Professional Documents
Culture Documents
ESTADSTICA
DESCRIPTIVA E
INFERENCIAL I
FASCCULO 1.ANTECEDENTESHISTRICOSDELA
ESTADSTICA Y SUS FUNCIONES
COLEGIO DE
BACHILLERES
Colaboradores
Asesora Pedaggica
Irma Cruz Santilln
Revisin de Contenido
Armando Martnez Cruz
Diseo Editorial
Leonel Bello Cuevas
Javier Daro Cruz Ortiz
NDICE
INTRODUCCIN
PROPSITO
1.1
1.2
ANTECEDENTES HISTRICOS DE LA
ESTADSTICA Y SUS FUNCIONES
14
1.1.3 Aplicaciones
18
20
26
27
28
30
37
37
39
Relativas
1.2.4 Distribucin de Frecuencias Acumuladas
52
1.2.5 Grficas
54
55
59
62
62
RECAPITULACIN
74
ACTIVIDADES DE CONSOLIDACIN
75
AUTOEVALUACIN
78
BIBLIOGRAFA CONSULTADA
87
INTRODUCCIN
estas personas, la palabra tiene relacin con aquellos conceptos y tcnicas que se
utilizan en la recopilacin, organizacin, resumen, anlisis, interpretacin y comunicacin
de informacin numrica.
Estos conceptos y tcnicas juegan un papel importante en las actividades que realizan
los profesionales de todas las ciencias.
PROPSITO
La estadstica es una rama de las matemticas aplicadas que surgi por la necesidad
concreta que el hombre tiene de conocer la resolucin de problemas relacionados con la
recoleccin, procesamiento, anlisis e interpretacin de datos numricos cuyo
conocimiento le permitir tomar decisiones acertadas.
CAPTULO 1
ANTECEDENTES HISTRICOS DE LA ESTADSTICA Y SUS
FUNCIONES
John Graunt naci en 1620 en Berchin Lane, Londres, bajo el signo de las siete estrellas,
donde su padre tena una tienda y el hogar. Aprendi pronto el oficio de vendedor de
mercera y prosper en el negocio. El xito le dio la posibilidad de dedicarse a
ocupaciones ms amplias que las de la venta de artculos de mercera. Aubrey lo
describe como una persona muy ingeniosa y estudiosa... se levantaba muy temprano
para sus estudios antes de abrir la tienda. Se hizo amigo de Sir William Petty, ms tarde
autor de un conocidsimo libro sobre la nueva ciencia de la aritmtica poltica, y
probablemente discuti con l las ideas expresadas en sus Obervations.
Las tablas de mortalidad, que atrajeron la atencin de Graunt, eran publicadas
semanalmente por la compaa de Sacristanes parroquiales y contenan el nmero de
muertes acaecidas en cada parroquia, sus causas y tambin un Recuento de todos los
entierros y bautizos habidos en la semana en las cuales anotaban el nmero de
nacimientos de acuerdo a los que acudan al bautismo y lo mismo suceda cuando
presentaban sus defunciones (en las parroquias se llevaba el control).
Un ejemplo de las observaciones hechas por Graunt en 1632 fueron las siguientes:
Varones
Bautizados
Hembras
T
otal
Varones
Enterrados
Hembras
T
otal
4,99
4,59
4
0
9,58
4
4,93
4,60
2
3
9,53
5
Las Observations impresionaron tan favorablemente a Carlos II, que este propuso
especialmente a Graunt como socio fundador de la recientemente constituida Royal
Society. Para prevenir cualquier posible objecin al hecho de que Graunt era tendero,
su majestad dio este encargo particular a su Sociedad, de que si encontraban algn
comerciante ms de su estilo, lo admitiesen sin ms ceremonia. Graunt fue elegido
socio fundador de la Royal Society en 1662.
El mrito de las Observations fue inmediatamente reconocido, y foment el estudio de
las estadsticas de vida en el continente. El libro alcanz varias ediciones. La quinta,
publicada tras la muerte de Graunt fue ampliada por Petty. Los historiadores han
10
discutido largo tiempo la contribucin de Petty al trabajo original. Aubrey que era
malicioso, slo dice que Graunt fue inspirado por Petty, pero implica mucho ms.
Parece indudable que el libro es una obra conjunta.
10
Desde luego, Graunt escribi la mayor parte, incluidas las aportaciones cientficas ms
valiosas. Petty aadi lo que Thomas Browne llamara Elegancia, y as aument la
popularidad del libro. Sir William Petty era un hombre presuntuoso y algo engredo,
incapaz de decidir si patrocinar a Graunt o acreditar su trabajo. No hay pruebas de que
alguna vez hubiese entendido la importancia y originalidad de lo que haba hecho su
amigo.
Graunt fue miembro del consejo comn de la ciudad y desempe otros cargos, pero al
convertirse al catolicismo dej el comercio y cualquier otra obra pblica. Graunt tena
cabeza y talento para el trabajo, y era jocoso y fecundo en su conversacin.
Graunt muri de ictericia la vspera de Pascua en 1674 y fue enterrado en la iglesia de
St. Dunston.
John Arbuthnot
En los trabajos de Graunt y Halley se bas John Arbuthnot en 1970 para probar la
existencia de Dios. Su argumento dice:
No es posible la suposicin de que el sexo est distribuido entre la descendencia
humana en una forma puramente casual; debe intervenir una providencia divina que
controla las proporciones de los sexos.
La demostracin de Arbuthnot es el primer ejemplo conocido de inferencia estadstica.
11
Anchenwall un economista, acu en 1760 la palabra estadstica, que deriva del trmino
italiano statista. La raz de la palabra procede del latn status que significa estado o
situacin.
1 www_history.mcs.st-andrews.ac.uk/history/pictDisplay/Arbuthnot.html
12
Girolamo Cardano
Cardano naci en Pravia en 1501 y muri en 1576. Su vida es una serie de actos
incoherentes que pertenecen tanto a la historia de la Matemtica como a la de la
Astrologa y a la de la Patologa. Realiz sus primeros estudios en su ciudad natal y
luego en la Universidad de Padua, donde alcanz la Licenciatura en Medicina que ejerci
en Sacco y en Miln durante el perodo de 1524 a 1556. Durante estos aos estudi
Matemticas y public sus principales obras. Entre estas destaca el Ars Magna, en la
cual se presentan races negativas de una ecuacin, algunos clculos con nmeros
imaginarios y la frmula de la ecuacin cbica que ha pasado a la historia con el
calificativo de Cardmica, aunque ya se sabe que es de Fortaglia, con quien tuvo una de
las polmicas ms agrias en la historia de las Matemticas.
