Captulo 1

MODULO I

INTRODUCCIN A LA ESTADSTICA

A medida que aumenta la complejidad de nuestro mundo y nos internamos por los senderos
reales y virtuales del nuevo milenio, se hace ms difcil tomar decisiones informadas e
inteligentes. Con frecuencia, estas decisiones han de tomarse con un conocimiento
imperfecto de la situacin y un grado considerable de incertidumbre, sin embargo, las
soluciones pertinentes son esenciales para nuestro bienestar e incluso para nuestra
supervivencia. Estamos expuestos a la presin constante de problemas econmicos
galopantes y angustiantes, en casi todos los pases desarrollados, subdesarrollados y
tercermundistas, un sistema fiscal engorroso, coercitivo e injusto y oscilaciones excesivas
del ciclo econmico.
Todo nuestro tejido socioeconmico esta amenazado por una contaminacin ambiental
exponencialmente creciente, por una deuda pblica opresiva y criminal, por un ndice de
delincuencia que se incrementa sin cesar da a da como consecuencia de la perdida de
valores morales y por unos intereses impredecibles que coadyuvan a incrementar la ya casi
infinita brecha entre los pases desarrollados y los pases pobres de Asia, Latinoamrica y
frica.
Nuestro periodo de xito en este planeta, relativamente, breve no es ninguna garanta de
supervivencia futura. A menos que se encuentren soluciones viables a estos apremiantes
problemas. En razn de lo anteriormente expuesto, es necesario contar con herramientas
altamente confiables que nos permitan tomar decisiones acertadas y eficaces para poder
resolver los problemas prioritarios que podran enmarcarse posiblemente de acuerdo al
criterio 80/20 (el 80% de todos los problemas se deben al 20% de las causas.) .De ah que
sea fundamental que todos los futuros profesionales que pretendan dirigir correctamente los
destinos de la humanidad, aprendan y se sirvan de los mtodos estadsticos para minimizar
la probabilidad de error en la toma de decisiones en esta era llamada del conocimiento, que
actualmente cuentan con todas las ayudas de ltima generacin que a travs de excelentes
software permiten agilizar todo el trabajo estadstico. Es altamente recomendable que a la
par con la formacin humanstica que se imparte en nuestra universidad, se actualice las
tcnicas pedaggicas y se introduzcan en los contenidos programticos y curricularesde los
diferentes programas, la obligacin que los docentes y estudiantes utilicen los diferentes
software que se consiguen en el mercado, que le permitan estar actualizados con las
tecnologas de puntas.

1.1. IMPORTANCIA DE LA ESTADSTICA
Todos los campos de la investigacin cientfica seria, se pueden beneficiar del anlisis
estadstico ya que las tcnicas estadsticas se pueden utilizar en casi todos los aspectos de la
vida. Se disean encuestas para recopilar informacin previa al da de elecciones y as
predecir el resultado de las mismas. Se seleccionan al azar consumidores para obtener
informacin con el fin de predecir la preferencia con respecto a ciertos productos y/o
servicios.
Los responsables de la toma de decisiones sobre la poltica econmica, asesores
presidenciales, ministeriales y de otros altos cargos pblicos, tienen en la estadstica una
herramienta muy valiosa. Los economistas consideran varios ndices de la situacin
econmica durante cierto periodo y utilizan la informacin para predecir la situacin
econmica futura. nicamente con la ayuda del anlisis estadstico pueden tomarse
decisiones inteligentes en relacin con los tipos tributarios, programas sociales, gastos de
defensas, polticas laborales, inversiones prioritarias.
Es fundamental para los empresarios, en su bsqueda incansable del beneficio, donde las
actividades de control total de calidad, minimizacin de costos, combinacin de productos -
existencias y multitud de aspectos empresariales se pueden gestionar con eficacia mediante
procedimientos estadsticos contrastados. Los ingenieros muestrean las caractersticas de
calidad de un producto, juntos con otras variables controladas del proceso para facilitar la
identificacin de las variables que estn mas relacionadas con dicha calidad.
En la investigacin de mercados, la estadstica representa una ayuda inestimable para
determinar si es probable que un nuevo producto y/o servicio tenga xito. Su utilidad es
evidente tambin para los asesores financieros que han de evaluar las oportunidades de
inversin a travs de las bolsas de valores. Contadores, directores de personal y fabricantes
se benefician igualmente del anlisis estadstico.
Incluso los investigadores mdicos, siclogos, siquiatras y muchos profesionales del sector
de la salud y del comportamiento, que preocupados por la eficacia de nuevos
medicamentos, realizan experimentos para determinar su efecto bajo ciertas condiciones
ambientales controladas en los humanos y en los animales para la determinacin del
mtodo apropiado para curar ciertas enfermedades, encuentran en la estadstica un aliado
imprescindible.
En trmino generales la estadstica se puede utilizar para mejorar el rendimiento en el
trabajo y en muchos aspectos de la vida diaria ya que es una gua universal para lo
desconocido.

