2009 Ii 01 Estadistica Descriptiva Ii
-
Upload
jose-manuel-garcia-pantigozo -
Category
Education
-
view
28.001 -
download
6
description
Transcript of 2009 Ii 01 Estadistica Descriptiva Ii
![Page 1: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/1.jpg)
Tema Nº 01: ESTADISTICA DESCRIPTIVA I Tema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García Pantigozo
2009 - II
![Page 2: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/2.jpg)
Tema Nº 01: ESTADISTICA DESCRIPTIVA I Tema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García Pantigozo
2009 - II
![Page 3: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/3.jpg)
Objetivos de AprendizajeObjetivos de Aprendizaje
• Saber que significa la estadística y sus aplicaciones.
• Explicar el significado de la estadística descriptiva y estadística inferencial.
• Distinguir entre niveles de medición nominal, ordinal, de intervalo y de razón.
• Organizar datos en una distribución de frecuencias.
• Representar la distribución de frecuencias en un histograma, un polígono de frecuencias.
• Desarrollar una representación de “tallo y hoja”
• Representar datos utilizando líneas, de barras y de sectores (circulares).
3
![Page 4: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/4.jpg)
![Page 5: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/5.jpg)
¿Qué es la estadística?¿Qué es la estadística?Que deberían saber al terminar esta clase:
•Que queremos significar por estadística•Que entendemos por estadística descriptiva e inferencial.•Que es una población y que una muestra.•Que es una variable, el dato y los datos•Cuando la información se refiere a un parámetro y cuando a una estadística•Distinguir cuando una variable es cualitativa y cuando cuantitativa.•Distinguir entre una variable discreta y continua.•Distinguir las distintas escalas de medición nominal, ordinal, de intervalo y de razón
5
![Page 6: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/6.jpg)
¿Qué es la estadística?¿Qué es la estadística?
Estadística es la ciencia de:– Recolectar– Describir– Organizar– Interpretar
para transformarlos en información, para la toma mas eficiente de decisiones.
6
Datos
![Page 7: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/7.jpg)
7
Ciencia que proporciona Ciencia que proporciona las herramientas las herramientas
(métodos y (métodos y procedimientos) procedimientos) necesarios para necesarios para
recolectar, procesar recolectar, procesar analizar e interpretar analizar e interpretar
datos.datos.
![Page 8: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/8.jpg)
¿Para qué sirve la estadística?¿Para qué sirve la estadística?
• La Ciencia se ocupa en general de fenómenos observables.
• La Ciencia se desarrolla observando hechos, formulando leyes que los explican y realizando experimentos para validar o rechazar dichas leyes.
• Los modelos que crea la ciencia son de tipo determinista o aleatorio (estocástico).
• La Estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la incertidumbre forman parte de su naturaleza.
8
![Page 9: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/9.jpg)
¿Quienes usan la estadística?¿Quienes usan la estadística?
• Organismos oficiales.• Diarios y revistas.• Políticos.• Deportes.• Marketing.• Control de calidad.• Administradores.• Investigadores científicos.• Médicos• etc.
9
![Page 10: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/10.jpg)
10
ESTADISTICA ESTADISTICA
ESTADISTICAESTADISTICADESCRIPTIVA DESCRIPTIVA
ESTADISTICAESTADISTICAINFERENCIALINFERENCIAL
Describe un conjunto dedatos con indicadores
estadísticos o estadígrafos
Obtiene información (variables e indicadores)
de una muestra representativa de población
![Page 11: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/11.jpg)
Tipos de EstadísticaTipos de Estadística• ESTADÍSTICA DESCRIPTIVA:ESTADÍSTICA DESCRIPTIVA: Método de
recolectar, organizar, resumir, analizar e interpretar los datos. Ejemplo 1: Los datos del Censo de población de
2001. Ejemplo 2: La cantidad de robos ocurridos el
último mes en en el municipio. Ejemplo 3: La cantidad de pacientes atendidos en
el Hospital municipal el último año. Mencionamos algunos procedimientos:
Tablas de distribuciones de frecuencia; Gráficos de distribución de frecuencias; Diagramas de cajas; Diagramas de tallos y hojas; Estadísticos de posición; Estadísticos de dispersión; y Estadísticos de asociación
11
![Page 12: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/12.jpg)
12
![Page 13: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/13.jpg)
Tipos de EstadísticaTipos de Estadística
• ESTADÍSTICA INFERENCIALESTADÍSTICA INFERENCIAL: Métodos usados para determinar algo acerca de la población, basado en una muestra.
• Población(1) es la colección, o conjunto, de individuos, objetos o eventos cuyas propiedades serán analizadas.
• Muestra es un subconjunto de la población de interés.
(1) Algunos autores utilizan Universo como sinónimo La estadística inferencial comprende dos áreas
importantes: Estimación puntual y por intervalos; y la Prueba de hipótesis estadística
13
![Page 14: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/14.jpg)
14
POBLACIONPOBLACION
MUESTRA
Técnica Del
Muestreo
Infe
ren
cia
Est
adís
tica
Obtención de Variables e Indicadores: Estadígrafos
(Estimadores)
![Page 15: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/15.jpg)
15
Conceptos Conceptos EstadísticosEstadísticos
![Page 16: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/16.jpg)
• Unidad de Análisis: es el objeto del cual se desea
obtener información. Muchas veces nos referimos a
las unidades de análisis con el nombre de
elementos. En estadística, un elemento o unidad de
análisis puede ser algo con existencia real, como un
automóvil o una casa, o algo más abstracto como la
temperatura o un intervalo de tiempo. Dada esta
definición, puede redefinirse población como el
conjunto de unidades de análisis.
• Ejemplo: Ejemplo: Cada uno de los alumnos matriculados en Cada uno de los alumnos matriculados en
el curso de Química General.el curso de Química General. 16
Conceptos EstadísticosConceptos Estadísticos
![Page 17: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/17.jpg)
• Parámetro:Parámetro: Valor numérico que resume todos los datos de una población completa. Se utilizan letras griegas para simbolizar un parámetro como ser y Ejemplos: La calificación “promedio” del egresado secundario cuando postula al Proceso de Admisión .
• Estadística:Estadística: Valor numérico que resume los datos de una muestra. Se utilizan letras del alfabeto español para simbolizarlas como ser x y s .
• Ejemplo: La edad “promedio” registrada en una encuesta de 150 consumidores de pizzas.