Se le atribuye la primera discusin sobre Probabilidad en su manual para jugadores
Siber De Ludo Aleae (Manual para tirar dados).
2 www_history.mcs.st-andrews.ac.uk/history/pictDisplay/Cardan.html
Junto con Arqumedes y Newton, Gauss es uno de los tres grandes de la Matemtica.
Ellos aportaron conceptos muy tiles en sus distintas ramas tanto en su forma pura como
aplicada.
La precocidad de Gauss fue evidente antes de los tres aos de edad. Cuando su padre
haca la nmina para pago de los trabajadores, sin darse cuenta que su hijo segua sus
acciones, al terminar, el nio exclam Padre el clculo est equivocado. Al
comprobarlo not que el resultado que le dijo el nio era correcto.
Gauss se hizo notable, ya que a los doce aos critic los fundamentos de la Geometra
Euclidiana, a los trece le interesaba la posibilidad de la Geometra No-Euclidiana, a los
quince entendi el concepto de convergencia de lneas y prob el binomio de Newton, a
los dieciocho invent el mtodo de los mnimos cuadrados, a los diecinueve, el 30 de
marzo de 1796, descubri la construccin del polgono de 17 lados slo con regla y
comps.
Su lema fue: Pauca. Sed natura, que significa: Poco, pero maduro.
3 www_history.mcs.st-andrews.ac.uk/history/pictDisplay/Gauss.html
14
4 www_history.mcs.st-andrews.ac.uk/history/pictDisplay/Von_Neumannn.html
16
El profesional, que entiende de estadstica puede leer con inteligencia la literatura que
sobre su campo de accin va apareciendo da con da.
Con frecuencia escuchamos en los medios de difusin comentarios como los siguientes:
Todas estas expresiones nos indican que la Estadstica es una herramienta que ayuda a
conocer la realidad. Sin embargo, tambin puede servir para distorsionar la verdad si no
se tiene cuidado al usar los mtodos estadsticos adecuadamente y si la interpretacin
de los resultados lo hacen incorrectamente.
Es famoso la frase que en cierta ocasin el ministro ingls Benjamin Disraeli dijo: Hay
tres clases de mentiras que son: Las simples, las malvadas y las de la Estadstica.
Esta acusacin hecha hace muchos aos, ha llegado a convertirse en una descripcin
adecuada de algunos engaos que se pueden realizar mediante la Estadstica.
Sucede algunas veces que en la presentacin de resultados de alguna investigacin
poco seria, se utiliza la Estadstica para dar la impresin de que todo ha sido realizado
Ejemplo:
Se desea saber qu tiempo en horas un alumno dedica al estudio, para ello el
encuestador le hace la siguiente pregunta:
T estudias dos horas diarias, verdad?
Esta forma de obtener la informacin es incorrecta toda vez que la respuesta es guiada
por el encuestador y la mayora van a ser afirmativas.
18
En un poblado del Edo. De Mxico se levant un censo de todos los habitantes que no
saban leer para inscribirlos en los cursos de INEA. El encuestador report 3000
analfabetos que fueron los que detect, pero l no saba que mucha de esta gente no
queran aprender a leer y por lo tanto no se presentaron para su reporte.
En el mismo poblado se anunci por la radio que toda persona que no supiera leer, el
programa de solidaridad le otorgara $ 50,000 pesos mensuales de ayuda por lo tanto
deban anotarse en la presidencia municipal las personas que cubrieran el requisito.
A este anuncio acudieron 7,000 personas que no saban leer. Esto nos muestra que la
informacin no siempre va a ser verdadera y en casos como estos, depende del inters
de la gente.
6) Qu informacin falta?
Existe informacin que no es estrictamente estadstica pero es necesaria para poder
captar la que nos interesa por estar relacionada con ella.
Ejemplo:
En una librera se report que en tan slo un mes se duplicaron las ventas, sin embargo,
no se especific que se refiere al mes de septiembre que fue el inicio de clases y
adems aument el costo de los libros debido a la demanda.
7) Quin lo dice?
Muchas de las estadsticas que dan los medios de difusin se basan en la
publicidad.
Ejemplo:
Un anuncio de la televisin dice: K2 su fbrica amiga en tan slo un mes vendi
50,000 colchones; pero an nos quedan 1,000 que se rematan a un precio muy bajo,
venga y llvese el suyo. Ser cierta esta informacin, o solamente es un comercial
sensacionalista?
ACTIVIDAD DE REGULACION
Para cualquier duda consulta con tu profesor o asesor quien te indicar si tus respuestas
son correctas.
1.1.3 Aplicaciones
2)
La planeacin de la produccin.
El control de calidad.
Las ventas.
El almacn, etctera.
3)
4)
5)
Nacimientos.
Defunciones.
Matrimonios.
20
Divorcios.
Adopciones.
Etctera.
20
En materia de poblacin los datos aportan una buena ayuda para fijar la poltica de
estmulos al control de la natalidad, dirigir la inmigracin o emigracin, establecer los
planes de lucha contra las enfermedades epidmicas o plagas que azotan los
campos, etctera.
6)
7)
8)
9)
13) Negocios. Los hombres de negocios pueden predecir los volmenes de venta,
medir las reacciones de los consumidores ante los nuevos productos, etctera.
22
Poblacin.
Muestra.
Variable de Estudio.
Datos u observaciones.
Parmetros.
Estadgrafos o Estadsticos.
No. De
Profesores
4
5
6
10
4
5
6
7
Total
8
7
6
4
50
La poblacin en este caso son todos los profesores del Plantel 11. Cada uno de los
profesores seleccionados y que se les aplic la encuesta es un elemento, un dato o una
observacin y todos ellos forman una muestra representativa de la poblacin.
Veamos otro ejemplo:
Ivn Jernimo es un alumno de la UNAM y ha participado en los concursos deportivos
que la Institucin organiza cada ao. Ivn es un corredor de los cien metros planos y
cada vez que corre se impone un nuevo rcord.
Los tiempos que ha establecido se muestran en la siguiente tabla:
No. de
Participaciones
1
2
3
4
5
6
7
Tiempo en
segundos
11.2
10.8
10.7
10.6
10.5
10.4
10.3
Analiza el ejemplo de los maestros y en base a estos conceptos, contesta en la lnea las
siguientes preguntas de este ejemplo:
- Cuntas observaciones se tienen?
