Yi * Fi
LI - Yi Trabajadores
LS Fi
(650 - 800) 725 50 36250
(800 - 950) 875 100 87500
(950 - 1100) 1025 80 82000
(1100 - 1250) 1175 60 70500
(1250 - 1400) 1325 10 13250
TOTAL - 300 289500

21
MEDIANA
En el ámbito de la estadística, la mediana representa el valor de la variable de
posición central en un conjunto de datos ordenados.
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
Cálculo
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un número impar de medidas la mediana es la
puntuación central.
Ejemplo:
Sean los siguientes números; Calcular la mediana
2, 3, 4, 4, 5, 5, 5, 6, 6
Mediana = 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media
entre las dos puntuaciones centrales.
Ejemplo:
Sean los siguientes números. Calcular la mediana.
7, 8, 9, 10, 11, 12
7+12
Me= =9.5
2
Existen dos métodos para el cálculo de la mediana:
1. Considerando los datos en forma individual, sin agruparlos.
2. Utilizando los datos agrupados en intervalos de clase.
A continuación veamos cada una de ellas:

22
Datos sin agrupar
Sean 1, 2, 3, 4, 5, 6, 7,…. n los datos de una muestra ordenada en orden
creciente y designando la mediana como Me distinguimos dos casos:
(n+1)
a) Si n es impar, la mediana es el valor que ocupa la posición una
2
vez que los datos han sido ordenados (en orden creciente o
decreciente), porque éste es el valor central.
Ejemplo:
Si tenemos la edad de 5 niños, que ordenados son: 3, 6, 7, 8, 9; el valor
central es el tercero: 7. Este valor que es la mediana de ese conjunto de
datos deja dos datos por debajo (3,6) y otros dos por encima de el (8,9)
b) Si n es par, la mediana es la media aritmética de los dos valores
centrales. Cuando n es par, los dos datos que están en el centro de la
muestra.

Ejemplo:
Si tenemos los precios de 6 productos de una bodega, que ordenados
son: 1, 4, 5, 6, 7, 8 Aquí dos valores que están por debajo del 5, y otros
dos que quedan por encima del siguiente dato 6. Por tanto, la mediana
de este grupo de datos es la media aritmética de estos dos datos:
5+6
Me= =5.5
2
Datos agrupados
Son aquellos datos que pertenecen a un tamaño de muestra mayor a 20 o más
elementos, por lo que para ser analizados requieren ser agrupados en clases a
partir de ciertas características.
 Su objetivo es resumir la información.
 Comúnmente, pertenecen a una muestra mayor a 20 elementos, por lo
cual requieren ser agrupados, esto implica ordenar, clasificar y
expresarlos en una tabla de frecuencia.
 Se agrupan los datos, esto quiere decir que se pueden clasificar de
forma coherente y lógica mediante una tabla de frecuencias.
 La agrupación de datos puede ser simple o mediante intervalos de clase.
Ejemplo:
 De los empleados de una pollería se clasifican sus edades para
determinar el rango de edades que tiene el mayor número de
empleados.
Rango de Edades Número de empleados
18-21 9
22-25 12
26-30 5

23
  De tipo de moneda que se recibe en mayor cantidad en un banco
para determinar cual tiene mayor circulación.
Rango de moneda Cantidad
S/0.05-S/10.00 S/156,437.25
S/20.00-S/100.00 S/878,920.00
S/200.00-S/1000.00 S/1,100,200.00

Ejemplo de Mediana:
Calcular e interpretar la Mediana de:
Xi : 650, 750, 850, 1000, 750, 820, 850, 1200, 1000, 1000
Solución:
 Ordenamos en forma ascendente
650 750 750 820 850 850 1000 1000 1000 1200
Lugar 5.5
 Ubicando el lugar en donde se encuentra la Me
n+1 10+ 1
Lugar = = = 5.5
2 2

 Cuando se tiene un numero par de datos la mediana será el valor será el

promedio de los valores centrales:
850+850
Me=
2
Me = 850 soles.
 Interpretación:
 El 50% de los trabajadores tiene un ingreso máximo de 850 soles, no
mas del 50% supera dicho ingreso.

24
MODA
En estadística se denomina moda al dato que más se repite en una muestra o
estudio. Podemos obtener la moda haciendo uso de calculadora de la moda,
siendo el valor que tiene mayor frecuencia absoluta en un conjunto de datos.
Podremos hallar la moda para variables cualitativas y cuantitativas.
¿Qué es la moda?
La moda es una medida de tendencia central que indica el valor que más se
repite en un grupo de números. En un mismo estudio puede haber más de una
moda, esto ocurre cuando dos (bimodal) o más números (multimodal) se
repiten la misma cantidad de veces siendo este es el máximo número de veces
del conjunto. También puede darse el caso a la inversa y que en una muestra
no haya moda por la ausencia de repetición de los datos, a esto se le llama
muestra amodal.
Símbolo
La moda es una medida que se relaciona con la frecuencia en la que aparece
un dato en un supuesto. La moda puede aparecer tanto en datos cualitativos
como cuantitativos. El símbolo de la moda es: Mo.
Ejemplos:
 Basándonos en la premisa de que la moda equivale al valor más
repetido en una muestra, y observando esta correlación de números:
4,3,2,7,7,7,9,5,9,9,1,9,
Podemos afirmar que la moda es: 9.
 Hallar la moda de la distribución:
2, 3, 3, 4, 4, 4, 5, 5
Mo = 4
 Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50
niños de su consulta en el momento de andar por primera vez:
Meses Niños
9 1
10 4
11 9
12 16
13 11
14 8
15 1