17
Conceptos EstadísticosConceptos Estadísticos
![Page 18: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/18.jpg)
18
Población y MuestraPoblación y Muestra
Población
Muestra
![Page 19: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/19.jpg)
Población:Población: Es el conjunto de todos los individuos o elementos (unidad de análisis) que son el objetivo de nuestro interés. La Población, según su número de elementos puede ser:
19
Población FinitaPoblación Finita Población InfinitaPoblación Infinita
NOTA: EN LA PRÁCTICA CUANDO UNA POBLACIÓN TIENE UN NUMERO MUY GRANDE O INDETERMINADO DE ELEMENTOS SE LE CONSIDERA POBLACIÓN INFINITA.
Ejemplo:- Alumnos de la UNMSM.Alumnos de la UNMSM.- Trabajadores de una empresa.- Trabajadores de una empresa.- Camiones de carga pesada. - Camiones de carga pesada. - Clientes de un empresa comercialClientes de un empresa comercial.
Ejemplo:- Peces del mar peruano Peces del mar peruano - Bacterias Bacterias - Flores Silvestres.Flores Silvestres.- Productos fallados.Productos fallados.
Conceptos EstadísticosConceptos Estadísticos
![Page 20: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/20.jpg)
Muestra:Muestra: Es una parte o un subconjunto de una población. Tiene la característica fundamental de ser representativa de la población.
La selección y estudio de una muestra facilita la inferencia de conclusiones válidas para la población de donde se obtuvo la muestra.
Ejemplos:Ejemplos: • Grupo de bolsas de azúcar que se extraen
sistemáticamente de una línea de envasado. • Grupo de tasas que se extrae para llevar a cabo el
control de calidad.
Conceptos EstadísticosConceptos Estadísticos
20
![Page 21: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/21.jpg)
• Ejemplo 1: Una encuesta desarrollada por IBOPE, en marzo 2009, dice que el rating de radio en la Gran Lima esta encabezado por RPP con un 10.5% seguido por RCN con 9.18%
• Ejemplo 2: De acuerdo con una encuesta desarrollada por Apoyo sobre telefonía residencial en el 2008, el gasto mensual promedio por cliente es de S/. 90.30. a nivel nacional.
• Ejemplo 3: El INEI informó que la Encuesta Permanente de Hogares (EPH) del mes de marzo de 2009 reporto la tasa mas alta de desempleo que ascendió al 10.3% a nivel nacional
21
Tipos de EstadísticaTipos de Estadística(ejemplos de estadística inferencial)
![Page 22: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/22.jpg)
22
![Page 23: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/23.jpg)
VARIABLES Y SUS TIPOSVARIABLES Y SUS TIPOS
23
La definición de una Población y sus
Características dependerán (Variables) de sus
unidades elementales que deben ser
observadas y dependiendo de la naturaleza
del problema planteado
![Page 24: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/24.jpg)
• Variable:Variable: Característica de interés sobre cada elemento individual de una población o muestra.
• Dato:Dato: Valor de la variable asociada a un elemento de la población o muestra. Este valor puede ser un número, una palabra o un símbolo.
• EjemploEjemplo: La familia González tiene “4” miembros, sus ingresos mensuales son de “US$ 685.00”, “2” son de sexo femenino y “2” masculino.
24
VariableVariable
![Page 25: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/25.jpg)
• Datos: Conjunto de valores recolectados para la variable de cada uno de los elementos que pertenecen a la población o muestra.
• Ejemplo1: El conjunto de 54 “cantidad de miembros” recolectados de 54 familias residentes en Escobar.
• Ejemplo2: El conjunto de las “calificaciones” de los 43 estudiantes de estadística de la carrera de Sistemas
25
Variable (cont.)Variable (cont.)
![Page 26: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/26.jpg)
• Cualitativa o de Atributos Clasifica o describe un elemento de la población. Los valores que puede asumir no constituyen un espacio métrico, por lo tanto las operaciones aritméticas, como sumar y obtener promedios, no son significativas.
• Ejemplos: Sexo, Nacionalidad, Marcas de auto, Grado de Satisfacción con la Universidad, etc.
26
Tipos de VariablesTipos de Variables
![Page 27: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/27.jpg)
• DicotómicasDicotómicas: Sólo hay dos categoría, que son
excluyentes una de la otra.
• Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre.
• NominalNominal: tiene mas de dos categorías y no hay orden
entre ellas.
• Ejemplo: color de los ojos, grupo sanguíneo.
• Ordinal: Ordinal: tiene varias categorías y hay orden entre
ellas.
• Ejemplo: grado tumoral, calificación del riesgo en
anestesia.
Tipos de Variables(cont.) Tipos de Variables(cont.)
27
![Page 28: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/28.jpg)
28
Tipos de Variables (cont.)Tipos de Variables (cont.)• Cuantitativa o Numérica cuantifica un elemento de
la población. Los valores que puede asumir constituyen un espacio métrico, por lo tanto las operaciones aritméticas, como sumar y obtener promedios, son significativas.
• Ejemplos: Cantidad de Habitaciones, Número de hijos, Kilómetros recorridos, Tiempo de vuelo, Ingreso, etc.
![Page 29: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/29.jpg)
• Las variables cuantitativas se pueden clasificar a su vez en discretas o continuas.
• Cuantitativas Discretas: solo pueden asumir ciertos valores y normalmente hay huecos entre ellos. Son conteos normalmente.
• Ejemplo1: cantidad de materias aprobadas.(1, 2,3 ......)
• Ejemplo2: cantidad de hijos (1, 2, 3,4...)
29
1-9
Tipos de Variables (cont.)Tipos de Variables (cont.)
![Page 30: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/30.jpg)
• Las variables cuantitativas se pueden clasificar a su vez en discretas o continuas.
• Cuantitativas Continuas: puede asumir cualquier valor dentro del rango de medición. Normalmente se miden magnitudes como ser longitud, superficie, volumen, peso, tiempo, dinero
• Ejemplo 1: Peso al nacer.• Ejemplo 2: Salario de un empleado• Ejemplo 3: Tiempo de viaje en ómnibus entre Lima
e Ica.30
1-9
Tipos de Variables (cont.)Tipos de Variables (cont.)
![Page 31: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/31.jpg)
31
CENSO =>Estadística Descriptiva
• Se emplea cuando el número de unidades de análisis no es grande (n< 40 aproximadamente)
• Si el número de unidades de análisis es grande y se necesita una amplia cobertura de información en áreas menores, como distritos, Comunidades nativas, y otros.