1.2. CONCEPTOS BSICOS EN LA ESTADSTICA

Estadstica
Es una ciencia que requiere del conocimiento matemtico y que nos permite recopilar,
organizar (clasificar, agrupar), presentar, describir y analizar datos a fin de realizar
generalizaciones validas o tomar eficientes decisiones.

Estadstica Descriptiva
Presenta un conjunto de mtodos que nos permite recolectar, presentar los datos en tablas o
cuadros y grficos, describir y analizar mediante el caculo de las medidas de resumen; sin
intentar inferir nada que vaya ms all de los datos como tales.

Estadstica Inferencial
Presenta un conjunto de mtodos que nos permite realizar generalizaciones vlidas en una
poblacin con un nivel de confiabilidad sobre los resultados obtenidos en una muestra.

Poblacin
Es un conjunto de individuos, objetos o eventos que contienen una o ms caractersticas
comunes observables de naturaleza cuantitativa o cualitativa. Su tamao comnmente se
denota por N.
Desde el punto de vista agronmico:
Los elementos considerados en la poblacin podran ser das, animales, semillas, plantas,
personas o localidades de una cierta regin.
Unidad de observacin, unidad estadstica o unidad de anlisis, es el individuo, objeto o
evento de una poblacin, de quien se obtiene informacin. La unidad debe ser adecuada al
tipo de investigacin y debe poseer caractersticas claras y entendibles que permitan
mediciones y comparaciones.

Dato, valor observado o simplemente observacin, es el resultado de medir una
caracterstica de una unidad de anlisis.

Parmetro, es un nmero o una medida de resumen que describe a una caracterstica de la
poblacin, tal como la media poblacional
( ) o la varianza poblacional
( )
2
o .

Tamao de la Poblacin, por el nmero de elementos que la componen la poblacin se
clasifica en finita o infinita.
La poblacin es finita cuando tiene un nmero limitado de elementos y es infinita caso
contrario. En la prctica una poblacin finita que tiene un gran nmero de elementos se le
considera una poblacin infinita.

Muestra
Es un sub conjunto o parte de una poblacin seleccionada de acuerdo a un plan de
muestreo, de tal manera que sea representativa. El tamao de la muestra se suele denotar
por n.

Estadstico o estadgrafo, es un nmero o una medida de resumen que describe a una
caracterstica de la muestra, tal como la media muestral
( )
X o la varianza muestral
( )
2
s .

1.3. VARIABLES ESTADSTICAS
Rasgo, caracterstica o propiedades medibles, observables con variabilidad que poseen los
elementos de una poblacin o de una muestra. Una variable puede ser cualitativa o
cuantitativa. As, por ejemplo, si X denota el nmero de semillas germinadas en un
conjunto de bandejas.

ESCALA DE MEDIDA. Es un patrn o conjunto de criterios claramente definidos que
permite asignar, sin ambigedades, valor a una variable. El concepto de valor incluye,
adems de nmeros, letras, letras y nmeros, palabras, etc.

VARIABLE CUALITATIVA:Es aquella que su medicin se puede expresar normalmente
por medio de una palabra o palabras y no de nmeros.
Por ejemplo, el estado civil, la nacionalidad, el sexo, la profesin, la raza, el color de la piel
de los profesores de la UNS.