- Cuntos datos son del problema?
- Cuntos elementos tiene la muestra?
- Cul sera la poblacin?
De los ejemplos anteriores podemos ver que al realizar un experimento para conseguir
informacin acerca de un problema, se tiene un conjunto de resultados en que cada uno
corresponde a una observacin.
Ejemplo:
Se desea conocer la estatura de cada alumno del Plantel 2 del C.B.
El nmero de estudiantes que tiene el Plantel 2 es de 8,000 alumnos.
De este ejemplo contesta lo siguiente:
De los ejemplos anteriores habrs notado que los datos se obtienen mediante la
observacin del fenmeno que interesa estudiar. Tambin se obtienen de los
documentos donde se reportan los hechos.
es necesario definir con precisin qu datos nos interesan para planear la forma de
obtenerlos, ya que no solamente se estudian conjuntos de personas sino de cosas,
objetos, entidades y desde varios puntos de vista; en las cuales ser necesario medir
caractersticas distintas.
De los anterior podemos concluir que de acuerdo con la necesidad, se define la variable
que se va a medir.
Una vez definida la variable se determina la poblacin estadstica.
Definicin
Poblacin estadstica es un conjunto de personas, entidades u objetos del
cual se quiere saber algo que nos interesa para tomar una determinacin
acertada.
Para facilitar el estudio de las poblaciones stas se clasifican en:
a) Poblacin finita.
b) Poblacin infinita
Muestra
Una muestra es un conjunto de medidas u observaciones tomadas a partir de una
poblacin dada; es un subconjunto de la poblacin. Desde luego, el nmero de
observaciones en una muestra es menor que el nmero de posibles observaciones en la
poblacin, de otra forma, la muestra ser la poblacin misma. Las muestras se toman
debido a que no es factible desde el punto de vista econmico usar a toda la poblacin.
En algunos casos es imposible recolectar todas las posibles observaciones en la
poblacin.
Por ejemplo, si se desea estimar el gasto promedio anual de los estudiantes del C.B., se
extraera una muestra formada por cierto nmero de estudiantes, se determinara el
gasto anual correspondiente a cada uno de ellos y despus se obtendra el promedio.
Se utiliza una muestra debido a que simplemente no se tiene el tiempo ni los recursos
25
para establecer el contacto con todos los estudiantes del C.B., aun cuando es posible
hacerlo.
Definicin
Muestra representativa es un subconjunto de la poblacin que se estudia
para determinar el parmetro que describe la caracterstica deseada de la
misma.
POBLACIN
MUESTRA
Todas las muestras son subconjuntos de la poblacin pero no todas son representativas.
Las muestras representativas se selecciona aleatoriamente.
Definicin
Muestra aleatoria es aquella que se obtiene de tal manera que cada posible
observacin disponible en la poblacin, tiene la misma probabilidad de ser
seleccionada.
Para poder obtener estas muestras es necesario que no intervenga la preferencia del
investigador por algn elemento de la poblacin; es decir, cada elemento de la poblacin
deber tener igual oportunidad de ser seleccionado.
Los promedios y proporciones muestrales son caractersticas medibles de las muestras
respectivas y se les llama estadsticas o estadgrafos.
Ejemplo:
En un campo de experimentacin agrcola se ha desarrollado una variedad de jitomate.
Se desea determinar el peso promedio de los jitomates de cada planta.
Del problema anterior determinar el parmetro y el estadgrafo.
26
Solucin:
El parmetro de la poblacin es: El peso promedio de todos los jitomates producidos por
cada planta en una cosecha determinada.
27
ACTIVIDAD DE REGULACION
Inferencial
Definicin
La Estadstica es el estudio cientfico relativo al conjunto de mtodos
encaminados a la obtencin, representacin y anlisis de observaciones
numricas, con el fin de describir la coleccin de datos obtenidos, as como
inferir generalizaciones acerca de las caractersticas de todas las
observaciones y tomar las decisiones ms acertadas en el campo de su
aplicacin.
Ejemplo:
Un director de escuela desea conocer las aptitudes de cinco secretarias que trabajan en
dicha institucin.
Se aplica una prueba de aptitudes a las cinco secretarias y las calificaciones son 82, 85,
95, 92 y 91. La medida estadstica que emplea el Director es la aptitud promedio o
media aritmtica, la cual es la suma de los valores obtenidos dividida por el nmero de
observaciones. Entonces, la calificacin promedio es:
82+85+95+92+91 = 445 = 89
5
5
Definicin
La inferencia estadstica es una tcnica mediante la cual se obtienen
generalizaciones o se toman decisiones en base a una informacin parcial o
completa obtenida mediante tcnicas descriptivas.
Para concluir diremos que existe otra gran divisin de las tcnicas estadsticas:
a) Estadstica Paramtrica.
b) Estadstica No Paramtrica.
30
No permite tener presente el problema por resolver con el fin de fijar con precisin las
variables que permitirn la resolucin del mismo y con ello estar en posibilidad de tomar
una decisin correcta.
La planeacin se concluye con un breve curso informativo que se da los participantes en
el trabajo de campo, con el fin de conocer los materiales que se deban llenar para
recopilar la informacin.
32
Caractersticas.
Atributos.
Rasgos.
Cualidades.
ACTIVIDAD DE REGULACION
ACTIVIDAD DE REGULACION
De acuerdo a lo que investigaste en el diccionario, analiza cada uno de los ejemplos
anteriores y escribe en la lnea la variable en cada caso:
i)
ii)
De cada uno de los ejemplos explica con tus propias palabras para qu se desea
conocer dicha variable.
b) Ordinales
3. El maestro del grupo 502 del plantel 2 Cien Metros, evalu el grado de
aprovechamiento en el curso de estadstica, bajo la siguiente escala: Excelente,
Bien, Regular, Mal; habiendo obtenido los siguientes resultados:
R, B, M, R, E, M, B, R, R, M, B, E, B, R, B,
B, R, B, B, R, B, M, E, R, R, B, B, E, B, R,
R, R, B, B, R, B, R, R, B, E, M, R, B, R,
ACTIVIDAD DE REGULACION
Definicin
Variable cualitativa es cuando solamente se busca en ella una cualidad o un
atributo.