Características • Costoso• Errores de Medición (de obtener la información).
Técnicas de recolección de datosTécnicas de recolección de datos
![Page 32: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/32.jpg)
32
MUESTREO => Estadística Inferencial
• Se emplea cuando el número de unidades de análisis es grande pero no se necesita información a detalle de áreas geográficas menores.
Características • Mayor rapidez y viabilidad• Mayor exactitud en la obtención de información • Reduce los costos• No tiene cobertura en áreas menores.
Técnicas de recolección de datosTécnicas de recolección de datos
![Page 33: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/33.jpg)
33
![Page 34: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/34.jpg)
NIVELES DE MEDICIÓN DE LAS VARIABLES DE ACUERDO A SU NATURALEZA PUEDEN ENCONTRARSE ENTRE ESTAS
ESCALAS
NOMINAL
ORDINAL
INTERVALAR
DE RAZON
Escala de medidasEscala de medidas
34
![Page 35: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/35.jpg)
Niveles de medición de las variablesNiveles de medición de las variables
NOMINAL
Valores que se agrupan en categorías disjuntas y
exhaustivas
•Genero (sexo)•Color de pelo•Religión
ORDINAL
Hay un orden entre las categorías
•Clase social•Preferencias•Educación
DE INTERVALO
•Hay orden•Hay distancia•Hay un cero convencional
•Temperatura•Coeficiente Intelectual
DE RAZON
•Hay orden•Hay distancia•Hay un cero natural
•Edad•Producción•Ingresos
35
Tipos Característica Ejemplos
![Page 36: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/36.jpg)
36
Escalas de MediciónEscalas de Medición
• Las variables cualitativas se miden en escala
nominal o ordinal.
• Nominal: los elementos solo pueden ser clasificados
en categorías pero no se da un orden o jerarquía
• Ejemplo 1: Barrio de residencia de los alumnos .
• Ejemplo 2: Color de ojos
• Ejemplo 3: Simpatizante de un club de futbol
![Page 37: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/37.jpg)
37
.
Nivel NominalNivel Nominal•Los valores de las Variables (datos) sólo se pueden
clasificar exhaustivamente en categorías mutuamente
excluyentes y no se pueden ordenar.•Exhaustivo: Cada persona u objeto o artículo debe
clasificarse en al menos una categoría.•Mutuamente Excluyente; Un individuo (objeto o
artículo) al ser incluido en una categoría debe
excluirse de las demás, o sea no debe ser incluido en
otro nivel
![Page 38: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/38.jpg)
38
1-12
Escalas de MediciónEscalas de Medición
• Las variables cualitativas se miden en escala nominal o ordinal.
• Ordinal: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores no se pueden realizar o no son significativas.
• Ejemplo 1: Grado de satisfacción en el uso de un servicio público .
• Ejemplo 2: Ocupación
![Page 39: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/39.jpg)
39
.
Nivel OrdinalNivel Ordinal•Los valores de las Variables (datos) se pueden ordenar pero no es posible determinar la diferencia aritmética (o distancias) entre ellos.
Ejemplo: Resultados del sabor de tres bebidas A, B, C
X = Sabor.
La bebida C clasifico 1 ( o 1º)
La bebida B clasifico 2 ( o 2º)
La bebida A clasifico 3 ( o 3º)
Valores de x : 1, 2, 3 o (1º) (2º) (3º)
![Page 40: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/40.jpg)
40
Escalas de MediciónEscalas de Medición
• Las variables cuantitativas se miden en escala de intervalo o razón.
• Intervalo: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores se pueden realizar y son significativas. La diferencia entre dos valores consecutivos es de tamaño constante y no existe el 0 absoluto.
• Ejemplo: Temperatura en grados Celsius
![Page 41: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/41.jpg)
41
.
Nivel IntervalarNivel Intervalar
Similar al nivel ordinal con la propiedad adicional de que se pueden determinar cantidades significativas
(distancias iguales) de las diferencias entre los valores. No existe un punto cero natural sino Convencional.
•Temperatura en escala Grados Celsius.
•Talla de camisas ( zapatos, ternos etc.)
![Page 42: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/42.jpg)
42
Escalas de MediciónEscalas de Medición
• Las variables cuantitativas se miden en escala de intervalo o razón.
• Razón: los elementos son clasificados en categorías que tienen un orden o jerarquía, la diferencia entre valores se pueden realizar y son significativas. Existe el 0 absoluto, es decir la ausencia de la variable medida.
• Ejemplo 1: Tiempo de vuelo.
• Ejemplo 2: Ingresos familiares
![Page 43: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/43.jpg)
43
.
Nivel RazónNivel Razón
Es aquella con un punto cero inicialmente inherente. Las diferencias y razones (cocientes) son significativas.
Ejemplo:
a) Producción
b) Ingresos Mensuales Dinero.
c) Altura de los jugadores del equipo de fútbol de Osorno
![Page 44: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/44.jpg)
44
Variable Cuantitativa (Numérica)
Variable Cualitativa (No numérica )
Continua Discreta
Puede tomar cualquier valor en un intervalodado. (Procesos
de medición)
Nº de trabajadores por oficina,
nº de alumnos
por curso etc.
Sexo,ocupación,
Condición de de empleo
(nombrado o contratado)
NominalOrdinal
-Nivel de Educación, estrato socioeconómico,
categoría de ocupación.
Ingreso, talla, peso etc.
Toma sólo ciertos
valores.(procesos de
contar)
Se caracteriza por
Ejemplos
Tienen un orden
predeter-minado:
No tienen un orden predeter-minado:
Clasificación de VariablesClasificación de Variables
![Page 45: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/45.jpg)
45
![Page 46: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/46.jpg)
FUENTES PRIMARIA DE DATOS DE DATOS FUENTES PRIMARIA DE DATOS DE DATOS ESTADÍSTICOSESTADÍSTICOS
46
.
• No todos los temas disponen de datos publicados. En esos casos , la información deberá recolectarse y analizarse. Esto se llama “Fuente PrimariaFuente Primaria”.
• Una forma de recolectar datos es mediante las encuestas.