Las variables cualitativas pueden ser binomiales o multinomiales. Se pueden hacer
observaciones solas en dos categoras sobre una variable cualitativa binomial, por ejemplo,
hombre o mujer, buenas o malas, rico o pobre, ausente o presente, empleado o
desempleado.
Sobre una variable cualitativa multinomialse pueden hacer observaciones en ms de dos
categoras, por ejemplo, en puestos de trabajo, colores, idiomas, nacionalidades, religiones,
etc.
Las variables cualitativas pueden ser nominales u ordinales.

NOMI NAL. Sirven nicamente para identificar la diferencia o semejanza, as como el
criterio para asignar el nmero u el cdigo, por ejemplo para saber el color del pelo de una
persona, la orientacin de los vientos (Norte, Sur, Este, Oeste), color del tegumento de las
semillas, etc.

ORDI NAL. Permite distinguir diferencia o semanaza y jerarqua, adems asigna el nmero
a una variable que sirve slo para ordenar, por ejemplo como el puesto que ocupa un atleta
en una carrera, el grado de ataque de una virosis vegetal (severo, moderado o leve).

VARIABLE CUANTITATIVA: Es aquella que su medicin se expresa numricamente.
Por ejemplo, las exportaciones de caf, las ventas de acero, el ingreso per cpita, la
produccin de autos, el decomiso de cocana, las hectreas fumigadas, etc. Las variables
cuantitativas pueden ser discretas o continuas.

VARIABLE DISCRETA: Es aquella que solo puede tomar determinados valores por lo
general, nmeros enteros, por ejemplo, el numero de hijos de una familia, numero de
empleados de una empresa, numero de vacas en una hacienda, el nmero de das hasta la
germinacin del 50% de las semillas de una bandeja, numero de colonias de
microorganismos sobre plantas enfermas, numero de frutos de un rbol, el nmero de
mazorcas en plantas de maz, etc.

VARIABLE CONTINUA:Es aquella que toma cualquier valor dentro de un intervalo
dado. Por muy cerca que estn dos observaciones siempre es posible hacer otra medicin
que caigan dentro de esas dos. Los valores de una variable continua provienen de las
mediciones y de los pesajes. Por ejemplo, las exportaciones en dlares del esprrago, etc.

DATO:Un conjunto de datos es univariado, bivariado o multivariado si contiene una,
dos, o ms de dos variables.

En la Tabla 1:Se muestra una base de datos donde se pueden observar los diferentes
componentes (unidad elemental, tipos de variables, datos, muestra, etc.).

TABLA 1
BASE DE DATOS DE LOS EMPLEADOS DE LA EMPRESA
MetalconsultingIngenieria Ltda.














Ejercicios


1.4. MUESTREO

Los mtodos estadsticos proponen diferentes tipos de muestreo, aunque en general pueden
dividirse en dos grandes grupos: mtodos de muestreo probabilsticas y mtodos de
muestreo no probabilsticas.

Mtodos de muestreo probabilsticas

Los mtodos de muestreo probabilstica son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas
las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Solo
estos mtodos de muestreo probabilstica aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo
probabilstica se encuentran los siguientes tipos:

Muestreo aleatorio simple

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la
poblacin, y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de
nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad practica cuando la
poblacin que se esta manejando es muy grande.

Muestreo aleatorio sistemtico

Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin,
pero en lugar de extraer n nmeros aleatorios solo se extrae uno. Se parte de ese numero
aleatorio i, que es un numero elegido al azar, y los elementos que integran la muestra son
los que ocupan los lugares i, i+k, i+2k, i+3k,..., i+(n-1) k, es decir se toman los individuos
de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la
muestra:
k=N/n. El numero i que se emplea como punto de partida ser un nmero al azar entre 1 y
k.
El riesgo se este tipo de muestreo esta en los casos en que se dan periodicidades en la
poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
se puede introducir una homogeneidad que no se da en la poblacin. Supngase que se esta
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son
varones y los 5 ltimos mujeres; si se emplea un muestreo aleatorio sistemtico con k=10
siempre sern seleccionados o solo hombres o solo mujeres; no podra haber una
representacin de los dos sexos.

