ESTADÍSTICA APLICADA
Ms. Sc. Carlos Vera Gutiérrez
1. ESTADÍSTICA BÁSICA
1.1 Estadística.- Es la ciencia que nos proporciona un conjunto de métodos,
técnicas o procedimientos para recopilar, organizar (clasificar, agrupar) y procesar
datos, así como el análisis y presentación de los resultados, con el fin de describirlos
o de realizar generalizaciones válidas.
Clasificación de la Estadística
Una clasificación muy general considera la Estadística Descriptiva y la Estadística
Inferencial.
Estadística Descriptiva.- Es el conjunto de métodos estadísticos que se relacionan
con el resumen y descripción de los datos, como tablas, gráficas, y el análisis
mediante algunos cálculos.
Estadística Inferencial.- Es el conjunto de métodos con los que se hacen la
generalización o la inferencia sobre una población utilizando una muestra.
La inferencia puede contener conclusiones que pueden no ser ciertas en forma
absoluta, por lo que es necesario que éstas sean dadas con una medida de
confiabilidad que es la probabilidad.
Estas dos partes de la estadística no son mutuamente excluyentes, ya que, para
utilizar los métodos de la inferencia estadística, se requiere conocer los métodos de la
estadística descriptiva.
1.2 Población y muestra
Población. En forma general, en Estadística; se denomina población, a un conjunto
de elementos (que consiste de personas, objetos, etc.), que contienen una o más
características observables de naturaleza cualitativa o cuantitativa que se pueden
medir en ellos.
A cada elemento de una población se le denomina unidad elemental o unidad
estadística.
El resultado de medir una característica observable de una unidad elemental, se
denomina dato estadístico o valor observado o simplemente observación.
Por otra parte, la población; viene definida por la tarea o investigación estadística a
realizarse. Y, como la medición o conteo de la característica especificada por la
investigación se hace a cada unidad elemental, se puede considerar a la población
como la totalidad de valores posibles de una característica particular especificada por
la investigación estadística. En este sentido, la población consiste de un conjunto de
datos estadísticos que se reúnen de acuerdo con la formulación de una investigación
estadística o con la definición de la población específica.
Tipos de población: Por el número de elementos que la componen, la población se
clasifica en finita o infinita.
Población finita.- Si tiene un número finito de elementos.
Población infinita.- Si tiene un número infinito de elementos.
En la práctica una población finita con un número grande de elementos se puede
considerar como una población infinita.
Muestra.- Se denomina muestra a una parte de la población seleccionada de
acuerdo con un plan o regla de selección, con el fin de obtener información acerca de
la población de la cual proviene.
La muestra debe ser seleccionada de manera que sea representativa de la población.
Un método de selección de muestras representativas es el muestreo simple al azar,
esto es, cada elemento de la población tiene la misma posibilidad de ser seleccionada
para integrar la muestra.
Censo y muestreo
Censo.- Si se decide investigar toda la población.
Muestreo.- Si se decide investigar parte de la población.
Parámetro y estadística
Parámetro: Se denomina parámetro a una medida descriptiva que resume una
característica de la población, tal como la media ( ) o la varianza ( 2 ), calculada a
partir de los datos observados de toda la población.
Estadística o estadígrafo. Se denomina estadística a una medida descriptiva que
resuma una característica de la muestra, tal como la media ( x ) o la varianza ( s 2 )
calculada a partir de los datos observados de una muestra aleatoria.
Es importante tener en cuenta, si el análisis estadístico se está haciendo con una
muestra o con una población. En ambos casos las medidas descriptivas son las
mismas. Para diferenciarlos, los parámetros de la población, se representan por letras
griegas.
1.3 Variables estadísticas
Definición: Se denomina variable estadística a una característica definida en la
población por la tarea o investigación estadística y que puede tomar dos o más valores
(cualidades o números). Se representa por una letra mayúscula del alfabeto.
Figura 1. Variable estadística
Si una variable se denota por X, entonces, sus valores observados en n unidades
estadísticas se denotan por x1 , x 2 ,..., x n , conforme al orden en que se han obtenido.
Este conjunto de n observaciones constituye una muestra de tamaño n obtenida de
una población.
Clasificación de variables.
Las variables se clasifican en cualitativas y cuantitativas. Las variables cuantitativas a
su vez se clasifican en discretas y continuas.
Variable cualitativa.- Es la característica cuyos valores se expresan en categorías,
por ejemplo, color de los vehículos, sector industrial al que pertenece una empresa,
tipo de material de una tubería, etc. Con sus valores, que son cualidades, no se
pueden realizar operaciones aritméticas.
Variable cuantitativa.- Es la característica cuyos valores se expresan en números,
con los cuales si se pueden realizar operaciones aritméticas.
Las variables cuantitativas, a su vez, se clasifican en: discretas, y continuas.