• Hay dos posibilidades:
a) Encuestas Muestrales ( En Muestras)
b) Encuestas Censales (En poblaciones)
![Page 47: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/47.jpg)
FUENTES SECUNDARIA DE DATOS ESTADÍSTICOSFUENTES SECUNDARIA DE DATOS ESTADÍSTICOS
47
• Los problemas que se estudian o se investigan se adquieren de datos empíricos ( de la realidad) publicados u obtenidos.
• Se pueden encontrar datos (estadísticas) relacionadas en artículos publicados, tesis, revistas y periódicos.
Estos se llaman “Fuentes secundariasMUESTREOSFuentes SecundariasFuentes Secundarias
![Page 48: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/48.jpg)
48
![Page 49: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/49.jpg)
49
Ejemplo
mill US$Año Ventas
1 1997 1202 1998 1453 1999 1654 2000 1785 2001 2016 2002 3207 2003 3508 2004 355 0
70
140
210
280
350
420
1996 1998 2000 2002 2004 2006
Título y Subtítulo
Fuente: ……..Nº valores del eje vertical =
0.60 x 8 = 4.8 = 5
Primer valor del eje vertical =
355 = 71 = 70 5
![Page 50: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/50.jpg)
50
Construc-ción de
Gráficos
![Page 51: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/51.jpg)
51
Otros Gráficos: Especializados Mercado BursátilGrafico de Velas (01/03 -28/03)
Cierre
aperturamínimo
máximo
Cotizaciones en alza
Cotizaciones a la baja
![Page 52: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/52.jpg)
52
PERU : DISTRIBUCION DE LA POBLACION SEGUN NIVEL DE EDUCACION POR SEXO (Porcentaje - Cifras Estimadas 1999)
Nivel de Educación HOMBRE MUJER TOTALSin Nivel 13.69 18.67 16.16Inicial 37.18 38.82 37.99Secundaria 34.44 30.21 32.34Sup. No Univer. 6.07 6.50 6.28Sup. Univer. 8.44 5.68 7.07Especial 0.19 0.12 0.15TOTAL 100.00 100.00 100.00Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
Nivel de Educación HOMBRE MUJER TOTALSin Nivel 42.72 57.28 100.00Inicial 49.34 50.66 100.00Secundaria 53.69 46.31 100.00Sup. No Univer. 48.71 51.29 100.00Sup. Univer. 60.17 39.83 100.00Especial 60.81 39.19 100.00TOTAL 50.42 49.58 100.00Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
Inicial y Primaria
Inicial y Primaria
![Page 53: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/53.jpg)
53
1. Gráficos Lineales :
Fuente : Bolsa de Valores de Lima.
30.00
32.00
34.00
36.00
38.00
40.00
42.00
44.00US$
Fuente : Bolsa de Valores de Lima
Bolsa de Valores de Lima: Cotizaciones Diarias de los ADR´s Telefónica de España: 1/10/01 - 23/01/02
![Page 54: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/54.jpg)
54
0
500
1000
1500
2000
2500
3000
Renta Fija
Aciones
Fuente : Bolsa de Valores de Lima.
Bolsa de Valores de Lima: Montos Negociados según Operación Julio 1988 - Junio 1998 ( miles US$)
1.a Gráficos Lineales Compuestos :
![Page 55: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/55.jpg)
55
2. Gráficos de Barras Simple
-
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
Sin Nivel Inicial Secundaria Sup. NoUniver.
Sup.Univer.
Especial
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
PERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN : 1998(Cifras Porcentuales)
%
![Page 56: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/56.jpg)
56
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
45.00
Sin Nivel Inicial Secundaria Sup. NoUniver.
Sup. Univer. Especial
HOMBRE
MUJER
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
2a. Gráficos de Barras CompuestoPERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998
(Porcentajes)
%
![Page 57: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/57.jpg)
57
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
2a. Gráficos de Barras CompuestoPERU: POBLACIÓN SEGÚN NIVEL DE EDUCACIÓN POR SEXO : 1998
(Porcentajes)
-
20.00
40.00
60.00
80.00
100.00
120.00
Sin N
ivel
Inici
al
Secundar
ia
Sup. No U
niver.
Sup. Univ
er.
Espec
ial
MUJER
HOMBRE
%
![Page 58: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/58.jpg)
GRAFICO DE BARRAS HORIZONTALESGRAFICO DE BARRAS HORIZONTALES
58
![Page 59: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/59.jpg)
59
29%
36%
35%
Lima Metrpolitana
Resto Urbano
Rural
Fuente : Instituto Nacional de Estadística e Informática - ENAHO 1998
PERU: POBLACIÓN SEGÚN DOMINIOS DE ESTUDIO : 1997(Porcentajes - Cifras Estimadas)
3. Gráfico Circular
![Page 60: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/60.jpg)
60
VOLUMEN NEGOCIADO EN LA BOLSA DE VALORES DE LIMA: DIC. 1999 (miles US$)
RENTA VARIABLE47%
INSTRUMENTOS DE DEUDA
39%
OPERACIONES DE REPORTE
14%
3. Gráfico Circular
Fuente: Bolsa de Valores de Lima
![Page 61: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/61.jpg)
61
0
1
2
3
4
5
6
7
8
9
10
1990 1995
Miles de dólares US$
4. Pictograma
Gráfico Nº 3Perú: Volumen de Ventas de Cerveza Pilsen y Cristral: 1990-95
(miles de US$)
![Page 62: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/62.jpg)
4. Pictograma Gráfico Nº 4
Perú: Deforestación de la Selva Amazónica : 1914-2028 (millones de arboles)
62
![Page 63: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/63.jpg)
63
España: Pirámide Poblacional - 1981
Fuente: Boletín Demográfico 1981
![Page 64: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/64.jpg)
Perú: Pirámide Poblacional – 2005(Cifras Porcentuales)
64
![Page 65: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/65.jpg)
65
![Page 66: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/66.jpg)
66
Gráfico: Gráfico:
Mapa Mapa EstadísticoEstadístico
![Page 67: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/67.jpg)
67
Perú: Densidad: Poblacional(Habitantes/ Km2
MAPA ESTADISTICO
Fuente: Censo Poblacional 1993
![Page 68: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/68.jpg)
68
Gráfico: PictogramaGráfico: PictogramaMujeres en el Mundo: 1990-95
Fuente: Roberto Avila Acosta - Estadística Elememtal
![Page 69: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/69.jpg)
![Page 70: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/70.jpg)
DISTRIBUCION DISTRIBUCION DE FRECUENCIASDE FRECUENCIAS
![Page 71: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/71.jpg)
• Se denomina muestra al subconjunto de ese universo y del cual se recopilarán los datos.