4. El mdico de una guardera desea saber el crecimiento que tuvo cada nio a su
cuidado, durante los primeros 6 meses del ao, para ello se obtuvieron los
siguientes resultados en centmetros:
8, 8, 7, 5, 4, 3, 4, 7, 5, 9, 3, 4, 7, 6, 5, 7, 3
5, 4, 5, 3, 9, 7, 6, 8, 4, 6, 9, 7, 8, 3, 4, 9, 5
ACTIVIDAD DE REGULACION
Definicin
Variable cuantitativa es aquella que se puede asociar con un nmero con el
cual podemos realizar operaciones o comparaciones.
Definicin
Variable cuantitativa discreta es la que siempre se asocia con valores enteros.
En el ejemplo nmero 4 donde la variable es crecimiento durante 6 meses, en los datos
obtenidos podemos ver que la variable toma valores fraccionarios, en estos casos la
variable se llama Continua.
definicin
Variable cuantitativa continua es la que se puede asociar con valores de un
intervalo de nmero reales.
Las variables estudiadas de acuerdo con sus caractersticas, se resumen en el siguiente
cuadro:
CUALITATIVA
a) Nominal
b) Ordinal
VARIABLE
CUANTITATIVA
a) Discreta
b) Continua
ACTIVIDAD DE REGULACION
Nombre:
2.
Edad:
3. Estatura:
4.
Grado acadmico:
5. Nmero de investigaciones:
De los ejemplos anteriores habrs notado la importancia que tienen las variables en el
estudio estadstico de un problema.
De acuerdo con esta clasificacin podrs notar que dependen del tipo de variable que se
analiza y por lo tanto reciben el mismo nombre de stas.
5. En la carrera de caballos que se realiz el jueves 16 de septiembre corrieron 10
caballos, los cuales se numeraron de la siguiente forma:
10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20
Al finalizar la carrera, el primer lugar lo obtuvo el 13, el segundo lugar el 19, y el
tercer lugar el 16. El primer lugar hizo un tiempo de 15.3 minutos, el segundo
lugar 15.5 y el tercer lugar 15.8 minutos.
Definicin de variables:
a) Nmero de caballo (variable cualitativa nominal).
b) Lugar que ocup (variable cualitativa ordinal).
c) Tiempo que hizo (variable cuantitativa continua).
Definicin de escalas de medicin:
a) Nominal (numeracin de los caballos).
b) Ordinal (lugar ocupado en la carrera).
c) Por intervalos (tiempo durante el recorrido).
Del ejemplo anterior podemos establecer las siguientes definiciones:
Escala nominal es la que se usa para asignarle una etiqueta a las
categoras que se construyen de la variable con el nico fin de
distinguir unas de otras.
ACTIVIDAD DE REGULACION
I, A, M, Q, Q, M, A, I, M, Q, A, Q, I, Q, M,
Q, M, M, A, Q, I, Q, M, I, I, Q, M, M, A, I,
M, A, A, Q, I, M, Q, Q, A, M, A, Q, M, A, Q,
40
4.
CATEGOR
AS
I
Q
M
A
Total
NMERO DE
ALUMNOS
IIII III
IIII IIII IIII
IIII IIII III
IIII IIII
f
8
1
4
1
3
1
0
4
5
definicin
Frecuencia es el nmero de veces que se repite la misma observacin. Se
simboliza con fi.
41
42
equipos pares e impares. Para la segunda ronda se sortean para jugar un par con un
impar, y la tercera y ltima ronda se jugar de acuerdo con el lugar que tengan al final de
la segunda ronda. Se formaron las parejas en el orden siguiente: 1er. lugar con 2do.
lugar, 3. con 4to., etctera.
Los premios sern hasta el 5to. lugar y sern:
1er. lugar: Diploma y $ 5,000.00
2do. lugar: Diploma y $ 3,000.00
3er. lugar: Diploma y $ 1,000.00
4to. lugar: Diploma y un paquete de libros clsicos para cada uno.
5to. lugar: Diploma.
Los resultados que se obtuvieron al finalizar el torneo son:
RESULTADOS DE CADA EQUIPO
Vuel
ta
1
2
3
Plantel
Goles
Goles
Goles
Total
es
1
3
2
4
9
2
5
3
5
1
3
6
4
1
0
5
7
3
0
2
5
9
2
3
4
9
1
51
4
3
1
2
1
22
2
1
5
1
43
3
1
8
1
38
1
0
4.
1
59
3
2
1
0
3.
Plantel
2
11
19
1
9
13
6
7
12
18
Total
Nmero de goles
13
12
10
9
9
8
5
5
5
4
80
43
Lugar que
ocup
1.
2.
3.
4.
4.
5.
6.
6.
6.
7.
4.
5. T
torneo relmpago.
44
2.
3.
Consu
mo
5
6
7
8
9
10
11
12
Tot
al
fi
2
3
4
5
6
5
3
2
30
4.
5. Investigacin elaborada por el jefe de planta, datos tomados del consumo diario
del mes de agosto de 1993.
f . . . . . . . . . ( 1)
n
3.
4.
Puntuaci
n
0
1
2
3
4
5
6
7
8
9
10
Total
fi
1
2
3
5
6
8
20
25
15
10
5
10
0
Razn
1/100
2/100
3/100
5/100
6/100
8/100
20/100
25/100
15/100
10/100
5/100
100/10
0
Frecuencia relativa ( fr )
Proporci
Porcent
n
0.01
1aje
%
0.02
2%
0.03
3%
0.05
5%
0.06
6%
0.08
8%
0.20
20 %
0.25
25 %
0.15
15 %
0.10
10 %
0.05
5%
1.00
100 %
Definicin
Frecuencia relativa (fr) es la proporcin de elementos que pertenecen a una
categora y sta se obtiene dividiendo su frecuencia absoluta entre el nmero
total de elementos de la muestra.
ACTIVIDAD DE REGULACION
Definicin
Rango (R) es el intervalo en que se distribuyen los datos en observaciones de
una muestra y se determina restndole al mayor valor el menor valor.
