Introducción A La Estadística Descriptiva PDF

Introducción a la Estadística Descriptiva
1
Introducción a la
Estadística Descriptiva
Introducción a la
Estadística Descriptiva
Javier Alberto Mesa Guerrero
Segundo Javier Caicedo Zambrano
Mesa Guerrero, Javier Alberto
Introducción a la estadística descriptiva / Javier Alberto Mesa Guerrero,
Segundo Javier Caicedo Zambrano. San Juan de Pasto : Editorial Universidad de
Nariño, 2020
123 p.
Incluye bibliografía
ISBN: 978-958-5123-11-3 digital
1. Estadística descriptiva 2. Variables (estadística) 3. Estadística – problemas,
ejercicios, etc. 4. Estadística - enseñanza I. Caicedo Zambrano, Segundo Javier
519.53 M578 – SCDD-Ed. 22 Biblioteca Alberto Quijano Guerrero

Autores: Javier Alberto Mesa G.
Segundo Javier Caicedo Z.
ISBN: 978-958-5123-11-3
Diagramación: Segundo Javier Caicedo Zambrano
Diana Sofía Salas Chalapud
Prohibida la reproducción total o parcial de este libro,

sin autorización expresa y por escrito de la Editorial
Universitaria de la Universidad de Nariño.

San Juan de Pasto – Nariño - Colombia
índice de Contenido
INTRODUCCIÓN.......................................................... 10
CAPÍTULO 1.
CONCEPTOS BÁSICOS................................................ 12
1.1GENERALIDADES........................................................................... 12
1.1.1 Estadística Descriptiva.............................................................................. 12
1.1.2 Estadística Inferencial............................................................................... 12
1.1.3 Variables.................................................................................................... 13
1.1.4 Escalas de medición.................................................................................. 13
1.1.5 Población.................................................................................................. 14
1.1.6 Etapas de la investigación estadística....................................................... 14
1.1.6.1 Primera etapa: planeación................................................................ 14
1.1.6.2 Segunda etapa: ejecución................................................................. 15
1.1.6.3 Tercera etapa: evaluación................................................................ 15
1.2 ORGANIZACIÓN DE DATOS....................................................... 15
1.2.1 Serie estadística........................................................................................ 15
1.2.1.1 Atemporales..................................................................................... 15
1.2.1.2 Temporales o cronológicas.............................................................. 16
1.2.2 Distribución de frecuencias...................................................................... 19
1.2.2.1 Distribución de frecuencias para variable discreta......................... 19
1.2.2.2 Distribución de frecuencias para variable continua........................ 23
1.2.2.3 Representación gráfica de una distribución de frecuencias............ 25
1.3 TALLER............................................................................................. 28
7
CAPÍTULO 2.
MEDIDAS ESTADÍSTICAS........................................... 30
2.1 MEDIDAS DE TENDENCIA CENTRAL....................................... 30
2.1.1 Promedio aritmético................................................................................ 30
2.1.1.1 Propiedades de la media aritmética................................................ 32
2.1.1.2 Método abreviado para calcular el promedio aritmético............... 34
2.1.1.3 Promedio aritmético ponderado..................................................... 35
2.1.2 Mediana.................................................................................................... 36
2.1.2.1 Cálculo de la mediana en datos agrupados
para una variable discreta.........................................................................37
2.1.2.2 Cálculo de la mediana para datos agrupados en intervalos........... 38
2.1.3 Media geométrica .................................................................................... 40
2.1.4 Media armónica........................................................................................ 43
2.1.4.1 Cálculo en datos no agrupados....................................................... 44
2.1.4.2 Cálculo en datos agrupados............................................................ 44
2.1.5 Moda......................................................................................................... 45
2.1.5.1 Cálculo en datos agrupados............................................................ 45
2.2 MEDIDAS DE POSICIÓN............................................................... 46
2.2.1 Cuartiles................................................................................................... 46
2.2.2 Deciles...................................................................................................... 47
2.2.3 Percentiles................................................................................................. 47
2.2.4 Rango percentil........................................................................................ 49
2.3 MEDIDAS DE VARIABILIDAD...................................................... 49
2.3.1 Recorrido o rango.................................................................................... 49
2.3.2 Desviación media..................................................................................... 50
2.3.2.1 Cálculo de la desviación media en datos NO agrupados.............. 50
2.3.2.2 Cálculo de la desviación media en datos agrupados...................... 50
2.3.3 Varianza.................................................................................................... 51
2.3.3.1 Cálculo de varianza en datos no agrupados................................... 51
8
2.3.3.1 Cálculo de varianza en datos agrupados......................................... 51

2.3.4 Desviación típica o desviación estándar.................................................. 52
2.3.5 Coeficiente de variación.......................................................................... 52
2.4 MOMENTOS (MEDIDAS DE FORMA)......................................... 54
2.4.1 Coeficiente de asimetría.......................................................................... 55
2.4.2 Coeficiente de curtosis............................................................................ 55
2.5 ESTANDARIZACIÓN DE UNA VARIABLE................................. 57
CAPÍTULO 3.
REGRESIÓN Y CORRELACIÓN.................................. 60
3.1 COEFICIENTE DE CORRELACIÓN............................................. 61
3.2 REGRESIÓN LINEAL...................................................................... 63
3.3 REGRESIÓN NO LINEAL.............................................................. 67
3.3.1 Función potencial .................................................................................... 67
3.3.2. Función exponencial................................................................................ 69
3.3.3 Función cuadrática.................................................................................... 71
CAPÍTULO 4.
SERIES CRONOLÓGICAS............................................ 75
4.1 ANÁLISIS DE SERIES CRONOLÓGICAS.................................... 75
4.2 ECUACIÓN DE TENDENCIA....................................................... 77
4.3 TALLER............................................................................................. 78
Acerca de los Autores.................................................. 88

REFERENCIAS BIBLIOGRÁFICAS............................. 91
9
INTRODUCCIÓN
Esta obra surge por el interés de los autores de publicar un libro de texto a nivel
introductorio sobre fundamentos de estadística descriptiva, que se constituya en
fuente de consulta y de nivelación sobre conceptos básicos de estadística. Por el
enfoque, está orientado a estudiantes de los primeros semestres de programas
universitarios relacionados con las Ciencias Básicas, Técnicas e Ingenierías, aunque
también lo pueden utilizar estudiantes de otras áreas del conocimiento, incluso de
programas de educación no formal.
Los temas que se abordan en esta obra, han sido seleccionados con base en la
experiencia de los autores, quienes reconocen que se constituye en soporte impor-
tante para estudiantes que inician el estudio de la estadística. Para el efecto, se pre-
senta, en forma resumida, la conceptualización, ejemplos y se proponen ejercicios
para reforzar lo aprendido. Si bien existen muchos programas para el cálculo de
estadísticas, los autores consideran que es importante que los estudiantes realicen
los cálculos paso a paso, tal como se ilustra en los ejemplos, porque ayuda para la
comprensión e interpretación de los resultados.
El libro está organizado en cuatro (4) capítulos. El primero, “Conceptos Básicos”,
presenta generalidades de estadística y organización de datos en tablas de frecuen-
cia. En el segundo capítulo, “Medidas estadísticas”, se trabaja las medidas de ten-
dencia central, medidas de posición, medidas de variabilidad, momentos, relación
y correlación simple, y análisis de series cronológicas. En el tercer capítulo, “Regre-
sión y correlación”, se incluye coeficiente de correlación, regresión lineal, regresión
no lineal: función potencial, función exponencial y función cuadrática. En el cuarto
capítulo, “Series cronológicas”, se aborda el análisis de estas series.
Se sugiere que el estudio del libro se realice en forma secuencial y se desarrollen to-
dos los talleres que se proponen, con lo cual, el estudiante avanzará seguro y tendrá
la posibilidad de finalizar su estudio con una sólida comprensión de los conceptos
básicos de estadística descriptiva.
Los autores, Marzo 2020
10
11
CAPÍTULO 1.
CONCEPTOS BÁSICOS
1.1GENERALIDADES
En términos generales, se considera que la finalidad de la Estadística es suministrar
información acerca de un determinado hecho o fenómeno; su utilidad depende, en
gran parte, de los fines que se propone y de la forma cómo se obtienen los datos.
Por medio de la Estadística se puede lograr los siguientes propósitos:
Conocer la realidad de una observación. Si mediante la investigación se logra
CUANTIFICAR un fenómeno, se conoce la situación real o una estimación del
mismo.
Determinar lo típico o normal de las observaciones. Cuando se cuantifican las ca-
racterísticas de un fenómeno, se está determinando el comportamiento general del
grupo, el grado de uniformidad o variabilidad, la asimetría y el tipo de distribución
de la variable.
Estimar y proyectar el comportamiento futuro de un hecho observado.
Determinar las causas que originan un fenómeno.
Comprobar hipótesis planteadas en una investigación.
Cruzar dos o más variables con el fin de conocer el grado de relación existente
entre ellas y determinar la ecuación que las relaciona.
Hacer inferencias basándose en resultados muestrales y en las leyes del Cálculo
de Probabilidades. Teniendo en cuenta que la Estadística estudia los fenómenos
colectivos, es necesario conocer ciertas técnicas que permitan agrupar la informa-
ción con el fin de facilitar el procesamiento, presentación, análisis y publicación de
resultados.
Dependiendo de si el estudio se realiza con base en una muestra o en una pobla-
ción, la Estadística se clasifique en Descriptiva e Inferencial, respectivamente.
1.1.1 Estadística Descriptiva
La Estadística Descriptiva comprende la recolección, organización, presen-

tación, análisis y publicación de los resultados observados. Su finalidad es describir
las características principales de una muestra, lo cual se puede realizar mediante
cuadros, gráficos o índices.
1.1.2 Estadística Inferencial
La Estadística Inferencial se apoya en el Cálculo de Probabilidades y usa los

resultados de la estadística descriptiva con el fin de generalizar y aplicar los concep-
tos a la población.
12
1.1.3 Variables
Las variables son las características de la muestra o población que se está estudiando y
los datos son los valores de las variables; corresponden a los resultados de la medición.
Ejemplo:
La variable salarios de los trabajadores de una empresa, se mide en pesos.
1.1.4 Escalas de medición
De acuerdo a la clasificación de Steven, las variables pueden ser:

A) Nominales.
B) Ordinales.
C) De Intervalo.
D) De Razón.
Escala nominal: una variable está medida en escala nominal cuando asigna nombres a la
característica.
Ejemplo:
Género, estado civil, profesión.
Escala ordinal: se asigna nombres a la característica y además estos representan un
orden de menor a mayor o viceversa.
Ejemplo:
La opinión de los estudiantes acerca de la administración de la universidad, puede ser:
excelente, buena, regular, mala; el estrato social puede ser bajo, medio, alto.
Escala de intervalo: se presenta cuando se toman medidas numéricas sobre algunos ele-
mentos y se puede determinar con exactitud los intervalos entre esas medidas. La distancia
entre números sucesivos es de tamaño constante y medible. Los datos medidos en escala
de intervalos tienen un punto cero arbitrario. Es decir, la persona que diseña la escala de
manera arbitraria decide donde poner el punto cero.
Ejemplo:
Frio/Caliente es una escala ordinal. Pero si medimos la temperatura en grados 65ºF/70ºF
es una escala de intervalo. Por ejemplo, un día con 60 grados de temperatura no es el
doble de caliente que otro día con 30 grados. Para los datos de intervalos la razón de
números no es apropiada. El valor cero no indica ausencia de temperatura. Los índices de
precios al consumidor pueden tomar como año base (0) de acuerdo al criterio del investi-
gador.
La escala de razón: consiste en medidas numéricas, para las cuales, las distancias entre los
números tienen tamaño constante y conocido, y donde la razón entre los números tiene
significado; además, existe un `punto cero (0) fijo y no arbitrario.
13
Ejemplo:
La vida útil de un artículo en días. La diferencia entre 500 y 250 días indica que la
duración del primero es el doble del segundo,
1.1.5 Población
El término población se refiere al conjunto de todas las observaciones posibles en

una situación dada. Cuando el conjunto es muy numeroso o infinito, es imposible
incluir todos los elementos en el estudio, siendo necesario tomar una muestra
representativa para la investigación. Una muestra es representativa si cumple las
siguientes condiciones:
• Está formada por la diversidad de elementos existentes en la población.
• El tamaño es adecuado según la variable en estudio.
Cuando se analiza las variables en una población se obtiene ciertas características
llamadas parámetros o valores verdaderos. Los parámetros son constantes y para
representarlos, generalmente, se utiliza letras del alfabeto griego; en cambio, esas
características en una muestra son variables y se denominan estadígrafos o estadísti-
cas y se representan con letras del alfabeto latino.
Se define la estadística como “La tecnología del método científico”; por lo cual,
constituye una herramienta muy importante en la investigación.
1.1.6 Etapas de la investigación estadística
Una investigación estadística es un proceso dinámico mediante el cual se

observa un fenómeno, se diseña un experimento, se recolecta datos para probar
una hipótesis y se analizan y obtienen conclusiones útiles para la población objeto
de estudio.
La investigación estadística se desarrolla en tres etapas: Planeación, Ejecución y
Evaluación.
1.1.6.1 Primera etapa: planeación
Como producto de esta etapa, se debe elaborar un documento que contenga los
siguientes aspectos:
• Formulación del problema.
• Fijación de objetivos, marco teórico y justificación.
• Planteamiento de hipótesis.
• Revisión bibliográfica.
• Metodología de la investigación (definiciones de población, muestra,
unidad, diseño muestral, diseño de instrumentos, planes de recolec-
ción, recursos, etc.).
14
• Cronograma de actividades.
• Presupuesto
1.1.6.2 Segunda etapa: ejecución
Se deben desarrollar las siguientes actividades:

• Recolección de información (Trabajo de campo).
• Revisión o crítica.
• Codificación.
• Procesamiento de la información (Elaborar una base de datos, tablas de fre-
cuencia y gráficos).
• Análisis, conclusiones y recomendaciones.
• Presentación y publicación.
1.1.6.3 Tercera etapa: evaluación
En esta etapa se deben desarrollar las siguientes actividades:

• Verificar el cumplimiento de los objetivos.
• Determinar la utilidad de los resultados en la sociedad.
1.2 ORGANIZACIÓN DE DATOS

Debido a que los datos en forma individual no tienen utilidad práctica, es necesario or-
ganizarlos de manera sistemática para facilitar su interpretación y análisis. La manera más
sencilla de organizar la información es en una base de datos, la cual posibilita realizar clasifi-
caciones simples o cruzadas, según las variables o series.
1.2.1 Serie estadística
Es una colección de datos estadísticos, clasificados y ordenados por un determinado crite-

rio. Las series se clasifican en: atemporales y temporales.
1.2.1.1 Atemporales
Los datos se clasifican de acuerdo a una cualidad o magnitud, en un espacio determinado

y en tiempo constante; pueden ser cualitativas o cuantitativas. Las series cualitativas por sí
solas no tiene mérito. Para realizar un análisis descriptivo profundo se puede hacer una re-
presentación tabular, gráfica y cruces de variables; para analizar la relación, se puede utilizar
diagramas de barras o circulares. Las series atemporales tienen aplicación en la estadística
inferencial; por ejemplo, para el análisis de encuestas de opinión, encuestas electorales,
entre otros.
15
En las series cuantitativas los datos se clasifican de acuerdo a una magnitud o medi-
ción; según la naturaleza de la variable pueden ser discretas o continuas. Es en este
tipo de series es donde se puede aplicar la mayoría de técnicas estadísticas, hacien-
do un análisis individual de cada una de las variables o cruzando dos o más de ellas,
con el fin de realizar un estudio conjunto de las mismas.
1.2.1.2 Temporales o cronológicas
Las series cronológicas se refieren a datos de un mismo tema, en un espacio deter-

minado y en épocas diferentes; por ejemplo, el número de alumnos egresados de la
Universidad de Nariño en los últimos 5 años, organizados por programas.
Ejemplo:
Suponga que después de recolectar la información para un estudio acerca del rendi-
miento académico y las carreras preferidas por 30 estudiantes de los colegios de la
ciudad de Pasto, se obtuvo la siguiente información:
Tabla 1. Ejemplo de Rendimiento académico y selección de carrera de un grupo de estu-
diantes
No Género Edad Faltas Nota ICFES Carrera Jornada Modalidad

01 M 17 0 7.8 320 Ing. Industrial D PR
02 M 18 1 8.0 300 C. Pública D PR
03 M 18 2 8.4 268 Derecho D PR
04 M 19 3 9.0 289 Derecho N SE
05 F 20 3 9.2 245 Agronomía D PR
06 F 18 3 4.6 250 Ing. Sistemas N SE
07 M 18 3 3.5 290 Comunicacio- D SE
nes
08 M 17 3 6.8 300 Psicología N PR
09 F 23 5 7.0 305 Zootecnia D PR
10 F 22 4 7.0 304 Veterinaria N PR
11 F 18 4 7.0 300 Derecho N SE
12 F 19 3 6.8 298 Matemáticas D PR
13 M 18 0 7.8 310 Física D PR
14 M 19 0 8.1 290 Derecho N PR
15 M 18 2 6.7 340 Música N PR
16 F 17 2 7.8 320 Arquitectura D SE
17 F 16 3 8.4 315 Arquitectura D PR
18 F 17 3 7.6 287 Bacteriología D PR
19 F 17 3 8.6 300 Medicina D PR
20 M 17 3 7.3 289 Medicina D SE
21 M 17 4 4.5 290 Medicina D PR
22 F 18 5 5.0 310 Odontología D PR
16
No Género Edad Faltas Nota ICFES Carrera Jornada Modalidad

23 F 17 6 6.7 320 Derecho D SE
24 F 19 2 9.0 298 Música D PR
25 F 18 1 9.5 345 Ing. Sistemas N SE
26 M 17 1 8.9 325 Ing. Industrial N PR
27 M 17 1 8.9 324 Zootecnia D PR
28 F 19 0 7.8 314 Derecho N SE
29 F 18 0 8.2 325 Matemáticas D SE
30 M 17 2 9.0 316 Agronomía D PR
Fuente: elaboración propia con datos hipotéticos de 30 estudiantes que aspiran ingresar a la Universidad de Nariño
La columna Género, corresponde a una variable cualitativa; genera la tabla 2:

Tabla 2. Resumen de datos de la variable género de la tabla 1
Género Frecuencia Porcentaje

M 14 46.67%
F 16 53.33%
Total 30 100%
Fuente: elaboración propia con los datos obtenidos de la tabla 1
Gráfico 1. Representación gráfica de la variable género
Fuente: elaboración propia con los datos de la tabla 2
Como se puede observar en el gráfico 1, los porcentajes de las categorías de la variable

son aproximadamente iguales; por lo cual, no hay diferencia significativa entre los porcenta-
jes de la variable género.
A continuación, se presenta una tabla resumen y una gráfica con los datos de edad y géne-
ro de los estudiantes.
17
Tabla 3. Edad y género con los datos de la tabla 1
Edad Género Total

M F
16 0 1 1
17 7 4 11
18 5 5 10
19 2 3 5
20 0 1 1
21 0 0 0
22 0 1 1
23 0 1 1
Total 14 16 30
Gráfico 2. Representación gráfica de género y edad
Fuente: elaboración propia con los con los datos de la tabla 3
Se observa en el gráfico, que la edad de la mayoría de las personas encuestadas está

entre 17 y 18 años; además, que no hay hombres de 16 años ni con edades mayo-
res de 20 años.
La tabla que sigue, resume los datos de género y jornada de los estudiantes.
18
Tabla 4. Género y jornada con datos de la tabla 1
Jornada
Género % Total
Diurno % Nocturno
M 9 30,00% 5 16,70% 14
F 11 36,70% 5 16,70% 16
Total 20 66,70% 10 33,30% 30
Gráfico 3. Género y jornada
1.2.2 Distribución de frecuencias
Una vez producidos o recolectados los datos de un estudio se organizan en tablas, deno-
minadas distribuciones de frecuencia.
1.2.2.1 Distribución de frecuencias para variable discreta
Si los resultados de las observaciones toman valores enteros únicamente, se trata de va-
riables discretas. Los resultados según el orden en que se presenten se pueden simbolizar
por ; es probable que muchos datos se repitan. Para ordenar los datos en una distribución
de frecuencias, se designa por al mínimo de los ; al siguiente, y así sucesivamente, hasta
llegar al máximo, haciendo corresponder cada dato con el número de veces que aparece
(), como se muestra en la tabla 5.
19
Tabla 5. Modelo de tabla de frecuencias absolutas
Fuente: elaboración propia
En esta tabla, se cumple la relación que sigue, donde corresponde al tamaño de la

muestra.
Por comodidad, cuando en la sumatoria se incluyan todos los términos, se suprimi-

rán los subíndices.
Una vez estén agrupados los datos en una distribución de frecuencias, es mucho
más fácil realizar cálculos que permitirán hacer análisis porcentual y descriptivo de la
variable.
Se denota por la i-ésima frecuencia acumulada (ascendente) la cual se obtiene
sumando las frecuencias observadas desde hasta .
se llama frecuencia relativa o porcentual y se denomina frecuencia relativa

acumulada.
La frecuencia se obtiene dividiendo cada frecuencia observada por el tamaño de la

muestra, así:
La frecuencia corresponde a la i-ésima frecuencia relativa acumulada (ascendente),

y se obtiene así:
Tabla 6. Modelo de distribución de frecuencias absolutas y relativas
20
Ejemplo:
Construir una distribución de frecuencias con los datos hipotéticos de inasistencia a clases
de un grupo escolar, relacionados en el cuadro 1:
Cuadro 1. Datos hipotéticos de inasistencia a clases de un grupo de estudiantes
2 3 4 0 3 3 3 1 2 3
2 1 2 3 2 3 3 5 5 4
2 4 1 6 1 6 4 0 5 3
3 3 1 1 6 0 3 3 4 4
3 2 3 2 4 4 2 5 2 1
Cada uno de los datos, , de la tabla anterior, son los resultados del control de asisten-
cia de un grupo de estudiantes durante un año escolar. Con los datos suministrados se ha
construido la distribución de frecuencias de la tabla 7.
Tabla 7. Distribución de frecuencias con los datos de inasistencia a clases de un grupo escolar
representados en el cuadro 1
Faltas
0 3 3 6% 6%
1 7 10 14% 20%
2 10 20 20% 40%
3 15 35 30% 70%
4 8 43 16% 86%
5 4 47 8% 94%
6 3 50 6% 100%
Total 50 100%
Fuente: elaboración propia con los datos del cuadro 1

21
La interpretación de los datos de la cuarta fila, es como sigue:

A) 15 estudiantes faltaron 3 veces a clase.
B) El 30% de los estudiantes tienen 3 faltas.
C) 35 estudiantes tienen menos de 4 faltas.
D) EL 70% de los estudiantes tienen menos de 4 faltas
Esta información se representa en los gráficos de barras 4 y 5, que siguen.
Gráfico 4. Frecuencias relativas con los datos de la tabla 7
Frecuencias relativas
35%
30%
30%
25%
20%
20% 16%
14%
15%
10% 8%
6% 6%
5%
0%
0 1 2 3 4 5 6
Nº de faltas
Gráfico 5. Frecuencias acumuladas con los datos de la tabla 7
Frecuencia acum ulada
120%
100%
94%
100% 86%
80% 70%
60%
40%
40%
20%
20% 6%
0%
0 1 2 3 4 5 6
Nº de faltas
22
1.2.2.2 Distribución de frecuencias para variable continua
Cuando se trata de una variable continua, es necesario agrupar los datos en intervalos,
llamados categorías o clases, los cuales pueden tener igual o distinta amplitud; inclusive,
pueden existir intervalos semiabiertos. Por ejemplo:
A) Si se trata de medir rendimiento académico, independientemente del número
de estudiantes, se acostumbra a utilizar 5 grupos de igual amplitud que represen-
tan rendimiento: excelente, bueno, regular, malo y pésimo.
B) En estudios demográficos, en donde se considere la variable edad, los valores se
pueden organizar en intervalos de diferente amplitud, así: menores de 15 años, de
15 a 20, de 20 a 45 y de 45 años o más.
Es recomendable utilizar intervalos de igual amplitud con el fin de facilitar los cálculos esta-
dísticos.
Cuando una variable discreta toma valores muy dispersos, se sugiere organizar los datos en
intervalos, mediante una distribución de frecuencias, procediendo de la siguiente manera:
1. Aproximar y ordenar los datos de la variable
2. Determinar el recorrido o rango de la variable:

3. Determinar el número de clases; número que depende de la cantidad de datos y del
interés del investigador de agruparlos en más o menos clases; sin embargo, se debe evitar
que ocurra lo siguiente:
• Clases con frecuencia nula.
• Número reducido de intervalos, porque se pierde información original.
• Número excesivo de clases, puesto que se pierde el sentido de la agrupación.
En términos generales, es ideal tomar entre 5 y 15 intervalos, para lo cual, se puede utilizar
la fórmula: , donde corresponde a la cantidad de datos y al núme-
ro de intervalos.
A manera de ejemplo, se presentan los siguientes casos:
• Para menos de 100 datos, se puede escoger 5 o 6 intervalos.
• Para 100 datos:
• Para muestras entre 100 y 1000 datos, pueden ser necesarios de 7 a 9 grupos.
• Para 1000 datos:
• Para muestras entre 1000 y 10000 datos se puede utilizar entre 10 y 13 grupos.
• Para 10000 datos:
• Para 10000 o más datos, 14 o 15 grupos.
23
4. ¿Determinar la amplitud del intervalo mediante la siguiente fórmula:
5. Formar las clases, empezando con el dato mínimo y aumentar cada vez la ampli-
tud del intervalo.
Ejemplo:
Suponga que los puntajes que se presentan en el cuadro 2 corresponden a los resul-
tados obtenidos en una prueba de conocimientos, calificados en una escala de 100 a
400 puntos.
Cuadro 2. Datos hipotéticos de una prueba de conocimientos de 50 estudiantes calificados
en una escala de 100 a 400 puntos
190 190 192 198 200 200 203 205 208 208
209 214 219 220 225 225 226 227 227 227
230 230 230 230 235 240 240 245 246 247
250 260 267 268 275 278 280 280 295 296
297 300 310 330 331 332 333 335 338 338
Fuente: elaboración propia.
Aplicando el procedimiento indicado, se obtiene:

Tamaño de muestra:
Máximo puntaje: 338
Mínimo puntaje: 190
Rango:
Número de grupos:
Amplitud:
Se observa que el valor 21,14 se aproxima al entero siguiente, porque si se redon-
dea al entero menor, es posible que en el último intervalo no queden incluidos todos
datos, requiriendo adicionar otro intervalo. Los grupos también se pueden escribir
como intervalos de la forma [, así: [190, 212).
24
Tabla 8. Distribución de frecuencias con los datos hipotéticos de una prueba de conocimientos de
50 estudiantes, calificada en una escala de 100 a 400, representados en el cuadro 2.
190 211 11 22% 11 22% 200,5

212 233 13 26% 24 48% 222,5
234 255 7 14% 31 62% 244,5
256 277 4 8% 35 70% 266,5
278 299 6 12% 41 82% 288,5
300 321 2 4% 43 86% 310,5
322 343 7 14% 50 100% 332,5
Total 50 100%
La columna contiene las marcas de clase de cada intervalo y corresponde al valor que
representa los datos contenidos en cada intervalo, es decir, en cada grupo.
Para la aplicación de las fórmulas estadísticas en datos agrupados se utilizan las marcas
de clase, con el riesgo de que se pierda precisión en el resultado final, puesto que no se
trabaja con los datos originales. Si para la distribución de frecuencias se toma un número
adecuado de intervalos, las diferencias pueden no ser significativas.
La interpretación de los datos de la segunda fila, es la siguiente:
• 13 estudiantes obtuvieron un puntaje comprendido entre 212 y 233 puntos.
• El 26% de los estudiantes obtuvo un puntaje comprendido entre 212 y 233
puntos.
• 24 estudiantes tienen un puntaje inferior a 234 puntos.

• El 48% de los estudiantes obtuvo un puntaje inferior a 234 puntos.
1.2.2.3 Representación gráfica de una distribución de frecuencias
Una forma de representar gráficamente una distribución de frecuencias es por medio de

un gráfico de barras llamado histograma, el cual, consiste en una serie de rectángulos cuya
base es igual a la amplitud de los intervalos, y la altura es proporcional a la frecuencia res-
pectiva. También se pueden representar por medio de un gráfico de líneas llamado polígono
de frecuencias, que se construye con las marcas de clase y la frecuencia respectiva.
25
Gráfico 6. Histograma de frecuencias relativas con los datos de la tabla 8
La segunda barra se interpreta de la siguiente manera: el 26% de los estudiantes que

presentaron la prueba de conocimientos, obtuvieron puntuaciones entre 212 y 233
puntos.
Gráfico 7. Polígono de frecuencias relativas con los datos de la tabla 8
POLIGONO DE FRECUENCIAS
30%
25%
20%
15%
10%
5%
0%
178,5
200,5
222,5
244,5
266,5
288,5
310,5
332,5
354,5
MARCAS DE CLASE
Un gráfico que muestra las frecuencias acumuladas (menor que), se denomina polí-
gono de frecuencias acumuladas u Ojiva.
26
Gráfico 8. Frecuencia acumulada ascendente con los datos de la tabla 8

OJIVA ASCENDENTE
120%
100%
100%
86%
82%
80%
70%
62%
60%
48%
40%
22%
20%
0
0%
190
212
234
256
278
300
322
Se puede observar que el 22% de los estudiantes tiene un puntaje inferior a 212 puntos, lo
cual coincide con los datos de la tabla 9; de igual forma, el 82% tiene puntuaciones meno-
res que 300 puntos.
Del gráfico de una Ojiva ascendente, se puede determinar, de manera aproximada, cual-
quier porcentaje de alumnos que se ubique por debajo de un valor indicado o encontrar el
valor (percentil) por debajo del cual queda un determinado porcentaje (rango percentil).
Por ejemplo, el 50% de los estudiantes tienen puntajes inferiores a 243 puntos.
Ejemplo:
Las notas correspondientes al primer parcial de 44 estudiantes de Estadística Descriptiva
en el período A-2019, fueron las siguientes:
Cuadro 3. Notas hipotéticas del primer parcial de Estadística Descriptiva en el período A-2019 de
la Universidad de Nariño
1,8 2,5 5,0 3,0 5,0 3,0 3,8 2,8 0,8

2,8 3,0 1,0 5,0 4,0 3,0 3,5 4,5 2,5
4,0 1,0 2,0 4,5 2,5 2,0 2,5 1,5 0,9
4,5 4,0 4,0 0,5 3,2 4,0 5,0 4,5 2,5
1,8 3,0 2,5 3,8 3,2 4,6 4,6 1,0
Los intervalos utilizados son intervalos semiabiertos, de la siguiente forma: [. Por ejemplo,
en el intervalo se incluye las calificaciones mayores o iguales a cero y menores que uno.
27
Tabla 9. Notas parciales hipotéticas de Estadística Descriptiva del primer parcial de Esta-
dística Descriptiva en el período A-2019 de la Universidad de Nariño, representados en el
cuadro 3
0 1 3 6,82% 3 6,82% 0,495

1 2 6 13,64% 9 20,45% 1,495
2 3 10 22,73% 19 43,18% 2,495
3 4 10 22,73% 29 65,91% 3,495
4 5 15 34,09% 44 100,00% 4,5
44 100%
Fuente: elaboración propia con datos del cuadro 3
Gráfico 9. Histograma de frecuencias
1.3 TALLER
a) Elaborar un proyecto de investigación con el fin de analizar el desempeño de los

estudiantes en Estadística Descriptiva de la Universidad de Nariño, durante el pe-
ríodo Académico A-2018. Para el efecto, diseñar un formulario adecuado median-
te el cual recolectar la información necesaria.
b) Con la información recolectada en el literal anterior, construir una tabla de modo
que en las columnas se ubiquen las preguntas (variables), y en las filas los registros
o respuestas a cada una de las variables.
c) Realizar una representación tabular y gráfica de la información recolectada e inter-
pretar los resultados.
28
29
CAPÍTULO 2.
MEDIDAS ESTADÍSTICAS
Son valores que permiten conocer las características de una variable, también se co-
nocen con el nombre de estadígrafos; se destacan las medidas de tendencia central
o promedios, de posición, de variabilidad, de asimetría y curtosis.
Todas las medidas estadísticas aquí estudiadas, se pueden calcular de dos maneras:
a) Utilizando funciones estadísticas de Microsoft Excel: se trabaja directamente en la
base de datos, de lo cual se obtiene los resultados únicamente.
b) Aplicando fórmulas en las distribuciones de frecuencias: en este caso, se obtiene
los resultados de manera didáctica.
2.1 MEDIDAS DE TENDENCIA CENTRAL

Las distribuciones de frecuencia permiten resumir los datos y, a la vez, apreciar
las variaciones que experimenta una variable; sin embargo, no son suficientes para
un análisis completo; en consecuencia, es necesario conocer los procedimientos
estadísticos que permiten obtener información amplia y suficiente para la toma de
decisiones.
Las medidas de tendencia central -MTC- o promedios, son valores típicos y repre-
sentativos de un conjunto de datos; los más importantes son: promedio aritmético,
promedio ponderado, mediana, moda, media geométrica y media armónica.
El uso de una u otra medida depende de las características de los datos, los cuales
pueden ser: temporales, atemporales, de proporcionalidad; pero también depende
de la conveniencia y de la experiencia del investigador.
2.1.1 Promedio aritmético
La media aritmética de una variable se representa por y se define de la

siguiente manera:
a) Para datos no agrupados se suma todos los datos y se divide por

el tamaño de la muestra:
b) Para datos agrupados en una distribución de frecuencias, se calcula así:
30
Donde representa las de clase y las frecuencias observadas.
En los siguientes casos NO es recomendable utilizar el promedio aritmético:
a) Los datos son muy heterogéneos.
b) Hay presencia de valores extremos muy altos o muy bajos.
c) Se desea conocer el promedio de una variable a través del tiempo; por ejemplo, costo
de vida, crecimiento de población, operaciones financieras.
Ejemplo:
Calcular el promedio de los puntajes de una prueba de conocimientos aplicada a 50 estu-
diantes, cuyos datos se presentan en el cuadro 4.
Cuadro 4. Puntajes hipotéticos de una prueba de conocimientos aplicada a 50 estudiantes en una
escala de 1 a 400
En seguida se calcula el promedio aritmético aplicando la fórmula para datos agrupados;

para lo cual se organizan en una distribución de frecuencias con siete (7) intervalos (clases),
tal como se indica en la tabla 10.
Tabla 10. Puntajes hipotéticos de una prueba de conocimientos aplicada a 50 estudiantes en una
escala de 1 a 400, representados en el cuadro 4.
Grupos
1 190 211 11 200,5 2205,5

2 212 233 13 222,5 2892,5
3 234 255 7 244,5 1711,5
4 256 277 4 266,5 1066
5 278 299 6 288,5 1731
6 300 321 2 310,5 621
7 322 343 7 332,5 2327,5
Total 50 12555
Fuente: elaboración propia con los datos del cuadro 4 31

Se puede observar que los promedios calculados con los datos NO agrupados y
con los mismos datos agrupados en clases, son aproximadamente iguales; pues,
si bien, en la agrupación se pueden producir diferencias, en general estas no son
importantes.
2.1.1.1 Propiedades de la media aritmética
Se denominan desviaciones a las diferencias de una variable con respecto a un valor

particular de la misma, el cual se toma como referencia. En lo que sigue, se conside-
ran las desviaciones respecto al promedio aritmético.
1) La suma algebraica de todas las desviaciones (diferencias) respecto al promedio
aritmético es igual a cero.
a) Para datos no agrupados:
Ejemplo:
Suponga que los siguientes datos corresponden a las calificaciones de cinco estu-
diantes, evaluados en una escala de 1 a 10: 2, 4, 6, 8, 10.
El promedio de las calificaciones es:
Tabla 11. Ejemplo de desviación de datos no agrupados respecto a la media
2 -4
4 -2
6 0
8 2
10 4
Suma 0
Fuente: elaboración propia con los datos del ejemplo anterior
b) Para datos agrupados
32
Tabla 12. Ejemplo de cálculo de desviación en datos agrupados respecto a la media con los datos
de la tabla 10
Grupos
1 190 211 11 200,5 2205,5 -556,6