Variable discreta.- Es aquella variable cuantitativa que puede tomar sólo ciertos
valores en un intervalo considerado y no admite ningún valor intermedio entre dos
valores consecutivos fijos. Generalmente, es una variable cuyos valores se obtienen
por conteo (números naturales). Por ejemplo, el número de accidentes laborales por
mes en una empresa, número de productos vencidos, número de revisiones hasta
lograr cierto número de defectuosos, número de defectos que se pueden encontrar en
un producto, etc.
Variable continua.- Es aquella variable cuantitativa que puede tomar cualquier valor
en el intervalo considerado, por ejemplo, el tiempo de vida útil, la temperatura, el peso,
la longitud, el volumen, etc.
La distinción entre variable discreta y continua es más teórica que real. Al utilizar los
datos, la variable siempre resulta discreta, pues toda medición se expresa sólo en
ciertas unidades realmente medibles, por decir, metros, decímetros, centímetros. Por
ejemplo, es posible que una persona mida 1.6748m, o, 1.6752m, pero para fines
prácticos, redondeando a dos decimales, se considera sólo 1.67m., o, 1.68m,
respectivamente.
Una variable continua puede pues tomar infinitos valores intermedios en un intervalo
dado. Para fines prácticos los valores numéricos de las variables continuas siempre
son valores aproximados.
2. MEDIDAS DE POSICION
2.1 Introducción
Los datos organizados en una distribución de frecuencias destacan sus características
más esenciales: centro, forma de distribución (asimétrica, simétrica,) etc. Sin embargo,
los indicadores que describen a los datos en forma más precisa, deben calcularse.
Estos indicadores resumen los datos en medidas descriptivas que se refieren a la
centralización o posición, a la dispersión o variación, a la asimetría, y a la curtosis
de los datos.
Las medidas de posición reflejan la tendencia central y la localización de los datos.
Las medidas de tendencia central, denominados también promedios, ubican el centro
de los datos, como la media aritmética, la media geométrica, la media armónica y la
mediana.
Las medidas de localización indican el lugar de los datos más frecuentes (moda) o de
los menos frecuentes a partir de los cuantiles o percentiles.
2.2 Mediana
Definición. La mediana o valor mediano de una serie de valores observados es el
número Me que separa a la serie de datos ordenados en forma creciente (o
decreciente) en dos partes de igual número de datos.
La mediana es la medida promedio que depende del número de datos ordenados y no
de los valores de estos datos.
2.2.1 Cálculo de la mediana
Para determinar la mediana de n valores no tabulados de una variable cuantitativa X,
1) Se ordenan los datos en forma creciente.
2) Luego, se ubica el valor central Me. Si n es impar, la mediana es el dato ordenado
del centro. Pero si n es par, la mediana es la semisuma de los dos valores
ordenados centrales.
EJEMPLO 1.
Calcular la mediana para los siguientes grupos de datos:
a) 120, 3, 14, 1, 99, 7, 30, 2,000, 16
b) 30, 77, 3, 300, 36, 11, 10,000, 29
2.3 Moda
Definición. La moda de un grupo de datos es el valor Mo , que se define como el
dato que más veces se repite.
La moda no siempre existe y si existe, no siempre es única.
En matemática, la moda es el valor de la variable en el que existe un máximo absoluto
(o dos o más máximos relativos iguales).
La moda es una medida promedio que se usa cuando se quiere señalar el valor más
común de una serie de datos. Por ejemplo, los comerciantes se estoquean con
productos que están de moda.
La moda es el promedio menos importante debido a su ambigüedad.
EJEMPLO 2.
La moda de los datos:
a) 7, 9, 7, 8, 7, 4, 7, 13, 7 es igual a 7. Esta serie de datos es unimodal.
b) 5, 3, 4, 5, 7, 3, 5, 6, 3 es igual tanto a 3, como a 5. Esta serie de datos es bimodal.
c) 31, 11, 12, 19 no existe. (O también que cada uno de los datos es una moda).
2.4 Media aritmética
Definición. La media aritmética, denominada simplemente media, es la suma de los
valores observados de la variable, dividido por el número de observaciones.
Para valores de una variable X observados en una muestra, la media aritmética se
denota por x .
2.4.1 Cálculo de la media aritmética
La media de n valores x1 , x 2 ,..., x n , de la variable cuantitativa X, observados en una
muestra es el número:
n
x i
x i =1 .
n
2.4.2 Propiedades de la media aritmética
1) La suma total de n valores cuya media es x es igual a nx . Para n datos no
n
tabulados, se tiene: xi nx ,
i =1
2) Si cada uno de los n valores xi es transformado en: y i ax i b , siendo a y b
constantes, entonces, la media de los n valores yi es (verificar!):
y ax b.
Como casos particulares se tiene:
Si y i b , entonces, y b . Esto es, si los n datos son iguales a una constante,
entonces su media es igual a esa constante.
Si y i xi a , entonces, y x b . Esto es, si a cada dato se suma una constante la
media queda sumada por esa constante.
Si y i axi , entonces, y ax . Esto es, si a cada dato se multiplica por una constante, la
media queda multiplicada por esa constante.