Muestreo aleatorio estratificado

Trata de obviar las dificultades que presentan los anteriores, ya que simplifica los procesos
y suele reducir el error muestral para un tamao dado de la muestra. Consiste en considerar
categoras tpicas diferentes entre si (estratos) que poseen gran homogeneidad respecto a
alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de
residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de inters estarn representados adecuadamente en la
muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que
formaran parte de la muestra. En ocasiones, las dificultades que plantea son demasiado
grandes, pues exige un conocimiento detallado de la poblacin (tamao geogrfico, sexos,
edades...).
La distribucin de la muestra en funcin de los diferentes estratos se denomina
afijacin, y puede ser de diferentes tipos:

Afijacin simple: a cada estrato le corresponde igual nmero de elementos muestrales.
Afijacin proporcional: la distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato.
Afijacin ptima: se tiene en cuenta la previsible dispersin de los resultados, de modo que
se consideran la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele
conocer la desviacin.

Por ejemplo, se esta interesado en estudiar el grado de aceptacin que la implantacin de la
reforma educativa ha tenido entre los padres de un municipio. A tal efecto se selecciono
una muestra de 600 padres de familia. Se conoce por los datos del Ministerio de Educacin
que de los 10000 nios escolarizados en la bsica, 7000 acuden a colegios pblicos y 3000
a colegios privados. Como el inters es que en la muestra estn representados todos los
tipos de colegio, se realiza un muestreo estratificado empleando como variable de
estratificacin el tipo de colegio.

Si se emplea una afijacin simple serian 300 nios de cada tipo de centro, pero en este caso
parece mas razonable utilizar una afijacin proporcional pues hay bastante diferencia en el
tamao de los estratos. Por consiguiente, se calcula la proporcin para cada uno de los
estratos respecto de la poblacin, para poder reflejarlo en la muestra.
Colegios pblicos: 7000/10000 = 0.70
Colegios privados: 3000/10000 = 0.30
Para conocer el tamao de cada estrato en la muestra se multiplica la proporcin por el
tamao muestral.
Colegios pblicos: 0.70x600 = 420 padres de familia
Colegios privados: 0.30x600 = 180 padres de familia

Muestreo aleatorio por conglomerados

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades muestrales son los elementos de la
poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos
de la poblacin que forman una unidad, a la que se denomina conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc. son
conglomerados naturales. En otras ocasiones, se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son reas
geogrficas suele hablarse de "muestreo por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.
Por ejemplo, en una investigacin se trata de conocer el grado de satisfaccin laboral de
los empleados de una cadena de almacenes; se toma una muestra de 700 empleados. Ante la
dificultad de acceder individualmente a estos empleados, se decide hacer una muestra por
conglomerados.
Sabiendo que el nmero de empleados por almacn es aproximadamente de 35, los pasos a
seguir serian:
- Recoger un listado de todos los almacenes.
- Asignar un nmero a cada uno de ellos.
- Elegir por muestreo aleatorio simple o sistemtico los 20 almacenes (700/35 = 20) que
proporcionaran los 700 empleados que se necesitan.
Finalmente, ante lo compleja que puede llegar a ser la situacin real de muestreo es muy
comn emplear lo que se denomina muestreo polietpico. Este tipo de muestreo se
caracteriza por operar en sucesivas etapas, empleando en cada una de ellas el mtodo de
muestreo probabilstica mas adecuado.