2 212 233 13 222,5 2892,5 -371,8
3 234 255 7 244,5 1711,5 -46,2
4 256 277 4 266,5 1066 61,6
5 278 299 6 288,5 1731 224,4
6 300 321 2 310,5 621 118,8
7 322 343 7 332,5 2327,5 569,8
Total 50 12555 0
2) El promedio aritmético de una constante es igual a la misma constante:
3) El promedio del producto de una constante por una variable, es igual al producto de la
constante por el promedio de la variable:
4) El promedio de la suma de una variable y una constante, es igual a la media de la varia-

ble más la constante:
Si una muestra de observaciones con promedio , se divide en dos o más submuestras

de datos con promedio , datos con promedio datos con promedio
, entonces la media de todos los datos es:
Ejemplo:
En un curso de Estadística hay 60 estudiantes, de los cuales 20 son mujeres; la nota prome-
dio de los hombres es 4,0 y de las mujeres 3,5. Determinar la nota nota promedio de todo
el grupo.
33
El promedio del grupo se obtiene aplicando la fórmula para el cálculo del promedio
ponderado, así:
Se observa que el promedio ponderado es 3,83 puntos, un poco menos que el pro-
medio de los hombres, y a la vez, un poco más que el promedio de las mujeres.
2.1.1.2 Método abreviado para calcular el promedio aritmético
Este método se aplica en distribuciones de frecuencias con intervalos de igual ampli-

tud. Sea la siguiente transformación lineal:
representa las marcas de clase, es cualquiera de las marcas de clase y, corres-

ponde a la amplitud del intervalo. Dado que las diferencias son múltiplos
de C, la variable U toma valores enteros consecutivos. Despejando de la ecua-
ción anterior, se obtiene la siguiente expresión:
Aplicando las propiedades 3 y 4 del promedio aritmético, se obtiene la siguiente

ecuación:
Ejemplo:
Utilizando los datos de la tabla 10, sea ; determinar los valores de u:
34
Tabla 13. Distribución de frecuencias para cálculo de promedio por método abreviado con los datos
de la tabla 10
Grupos
1 190 211 11 200,5 -3 -33

2 212 233 13 222,5 -2 -26
3 234 255 7 244,5 -1 -7
4 256 277 4 266,5 0 0
5 278 299 6 288,5 1 6
6 300 321 2 310,5 2 4
7 322 343 7 332,5 3 21
Total 50 0 -35
2.1.1.3 Promedio aritmético ponderado
Hay casos en que los valores de una variable no tienen la misma importancia o peso, por lo
cual, es necesario asignarles un determinado factor o ponderación, que se simboliza
por
Si tiene un peso tiene un peso etc., entonces, la media aritmética

ponderada se define por:
35
Los pesos pueden tomar cualquier valor numérico.

Ejemplo:
Suponga que en un curso de administración se efectúan cuatro evaluaciones parcia-
les, asignando los siguientes pesos: 1 para la primera evaluación, 2 para la segunda, 5
para la tercera y 8 para la última evaluación. Calcular la nota promedio.
Tabla 14. Cálculo del promedio con pesos ponderados
No. de Notas (X) Peso (W) XW

Evaluación
1 3,5 1,0 3,5
2 4,0 2,0 8,0
3 4,5 5,0 22,5
4 2,0 8,0 16,0
Total 16 50
Aplicando ponderaciones a las evaluaciones, se obtiene lo siguiente:
Por su parte, el promedio aritmético sin aplicar ponderaciones es:
Se observa que el promedio ponderado difiere del promedio aritmético no ponde-

rado. La aplicación de una u otra fórmula depende del enunciado del problema y de
la naturaleza del mismo.
2.1.2 Mediana.
Es el valor que divide en dos partes iguales una serie ordenada de datos; es decir,
es el valor central de la serie. Se puede utilizar la mediana como un valor represen-
tativo de un conjunto de datos cuando no sea recomendable utilizar el promedio
aritmético. Se denota por
36
Ejemplos:
a) Determinar la mediana del siguiente conjunto de datos:
Ordenando los datos, se tiene: .
valor que ocupa la tercera posición en una lista ordenada de 5 datos.
b) Determinar la mediana de los siguientes datos: .
Cuando el número de datos es par, la mediana es el promedio de los valores centrales.
La lista tiene 6 datos y los dos valores centrales son 6 y 7, por lo cual, la mediana se calcula
así:
2.1.2.1 Cálculo de la mediana en datos agrupados para una variable discreta
Tabla 15. Modelo de tabla para cálculo de mediana en datos agrupados
Pasos:
1) Determinar el lugar central aplicando la siguiente fórmula:
2) Determinar el valor el cual corresponde a la primera frecuencia relativa acumulada, que

contiene el 50% de los datos.
37
Ejemplo:
Determinar la mediana de los datos de la tabla que sigue, la cual contiene datos
hipotéticos de puntuaciones en una prueba de conocimientos:
2 5
4 3
5 8
6 10
7 12
8 13
Total 51
Tabla 16. Ejemplo de cálculo de mediana en datos agrupados sin intervalos
2 5 5 9,80% 9,80%
4 3 8 5,90% 15,70%
5 8 16 15,70% 31,40%
6 10 26 19,60% 51,00%
7 12 38 23,50% 74,50%
8 13 51 25,50% 100,00%
Total 51 1
Por lo tanto, el lugar de la mediana es ; en consecuencia, observando la columna de

los datos se tiene que la mediana es .
2.1.2.2 Cálculo de la mediana para datos agrupados en intervalos
Se aplica una fórmula de interpolación, ubicando previamente la clase median, la

cual corresponde al lugar de la mediana .
38
Donde:
: límite inferior real de la clase mediana.

: tamaño de muestra.
: frecuencia acumulada anterior a la clase mediana.
: frecuencia observada de la clase.
: amplitud del intervalo.
Ejemplo:
Calcular la mediana con los datos de la tabla 17, que contiene los puntajes obtenidos por
50 estudiantes en una prueba de conocimientos.
Tabla 17. Ejemplo de cálculo de mediana en datos agrupados en intervalos
190 211 11 22% 11 22%

212 233 13 26% 24 48%
234 255 7 14% 31 62%
256 277 4 8% 35 70%
278 299 6 12% 41 82%
300 321 2 4% 43 86%
322 343 7 14% 50 100%
Total 50 100%
39
Se obtiene que en consecuencia, el 50% de los estudiantes obtu-

vo un puntaje inferior a puntos.
2.1.3 Media geométrica
La media geométrica, de una serie se define como la raíz

nésima del producto de los datos; es decir:
Cuando los datos están agrupados en una distribución de frecuencias, la media

geométrica se obtiene con la siguiente fórmula:
Si la muestra es grande, la fórmula anterior presenta algunos inconvenientes de

cálculo, generados por el producto de potencias; lo cual se puede evitar aplicando
logaritmos, así:
Se puede observar que el logaritmo de la media geométrica es igual a la media arit-

mética de los logaritmos de los datos.
La media geométrica se utiliza para medir los cambios de una variable a través del
tiempo; por ejemplo, para promediar tasas de cambio, analizar el incremento de
una población o para la obtención de índices, siempre y cuando las variaciones sean
directamente proporcionales.
Ejemplo:
Suponga que la demanda de cupos escolares entre los años 1999 y 2004, corres-
ponde a los datos que muestra el cuadro que sigue. Calcular la tasa media de creci-
miento porcentual, por año.
40
Año Demanda
1999 5.000
2000 6.000
2001 9.000
2002 15.000
2003 30.000
2004 50.000
Tabla 18. Ejemplo de cálculo de media geométrica
Año Demanda Factor de crecimiento

( )
1999 5.000 - -
2000 6.000 1,2 0,07918
2001 9.000 1,5 0,17609
2002 15.000 1,6666667 0,22272
2003 30.000 2 0,30103
2004 50.000 1,6666667 0,22272
Los factores de crecimiento (índices) se obtienen dividiendo cada dato por el anterior; de
este modo, el factor de crecimiento para el año 2000 es:
El año 1999 no tiene factor de crecimiento por ser el primero, el cual se toma como refe-
rencia.
El factor de crecimiento del año 2000 es 1,20 valor que indica un crecimiento del 20% con
respecto al año 1999.
La tasa promedio de crecimiento de la demanda, se obtiene aplicando la fórmula de la

media geométrica a los factores de crecimiento, así:
Por lo tanto, la tasa promedio de crecimiento de la demanda de estudiantes entre 1999 y

2004 es del 58,5% anual.
Determinemos ahora el valor de aplicando logaritmos:
41
Este resultado coincide con el calculado anteriormente.
Cuando los datos están agrupados, la fórmula para el cálculo del promedio geomé-
trico es la siguiente:
Se puede observar que cada factor representa números muy grandes y el producto
de todos los factores es muy dispendioso, por lo cual, es conveniente utilizar loga-
ritmos de los datos.
Ejemplo:
Calcular la media geométrica con los datos de la siguiente tabla, que contiene los
puntajes obtenidos por 50 estudiantes en una prueba de conocimientos.
Grupos
1 190 211 11 200,5 2,302 25,322

2 212 233 13 222,5 2,347 30,511
3 234 255 7 244,5 2,388 16,716
4 256 277 4 266,5 2,426 9,704
5 278 299 6 288,5 2,46 14,76
6 300 321 2 310,5 2,492 4,984
7 322 343 7 332,5 2,522 17,654
Total 50 119,651
Se indicó que la media geométrica se utiliza para determinar el promedio de creci-

miento de una variable a través del tiempo. En este sentido, la siguiente expresión
determina el crecimiento de una cantidad después de períodos de tiempo, con una
tasa constante de crecimiento :
42
: cantidad final
: cantidad inicial
: factor de crecimiento
: unidades de tiempo.
De la fórmula anterior, se obtiene que:
El cociente se denomina índice acumulado y es igual al producto de los factores de

crecimiento.
Ejemplo:
Si en un país, la población universitaria en el año 2000 era de 4.000 estudiantes y en el
2019 es de 13.000. ¿Cuál es el factor y la tasa de crecimiento anual?
Este valor es el factor de crecimiento anual; significa que en cada año la población universi-
taria se va multiplicando por 1,064 y que la rasa de crecimiento es del 6,4% anual.
2.1.4 Media armónica
La media armónica de una serie de observaciones se define como el

recíproco de la media aritmética de los recíprocos. Se simboliza por y se utiliza para
promediar cantidades inversamente proporcionales.
Por ejemplo, se usa para promediar velocidades en tiempos diferentes, así:
Al trabajar con dos espacios , se tiene lo siguiente:
43
Dividiendo esta expresión por el tiempo total, se obtiene:
Entonces:
2.1.4.1 Cálculo en datos no agrupados
2.1.4.2 Cálculo en datos agrupados
Ejemplo:
Suponga que la distancia entre dos ciudades es de 80 kilómetros y que

entre es de 120m km. Si un automóvil gasta una hora en cada uno de los
recorridos, determinar la velocidad promedio del recorrido.
En este caso, la solución se obtiene aplicando la media aritmética, porque el tiempo

permanece constante.
44
El resultado es similar si se utiliza la media armónica.
Pero si el automóvil recorre los 80 km. a una velocidad de . y los a

una velocidad de , sería incorrecto utilizar el promedio aritmético para calcular la
velocidad promedio; en este caso se tendría que aplicar la media armónica.
Tabla 19. Datos para ejemplo de cálculo de media armónica
X (Vel) F (Km)
100 80
80 120
Total 200
Por tanto, el vehículo recorrió los dos tramos con una velocidad promedio de 86,956 kph.
2.1.5 Moda
Se define como el valor de mayor frecuencia en un conjunto de datos; es decir, correspon-

de al valor que más se repite; por ejemplo, la nota predominante en un examen.
2.1.5.1 Cálculo en datos agrupados
: límite inferior real de la clase de mayor frecuencia (clase modal)