• Ejemplo, se quiere saber el número de hijos por matrimonio en Lima. Para este propósito, se elige una muestra representativa de 50 matrimonios de ella. Se obtienen los siguientes datos:
2 , 2 , 4 , 1 , 3 , 5 , 3 , 2 , 1 , 6 , 3 , 4 , 1 , 2 , 0 , 2 , 3 , 1 , 7 , 4 , 2, , 3 , 0 , 5 , 1 , 4 , 3 , 2 , 4 , 1 , 5 , 2 , 1 , 2 , 4 , 0 , 3 , 3 , 2 , 6 , 1 , 5 , 4 , 2 , 0 , 3 , 2 , 4 , 3 , 1 .
• El número total de datos se representa con la letra n. En nuestro ejemplo n = 50.
71
1-9
MUESTRAMUESTRA
![Page 72: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/72.jpg)
• La frecuencia absoluta es el número de veces que aparece un valor (x i) en los datos obtenidos.
• En nuestro ejemplo, la frecuencia absoluta indica el número de familias que tienen esa cantidad de hijos:
72
FRECUENCIA ABSOLUTA ( fi ) )
TABLA
x i f i
0 4
1 9
2 12
3 10
4 8
5 4
6 2
7 1
![Page 73: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/73.jpg)
73
FRECUENCIA ABSOLUTA ( fi ) )GRAFICOS
![Page 74: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/74.jpg)
74
FRECUENCIA ABSOLUTA ( fi ) )GRAFICOS
![Page 75: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/75.jpg)
75
1-9 FRECUENCIA ABSOLUTA ( fi ) )
GRAFICOS
![Page 76: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/76.jpg)
• La frecuencia absoluta acumulada indica cuantos elementos de la lista de datos son menores o iguales a un valor dado. Es la suma de las frecuencias absolutas desde la primera fila hasta la fila elegida.
• Por ejemplo, sabemos que hay 25 matrimonios de la muestra que tienen a lo más 2 hijos:
76
1-9
FRECUENCIA ABSOLUTAACUMULADA ( Fi ) )
![Page 77: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/77.jpg)
77
FRECUENCIA ABSOLUTAACUMULADA ( Fi ) )
x x ii f f ii F F
ii
0 0 4 4 4 4
1 1 9 9 13 13
2 2 12 12 25 25
3 3 10 10 35 35
4 4 8 8 43 43
5 5 4 4 47 47
6 6 2 2 49 49
7 7 1 1 50 50
TABLATABLA
![Page 78: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/78.jpg)
78
FRECUENCIA ABSOLUTAACUMULADA ( Fi ) )
GRAFICAGRAFICA
![Page 79: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/79.jpg)
79
FRECUENCIA ABSOLUTAACUMULADA ( Fi ) )
GRAFICAGRAFICA
![Page 80: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/80.jpg)
• La frecuencia relativa es el cuociente entre la frecuencia absoluta (f i) y el número total de datos (n). En nuestro ejemplo n = 50:
80
1-9
FRECUENCIA RELATIVA ( hi ) )
x i f i F i h i H i 0 4 4 0,08 0,08 1 9 13 0,18 0,26 2 12 25 0,24 0,50 3 10 35 0,20 0,70 4 8 43 0,16 0,86 5 4 47 0,08 0,94 6 2 49 0,04 0,98 7 1 50 0,02 1,00
TABLATABLA
![Page 81: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/81.jpg)
81
1-9
FRECUENCIA RELATIVA ( hi ) )
GRAFICAGRAFICA
![Page 82: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/82.jpg)
82
FRECUENCIA RELATIVA ( hi ) )
GRAFICAGRAFICA
![Page 83: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/83.jpg)
• La frecuencia relativa acumulada es el cuociente entre la frecuencia absoluta acumulada (F i) y el número total de datos (n). En nuestro ejemplo, n = 50:
83
FRECUENCIA RELATIVAACUMULADA (Hi))
TABLA:
x x ii f f ii F F
ii h h ii H H
ii 0 0 4 4 4 4 0,08 0,08 0,08 0,08 1 1 9 9 13 13 0,18 0,18 0,26 0,26 2 2 12 12 25 25 0,24 0,24 0,50 0,50 3 3 10 10 35 35 0,20 0,20 0,70 0,70 4 4 8 8 43 43 0,16 0,16 0,86 0,86 5 5 4 4 47 47 0,08 0,08 0,94 0,94 6 6 2 2 49 49 0,04 0,04 0,98 0,98 7 7 1 1 50 50 0,02 0,02 1,00 1,00
TABLATABLA
![Page 84: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/84.jpg)
84
FRECUENCIA RELATIVAACUMULADA (Hi))GRAFICAGRAFICA
![Page 85: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/85.jpg)
85
FRECUENCIA RELATIVAACUMULADA (Hi))
GRAFICAGRAFICA
![Page 86: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/86.jpg)
• La frecuencia porcentual es la frecuencia relativa (hi) expresada en forma porcentual. En otras palabras, es la frecuencia relativa (hi) multiplicada por 100.
• En nuestro ejemplo
86
FRECUENCIA PORCENTUAL (fi %)%)
TABLATABLA
x i f i F i h i H i f i % 0 4 4 0,08 0,08 8 % 1 9 13 0,18 0,26 18 % 2 12 25 0,24 0,50 24 % 3 10 35 0,20 0,70 20 % 4 8 43 0,16 0,86 16 % 5 4 47 0,08 0,94 8 % 6 2 49 0,04 0,98 4 % 7 1 50 0,02 1,00 2 %
![Page 87: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/87.jpg)
87
FRECUENCIA PORCENTUAL (fi %)%)GRAFICAGRAFICA
![Page 88: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/88.jpg)
88
FRECUENCIA PORCENTUAL (fi %)%)GRAFICAGRAFICA
![Page 89: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/89.jpg)
• La frecuencia porcentual acumulada es la frecuencia relativa acumulada (Hi) multiplicada por 100. En nuestro ejemplo:
89
FRECUENCIA PORCENTUAL ACUMULADO (Fi %)%)
TABLATABLA
x i f i F i h i H i f i % F i %
0 4 4 0,08 0,08 8 % 8 % 1 9 13 0,18 0,26 18 % 26 % 2 12 25 0,24 0,50 24 % 50 % 3 10 35 0,20 0,70 20 % 70 % 4 8 43 0,16 0,86 16 % 86 % 5 4 47 0,08 0,94 8 % 94 % 6 2 49 0,04 0,98 4 % 98 % 7 1 50 0,02 1,00 2 % 100 %
![Page 90: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/90.jpg)
90
FRECUENCIA PORCENTUAL ACUMULADO (Fi %)%)
GRAFICAGRAFICA
![Page 91: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/91.jpg)
91
FRECUENCIA PORCENTUAL ACUMULADO (Fi %)%)
GRAFICAGRAFICA
![Page 92: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/92.jpg)
![Page 93: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/93.jpg)
ORGANIZACION Y PRESENTACION DE DATOS ORGANIZACION Y PRESENTACION DE DATOS UNIDIMENSIONALESUNIDIMENSIONALES
a) Frecuencia Absoluta (fi) Es el número de veces que se presenta un valor o categoría
de una variable. Se representa por fi.