Mtodos de muestreo no probabilsticas

A veces, para estudios exploratorios, el muestreo probabilstica resulta excesivamente
costoso y se acude a mtodos no probabilsticas, aun siendo conscientes de que no sirven
para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea
representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de
ser elegidos. En general, se selecciona a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa.
Muestreo por cuotas

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de
un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad
de aquel. En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen determinadas condiciones, por ejemplo: 20 individuos de 25 a 40
aos, de sexo femenino y residentes en una misma ciudad. Una vez determinada la cuota, se
eligen los primeros que se encuentre que cumplan esas caractersticas. Este mtodo se
utiliza mucho en las encuestas de opinin.
Por ejemplo, una universidad desea estudiar la incidencia de las drogas en la adolescencia.
Lo que debera hacer seria: conocer por los informes del Estado cuales son los centros
educativos mas afectados por el problema, fijar un numero de sujetos a entrevistar,
proporcional a cada uno de los estratos (cuotas) y, finalmente, dejar en manos de los
responsables del trabajo de campo a que sujetos concretos se deber entrevistar.
Muestreo opintico o intencional

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos. Es
muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
Muestreo casual o incidental

Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los
individuos de la poblacin. El caso mas frecuente de este procedimiento es el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos). Un caso particular es el de los
voluntarios.

Bola de nieve

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

Aspectos ticos del muestreo

En la actualidad se existe una tendencia a la proliferacin de investigaciones que se apoyan
en encuestas; no todas son buenas, significativas o importantes, y no todas son ticas. Debe
intentarse distinguir entre un diseo de encuesta deficiente y un diseo carente de tica.
Las consideraciones ticas surgen con relacin a cuatro tipos de errores potenciales que
pueden ocurrir cuando se disean encuestas que utilizan muestras probabilsticas aleatorias:
error de cobertura o sesgo de seleccin, error o sesgo de no respuesta, error de muestreo y
error de medicin. El error de cobertura o sesgo de seleccin se convierte en un problema
tico, solo si se excluyen a propsito grupos especficos de individuos del marco de
poblacin, para obtener resultados sesgados, que indican una oposicin ms favorable para
los intereses del investigador.
De igual manera, el error o sesgo de no respuesta se convierte en un problema tico, solo si
es menos probable que grupos o individuos especficos respondan a una encuesta, y si el
investigador la disea a propsito con el fin de excluir grupos o elementos. El error de
muestreo se convierte en un problema tico, solo cuando los resultados se presentan, a
propsito, sin referencia al tamao de muestra o al margen de error, de modo que el
investigador puede promover un punto de vista que de otra manera seria insignificante.
El error de medicin se convierte en un problema tico en cualquiera de las siguientes
situaciones:
- Un investigador puede elegir preguntas orientadas que guan las respuestas hacia una
direccin especfica.
- Un investigador, mediante actitudes y tono de voz, puede crear un efecto deliberado de
halo o puede guiar las respuestas en cierta direccin.
- Alguien que responde, pero no esta de acuerdo con la encuesta, puede proporcionar
informacin falsa a propsito.

1.5. PRESENTACION DE DATOS

DISTRIBUCION DE FRECUENCIA
Una distribucin de frecuencia es un mtodo para organizar, clasificar y resumir datos.
Tambin se conoce con el nombre de distribucin de frecuencia a una tabulacin de datos
en clases, intervalos de clase o categora; con la frecuencia correspondiente a cada una, a
fin de realizar una especial descripcin y anlisis.
Para elaborar los cuadros o tablas de la distribucin de los datos se debe, antes que todo
Identificar las caractersticas que se investigaron, ya que esto permite una mejor
clasificacin de lo observado, estas caractersticas se refieren a las Cualitativas y
Cuantitativas.
Componentes de una Distribucin de Frecuencias
Frecuencia absoluta simple, representa el nmero de veces que se repite la clase, intervalo
de clase o categora. Se denota por
i
f .
Frecuencia absoluta acumulada, se obtiene sumando las frecuencias absolutas simples, y
siempre nos da un acumulado igual al tamao de la muestra. Se denota por
i
F .
Frecuencia relativa simple, representa la proporcin de unidades de anlisis en la clase,
intervalo de clase o categora y resulta de dividir cada una de las frecuencias absoluta
simples por el tamao de la muestra. Se denota por
i
i
f
h
n
= .
Frecuencia relativa acumulada, resulta de la acumulacin de las frecuencias relativas
simples, esta frecuencia siempre tiende a la unidad. Se denota por
i
H .
n : Tamao de la muestra, es el nmero de observaciones.
i
x
: La variable, es cada uno de los diferentes valores que se han observando o tambin
puede ser la marca de clase.