: frecuencia de la clase modal, menos la frecuencia anterior
: frecuencia de la clase modal, menos la frecuencia posterior
: amplitud del intervalo
Ejemplo:
Calcular la moda de la siguiente distribución de datos:
45
Tabla 20. Datos para ejemplo de cálculo de moda en datos agrupados
Puntaje
190-220 13
220-250 17
250-280 6
280-310 6
310-340 8
Total 50
2.2 MEDIDAS DE POSICIÓN
La mediana divide una serie de datos ordenados en dos partes iguales, dejando un
50% de información por debajo de este valor y un 50% por encima. Pero la serie
puede dividirse en cuatro, diez o cien partes iguales, dando lugar a cuartiles, deciles
y percentiles.
2.2.1 Cuartiles
El cuartil uno o cuartil inferior, es el valor que supera el 25% de la información

y a la vez es superado por el 75% restante. El cuartil dos es la misma mediana.
El cuartil tres o cuartil superior, es aquel valor que supera el 75% de la infor-
mación y es superado por el 25%. Para su cálculo, se procede de igual forma que
en la mediana; primero se lo ubica en (frecuencia relativa acumulada) y luego se
aplica la siguiente fórmula:
46
2.2.2 Deciles
De igual forma que para el caso de los cuartiles, se puede dividir una serie ordenada de
datos en 10 pares iguales, denominadas deciles. El primer decil deja por debajo el 10%
de información. El el 20% y así sucesivamente. Para su cálculo se utiliza el mismo pro-
cedimiento que en los cuartiles, solo que en lugar de dividir entre 4, se divide entre 10.
2.2.3 Percentiles
Si se quiere dividir la distribución en 100 partes iguales, se procede de la misma forma que
para los deciles. El primer percentil deja por debajo el 1% de información y es supera-
do por el 99%. El percentil dos supera al 2% y es superado por el 98% de los datos, y
así sucesivamente.
Entre cuartiles, deciles y percentiles, se cumplen las siguientes relaciones:
Para determinar los percentiles, primero se encuentra su lugar en H, luego se aplica la

siguiente fórmula de interpolación:
Ejemplo:
La tabla 21 presenta la distribución por edades de 200 estudiantes, con base en la cual se
pide calcular cuartiles, deciles y percentiles.
Tabla 21. Ejemplo de cálculo de medidas de posición
Edad f F H
10-12 10 10 5%
12-14 35 45 22,50%
14-16 95 140 70%
16-18 35 175 87,50%
18-20 15 190 95%
20-22 10 200 100%
Total 200 -
47
Calculemos el cuartil que es equivalente al percentil
Este valor indica que el 25% de los estudiantes tiene menos de 14,1 años de edad.
Este valor indica que el 75% de los estudiantes tiene menos de 16,6 años de edad.
Cuando se realiza análisis de frecuencias, surgen interrogantes que se pueden

resolver en forma inmediata a partir de los datos de la distribución de frecuencias.
Por ejemplo, el porcentaje de estudiantes con menos de 16 años de edad, según lo
muestra la tabla, es 70%.
Tabla 22. Distribución de frecuencias relativas de los datos de la tabla 21
Edad
10 - 12 10 10 5 5
12 - 14 35 45 17,5 22,5
14 - 16 95 140 47,5 70,0
16 - 18 35 175 17,5 87,5
18 -20 15 190 7,5 95,0
20 -22 10 200 5,0 100,0
Total 200 100
Para determinar el porcentaje de estudiantes con menos de 15 años, dado que no

aparece directamente en la tabla, se tiene que calcular.
El porcentaje de datos que está por debajo de un determinado valor, se conoce
como rango percentil y se obtiene despejando , de la fórmula del percentil.
48
2.2.4 Rango percentil
Aplicando esta fórmula, se obtiene que, el porcentaje de estudiantes con menos de 15

años de edad es:
En este ejemplo, se tiene que el porcentaje de estudiantes con menos de 15 años de edad
es
2.3 MEDIDAS DE VARIABILIDAD

Estas medidas se utilizan para conocer el grado de dispersión o variación que presentan
los datos al rededor del promedio. Cuando comparamos dos (2) o más distribuciones de
frecuencia, las medidas de tendencia central no son suficientes para hacer las comparacio-
nes, ya que dos distribuciones pueden tener la misma media y ser diferentes. Para lograr
un mejor conocimiento acerca del comportamiento de los datos, se utiliza las medidas de
variabilidad, entre las cuales se encuentran el recorrido o rango, rango intercuartílico, des-
viación media, varianza, desviación típica o estándar, y coeficiente de variabilidad.
2.3.1 Recorrido o rango
Aunque el recorrido es una medida muy sencilla de la dispersión de los datos, se puede
utilizar cuando se desea obtener rápidamente el grado de variabilidad; por ejemplo, cuan-
do se quiere comparar las notas de un examen en dos grupos diferentes.
Ejemplo:
Suponga quela tabla 23 contiene las notas máximas y mínimas de dos cursos de Estadística
Descriptiva y se desea comparar el rendimiento de los grupos.
Tabla 23. Ejemplo de cálculo del rango en distribuciones de frecuencia
Grupos Nota máxima Nota mínima Rango

A 9,8 2,0 7,8
B 9,0 6,0 3,0
49
De la tabla se puede decir que el rendimiento del Grupo B, fue más homogéneo,
puesto que el rango del Grupo B es menor que el rango de los datos del Grupo A.
Aunque el recorrido es una medida significativa, tiene el inconveniente de estar
afectado solo por los valores extremos. Con el fin de superar este problema se uti-
liza el Rango Intercuartílico, que es la diferencia entre el cuartil y el cuartil
u otra medida de variabilidad.
Entonces
2.3.2 Desviación media
Se entiende por variación la diferencia de un dato con respecto a un punto de

referencia, que bien puede ser el promedio. Para disponer de una medida de va-
riabilidad que tenga en cuenta todas las diferencias o desviaciones, lo más común
es calcular el promedio aritmético de todas las desviaciones; sin embargo, como se
demostró anteriormente, la suma de las desviaciones respecto a la media es cero,
ya que el promedio aritmético es el punto de equilibrio de la distribución, por lo
cual, las desviaciones a la izquierda de la media se compensan con las desviaciones a
la derecha. Una manera de evitar el cero es trabajar con los valores absolutos de las
desviaciones respecto a la media.
2.3.2.1 Cálculo de la desviación media en datos NO agrupados
2.3.2.2 Cálculo de la desviación media en datos agrupados
Ejemplo:
Calcular la desviación media en la tabla 24, donde
50
Tabla 24. Ejemplo de cálculo de la desviación media en una distribución de frecuencias
Puntajes
190-220 13 205 -47,4 47,4 616,2

220-250 17 235 -17,4 17,4 295,8
250-280 6 265 12,6 12,6 75,6
280-310 6 295 42,6 42,6 255,6
310-340 8 325 72,6 72,6 580,8
Total 50 1824
Otra forma de evitar el cero de las desviaciones respecto a la media, es tomar los cuadra-
dos de tales desviaciones; en este caso, el promedio aritmético de estos nuevos valores se
denomina varianza.
2.3.3 Varianza
Por definición, la varianza es el promedio aritmético de los cuadrados de las desviaciones

respecto a la media de los datos.
2.3.3.1 Cálculo de varianza en datos no agrupados
Esta fórmula es equivalente a:
2.3.3.1 Cálculo de varianza en datos agrupados
51
Esta fórmula es equivalente a:
2.3.4 Desviación típica o desviación estándar
Es la raíz cuadrada no negativa de la varianza; es decir:
Ejemplo:
Tabla 25. Ejemplo de cálculo de varianza en datos agrupados
Puntajes
190-220 13 205 2665 546325
220-250 17 235 3995 938825
250-280 6 265 1590 421350
280-310 6 295 1770 522150
310-340 8 325 2600 845000
Total 50 12620 3273650
2.3.5 Coeficiente de variación
Las medidas de variabilidad expresadas en valores absolutos, son bastante útiles

para describir la dispersión de un conjunto de datos. Sin embargo, cuando se trata
de comparar dos conjuntos de valores, estas medidas son convenientes sólo cuan-
do las unidades de medida son las mismas y los conjuntos tienen promedios aproxi-
madamente iguales, en caso contrario, no son comparables. Cuando no son compa-
52
rables, se utiliza una medida de variación relativa denominada coeficiente de variación y se

define como el cociente resultante entre la desviación estándar y el promedio aritmético:
Ejemplo:
Calcular la varianza, desviación estándar y el coeficiente de variación de la distribución de la
siguiente tabla, cuya media es: .
Tabla 26. Ejemplo de cálculo desviación estándar y coeficiente de variación en datos agrupados
Puntajes
190-220 13 205 -47.4 2.246,76 29.207,88

220-250 17 235 -17.4 302,76 5.146,92
250-280 6 265 12.6 158,76 952,56
280-310 6 295 42.6 1.814,76 10.888,56
310-340 8 325 72.6 5.270,76 42.166,08
Total 50 88.361,94
La varianza se interpreta como el promedio de los cuadrados de las desviaciones; por su

parte, la desviación estándar es la raíz cuadrada no negativa de la varianza.
La desviación estándar se interpreta como la diferencia promedio que presentan los datos
con respecto al promedio aritmético; esto es, la variable puntajes puede variar hacia arriba
o hacia abajo del promedio en esa cantidad, hasta 3,5 veces. En decir
En una distribución normal, se presenta lo siguiente:

• El 68,26% de la información se encuentra entre el promedio o una desviación
estándar.
• El 95,44% entre el promedio dos (2) desviaciones estándar.
• El 99,74% entre el promedio tres (3) desviaciones estándar.
• El 99,96% entre el promedio tres punto cinco (3,5) desviaciones
estándar.
53
El coeficiente de variabilidad indica el porcentaje que la desviación estándar repre-

senta del promedio; en este caso, la desviación estándar es el 17% del promedio
y se utiliza para comparar dos o más grupos, siendo más homogéneo el grupo de
menor coeficiente de variabilidad.
2.4 MOMENTOS (MEDIDAS DE FORMA)

Sean los valores de una variable y sea , las
desviaciones de la variable respecto a la constante
El momento de orden respecto al punto se denota por y se define
como sigue:
Si se obtiene los momentos con respecto al origen.

En este caso es igual al promedio de ; y se determina como sigue:
Sí en la fórmula de los momentos se reemplaza , los momentos se deno-

minan centrales; en este caso, queda determinado así:
Se puede probar que:
54
Para evitar unidades particulares, se define los momentos adimensionales de la si-

guiente manera:
Para el cálculo de los momentos en datos NO agrupados, se reemplaza por en la fór-

mula de datos agrupados, quedando así:
2.4.1 Coeficiente de asimetría
Con el cálculo de los momentos, además de conocer la media, la varianza y la desviación

estándar, también se puede medir el grado de sesgo o de asimetría de la distribución. Se
define así:
Si , la distribución es simétrica; si la distribución tiene sesgo positivo,

es decir la gráfica de la distribución tiene una cola a la derecha; y si , la asimetría
es negativa, o sea, la gráfica de la distribución tiene una cola a la izquierda.
2.4.2 Coeficiente de curtosis
El coeficiente de curtosis mide el grado de apuntamiento de la distribución y se mide utili-

zando el momento , de la siguiente manera:
55
Si , la gráfica de la distribución es mesocúrtica, o sea con elevación nor-

mal; si , la distribución es leptocúrtica, es decir, puntiaguda; y si
, la distribución es platicúrtica, o sea, la gráfica de la distribución se presenta achata-
da.
Ejemplo:
La tabla que sigue presenta el valor de matrícula en miles de pesos pagada por 50
estudiantes de la Universidad de Nariño, en un período académico.
Cuadro 5. Datos hipotéticos de pago de matrícula de 50 estudiantes de la Universidad de
Nariño
100 130 140 165 166 180 180 230 268 270
278 280 290 300 320 323 325 328 340 350
360 361 362 362 365 368 369 369 370 370
380 385 386 392 395 400 410 415 416 417
420 450 458 459 500 520 521 524 574 594
Tabla 27. Ejemplo de cálculo de momentos con datos de pago de matrícula de

50 estudiantes de la Universidad de NariñoWW
100 170 5 135 675 -215,84 -1079,2 232935 -50276589 10851698867

171 241 3 206 618 -144,84 -434,52 62936 -9115632 1320308196
242 312 6 277 1662 -73,84 -443,04 32714 -2415607 178368435,3
313 383 17 348 5916 -2,84 -48,28 137 -389 1105,916357
384 454 11 419 4609 68,16 749,76 51104 3483224 237416562,3
455 525 6 490 2940 139,16 834,96 116193 16169423 2250136843
526 596 2 561 1122 210,16 420,32 88334 18564368 3901487634
0,00 584352,7 -23591202 18739417644
0,00 11687,1 -471824,0 374788352,9
56
Interpretación: dado que el coeficiente de asimetría está contenido en el intervalo abierto

se puede concluir que los datos correspondientes a los valores de matrícu-
la tienen una distribución simétrica. De igual manera, el coeficiente de curtosis cumple esta
condición, por lo tanto, la distribución es mesocúrtica.
Gráfico 10. Distribución de con datos de la tabla 27
2.5 ESTANDARIZACIÓN DE UNA VARIABLE

Si una distribución es simétrica, es decir, aproximadamente normal, se espera que el
promedio aritmético coincida con la mediana y la moda. Cualquier valor de se puede
transformar en una nueva variable estandarizada , utilizando la siguiente expresión:
Mediante la distribución normal, se puede calcular cuartiles, deciles percentiles, rangos o

cualquier otro cálculo porcentual. A la variable se la denomina variable tipificada o
variable estandarizada.
57
El proceso de determinación de la variable correspondiente a una variable alea-

toria normal , se denomina estandarización de la variable.
Ejemplo:
Suponga que 3.000 estudiantes de bachillerato presentaron las Pruebas de
Estado Saber 11, en esta la ciudad de Pasto y que la calificación promedio
fue de 280 puntos con una desviación estándar de 20 puntos. Suponga que
un alumno obtuvo 300 puntos. Se pide lo siguiente:
A) Calcular el porcentaje de estudiantes que están por debajo de 300 pun-
tos.
B) Determinar la nota mínima del 10% superior.
Solución:
Primero se trasforma el valor de en ; luego, en la tabla de la distribución normal, se
busca el área correspondiente.
• En la tabla de la distribución normal se encuentra que el área hasta es , lo cual

indica que el de estudiantes obtuvo menos de puntos.
• Si en la cola derecha de la gráfica se ubica el 10%, entonces, a la izquierda queda

el 90%. Se busca este valor en la tabla de la distribución normal, encontrándose
que .
De la fórmula de , se obtiene :
Interpretación: el 10% de los estudiantes obtuvo un puntaje de 306 puntos o más.