La definicin matemtica del rango es:
R = Xn x1 . . . . . . . . . . . . . (2)
Xn = valor mayor
X1 = valor menor
No existe alguna ley que defina cmo obtener el nmero de clases; pero la experiencia
recomienda que no sea menor que 5 ni mayor de 20, esto es:
5 k 20 . . . . . . . . . . . . . . (3)
k = nmero de clases
Una vez definido el nmero de clases (k), para obtener la amplitud de clase (A)
aplicamos la siguiente ecuacin:
A
R . . . . . . . . . . . . . . (4)
K
Donde:
k = nmero de intervalos
n = tamao de la muestra
log = logaritmo en base 10
Respuestas:
1. 20, 20, 22, 22, 23, 24, 24, 24, 25, 25, 26, 26, 27, 27, 27, 28
28, 29, 29, 30, 30, 30, 30, 30, 31, 31, 31, 32, 35, 35, 35, 36
36, 37, 37, 38, 38, 38, 38, 39, 39, 40, 40, 40, 41, 44, 46, 48
48, 48, 49, 50, 52 ,52, 55, 56, 56, 57, 58, 60
2. X1 = 20
Xn = 60
3. R = Xn X1 = 60 20 = 40
4. K = 1 + 3.32 1n (60) = 1 + 3.322 (1.7781) = 1 + 5.9 1 + 6 = 7
5. A = R _ = _40_ = 5.7
K
7
Cada uno de los intervalos de clase debe contener 6 valores en total.
6. Determinamos cada intervalo:
1. Nmero de llamadas telefnicas correspondientes a los meses de marzo y abril.
2.
3.
Clases
(K)
20-25
26-31
32-37
38-43
44-49
50-55
56-61
Total
f
10
17
8
10
6
4
5
60
Razn
10/60
17/60
8/60
10/60
6/60
4/60
5/60
60/60
Frecuencia relativa ( fr )
Proporci
Porcent
n
aje
0.17
17%
0.28
28%
0.13
13%
0.17
17%
0.10
10%
0.07
7%
0.08
8%
1.00
100 %
4.
5.
Si analizamos los intervalos de clase del ejemplo anterior podemos notar lo siguiente:
De un intervalo a otro hay un salto por ejemplo:
1er. intervalo
20 25
2do. Intervalo
26 31
1er. intervalo
20
2do. intervalo
25
26
3er. intervalo
31
32
36
En la grfica podemos ver que al formar los intervalos de clase hay un valor entre clase y
clase que se pierde.
Como la variable es discreta sabemos que entre estos valores no hay ninguna
informacin que se pierda; pero qu pasa si la variable es continua?, en estos casos si
hay la posibilidad que entre el 25 y 26 se pierdan los valores comprendidos como es
25.1, 25.3, 25.6, etctera.
Para evitar este error, si la variable es continua, entonces despus de haber determinado
los lmites de clase, se fijan otros lmites que inician medio punto antes y medio punto
despus; de esta forma no hay posibilidad de perder informacin.
A cada uno de estos nuevos lmites se le llama lmite real de clase.
Veamos el mismo ejemplo anterior.
Lmites de clase
CLASES
20-25
36-31
32-37
38-43
44-49
50-55
56-61
LMITES
REALES
19.5
25.5
25.5 31.5
31.5 37.5
37.5 43.5
43.5 49.5
49.5 55.5
55.5 61.5
50
Si representamos los lmites reales de clase en una grfica lineal podemos observar que
ya no hay saltos entre cada clase:
1er. intervalo
19.5
23
2do. intervalo
25.5
29
31.5
35
Al cambiar los lmites reales de clase, el valor del intervalo de clase (A) no cambia y para
determinarlo aplicamos la siguiente ecuacin:
A = Xs Xi . . . . . . . . . . . . . . . (6)
Xs = Lmite superior de cualquier clase
Xi = Lmite inferior de la misma clase considerada
Xi = 37.5
A = 43.5 37.5 = 6
A = 43 38 = 5
Xi = 38
De este resultado se infiere que para la variable discreta debe aplicarse la siguiente
ecuacin:
51
A = Xs Xi = 1
. . . . . . . . (7)
A = 43 + 38 + 1 = 6
52
Otra caracterstica importante del intervalo de clase o marca de clase es el punto medio
de clase o marca de clase (Mi).
Definicin
La marca de clase es el valor del punto que se localiza a la mitad del
intervalo de cada clase o intervalo real de clase.
M1 =
Xs
2
X1 . . . . . . . . . . . (8)
Determinemos los puntos medios o marcas de clase del mismo ejemplo anterior en los
dos tipos de intervalos.
Lmites de
clase (variable
CLASES
MI
20-25
22.5
36-31
28.5
32-37
34.5
38-43
40.5
44-49
46.5
50-55
52.5
56-61
58.5
Lmites reales de
clase (variable
CLASES
MI
19.5
22.5
25.5
25.5
28.5
31.5
31.5
34.5
37.5
37.5
40.5
43.5
43.5
46.5
49.5
49.5
52.5
55.5
55.5
58.5
61.5
De la tabla se deduce que el punto medio de clase (Mi) o marca de clase es el mismo en
cada clase para ambas variables (discreta o continua).
ACTIVIDAD DE REGULACION
En el siguiente problema, elabora una tabla de frecuencia de datos agrupados con 5
columnas con el siguiente encabezado:
1.
2.
3.
4.
5.
Clases.
Lmites reales de clase.
Punto medio de clase o marca de clase.
Frecuencia absoluta (fi).
Frecuencia relativa (fr).
F3 =
f1 + f 2 + f 3
i1
Fn =
f2 + f 2 + . . . fn
. . . . . . . . . . (9)
i1
F
r
. . . . . . . (1)
1
CLASE
S20-
2
LMIT
ES
REAL
19.5-
3
MARCA
DE
CLASE
22.
4
FRE
C.
ABS.
10
5
FRE
C.
REL.
0.1
6
7
FREC. ACUMULADA
F
FR
1
0.1
25
25.5
5
7
0
7
2625.528.
17
0.2
2
0.4
31
31.5
5
8
7
5
3231.534.
8
0.1
3
0.5
37
37.5
5
3
5
8
3837.540.
10
0.1
4
0.7
43
43.5
5
7
5
4443.546.
6
0.1
5
0.8
49
49.5
5
0
1
5
5049.552.
4
0.0
5
0.9
55
55.5
5
7
5
2
5655.558.
5
0.0
6
1.0
61
61.5
5
8
0
0
Tot
60
1.0
al
0
La frecuencia acumulada para la 4ta. Clase es F = 45; de este valor se infiere que hasta
esta clase corresponden 45 de las 60 observaciones realizadas.
Tambin se infiere que a esta clase corresponden un nmero menor o igual a 43
llamadas telefnicas.