f1 + f2 + f3 + …………….……fk = n
b) Frecuencia Absoluta Acumulada (Fi) Es el número de datos igual o inferior (“menor o igual que”)
al valor considerado de la variable o la suma de las frecuiencias absolutas menor o igual que el valor considerado de la variable. Es decir:
F1 = f1
F2 = f1 + f2
-----------------------------
Fk = f1 + f2 + ……….+ fk
93
![Page 94: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/94.jpg)
ORGANIZACION Y PRESENTACION DE DATOS ORGANIZACION Y PRESENTACION DE DATOS UNIDIMENSIONALESUNIDIMENSIONALES
c) Frecuencia Relativa (hi) Es igual a la frecuencia absoluta sobre el numero de
observaciones.
h1 =f1/n
b) Frecuencia Relativa Acumulada (Hi) Es el resultado de cada frecuencia absoluta acumulada
dividida entre el numero total de observaciones.
H1 = F1/n
H2 = F2/n
-----------------------------
Hk = Fk/n 94
![Page 95: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/95.jpg)
1. Identificar el tipo de variable cuantitativo discreto o continuo.
2. Determinar el mayor (Xmax) y el menor (Xmin).3. Calcular R donde R = Xmax – Xmin.4. Si la variable es cuantitativa discreta
– El rango es pequeño, entonces trabajar con los valores originales ordenados de las variables.
– Si el rango es grande entonces trabajar con los datos ordenados agrupados en intervalo de clase (ver Sturges).
95
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 96: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/96.jpg)
5. Si la variable es cuantitativa continua:– Determinar el numero de intervalos (entre 5 y 20).– Utilizar la regla de Sturge: m = 1 + 3,322log n – Si n = 50– m = 1 + 3,322log(50) = 6,6439 – Se redondea a m = 7 intervalos de clase.– Intervalo cerrado por la izquierda y abierto por la
derecha.– El menor del intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.
– Marca de clase= (xmax 1er intervalo - X`min )/296
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 97: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/97.jpg)
Problemas• Si la variable es cuantitativa continua:
– Determinar el numero de intervalos (entre 5 y 20).– Utilizar la regla de Sturge: m = 1 + 3,322log n – Si n = 50– m = 1 + 3,322log(50) = 6,6439 – Se redondea a m = 7 intervalos de clase.– Intervalo cerrado por la izquierda y abierto por la
derecha.– El menor del intervalo izquierdo =X`min =(Xmin) –
menor unidad/2. – Marca de clase= (xmax 1er intervalo - X`min )/2
97
![Page 98: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/98.jpg)
![Page 99: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/99.jpg)
Distribución de Frecuencias
Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos Nº Nº hijos
1 1 7 1 13 2 19 1 25 2
2 1 8 0 14 1 20 4 26 2
3 0 9 5 15 5 21 1 27 1
4 2 10 2 16 4 22 2 28 1
5 2 11 1 17 5 23 1 29 2
6 2 12 2 18 2 24 4 30 1
99
![Page 100: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/100.jpg)
Distribución de Frecuencias
x fi h1 Fi Hi hi% Hi%
0 2 0.067 2 0.067 6.67 6.667
1 11 0.367 13 0.433 36.67 43.333
2 11 0.367 24 0.800 36.67 80.000
3 3 0.100 27 0.900 10.00 90.000
4 3 0.100 30 1.000 10.00 100.000
Total 30 100
100
![Page 101: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/101.jpg)
![Page 102: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/102.jpg)
Se desea conocer la distribución de un proceso mediante la elaboración de una Tabla de Frecuencias y un Histograma:
a) Recopilar datos, mínimo que sean 50 datos y 100 datos como deseable.
b) Encontrar el valor máximo (Xmax) y el valor mínimo (Xmin)
c) Calcular el “intervalo de clase” (c), el cual debe ser múltiplo de la unidad mínima de medición.