Ejercicio:
Considerando los datos de la tabla 19, determinar los valores de las medidas de
tendencia central, variabilidad, posición y forma, aplicando los conceptos de mo-
mentos de primero, segundo, tercero y cuarto orden.
58
59
CAPÍTULO 3.
REGRESIÓN Y CORRELACIÓN
Todas las medidas estadísticas descritas anteriormente permiten hacer un análisis
de una variable, pero hay casos en los cuales se necesita analizar valores apareados,
correspondientes a dos variables, con el fin de determinar si existe o no relación
entre ellas y, en caso afirmativo, determinar el tipo de relación.
Si por cada medida de la variable , existe un valor correspondiente en la variable
, entonces, el conjunto resultante de parejas de valores se denomina distribución
bivariable.
Ejemplos:
• La edad de los estudiantes y su rendimiento académico: X edad, Y
rendimiento.
• Las notas de primer y segundo parcial: X notas primer parcial, Y notas
segundo parcial.
• Estatura y peso de un grupo de personas: estatura, peso.
Cuando se trata únicamente de dos variables, se aplica la regresión y correlación
simple; y para más de dos variables se utiliza regresión y correlación múltiple.
Una manera sencilla para determinar algún tipo de correlación, es representar las
parejas en un plano cartesiano y observar el diagrama de puntos; si estos tienden
a ubicarse alrededor de una recta, la correlación es lineal; además, si tiende a
aumentar cuando aumenta, la correlación es positiva o directa; en cambio, si la
variable disminuye cuando aumenta , la relación es negativa o inversa. Por
su parte, si los puntos están cerca de una curva, la relación es no lineal; y si no se
observa trayectoria alguna en los puntos, no hay relación entre las variables.
En el Gráfico 11, se puede observar que la primera gráfica indica una trayectoria
lineal y positiva, y la segunda muestra una trayectoria no lineal y negativa.
Gráfico 11. Análisis de correlación
60
3.1 COEFICIENTE DE CORRELACIÓN

En forma cuantitativa, se puede medir el grado de relación entre dos variables a
través del coeficiente de correlación definido por Pearson de la siguiente manera:
Donde, el numerador indica la covarianza entre las variables, la cual se de-

termina con la siguiente fórmula:
Donde:
En términos de sumatorias, el coeficiente de correlación se obtiene de la siguiente manera:
Ejemplo:
Sean y las notas obtenidas por seis (6) estudiantes en los cursos de matemáticas y
física, respectivamente.
Estudiantes
A 3 5 15 9 25
B 4 4 16 16 16
C 5 5 25 25 25
D 6 5 30 36 25
E 7 6 42 49 36
F 8 5 40 64 25
Total 33 30 168 199 152
Media 5,5 5 28 33,17 25,33
61
El coeficiente de correlación es un número comprendido entre y . Se inter-

preta de la siguiente manera:
Tabla 28.Interpretación de coeficientes de correlación
Coeficiente de correlación Interpretación

0,0 - 0,2 Insignificante
0,2 - 0,4 Baja
0,4 - 0,6 Moderada
0,6 - 0,8 Alta
0,8 - 1,0 Muy alta
Cuando el coeficiente de correlación es o , la correlación entre las variables

es perfecta; gráficamente se puede observar que todos los puntos se ubican en
una misma línea. En la medida en que se acerca a cero por la derecha o por la
izquierda, los puntos se alejan de la línea.
Las fórmulas vistas anteriormente son válidas únicamente para la correlación lineal,
pero si se trata de correlación no lineal es necesario otra fórmula que incluya la
ecuación de la curva a la cual se desea ajustar los datos. El estudio de las ecuaciones
que se ajustan a datos observados se llama Regresión.
62
3.2 REGRESIÓN LINEAL

Cuando se trata de ajustar los datos de las variables a una recta de regresión, se
procede así:
Sea la ecuación de la recta buscada.
Se plantea las ecuaciones de la recta:
Resolviendo el sistema de ecuaciones planteado, se obtiene los valores de los coeficientes

y , donde:
El coeficiente se denomina coeficiente de regresión lineal; indica los cambios de la varia-

ble por cada cambio unitario de la variable .
Ejemplo:
La tabla 29 contiene la demanda de cupos escolares entre 1982 y 1988 en una institución
de educación media.
Tabla 29.Demanda hipotética de cupos escolares 1982-1988
AÑO DEMANDA DE CUPOS

1.982 200
1.983 180
1.984 230
1.985 230
1.986 255
1.987 270
1.988 260
63
Una vez conocidos los valores estimados de la variable , se puede medir la disper-
sión alrededor de la recta de regresión utilizando un método similar al de método
de la desviación típica o estándar, sólo que, en este caso, la recta de regresión hace
las veces de promedio del fenómeno observado.
La desviación típica de la estimación sobre , se obtiene así:
De esta manera, se construye intervalos de para la es-

timación, sumando y restando una, dos o tres desviaciones estándar a los valores
estimados, respectivamente.
Hasta el momento se ha utilizado solamente la regresión lineal, es decir, se ha
ajustado los valores a una recta. Si el coeficiente de correlación lineal es próximo a
cero, entonces, casi no hay correlación lineal entre las variables; sin embargo, puede
existir una alta correlación NO lineal de los datos; por lo tanto, es necesario otra
fórmula para medir la correlación en términos de la ecuación de regresión que se
utilice. Tal expresión está dada por:
Los valores estimados se pueden calcular mediante diversos tipos de ecuaciones;

las más comunes son regresión lineal, regresión parabólica, regresión exponencial y
relación geométrica (potencial), cuyas ecuaciones son las siguientes:
a) Regresión lineal:
b) Regresión parabólica:
c) Regresión exponencial:
Regresión geométrica o potencial:
El método de ajuste de cualquiera de estas ecuaciones es el mismo de la recta; con

la excepción que las dos últimas se deben expresar en términos de logaritmos.
64
Ejemplo:
Determinar la ecuación de la recta para los datos de la tabla 30.
Tabla 30. Ejemplo para cálculo de regresión
(años) (demanda)
1 200 200 1
2 180 360 4
3 230 690 9
4 230 920 16
5 255 1.275 25
6 270 1.620 36
7 260 1.820 49
Total 28 1.625 6.885 140
Promedio 4 232,14 983,57 20
Por lo tanto, la ecuación de la recta es:

Esta ecuación permite estimar valores de la variable en términos de . Por ejemplo, la
demanda estimada de cupos para 1.989 y 1.990 es:
65
De igual manera, se puede calcular los valores estimados para cada uno de los años
anteriores.
1 200 190,89 82,9921 1.032,98 1.701,56

2 180 204,64 607,1296 2.718,58 756,25
3 230 218,39 134,7921 4,5796 189,0625
4 230 232,14 4,5796 4,5796 0
5 255 245,89 82,9921 522,5796 189,0625
6 270 259,64 107,3296 1.433,38 756,25
7 260 273,39 179,2921 776,1796 1.701,56
Total 1625 1625 1199,11 6492,86 5293,7
Si al valor estimado para 1.989 se le suma y se le resta una desviación estándar, que-
da determinado un intervalo del 68% de confianza para la estimación.
Este resultado indica que la demanda de cupos para el año 1.989 oscila entre 272 y
302.
66
Gráfico 12. Ejemplo de regresión lineal
3.3 REGRESIÓN NO LINEAL

A continuación se indica el procedimiento para determinar la ecuación de regresión no
lineal.
3.3.1 Función potencial
Aplicando logaritmos, se obtiene:
Para la denotación de los logaritmos se suele utilizar mayúsculas, pero aquí se usará minúsculas
Tabla 31. Producción de café en Kg. Cafecol 1997
Mes
Enero 1 25 0 17,4
Febrero 2 15 0,301 1,18 0,354 0,091 24,7
Marzo 3 28 0,477 1,45 0,69 0,228 30,3
Abril 4 35 0,602 1,54 0,93 0,362 35,1
Mayo 5 30 0,699 1,48 1,032 0,489 39,3
Junio 6 70 0,778 1,85 1,436 0,606 43,1
Total 21 203 2,857 8,887 4,442 1,775
Fuente: Cafecol 1997
67
La producción de café en el mes de marzo, fue de 28.000 kilos; se esperaba una

producción de 30.300 kilos; por lo tanto, la producción real no fue como se proyec-
taba.
En septiembre, la producción esperada e kilos, será:
68
Gráfico 13. Ejemplo de Regresión Geométrica
R E G R E S IO N G E O M E T R IC A
P R O D U C C IO N
70
60
50
40
30
20
10
0
1 2 3 4 5 6
MESES
3.3.2. Función exponencial
Aplicando logaritmos, se obtiene:
Observe que para la denotación de logaritmo se utiliza minúsculas.

Sean las siguientes relaciones:
Reemplazando en la ecuación (*), se obtiene:
Tabla 32. Producción de café en Kg. Cafecol 1997
Mes
Enero 1 25 1,4 1,4 1 17,84

Febrero 2 15 1,18 2,35 4 22,14
Marzo 3 28 1,45 4,34 9 27,48
Abril 4 35 1,54 6,18 16 34,1
Mayo 5 30 1,48 7,39 25 42,32
Junio 6 70 1,85 11,07 36 52,52
Total 21 203 8,887 32,72 91

69
Se puede observar que en el mes de abril la producción de café en Cafecol fue de

35.000 kilos y se esperaba una producción de 34.100 kilos.
70
Gráfico 14. Ejemplo de Regresión Exponencial

R E G R E S IO N E X P O N E N C IA L
P R O D U C C IO N
70
60
50
40
30
20
10
0
1 2 3 4 5 6
MESES
Para calcular la producción esperada en el mes de diciembre, se procede así:
Entonces, para el mes de diciembre se espera que la producción de café en Cafecol sea de
191.835 kilos.
3.3.3 Función cuadrática
Para aplicar el sistema de ecuaciones simplificadas, es necesario construir una nueva varia-
ble la cual se obtiene restando el promedio aritmético a la variable original; es decir:
Tabla 33. Ejemplo de Regresión Cuadrática
71
Se plantean el siguiente sistema de ecuaciones, aplicando sumatoria, multiplicando

por y por , de la siguiente manera:
Sea ,entonces , con lo cual, el sistema de ecuaciones queda

así:
72
Dado que:
Entonces, se tiene la siguiente ecuación:
Gráfico 15. Ejemplo de Regresión Cuadrática
R E G R E S IO N N O L IN E A L ( C U A D R A T IC A )
70
60
50
40
30
20
10
0 E F M A M J
73
74
CAPÍTULO 4.
SERIES CRONOLÓGICAS
Son herramientas que se utilizan para el análisis de datos de variables que cambian a través
del tiempo.
4.1 ANÁLISIS DE SERIES CRONOLÓGICAS

Cuando se observa una variable a través del tiempo, se obtiene una serie cronológica.
Para realizar el análisis, la serie se descompone en cuatro factores: Tendencia (T), Varia-
ciones Estacionales (S), Variaciones Cíclicas (C) y Variaciones Irregulares (I); de tal manera
que la variable dependiente se puede expresar como el producto de los cuatro factores
anteriores, así:
= promedio móvil centrado

= porcentaje del promedio móvil
= tendencia estacional
= porcentajes irregulares y cíclicos.
Generalmente, la serie cronológica muestra los datos por trimestres, en diferentes años.
Utilizando una hoja electrónica, los datos se pueden organizar como se indica en el ejem-
plo que sigue.
Columna A: Años
Columna B: Trimestres
Columna C: Enumeración correlativa de trimestres
Columna D: Variable a estudiar
Una vez introducida la información, se procede a descomponer la serie, de la siguiente

manera:
1) En la Columna E, se determina la tendencia , aplicando una ecuación de regresión.