La frecuencia relativa de esta clase es F = 0.75. este valor significa que hasta esta clase
corresponde el 75% de todas las llamadas.
Analiza la tabla y contesta las siguientes preguntas:
a) A qu clase corresponde F2 y cul es su valor?
b)
25
2631
3237
3843
4449
2
MARCA
DE
2
2.
2
8.
3
4.
4
0.
4
6.
3
FRE
C.
10
17
8
10
6
4
FRE
C.
0.17
0.28
0.13
0.17
0.10
5
6
Fi ACUMULADA
menos
ms que
que
10
50
27
35
45
51
33
25
15
9
7
8
FREC.
RELAT. m
men
os
0.1
.83s
7
0.4
5
0.5
8
0.7
5
0.8
5
.55
.42
.25
.15
5055
5661
Tot
al
5
2.
5
8.
4
5
60
0.07
0.08
1.00
55
60
5
0
0.9
2
1.0
0
.08
.00
ACTIVIDAD DE REGULACION
Con los ejemplos anteriores pudiste notar que la tabla de frecuencias nos permite inferir
ciertos conocimientos de la variable que se analiza.
Otra forma de analizar la informacin e inferir ciertos conocimientos, es mediante la
representacin grfica de los mismos.
1.2.5 Grficas
Los diferentes tipos de grfica que podemos usar para representar las observaciones de
un determinado problema y la seleccin de este tipo, dependen de la variable en estudio.
Si la variable en estudio es del tipo cualitativo, los grficos pueden ser:
a) De barras; horizontales o verticales.
b) Circulares.
c) Pictogramas, etctera.
Si la variable en estudio es de tipo cuantitativo, los grficos que podemos usar para su
representacin grfica son:
a) Histogramas.
b) Polgonos de frecuencias que a continuacin analizaremos.
Definicin
Histograma es la representacin grfica en el plano coordenado de las
caractersticas concentradas en la tabla de frecuencias de una variable
continua.
2.
Por los lmites reales superior e inferior de cada clase se trazan barras verticales
que se cortan mediante una horizontal que se traza a la altura del punto
correspondiente a la frecuencia de cada clase.
3.
4.
3. Calculamos R = Xn X1 = 29 10 = 19
R = 19
R=
19
7
=2.7 K
A=3
2.
3.
4.
5.
CLAS
ES
10-12
13-15
16-18
19-21
22-24
25-27
28-30
Total
2
LMIT
ES
REAL
9.512.5
12.515.5
15.518.5
18.521.5
21.524.5
24.527.5
27.530.5
3
P.
MEDIO
DE
1
1
4
1
7
2
0
2
3
2
6
2
9
4
FR
EC.
(fi)
2
6
10
16
8
5
1
48
5
FR
EC.
(fr)
0.04
2
0.12
5
0.20
8
0.33
3
0.16
7
0.10
4
0.02
1
1.00
0
FRECUENCIA ACUMULADA
F
F30
Fr
MENO
MAYO
RQ
RQ
2
46
0.04
2
8
40
0.16
7
1
30
0.37
8
5
3
14
0.70
8
4
6
0.87
2
5
4
1
0.97
7
9
4
0
1.00
8
6.
Trazamos los ejes del plano coordenado, fijamos una escala para cada eje y
representamos en el vertical las frecuencias y en el eje horizontal las clases.
fi
15
10
10
15
20
25
30
Grfica No. 1
Analiza la grfica anterior y piensa que eres el gerente general. Explica con tus propias
palabras toda la informacin sobre la antigedad de los obreros, que puedas inferir de
ella.
Las lneas verticales punteadas corresponden al punto medio o marca de clase y ste
nos indica el promedio de las puntuaciones en cada clase.
En nuestro ejemplo para la tercera barra, el promedio en aos cumplidos de los obreros
de la empresa ubicados en esa clase es de M 3 =17 aos y como la frecuencia es f3 = 10
Obreros con la misma antigedad.
Otra grfica que permite describir los datos de una distribucin de frecuencias es el
polgono de frecuencias.
fi
15
10
10
15
20
25
30
Grfica No. 2
60
b) Se unen los puntos finales de stos segmentos con una lnea continua que inicia
medio punto antes del lmite inferior de la primera clase y termina medio punto
despus del lmite superior de la ltima clase (ver Grfica No. 1).
60
Fr
1.0
0.5
0
10
15
20
25
30
Grfica No. 3
61
0
x
Grfica No. 4
62
Fi
50
40
30
20
menos que
10
10
15
20
25
30
Aos de
Antigedad
en la
empresa
Grfica No. 5
Analiza la grfica y escribe con tus propias palabras la informacin que puedes deducir
de ella.
Ya vimos que al desacumular las frecuencias obtenemos la grfica mayor que, tomamos
los datos de la columna 7 y obtenemos:
Fi
50
40
30
20
10
mas
que
10
15
20
25
30
Aos de
Antigedad
en la
empresa
Grfica No. 6
c) 18 aos
e) 25 aos
b) 13 aos
d) 20 aos
f) 30 aos
ACTIVIDAD DE REGULACION
Grficas Circulares.
Una forma de representar datos u observaciones de una variable cualitativa es mediante
un diagrama circular.
Para trazar la grfica, se hace una distribucin proporcional de las frecuencias del
problema con respecto a la circunferencia determinando sectores circulares para cada
categora.
Veamos el siguiente ejemplo:
12. El gobierno de la ciudad de Mxico promocion cursos dominicales para todas
las personas que quieran aprender alguna habilidad artesanal o artstica; los
cursos se realizarn de 8:00 a 12:00 hrs. Las inscripciones quedan abiertas
todo el mes de septiembre.
Al final del mes, la inscripcin fue la que se muestra en la siguiente tabla:
CURSOS
Msica
Pintura
Danza
Tejido
Bordado
Ajedrez
Total
No. DE PARTICIPANTES
250
350
200
400
100
500
1800
Para distribuir cada clase en la circunferencia se aplica una regla de tres simple
relacionando el total de inscritos (1800) a 360 que tiene la circunferencia y de esta
relacin determinamos la parte que le corresponde a cada curso.