DISTRIBUCIN DE FRECUENCIA POR INTERVALOS

Como se ha visto, un conjunto de observaciones normalmente cuantitativas continuas o
discretas con valores grandes, puede hacerse ms comprensible y adquirir mayor
significado, lograrse una mayor sntesis, tabulando o agrupando los datos. Para agrupar a un
conjunto de observaciones, se selecciona un conjunto de intervalos, contiguos, que no se
traslapen, tales que cada valor en el conjunto de observacin puede colocarse en uno, de los
intervalos de clase. Los pasos a seguir para la construccin de intervalos son los siguientes:
Paso I : Hallar el Rango o Recorrido de los Datos (R)
La diferencia entre el dato mayor y el dato menor se llama RECORRIDO o RANGO de
los datos. Esto es:


Paso I I : Hallar el nmero de Intervalos (m)
La pregunta es cuntos intervalos van a incluirse? Demasiado o poco no es conveniente
debido a que hay prdida de informacin. Por otra parte, si se usan demasiados intervalos,
no se logra objetivo de la sntesis.
Una de las formas para obtener el nmero de intervalos es aplicando la regla de
STURGES, con la cual se obtiene una aproximacin aceptable sobre el nmero de
intervalos necesarios para agruparlos. Esto es:

Donde n nos representa el tamao de muestra o nmero de datos considerados, esta regla de
STURGES no se considera como final, sino slo como una gua. El nmero de intervalos
especificado por medio de esta regla debe aumentarse o disminuirse segn convenga y el
beneficio de una presentacin clara.

Paso I I I : Hallar la Amplitud del Intervalo (A)
Aunque a veces es imposible, por lo general, los intervalos deben tener amplitudes iguales.
Puede determinarse esta amplitud (A) dividiendo el recorrido (R) entre el nmero de
intervalo (m). Esto es:

Como regla, este procedimiento proporciona una amplitud que no es conveniente usarla.
Una vez ms, debe aplicarse el buen juicio y seleccionar una amplitud (por lo comn,
prxima a la dada por la ecuacin) que sea ms conveniente.
Consideramos el siguiente Ejemplo 1:
R = Dato mayor Dato menor
m = 1 + 3,33log(n)

A = R / m


Solucin:

a) Identificar la unidad de anlisis, variable de estudio, clasificacin de la variable, el lugar
y tiempo.

Unidad de anlisis :
Variable de estudio :
Clasificacin de la variable :
Lugar :
Tiempo :

b) Construir la distribucin de frecuencias y sus respectivos grficos.

Rango : R = Dato mximo Dato mnimo
R = 16 6,3 = 9,7

Nmero de Intervalos : m = 1 + 3,33log(n) m=1 + 3,33log (100)
m = 1 + 3,33*2 m = 7,66~ 6, 7 8

Amplitud del Intervalo :
R
A
m
= A = 9,7/8 = 1,2

Construyendo la Tabla de frecuencias con datos agrupados en intervalos:

Tabla 01

Longitud en centmetros de la espiga del trigo (variedad ) fundo Santa Rosa, Santa
2014.

Intervalos
[
1 i
L

-
i
L )
Marcas de
clase
Frecuencias
absolutas
Frecuencias
relativas
Frecuencia
porcentual
i
y
i
f
i
F
i
h
i
H
i
h *100%
6,37,5 6,9 13 5 0,08 0,08 8%
7,58,7 8,1 8 13 0,13 0,22 13%
8,79,9 9,3 27 40 0,45 0,67 45%
9,911,1 10,5 15 55 0,25 0,92 25%hh
11,112,3
12,3 13,5
13,5 14,7
14,7 16,0
11,7
12,9
14,1
15,35
5 60 1,00 8%
Total n=100 1,00 100%
FUENTE: Taller el Milagro

Presentacin grfica: En distribucin de frecuencias por intervalos de clase los grficos a
presentar son: Histograma de frecuencias y Polgono de frecuencias.