2) Columna F, se determina el promedio móvil de en bloques de cuatro trimestres.
3) Columna G: se centra el promedio móvil
4) Columna H: se calcula dividiendo entre (Columna G entre Columna
H).
5) Se construye una nueva tabla cruzando años y trimestres, y se pone los valores de
en el sitio correspondiente. Al promedio trimestral de S*I se lo denota por , puesto que
al promediar se ha eliminado la variación irregular.
75
6) Columna I: se transcribe los valores de , en el trimestre correspondiente de cada

año.
7) Columna J: se multiplican los valores
8) Columna K: se determina dividiendo entre
9) Columna L: se elimina lo irregular, calculando el promedio centrado de y se
lo denota por .
10) Columna M: se divide entre y se determina las variaciones irregulares.
La tabla que sigue muestra los encabezados que se pueden utilizar en una hoja de
cálculo.
Tabla 34. Modelo de tabla para el análisis de series cronológicas
A B C D E F G H I J K L M
Año Tri X Y T Móvil T*C S*I S T*S C*I C I
Ejemplo
La tabla 35, presenta el número de viviendas construidas en Pasto de 2010 a 2014.
Tabla 35.Número de viviendas construidas en Pasto del año 2010 al 2014
Trimestre 2010 2011 2012 2013 2014

I 102 110 111 115 122
II 120 126 128 135 144
III 90 95 97 103 110
IV 78 83 86 91 98
76
No Vi- Promedio Promedio % del I.

Tendencia Proyecc
viendas Móvil centrado pro.M Est.
AÑOS TRIM X Y T Vrs. de Y T*C S*I S T*S

2010 I 1 102 99,7 1,06 106,0
II 2 120 100,5 1,23 123,4
III 3 90 101,3 100,9 101,3 0,89 0,91 91,9
IV 4 78 102,0 101,7 102,0 0,76 0,79 80,7
2011 I 5 110 102,8 102,4 102,8 1,07 1,06 109,4
II 6 126 103,6 103,2 103,6 1,22 1,23 127,3
III 7 95 104,4 104,0 104,4 0,91 0,91 94,8
IV 8 83 105,2 104,8 105,2 0,79 0,79 83,2
2012 I 9 111 106,0 105,6 106,0 1,05 1,06 112,8
II 10 128 106,8 106,4 106,8 1,20 1,23 131,2
III 11 97 107,6 107,2 107,6 0,90 0,91 97,6
IV 12 86 108,4 108,0 108,4 0,79 0,79 85,7
2013 I 13 115 109,2 108,8 109,2 1,05 1,06 116,2
II 14 135 110,0 109,6 110,0 1,23 1,23 135,1
III 15 103 110,8 110,4 110,8 0,93 0,91 100,5
IV 16 91 111,6 111,2 111,6 0,82 0,79 88,2
2014 I 17 122 112,4 112,0 112,4 1,09 1,06 119,5
II 18 144 113,1 112,7 113,1 1,27 1,23 139,0
III 19 110 113,9 113,5 0,91 103,4
IV 20 98 114,7 0,79 90,7
2015 I 21 115,5 1,06 122,9
II 22 116,3 1,23 142,9
III 23 117,1 0,91 106,3
IV 24 117,9 0,79 93,2
4.2 ECUACIÓN DE TENDENCIA

Pendiente
Intersección con el eje
La ecuación de la recta para estimar el número de viviendas construidas en cada trimestre

es
Una vez encontrada la tendencia (T) y los Índices Estacionales (S), el producto T*S da una
proyección muy cercana a la realidad. Este método permite proyectar, con mucha exacti-
tud, el número de viviendas a construirse en el año siguiente.
77
Gráfico 16. Ejemplo de viviendas construida. Construcción propia.
4.3 TALLER
1. Señale la respuesta correcta.
El valor de cada observación se tiene en cuenta para calcular el aritmé- V F

tico
Una muestra representativa es cualquier subconjunto de la población V F
Los valores extremos de un conjunto de datos tienen un fuerte efecto V F
sobre la mediana
La suma de las frecuencias relativas es igual a n V F

Podemos calcular el promedio aritmético en datos desordenados V F
Un parámetro es una característica de la muestra V F
La media geométrica se utiliza para medir los cambios de una variable V F
a través del tiempo
Las medidas de tendencia central se utilizan para medir la variabilidad V F

de los datos.
La media aritmética es el punto de equilibrio de una serie de datos V F

La media geométrica es una medida de asimetría. V F
78
2. Los puntajes en una prueba de aptitud matemática de 50 estudiantes de la universidad

de Nariño, son:
100 130 140 165 166 180 180 230 268 270
278 280 290 300 320 323 325 328 340 350
360 361 362 362 365 368 369 369 370 370
380 385 386 392 395 400 410 415 416 417
420 450 458 459 500 520 521 524 574 594
Forme una distribución de frecuencias con intervalos de igual amplitud; determine e in-
terprete: el promedio aritmético, la mediana, los cuarteles, el percentil 80, la varianza, la
desviación estándar y el coeficiente de variabilidad. Determine el porcentaje de estudiantes
que tienen puntajes en el intervalo:
3. El conteo bacterial de cierto cultivo pasó de 1000 a 4000 en tres días. Determinar lo
siguiente:
a) El incremento promedio porcentual por día.
b) El factor de crecimiento diario.
c) El número de días en el cual se duplicaría el valor inicial
4.-Al señor Pérez, empleado de la compaña Ecopetrol, le consignaron su cesantía en Hori-
zonte, por valor de $18.000.000,oo. Si el rendimiento es del 3% mensual, calcular:
a) El valor de su cesantía después de un año.
b) E factor de crecimiento.
c) El tiempo en el cual se duplicaría el valor inicial de su cesantía.
5. Las exportaciones de Café, en millones de dólares en los últimos años fueron las siguien-
tes:
Año Miles de dólares

1998 3.000
1999 4.000
2000 3.800
2001 5.000
2002 6.500
2003 8.000
2004 7.200
2005 8.800
2006 9300
79
Determinar y representar gráficamente lo siguiente:

a) Factores de crecimiento, índice acumulado y la tasa promedio de crecimiento
anual.
b) La ecuación de la recta y estime el valor de las exportacio-
nes para los años 2007 y 2008.
c) La ecuación geométrica o potencial: y los valores estimados
para los años 2007 y 2008.
d) La ecuación exponencial y los valores estimados para los años
2007 y 2008.
e) La ecuación de regresión cuadrática
6. Defina los conceptos de Estadística, población, muestra, datos, variable, estadí-
grafo y parámetro. ¿Cuántos tipos de variable se manejan en Estadística?. Indique
un ejemplo de cada uno. Elabore una lista de las medidas estadísticas: de tendencia
central, posición, variabilidad, asimetría y apuntamiento.
7. La siguiente tabla muestra la distribución salarial de 65 empleados
Salario (miles de pesos) No. dedos

emplea-
500 – 600 20
600 – 700 18
700 – 800 14
800 – 900 8
900 – 1000 5
Total 65
Encontrar: todas las medidas estadísticas.

8. El fondo de empleados de una empresa desea realizar un estudio estadístico de
las cuotas mensuales pagadas por 50 deudores. Los datos en miles de pesos son los
siguientes:
150 150 180 165 166 167 255 267 268 270
278 280 290 300 320 323 325 328 340 350
360 361 362 362 365 368 369 369 370 370
380 385 386 392 395 400 410 415 416 417
420 450 458 459 500 520 521 524 574 597
Crear una distribución de frecuencias absolutas, relativas y acumuladas.

a) Encontrar e interpretar el promedio aritmético, la varianza y la desviación
estándar, los cuartiles, el percentil 40 y percentil 80, coeficiente de asimetría y
coeficiente de curtosis.
80
b) Representar gráficamente la distribución de frecuencias correspondiente.

Para calcular la varianza utilice cada uno de los siguientes métodos:
a)
b)
c)
9. Si el precio de un artículo se triplica en un periodo de 4 meses, ¿cuál es el incremento

promedio mensual?
10. Las calificaciones de un estudiante en la asignatura de Estadística son las siguientes:
7,1;7,8 y 5,9. Si los pesos asignados a estas notas, son respectivamente:2; 4 y 5, determinar
lo siguiente:
a) El promedio adecuado.
b) El promedio si todos los pesos fueran iguales.
11. Tres profesores de Economía registraron calificaciones medias de sus exámenes, así:
79; 82 y 84. Sus clases estaban conformadas por 32, 25 y 17 estudiantes. ¿Cuál es la califi-
cación media del grupo?
12. Los siguientes datos corresponden a los porcentajes autorizados por el gobierno nacio-
nal para el incremento de salarios a trabajadores oficiales en el presente año. Determinar
el promedio ponderado.
Porcentaje autorizado, x Salario

20% $ 200.000
24% $ 150.000
28% $ 100.000
30% $ 80.000
Suma $530.000
13. Sea la siguiente fórmula:
Demostrar que la varianza también se puede obtener de la siguiente manera:
81
14. La tabla que sigue presenta el volumen de ventas diarias en un supermercado de

la ciudad, durante los últimos días.
Ventas (millones de pesos Días

2-4 5
4-6 10
6-8 21
10 - 12 4
Total 40
Se pide lo siguiente:
a) Determinar los cuatro primeros momentos con respecto al origen y los cuatro
momentos centrales.
b) Expresar los momentos centrales en función de los momentos con respecto al
origen.
15. La siguiente tabla contiene las utilidades mensuales en miles de pesos, de 200
socios de una empresa comunitaria de la ciudad de Pasto en el año 2007. Determi-
nar los siguiente:
a) La varianza, aplicando tres métodos diferentes.
b) La desviación estándar y el coeficiente de variabilidad.
c) El percentil 75.
d) El porcentaje de socios que tienen utilidades inferiores a $ 35.000.
Miles de pesos F
20 - 24 12
24 – 28 36
28 - 32 84
32 - 36 52
36 - 40 16
Total 200
16. Los precios de un artículo durante los primeros meses del año, fueron los
siguientes:
Meses Precio Índice Variación

Enero 1500
Febrero 1700
Marzo 1750
Abril 1650
Mayo 1800
82 Junio 2100
Determinar:
a) Índices de crecimiento, índice acumulado, índice promedio mensual, el aumento pro-
medio mensual.
b) Las cuatro ecuaciones de regresión mencionadas en el punto 4.
17. La siguiente tabla muestra la altura del padre (X) y del hijo (Y), en pulgadas.
X 65 63 67 64 62 70 72 68 66 69 71
Y 68 66 68 65 66 68 65 71 67 68 70
Determinar:
a) La ecuación de la recta de regresión y los valores estimados
b) El error típico de estimación
c) Sume y reste el error típico de estimación a todos los valores estimados y construya e
interprete un gráfico de líneas.
18. La tabla siguiente muestra la distribución de frecuencias de la vida media de 400 válvu-
las de radio probadas en la empresa L & M; determinar:
a) La frecuencia relativa de la sexta clase.
b) El porcentaje de válvulas cuya vida media, no pasa de 600 horas.
c) El porcentaje de válvulas cuya vida media es mayor o igual a 900
d) El porcentaje de válvulas cuya vida media es superior al Promedio Aritmético.
Vida media Número

300- 400 14
400-500 46
500-600 58
600-700 98
700-800 74
800-900 62
900-100 48
83
19. La tabla que sigue contiene la distancia de frenado D en metros y la velocidad V

en kilómetros por hora, de un automóvil.
Velocidad Distancia
20 4
30 7
40 9
50 12
60 14
70 16
80 20
Determinar la ecuación de la parábola
20. Utilizando la fórmula abreviada de la variable calcular el coeficiente

de variabilidad para los datos de la tabla 2.
21. La siguiente tabla muestra el índice de desempleo en Colombia, durante la última
década.
Años 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Desempleo 12.7 11.0 10.0 8.4 12.5 13.8 15.7 18.0 19.8 23.4
Se pide lo siguiente:
a) Determinar la ecuación de la recta y los valores estimados,
el error de estimación y los límites del 68% de confianza. Realizar un gráfico de
líneas.
b) Determinar las ecuaciones las siguientes ecuaciones:
c) Calcular el coeficiente de correlación en cada uno de los casos, utilizando la

siguiente fórmula:
d) Comparar los resultados del literal c) y decidir cuál es la mejor ecuación de esti-
mación.
22. El salario anual pagado a los empleados de una compañía es de $ 4.500.000.
84
Los salarios medios pagados a los hombres y a las mujeres fueron de $ 4.950.000 y $
4.450.000 respectivamente. Determinar el porcentaje de hombres y mujeres empleados en la
compañía.
23. La siguiente tabla presenta las utilidades mensuales en miles de pesos en 1998, de 200
socios de una empresa comunitaria de la ciudad de Pasto.
Miles de $ f
20 - 24 12
24 - 28 36
28 - 32 84
32 - 36 52
36 - 40 16
Total 200
Calcular e interpretar lo siguiente:

a) El promedio aritmético y la mediana.
a) La varianza y la desviación estándar.
b) El coeficiente de asimetría.
85
Acerca de los Autores

Alberto Javier Mesa Guerrero.
Docente adscrito al Departamento de Matemáticas y Estadística, Facultad de Cien-
cias Exactas y Naturales, Universidad de Nariño. Licenciado en Matemáticas y Física,
Universidad de Nariño. Especialista en Computación para la Docencia, Universidad
Mariana. Estadístico en Salud, Universidad de Antioquia. Profesor en categoría Aso-
ciado de la Universidad de Nariño.
Correo electrónico: [email protected].
Segundo Javier Caicedo-Zambrano.