El planteamiento de cada distribucin es:
1800 es a 360
como
250 es a x
1800
360
250
Recuerda que para hallar el resultado se multiplica como se indica con las flechas y se
despeja la incgnita, obteniendo:
1800x = 360 (250)
360 (2500) 50
1800
FRECUENCIA
250
350
200
400
100
500
1800
GRAD
OS
50
70
40
80
20
100
360
Grfica No 7
360 es a 100
como
360 es a 100
50 es a 100
como
70 es a
360
100
360
100
50
70
360x = 50 (100)
x
500
50 (100)
360 36
x = 13.9%
360x = 70 (100)
x
700
70 (100)
360 36
x = 19.4%
CATEGORA
S
Msica
Pintura
Danza
Tejido
Bordado
Ajedrez
Total
FRECUENCIA
250
350
200
400
100
500
1800
GRAD
OS
50
70
40
80
20
100
360
%
13.9
19.4
11.1
22.2
5.6
27.8
100.0
Grfica No. 8
ACTIVIDAD DE REGULACION
Del siguiente problema representa los datos en una grfica circular indicando el
porcentaje correspondiente a cada categora.
Un transporte carg su camin con los siguientes productos:
Producto A - 450 kg.
Producto B - 300 kg.
Producto C - 500 kg.
Producto D - 1600 kg.
Producto E 1750 kg.
Grficas de Barras
Otra forma de representar grficamente las puntuaciones de un problema, es mediante
una grfica de barras.
Para construir una grfica de barras se trazan ejes coordenados; en el eje horizontal se
representan los valores de la variable y se traza un segmento perpendicular por cada
valor. Si se usan barras, stas debern tener el mismo ancho de la base.
En el eje vertical se representa la frecuencia de cada clase usando una escala
conveniente para cada puntuacin. La frecuencia marca la altura de cada segmento
perpendicular o barra.
11. Analicemos el siguiente problema:
El profesor de estadstica usa una escala de clasificacin del 5 al 10, aprobatoria a
partir de 6. Cualquier calificacin reprobatoria se refleja en un 5.
Las calificaciones obtenidas del grupo A son las que se muestran en la tabla siguiente:
Calificacin
No. de Alumnos
5
3
6
8
7
1
2
8
8
9
5
1
40
fi
15
10
Calificacin
Grfica No. 9
10
fi
15
10
10
Categoras
Grfica No. 10
Diagrama de barras
Otra forma de representar la informacin es mediante barras horizontales, en este caso
se invierten las escalas, es decir, en el eje horizontal se representan las frecuencias y en
el vertical los valores de la variable.
Veamos cmo quedara la grfica del problema anterior.
CALIFICACIONES DEL GRUPO A
C
10
9
8
7
6
5
fi
5
10
Grfica No. 11
ACTIVIDAD DE REGULACION
Pictograma
Es otra forma de representacin grfica de la informacin de un determinado problema.
En este tipo de grfica se usa la imagen de la variable, por ejemplo:
a) rboles: si la variable representa rboles.
b) Libros: si la variable representa libros.
c) Casas: si la variable representa casas.
d) Figuras de personas: si la variable son personas, etctera.
5000 rboles
4000 rboles
70
4. Cuajimalpa
6000 rboles
5. Benito Jurez
7000 rboles
70
No. DE
RBOLES
(en miles)
DELEGACIN
Gustavo A. Madero
Venustiano Carranza
Cuauhtemoc
Cuajimalpa
Benito Jurez
ACTIVIDAD DE REGULACION
19
85
19
86
19
87
19
88
19
89
19
90
No.
HABITANTES
8000
9000
10000
11000
12000
13000
71
Grfico de Lneas
Una forma de representar grficamente los valores de la variable de un problema en
estudio, es mediante un grfico de lneas.
Para trazar la grfica de lneas se usa el plano coordenado; en el eje horizontal se
representa a la variable y en el eje vertical la frecuencia. Se determinan los puntos de
corte del valor de la variable con su frecuencia y se unen estos puntos obtenindose la
grfica de lnea que nos muestra con claridad los cambios que experiment la variable.
CANTIDAD
4000
5500
6000
6500
5500
5000
Das de la
V
L
1000
Ma
Grfica No. 12
semana
ACTIVIDAD DE REGULACION
19
85
19
86
19
87
19
88
19
89
No. ADULTOS
40,000
50,000
60,000
55,000
50,000
RECAPITULACIN
ANTECEDENTES DE LA ESTADSTICA
BOSQUEJO HISTRICO
FUNCIONES DE LA
ESTADSTICA
APLICACIONES
CLASIFICACIN DE LA ESTADSTICA
CONCEPTOS
PRELIMINARES
CONCEPTOS BSICOS PARA SU ESTUDIO
POBLACIN
FINITA
INFINITA
MUESTRA
VARIABLE
CUALITATIVA
NOMINAL
ESCALA NOMINAL
CUANTITATIVA
ORDINAL
CONTINUA
DISCRETA
ESCALA ORDINAL
GRFICOS
CIRCULAR
ABSOLUTA
RELATIVA
ACUMULADA
ACUMULADA RELATIVA
DE BARRAS
GRFICOS
DE LNEAS
PICTOGRAMAS
HISTOGRAMA
POLGONO DE FRECUENCIA
OJIVA MENOS QUE
OJIVA MS QUE
ACTIVIDADES DE CONSOLIDACIN
Se han preparado estos ejercicios para que reafirmes tus conocimientos adquiridos en
este fascculo, resulvelos y si tienes alguna duda, consulta a tu profesor o asesor
acadmico.
1. Se tiene una urna con 50 esferas numeradas progresivamente. El experimento
consiste en sacar una esfera, anotar su nmero y devolverla a la urna.
a) Cul es la variable?
b) La variable es cualitativa o cuantitativa?
c) Si podemos sacar una esfera por tiempo indefinido, entonces cmo es la poblacin?
d) Si nicamente podemos hacer 100 extracciones, entonces, cmo es la poblacin?
f)
Cul es la muestra?
2
2
1
9
2
1
2
0
2
11
2
1
2
1
2
0
2
11
2
0
22
0,
19
2,
19
4,
20
1,
20
4,
19
3,
20
3,
20
7,
20
8,
19
4,
19
9,
20
8,
20
6,
21
0,
21
2,
19
9,
21
3,
20
2,
21
1,
21
1,
2
1
2
0
2
0
2
0
2
1
2
0
2
0
2
0
1
9
20
21
1,
2,
19
4,
20
6,
20
5,
20
9,
20
9,
19
5,
21
7,
21
21
7,
4,
21
1,
20
1,
20
7,
20
5,
19
7,
20
7,
20
9,
21
20
4,
9,
21
6,
20
5,
21
4,
20
5,
19
7,
20
9,
19
9,
21
20
3,
2,
20
9,
21
7,
21
1,
22
1,
19
9,
20
5,
19
2,
2
1
2
0
2
1
2
1
2
2
1
2
0
2
1
2
1
21
5,
19
6,
21
6,
21
2,
20
5,
21
1,
20
9,
19
7,
19
3,
2
1
2
0
2
0
2
0
2
0
2
0
2
1
2
0
2
0
R
K
g)
h)
Determina la frecuencia fi
i)
j)
Azcar
Conasupo
I.M.S.S.