Calcular la moda. Mo = 12

25
  Si en un grupo hay dos o varias puntuaciones con la misma
frecuencia y esa frecuencia es la máxima, la distribución es bimodal
o multimodal, es decir, tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9
Mo= 1, 5, 9
 Cuando todas las puntuaciones de un grupo tienen la misma
frecuencia, no hay moda.
2, 2, 3, 3, 6, 6, 9, 9
 Si dos puntuaciones adyacentes tienen la frecuencia máxima, la
moda es el promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8
Mo = 4
 En el siguiente ejemplo encontramos una muestra bimodal, ya que
los número 6 y 9 tienen las frecuencias más altas y se repiten las
mismas veces: 9,3,4,6,7,8,6,9,0,7,6,9,1,6,9.
 Por último en el siguiente estudio tenemos una muestra amodal,
puesto que las cifras no se repiten con una frecuencia mayor que
los otros datos: 2, 3, 7, 9, 8, 5,0.
Cálculo de la moda para datos agrupados
1º Todos los intervalos tienen la misma amplitud.

Li es el límite inferior de la clase modal.

fi es la frecuencia absoluta de la clase modal.
fi--1 es la frecuencia absoluta inmediatamente inferior a la clase modal.
fi-+1 es la frecuencia absoluta inmediatamente posterior a la clase modal.
ai es la amplitud de la clase.
También se utiliza otra fórmula de la moda que da un valor aproximado de
ésta:

26
Ejemplo:
Calcular la moda de una distribución estadística que viene dada por la siguiente
tabla:

Ejemplo 1 de Moda:
Calcular la Moda:
Xi : 650, 750, 850, 1000, 750, 820, 850, 1200, 1000, 1000
Solución:
Observamos que el valor que se repite frecuentemente es 850 y 1000.
Entonces: Mo = 850 y 1000 soles.
Interpretación: el mayor número de trabajadores tiene un sueldo mensual de
850 y 1000 soles.

27
Ejemplo 2 de Moda:
Calcular e interpretar la moda del coeficiente intelectual expresado en puntaje
del siguiente grupo de alumnos.
Xi : 95, 100, 105, 110, 95, 100, 110, 110, 95
Solución:
Mo : 95 y 110.
Interpretación:
El mayor numero de alumnos tiene un coeficiente intelectual de 95 y 110
puntos. En este caso la serie es bimodal.

MEDIDAS DE DISPERSION
Las medidas de dispersión son parámetros estadísticos que indican como se
alejan los datos respecto de la media aritmética. Sirven como indicador de la
variabilidad de los datos.
Las medidas de dispersión más utilizadas son el Rango, La Desviación
Estándar y la Varianza.
1. RANGO O RECORRIDO
El rango, también conocido como recorrido es la diferencia entre el valor más
alto y el más bajo de un conjunto de datos.
Aunque se dice que el Rango no es una buena medida de dispersión, puesto
que basta que un dato se aleje mucho de la media para que el rango recorrido
resulte muy afectado, ya que únicamente depende de dos valores, sin que
influyan para nada los datos distantes.
Ejemplo:
El índice de egresados de la Facultad de Contabilidad y Finanzas en la Escuela
Superior Tecnológica Universidad Nacional de Piura en los últimos 4 años ha
incrementado considerablemente, de acuerdo a un estudio realizado por
SUNEDU.
CARRERAS EN ETSUNP CANTIDAD DE EGRESADOS EN
LOS ULTIMOS 4 AÑOS
Contabilidad y Finanzas 510
Administración de Empresas 380
Ingeniera de Sistemas 362
Medio Ambiente 302
Hallamos el Rango de cierto caso anterior de Etsunp:
R=valor máximo – valor mínimo
R= 510 – 302
R= 208.

28
 2. VARIANZA:
La Varianza es una medida de dispersión que representa la variabilidad de una
serie de datos respecto a su medida. Sirve para identificar a la media de las
desviaciones cuadráticas de una variable de carácter aleatorio, considerando el
valor medio de esta.

3. DESVIACION ESTANDAR:

La desviación estándar, también conocida como típica, representa la magnitud

de la dispersión de variables de intervalo y de razón, y resulta muy útil en el
campo de la Estadística Descriptiva. Para obtenerla es necesario partir de la
Varianza y se calcula su Raíz Cuadrada.
Además, esta medida de dispersión es más común, porque indica que tan
dispersos están los datos con respecto a la media.
Mientras mayor es la Desviación Estándar, mayor es la dispersión de la
población. Esta mide el grado de dispersión y variabilidad.

4. COEFICIENTE DE VARIACION
El Coeficiente de Variación es la relación entre la desviación típica de una
muestra y su media. El coeficiente de variación permite comparar las
dispersiones de dos distribuciones distintas, siempre que sus medidas sean
positivas.

29
BIBLIOGRAFIAS
1. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0NGwKue
2. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0NEcH2V
3. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0Mwt1QY
4. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0MjpeSm
5. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0MTy76B
6. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0MIolo3
7. https://www.ejemplos.co/15-ejemplos-de-grafica/#ixzz5V0M3a9rU
8. https://www.universoformulas.com/estadistica/descriptiva/
9. http://calidadadministrativa-jessica.blogspot.com/2012/03/desviacion-
estandar.html

30
CONCLUSIONES
Respecto a nuestro trabajo de investigación acerca de Estadística concluimos
que la estadística está presente en nuestra vida cotidiana y es una herramienta
necesaria que se dedica a los métodos de recolección, descripción,
visualización y resumen de datos originados a partir de los fenómenos en
estudio.
Estos resultados obtenidos pueden ser representados en gráficos, y que se
trata de sacar conclusiones y predicciones que ayuden al mejor
aprovechamiento del fenómeno.

31