102
Problema Nº 01:Problema Nº 01:
![Page 103: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/103.jpg)
27,927,928,127,827,828,128,028,028,327,828,028,328,427,827,928,128,327,627,227,5
28,828,127,627,927,728,128,428,528,028,228,128,028,328,227,927,528,327,628,028,3
28,028,128,428,128,028,127,828,028,327,827,628,027,828,328,227,527,928,027,927,9
27,928,128,527,928,028,928,628,328,628,728,527,827,927,828,128,027,927,928,027,5
28,127,828,027,927,728,428,127,628,127,827,827,928,327,928,327,727,928,127,728,3103
![Page 104: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/104.jpg)
c = (Xmax – Xmin)/K c = (28,9 – 27,2)/10 = 0.17 => 0.2 K = número de clases (número de barras en el
gráfico), y que por experiencia se sugiere que tome los siguientes valores:
104
NUMERO DE DATOS VALORES DE K
de 50 a 100 Aprox. de 6 a 10de 100 a 200 Aprox. de 7 a 12mas de 250 Aprox. de 10 a 20
Problema Nº 01Problema Nº 01 (continua): :
JAPONESJAPONES
![Page 105: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/105.jpg)
d) Se calcula el límite de la 1era clase. Xmin – Unidad mínima /2 = 27.2 - 0.1/2= 27.15
e) Se calcula la marca de clase de cada intervalo. Punto medio = (Limite superior – Limite inferior)/2
f) Se llena la Tabla de Frecuencia g)Se va marcando la clase donde corresponde cada
dato. h)Se suman las marcas de clase y se determina la
frecuencia de cada clase (fi, Fi, hi y Hi). i)Se hace una grafica de barras, en donde el eje de
“X” representa los valores de medición (las clases), y el eje “Y” la frecuencia . 105
Problema Nº 01Problema Nº 01 (continua): :
![Page 106: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/106.jpg)
CLASE MC MARCAS fi Fi hi Hi
[27.15 - 27.35) 27.25 / 1 1 0.01 0.01[27.35 - 27.55) 27.45 //// 4 5 0.04 0.05[27.55 - 27.75) 27.65 ///////// 9 14 0.09 0.14[27.75 - 27.95) 27.85 ///////////////////////////// 29 43 0.29 0.43[27.95 - 28.15) 28.05 ////////////////////////////// 30 73 0.30 0.73[28.15 - 28.35) 28.25 /////////////// 15 88 0.15 0.88[28.35 - 28.55) 28.45 /////// 7 95 0.07 0.95[28.55 - 28.75) 28.65 /// 3 98 0.03 0.98[28.75 - 28.95] 28.85 // 2 100 0.02 1.00
100 1.00
Problema Nº 01Problema Nº 01 (continua): :
TABLA DE DISTRIBUCION DE FRECUENCIASTABLA DE DISTRIBUCION DE FRECUENCIAS
![Page 107: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/107.jpg)
Problema Nº 02: Problema Nº 02: El Area de Control de Calidad de la empresa
FUNDIDOS S. A. esta llevando a cabo un seguimiento a un lote de piezas mecanizadas en su taller de metalmecánica, para esto ha tomado una muestra aleatoria y se necesita obtener el siguiente análisis estadístico descriptivo:
– Tabla de Frecuencias. – Histogramas.– Polígonos de Frecuencia (tarea para el alumno).– Ojivas (tarea para el alumno).
107
![Page 108: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/108.jpg)
1279,51285,01280,01273,01284,01280,51275,51278,01279,51275,01267,01272,01282,01276,01269,51266,01273,51285,51275,51283,51285,01273,0
1278,01273,01280,01277,51286,01280,01281,01275,01278,51279,51273,51275,01276,51271,51284,51276,01268,51272,51284,51286,01271,01265,5
1283,01282,51272,51275,51275,01282,01271,01280,51266,01282,51284,51276,01279,01281,01276,01287,51273,51272,51279,51279,01276,01281,5
1273,01271,51275,51277,01278,01283,51274,51279,01287,51276,01279,51268,01269,01285,51268,01272,51266,51278,01267,01271,01275,51277,0
1280,51269,01284,01287,01275,51280,01280,51278,01275,51280,01274,51285,01282,01276,51268,51275,51269,01271,51280,51287,01276,51272,0
108
![Page 109: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/109.jpg)
1. Se identificó que la variable es cuantitativa continua.2. Se tiene que (Xmax) = 1287.5 y (Xmin)= 1265.53. R =(Xmax) - (Xmin)= 1287.5 – 1265.5 = 224. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos– Utilizar la regla de Sturge: m = 1 + 3,322log n – Si n = 110– m = 1 + 3,322log(110) = 7.78
109
1-9
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 110: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/110.jpg)
• Se redondea a m = 8 intervalos de clase.• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor unidad/2.
• X`min = 1265.5 – 0.1/2 = 1265.45
• Amplitud de Clase= a = R/m = 22/8 = 2.75 = 2.8
• Marca de clase= MC=(xmax 1er intervalo - X`min )/2
• MC1 = 1265.45 + 2.8 = 1268.25
• Y se empieza la tabla110
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 111: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/111.jpg)
INTERVALOS MC fi Fi hi Hi
[1265.45 - 1268.25 ) 1266.85 8 8 0.07 0.07
[1268.25 - 1271.05 ) 1269.65 9 17 0.08 0.15
[1271.05 - 1273.85 ) 1272.45 16 33 0.15 0.30
[1273.65 - 1276.65 ) 1275.25 23 56 0.21 0.51
[1276.65 - 1279.45 ) 1278.05 12 68 0.11 0.62
[1279.45 - 1282.25 ) 1280.85 21 89 0.19 0.81
[1282.25 - 1285.05 ) 1283.65 13 102 0.12 0.93
[1285.05 - 1287.85 ] 1286.45 8 110 0.07 1.00
110 1.00
![Page 112: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/112.jpg)
Histograma fi
112
![Page 113: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/113.jpg)
Histograma Fi
113
![Page 114: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/114.jpg)
Histograma hi
114
![Page 115: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/115.jpg)
Histograma Hi
115
![Page 116: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/116.jpg)
Problema Nº 03: Las estaturas en centímetros de 50 estudiantes mujeres
un grupo se registraron. Los datos son:
116
157 155 171 150 163 150 172 161 154 174163 148 152 163 149 158 176 164 157 153169 161 160 164 155 162 151 167 167 167170 158 163 175 169 169 158 150 156 157174 162 150 151 165 170 156 170 153 154
Agrupe adecuadamente los datos y elabore la respectiva tabla de
frecuencias y el histograma de frecuencias relativas.
![Page 117: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/117.jpg)
1. Se identificó que la variable es cuantitativa continua.2. Se tiene que (Xmax) = 176 y (Xmin)= 1483. R =(Xmax) - (Xmin)= 284. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos– Utilizar la regla de Sturge: m = 1 + 3,322log n – Si n = 50– m = 1 + 3,322log(50) = 6,470678
117
1-9
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 118: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/118.jpg)
• Se redondea a m = 7 intervalos de clase (se reajustará según se hagan los cálculos).
• Intervalo cerrado por la izq. y abierto por la derecha.• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor
unidad/2.• X`min = 148 – 1/2 = 147.5
• Amplitud de Clase = a = R/m = 28/6.4706 = 4.327• Marca de clase = MC=(xmax 1er intervalo - X`min )/2
• MC1 = 147.5 + 2.163 = 149.66
• Y se empieza la tabla118
1-9
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 119: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/119.jpg)
INTERVALOSINTERVALOS MCMC fifi FiFi hihi HiHi
[147.50 – 151.83 ) 149.66 8 8 0.16 0.16
[151.83 – 156.15) 153.99 9 17 0.18 0.34
[156.15– 160.48 ) 158.31 7 24 0.14 0.48
[160.48 – 164.81 ) 162.64 10 34 0.20 0.68
[164.81 – 169.14 ) 166.97 7 41 0.14 0.82
[169.14 – 173.46 ) 171.30 5 46 0.10 0.92
[173.46 – 177.79 ] 175.62 4 50 0.08 1.00
5050 1.00 1.00 119
![Page 120: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/120.jpg)
Problema Nº 03: En un estudio de dos semanas sobre la productividad de los trabajadores de una fundición, se obtuvieron los siguientes datos sobre el número total de piezas aceptables que produjeron los trabajadores:
• Elaborar la Tabla de Distribución de Frecuencias.• Dibujar el Histograma y Polígono de Frecuencia.