C.F.E.
Pemex
A.S.A.
D.I.M.
F.A.M.
Ecologa
C.R.M.
MILLONES EN NUEVOS
PESOS
3,000
4,000
6,000
8,000
10,000
8,000
7,000
6,000
4,000
2,000
Matemticas
Fsica
Qumica
Filosofa
Leyes
198
9
1000
500
1500
500
1500
199
0
1500
2500
500
1000
2000
199
1
2000
2000
500
500
1000
199
2
3000
1500
2000
500
500
EneroE
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
octubre
No. DE LITROS EN
MILES
50
58
62
70
80
85
80
70
65
60
AUTOEVALUACIN
Los resultados que debiste obtener en la solucin de los problemas anteriores son los
siguientes:
Si algunos resultados no coinciden, entonces regresa a la unidad correspondiente,
repsala y aclara tus dudas con tu profesor o tu consultor acadmico.
1.
2.
g) La variable est definida por una expresin (lugar que ocup), es de tipo
cualitativo ordinal, la escala con que se cuantifica es ordinal y es una variable
discreta.
3.
DATOS ORDENADOS a)
1
9
1
9
2
0
2
0
2
0
2
0
2
0
2
1
2
1
2
1
1
9
1
9
2
0
2
0
2
0
2
0
2
1
2
1
2
1
2
1
1
9
1
9
2
0
2
0
2
0
2
0
2
1
2
1
2
1
2
1
1
9
1
9
2
0
2
0
2
0
2
0
2
1
2
1
2
1
2
1
1
9
1
9
2
0
2
0
2
0
2
0
2
1
2
1
2
1
2
1
19
4
19
9
20
2
20
5
20
7
20
9
21
1
21
2
21
5
21
9
19
4
19
9
20
2
20
5
20
7
20
9
21
1
21
2
21
5
21
9
b) R = Xn X1 = 222-192 = 30
19
5
19
9
20
2
20
5
20
7
20
9
21
1
21
3
21
6
22
0
19
6
20
0
20
3
20
6
20
7
20
9
21
1
21
3
21
6
22
1
1
9
2
0
2
0
2
0
2
0
2
0
2
1
2
1
2
1
2
2
R = Rango
d) A =
e
Lmite
)
de
clas
192-195
196-199
202-203
204-207
208-211
212-215
216-219
220-223
Total
R
K
K = Nmero de clases
= 30
8 = 3.75 4
f)
Lmite
real
de
191.5195.5
195.5199.5
199.5203.5
203.5207.5
207.5211.5
211.5215.5
215.5219.5
219.5223.5
g)
Punto
Medio
de
193.5
197.5
201.5
205.5
209.5
213.5
217.5
221.5
A = Amplitud de clase
h
Frecuen
)
cia
Absolut
8
10
10
21
23
15
11
4
102
i
Frecuen
)
cia
Relativ
0.078
0.098
0.098
0.21
0.23
0.15
0.10
0.036
1.00
j
Frecuen
)
cia
Acumula
8
18
28
49
72
87
98
102
k
Frecuen
)
cia
Relativa
0.078
0.176
0.274
0.484
0.714
0.864
0.964
1.00
l)
15
11
10
8
4
0
191.5
195.5
199.5
203.5
207.5
211.5
215.5
219.5
PUNTO MEDIO
DE
CLASE
FRECUENCI
A
ABSOLUTA
191.5
193.5
197.5
201.5
205.5
209.5
213.5
217.5
221.5
0
8
18
28
49
72
87
98
102
80
FRECUENCI
A RELATIVA
ACUMULADA
0.0
0.078
0.176
0.274
0.484
0.714
0.864
0.964
1.00
223.5
Fr
1.00
0.5
201.5
205.5
209.5
213.5
217.5
PUNTO MEDIO
DE
CLASE
191.5
193.5
197.5
201.5
205.5
209.5
213.5
217.5
221.5
FRECUENCI
A
ABSOLUTA
0
8
10
10
21
23
15
11
4
81
FRECUENCI
A
ABSOLUTA
0
8
18
28
49
72
87
98
102
221.5
Fi
102
98
87
72
49
28
18
8
0
x
191.5 193.5 197.5
201.5
205.5
209.5
213.5
217.5
o) OJIVA MS QUE
PUNTO MEDIO
DE
CLASE
193.5
197.5
201.5
205.5
209.5
213.5
217.5
FRECUENCI
A
ABSOLUTA
8
10
10
21
23
15
11
FRECUENCI
A
ACUMULAD
102
94
84
74
53
30
15
221.5
221.5
223.5
4
0
4
0
Fi
102
94
84
74
53
30
15
4
0
x
193.5
197.5
201.5
205.5
209.5
213.5
217.5
202-203
(10)
196-199
(10)
204-207
(21)
192-195
(8)
220-223
(4)
208-211
(23)
216-219
(11)
212-215
(15)
221.5 223.5
9.8%
20.6%
9.8%
7.8%
3.9%
22.5%
10.8%
14.7%
4.
$1000
10
10
3. I.M.S.S.
4. C.F.E.
5. PEMEX
6. A.S.A.
7. D.I.M.
8. F.A.M.
9. Ecologa
10. C.R.M.
9
10
$1000
10
5) PICTOGRAMA
500
1988
Matemtic
as
Fsica
Qumica
1989
19
90
Filosofa
Leyes
6) DIAGRAMA LINEAL
N de lts
en miles
100
50
10
1. Enero
6. Junio
2. Febrero
7. Julio
3. Marzo
8. Agosto
4. Abril
9. Septiembre
5. Mayo
10. Octubre
10
BIBLIOGRAFA CONSULTADA
KREYSZING, Erwin.
Mxico, 1981.
Editorial Limusa.
MENDENHALL, William.
Segami Carlos.
Traductor
Editorial