Docente adscrito al Departamento de Matemáticas y Estadística, Facultad de Cien-
cias Exactas y Naturales, Universidad de Nariño. Doctor en Ciencias de la Educación,
Universidad del Tolima. Licenciado en Matemáticas y Física, Universidad de Nariño.
Ingeniero de Sistemas, Universidad Antonio Nariño. Especialista en Computación
para la Docencia, Universidad Mariana. Especialista en Multimedia Educativa, Uni-
versidad Antonio Nariño. Magister en Software Libre, Universidad Autónoma de Bu-
caramanga. Asesor de Desarrollo Académico, Universidad de Nariño. Profesor en
categoría Asociado de la Universidad de Nariño.
Correo electrónico: [email protected]; [email protected].
86
índice de Tablas
Tabla 1. Ejemplo de Rendimiento académico
y selección de carrera de un grupo de estudiantes.............................................. 16
Tabla 2. Resumen de datos de la variable género de la tabla 1........................ 17
Tabla 3. Edad y género con los datos de la tabla 1........................................... 18
Tabla 4. Género y jornada con datos de la tabla 1........................................... 19
Tabla 5. Modelo de tabla de frecuencias absolutas........................................... 20
Tabla 6. Modelo de distribución de frecuencias absolutas y relativas.............. 20
Tabla 7. Distribución de frecuencias con los datos de inasistencia
a clases de un grupo escolar representados en el cuadro 1................................. 21
Tabla 8. Distribución de frecuencias con los datos hipotéticos
de una prueba de conocimientos de 50 estudiantes, calificada en
una escala de 100 a 400, representados en el cuadro 2....................................... 25
Tabla 9. Notas parciales hipotéticas de Estadística Descriptiva
del primer parcial de Estadística Descriptiva en el período A-2019
de la Universidad de Nariño, representados en el cuadro 3................................ 28
Tabla 10. Puntajes hipotéticos de una prueba
de conocimientos aplicada a 50 estudiantes en una escala
de 1 a 400, representados en el cuadro 4............................................................. 31
Tabla 11. Ejemplo de desviación de datos
no agrupados respecto a la media......................................................................... 32
Tabla 12. Ejemplo de cálculo de desviación en datos
agrupados respecto a la media con los datos de la tabla 10................................ 33
Tabla 13. Distribución de frecuencias para cálculo
de promedio por método abreviado con los datos de la tabla 10...................... 35
Tabla 14. Cálculo del promedio con pesos ponderados.................................. 36
Tabla 15. Modelo de tabla para cálculo de mediana en datos agrupados....... 37
Tabla 16. Ejemplo de cálculo de mediana en datos
87
agrupados sin intervalos......................................................................................... 38

Tabla 17. Ejemplo de cálculo de mediana
en datos agrupados en intervalos.......................................................................... 39
Tabla 18. Ejemplo de cálculo de media geométrica.......................................... 41
Tabla 19. Datos para ejemplo de cálculo de media armónica......................... 45
Tabla 20. Datos para ejemplo de cálculo de moda en datos agrupados......... 46
Tabla 21. Ejemplo de cálculo de medidas de posición..................................... 47
Tabla 22. Distribución de frecuencias relativas de los datos de la tabla 21..... 48
Tabla 23. Ejemplo de cálculo del rango en distribuciones de frecuencia......... 49
Tabla 24. Ejemplo de cálculo de la desviación media
en una distribución de frecuencias......................................................................... 51
Tabla 25. Ejemplo de cálculo de varianza en datos agrupados........................ 52
Tabla 26. Ejemplo de cálculo desviación estándar
y coeficiente de variación en datos agrupados..................................................... 53
Tabla 27. Ejemplo de cálculo de momentos con datos
de pago de matrícula de 50 estudiantes de la Universidad
de NariñoWWFuente: elaboración propia.......................................................... 56
Tabla 28. Interpretación de coeficientes de correlación.................................. 62
Tabla 29. Demanda hipotética de cupos escolares 1982-1988........................ 63
Tabla 30. Ejemplo para cálculo de regresión..................................................... 65
Tabla 31. Producción de café en Kg. Cafecol 1997.......................................... 67
Tabla 32. Producción de café en Kg. Cafecol 1997.......................................... 69
Tabla 33. Ejemplo de Regresión Cuadrática..................................................... 71
Tabla 34. Modelo de tabla para el análisis de series cronológicas................... 76
Tabla 35.Número de viviendas construidas en
Pasto del año 2010 al 2014.................................................................................... 76
88
índice de Cuadros
Cuadro 1. Datos hipotéticos de inasistencia
a clases de un grupo de estudiantes...................................................................... 21
Cuadro 2. Datos hipotéticos de una prueba de
conocimientos de 50 estudiantes calificados en
una escala de 100 a 400 puntos............................................................................. 24
Cuadro 3. Notas hipotéticas del primer parcial de
Estadística Descriptiva en el período A-2019
de la Universidad de Nariño.................................................................................. 27
Cuadro 4. Puntajes hipotéticos de una prueba de
conocimientos aplicada a 50 estudiantes en una escala de 1 a 400..................... 31
Cuadro 5. Datos hipotéticos de pago de matrícula
de 50 estudiantes de la Universidad de Nariño.................................................... 56
89
índice de Gráficos
Gráfico 1. Representación gráfica de la variable género................................... 17
Gráfico 2. Representación gráfica de género y edad........................................ 18
Gráfico 3. Género y jornada.............................................................................. 19
Gráfico 4. Frecuencias relativas con los datos de la tabla 7.............................. 22
Gráfico 5. Frecuencias acumuladas con los datos
de la tabla 7............................................................................................................. 22
Gráfico 6. Histograma de frecuencias relativas
con los datos de la tabla 8...................................................................................... 26
Gráfico 7. Polígono de frecuencias relativas con
los datos de la tabla 8............................................................................................. 26
Gráfico 8. Frecuencia acumulada ascendente
con los datos de la tabla 8...................................................................................... 27
Gráfico 9. Histograma de frecuencias ............................................................... 28
Gráfico 10. Distribución de con datos de la tabla 27....................................... 57
Gráfico 11. Análisis de correlación.................................................................... 60
Gráfico 12. Ejemplo de regresión lineal............................................................ 67
Gráfico 13. Ejemplo de Regresión Geométrica................................................ 69
Gráfico 14. Ejemplo de Regresión Exponencial................................................ 71
Gráfico 15. Ejemplo de Regresión Cuadrática.................................................. 73
Gráfico 16. Ejemplo de viviendas construida. Construcción propia................ 78
90
REFERENCIAS BIBLIOGRÁFICAS
BENJAMIN, J.R. Probabilidad y Estadística en Ingeniería Civil. Ed. McGraw-Hill.
Bogotá. 1981
CHAO, Lincoln, Estadística aplicada a las ciencias administrativas. Ed. Mc Graw Hill.
México 1.985
CHOU, Ya Lun. Análisis Estadístico. Ed. Interamericana. México. 1977
CANAVOS, George C. Probabilidad y Estadística Ma. Graw Hill-México 1984
HANKE John E./ Reitsh. Estadística para negocios. Mc Graw Hill. México 1994.
HERNÁNDEZ, Roberto y otros. Metodología de la Investigación. Ed. McGraw-Hill.
México. 1999.
KAZMIER , Leonard. Estadística para la Administración y la Economía. Serie
Schaum. Mc Graw Hill. México 1998.
LEVIN Ricahrd & RUBIN David. Estadística para administradores. Prentice Hall.
México 1994.
MARTOS, José. Statgraphics Conceptos y Aplicaciones. Ed. Paraninfo. Madrid.
2001.
MARTINEZ BENCARDINO, Ciro. Estadística. Ed. ECOE. Bogotá 1978.
MENDENHALL, William. Introducción a la probabilidad yu Estadística. Wastworth
Internacional.E.E.UU. 1.979
MILLER Y FREUND. JOHNSON RICHARD Probabilidad y Estadística para Ingenie-
ros. 5a. Ed. Prentice May Hispanoamericana S.A. México. 1964.
SPIEGEL, Murray. Estadística. Teoría y 875 problemas resueltos. Serie Schaum. Ed.
McGraw-Hill. México. 1970.
91
93

Introducción A La Estadística Descriptiva PDF

Cargado por

Copyright:

Formatos disponibles

Introducción A La Estadística Descriptiva PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introducción A La Estadística Descriptiva PDF

Cargado por

Copyright:

Formatos disponibles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva

Prohibida la reproducción total o parcial de este libro,

Universitaria de la Universidad de Nariño.

2.3.3.1 Cálculo de varianza en datos agrupados......................................... 51

Acerca de los Autores.................................................. 88

1.1.1 Estadística Descriptiva

La Estadística Descriptiva comprende la recolección, organización, presen-

1.1.2 Estadística Inferencial

La Estadística Inferencial se apoya en el Cálculo de Probabilidades y usa los

1.1.4 Escalas de medición

De acuerdo a la clasificación de Steven, las variables pueden ser:

El término población se refiere al conjunto de todas las observaciones posibles en

1.1.6 Etapas de la investigación estadística

Una investigación estadística es un proceso dinámico mediante el cual se

1.1.6.1 Primera etapa: planeación

1.1.6.2 Segunda etapa: ejecución

Se deben desarrollar las siguientes actividades:

1.1.6.3 Tercera etapa: evaluación

En esta etapa se deben desarrollar las siguientes actividades:

1.2 ORGANIZACIÓN DE DATOS

1.2.1 Serie estadística

Es una colección de datos estadísticos, clasificados y ordenados por un determinado crite-

Los datos se clasifican de acuerdo a una cualidad o magnitud, en un espacio determinado

1.2.1.2 Temporales o cronológicas

Las series cronológicas se refieren a datos de un mismo tema, en un espacio deter-

No Género Edad Faltas Nota ICFES Carrera Jornada Modalidad

No Género Edad Faltas Nota ICFES Carrera Jornada Modalidad

La columna Género, corresponde a una variable cualitativa; genera la tabla 2:

Género Frecuencia Porcentaje

Fuente: elaboración propia con los datos obtenidos de la tabla 1

Gráfico 1. Representación gráfica de la variable género

Fuente: elaboración propia con los datos de la tabla 2

Como se puede observar en el gráfico 1, los porcentajes de las categorías de la variable

Tabla 3. Edad y género con los datos de la tabla 1

Edad Género Total

Gráfico 2. Representación gráfica de género y edad

Fuente: elaboración propia con los con los datos de la tabla 3

Se observa en el gráfico, que la edad de la mayoría de las personas encuestadas está

Tabla 4. Género y jornada con datos de la tabla 1

Total 20 66,70% 10 33,30% 30

Fuente: elaboración propia con los datos obtenidos de la tabla 1

Gráfico 3. Género y jornada

Fuente: elaboración propia con los datos obtenidos de la tabla 4

1.2.2 Distribución de frecuencias

1.2.2.1 Distribución de frecuencias para variable discreta

Tabla 5. Modelo de tabla de frecuencias absolutas

Fuente: elaboración propia

En esta tabla, se cumple la relación que sigue, donde corresponde al tamaño de la

Por comodidad, cuando en la sumatoria se incluyan todos los términos, se suprimi-

se llama frecuencia relativa o porcentual y se denomina frecuencia relativa

La frecuencia se obtiene dividiendo cada frecuencia observada por el tamaño de la

La frecuencia corresponde a la i-ésima frecuencia relativa acumulada (ascendente),

Fuente: elaboración propia

Fuente: elaboración propia

Fuente: elaboración propia con los datos del cuadro 1

La interpretación de los datos de la cuarta fila, es como sigue:

Fuente: elaboración propia con los datos de la tabla 7