120
1-9
PROBLEMA
![Page 121: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/121.jpg)
121
65 36 49 84 79 56 28 43 67 36
43 78 37 40 68 72 55 62 22 82
88 50 60 56 57 46 39 57 73 65
59 48 76 74 70 80 75 56 45
75 62 72 63 32 80 64 53 74 34
76 60 48 55 51 54 45 44 35 51
21 35 61 45 33 61 60 85 68
45 53 77 42 69 52 68 52 47
62 65 75 61 73 50 53 59 41 54
41 74 82 78 26 35 47 70 38 70
![Page 122: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/122.jpg)
1. Se identificó que la variable es cuantitativa discreta.2. Se tiene que (Xmax) = 21 y (Xmin)= 883. R =(Xmax) - (Xmin)= 21 – 88 = 674. Como el rango es grande entonces trabajamos con los
datos ordenados agrupados en intervalo de clase (ver Sturges). Si la variable es cuantitativa continua:
– Determinar el numero de intervalos– Utilizar la regla de Sturge: m = 1 + 3,322log n – Si n = 97– m = 1 + 3,322log(97) = 7.60 = 8
122
1-9
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 123: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/123.jpg)
• Se redondea a m = 8 intervalos de clase.• Intervalo cerrado por la izq. y abierto por la der.
• El menor del 1er intervalo izquierdo =X`min =(Xmin) – menor unidad/2.
• X`min = 21 – 1/2 = 20.5
• Amplitud de Clase= a = R/m = 67/8 = 8.375 = 9
• Marca de clase= MC=(xmax 1er intervalo - X`min )/2
• MC1 = 20.5 + 4.5 = 25
• Y se empieza la tabla123
1-9
DISTRIBUCION DE FRECUENCIAS PARA VARIABLES CUANTITATIVA
![Page 125: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/125.jpg)
DIAGRAMA DE PUNTOSDIAGRAMA DE PUNTOS(herramienta útil para pocos datos)(herramienta útil para pocos datos)
Ejemplo: Datos de resistencia a la tensión de Ejemplo: Datos de resistencia a la tensión de muestras de mortero Portland (Kg/cmmuestras de mortero Portland (Kg/cm22) con ) con
polímero agregado:polímero agregado:16.85 16.40 17.21 16.35 16.52 16.85 16.40 17.21 16.35 16.52 17.04 16.96 17.15 16.59 16.5717.04 16.96 17.15 16.59 16.57mortero Portland sin modificar:mortero Portland sin modificar:17.50 17.63 18.25 18.00 17.8617.50 17.63 18.25 18.00 17.86 17.75 18.22 17.90 17.96 18.1517.75 18.22 17.90 17.96 18.15
![Page 126: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/126.jpg)
16.0 16.0 16.5 16.5 17.0 17.0 17.5 17.5 18.0 18.0 18.5 18.5
* * ** * * * * * ** * ** * * * * * * + + + + + + + + + ++ + + + + + + + + +
* = Mortero modificado* = Mortero modificado
+ = Mortero sin modificar+ = Mortero sin modificar
DIAGRAMA DE PUNTOS(herramienta útil para pocos datos)
![Page 127: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/127.jpg)
![Page 128: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/128.jpg)
Gráfica de tallo y hojas (“Stem-and-Leaf ”)
Es una gráfica usada para datos cuantitativos. Ejemplo: Los siguientes datos representan pesos de una
muestra de 15 varones adultos. 165 178 185 169 152 180 175 189 195 200 183
191 197 208 179 Hacer su gráfica de “Stem-and Leaf”.
Solución: En este caso las ramas la forman los primeros dos dígitos de los datos, y las hojas serán dadas por los últimos dígitos de los datos.
128
![Page 129: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/129.jpg)
Gráfica de tallo y hojas (“Stem-and-Leaf ”)
Luego el “stem-and leaf “ será de la siguiente manera:
Interpretación: El uso del “stem-and-leaf” es exactamente igual al del Histograma, la única diferencia está en que del “stem-and-leaf” se pueden recuperar los datos muestrales, pero de un histograma no se puede hacer. En este ejemplo el “stem-and-leaf” es asimétrico a la izquierda, no tiene mucha variabilidad ni “outliers”.
129
![Page 130: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/130.jpg)
Ejemplo: Resistencia a la Tensión de 80 muestras de aleación Aluminio-Litio
105 221 183 186 121 181 180 143 97 154 153 174 120 168 167 141 245 228 174 199 181 158 176 110 163 131 154 115 160 208 158 133 207 180 190 193 194 133 156 123 134 178 76 167 184 135 229 146 218 157 101 171 165 172 158 169 199 151 142 163 145 171 148 158 160 175 149 87 160 237 150 135 196 201 200 176 150 170 118 149
DIAGRAMA DE TALLO Y HOJAS
![Page 131: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/131.jpg)
Tallo Hoja Frecuencia7 6 18 7 19 7 110 5 1 211 5 8 0 312 1 0 3 313 4 1 3 5 3 5 614 2 9 5 8 3 1 6 9 815 4 7 1 3 4 0 8 8 6 8 0 8 1216 3 0 7 3 0 5 0 8 7 9 1017 8 5 4 4 1 6 2 1 0 6 1018 0 3 6 1 4 1 0 719 9 6 0 9 3 4 620 7 1 0 8 421 8 122 1 8 9 323 7 124 5 1
DIAGRAMA DE TALLO Y HOJAS
![Page 132: 2009 Ii 01 Estadistica Descriptiva Ii](https://reader035.fdocuments.net/reader035/viewer/2022062300/557bc8ced8b42a700d8b4c38/html5/thumbnails/132.jpg)
Tema Nº 01: ESTADISTICA DESCRIPTIVA I Tema Nº 01: ESTADISTICA DESCRIPTIVA I
Ing. José Manuel García Pantigozo
2009 - II