EJEMPLO 3.
Los sueldos del mes de enero de 200 empleados de una empresa tienen una media
de $230. Si en el mes de julio, se propone un aumento del 30% a cada sueldo de
enero más una bonificación de $30 ¿cuánto dinero adicional necesitará la empresa
para pagar los sueldos de julio?
2.5 Relación entre media, mediana y moda
1. Si la distribución de frecuencias es simétrica, entonces, la media, la mediana y la
moda tienen el mismo valor (figura 2.2(a)). Esto es,
x Me Mo .
fig. 2.2. (a) fig. 2.2. (b) fig. 2.2. (c)
2. Si la distribución es asimétrica de cola a la derecha (figura 2.2 (b)), entonces, la
moda es menor que la mediana y esta a su vez es menor que la media. Es decir:
Mo Me x .
3. Si la distribución es asimétrica de cola a la izquierda (figura 2.2(c)), entonces, la
relación es x Me Mo .
3. MEDIDAS DE VARIABILIDAD
3.1 Introducción
Las medidas de tendencia central no son suficientes para describir un conjunto de
valores de alguna variable estadística. Los promedios determinan el centro, pero nada
indican acerca de cómo están situados los datos respecto al centro.
En primer lugar, se necesita una medida del grado de dispersión o variabilidad con
respecto al centro con la finalidad de ampliar la descripción de los datos o de comparar
dos o más series de datos.
En segundo lugar, se necesita una medida del grado de asimetría o deformación en
ambos lados del centro de una serie de datos, con el fin de describir la forma de la
distribución de los datos. Esta medida se denomina índice de asimetría.
En tercer lugar, se necesita una medida que nos permita comparar el apuntamiento o
curtosis de distribuciones simétricas con respecto a la distribución simétrica normal.
Esta medida se denomina índice de apuntamiento o curtosis.
Las estadísticas de asimetría y apuntamiento no se incluyen en este capítulo dada su
poca importancia.
3.2 Medidas de dispersión
Las medidas de dispersión o variabilidad son números que miden el grado de
separación de los datos con respecto a un valor central, que generalmente es la
media aritmética.
Las principales medidas de dispersión son: el rango, el rango intercuartil, la varianza,
la desviación estándar, y el coeficiente de variación.
3.2.1 Rango o recorrido de una variable
Definición. El rango de variación o recorrido, R, de una serie de datos, es la diferencia
entre sus valores máximo y mínimo. Esto es,
R x max x min
siendo xmax el valor máximo y xmin el valor mínimo.
El rango es una medida de dispersión muy fácilmente calculable, pero es muy
inestable, ya que depende únicamente de los dos valores extremos. Su valor puede
cambiar grandemente si se añade o elimina un sólo dato. Por tanto, su uso es muy
limitado.
3.2.2 Rango intercuartil
Definición. El rango intercuartil, RI, es la diferencia entre sus cuartiles tercero y
primero. Esto es,
RI Q3 Q1 .
El rango intercuartil es una medida que excluye el 25% más alto y el 25% más
bajo, dando un rango dentro del cual se encuentra el 50% central de los datos
observados y a diferencia del rango total no se encuentra afectada por los valores
extremos.
3.2.3 Varianza y desviación estándar
La varianza, es una medida que cuantifica el grado de dispersión o de variación de los
valores de una variable cuantitativa con respecto a su media aritmética. Si los valores
tienden a concentrarse alrededor de su media, la varianza será pequeña. Si los
valores tienden a distribuirse lejos de la media, la varianza será grande.
La varianza calculada a partir de una muestra será denotada por s 2 y referida a una
población se denotará por 2 .
Definición. La varianza se define como la media aritmética de los cuadrados de
las diferencias de los datos con respecto a su media aritmética.
La varianza es una medida de dispersión con unidades de medición al cuadrado, por
ejemplo, $2, Km2, etc.
Cálculo de la varianza
La varianza de n valores x1 , x 2 ,..., x n , de alguna variable cuantitativa X cuya media es
x , es el número:
n
(x i x)2
s2 i =1
n
n n
Es fácil verificar que: (x
i 1
i x)2 x
i 1
2
i nx 2
n
x
i 1
2
i
Por lo tanto, s2 x2
n
3.2.4 Propiedades de la varianza.
1) La varianza es un número real no negativo y viene expresada en unidades
cuadráticas. Mientras, que la desviación estándar viene expresada en las mismas
unidades en las que vienen expresados los datos.
2) Si cada uno de n los valores xi es transformado en yi axi b , entonces, la
varianza de los n valores yi es, sY2 a 2 s2X (verificar!).
Consiguientemente, sY a sX
Como casos particulares se tiene:
Si y i b , entonces, s2 0 . Es decir, si los n datos son iguales a una constante,
Y
entonces, su varianza es igual a cero.
Si y i xi b , entonces, s2 s2 . Es decir, si sumamos a cada dato una constante,
Y X
la varianza (y la desviación estándar) no cambian.
Si y i axi , entonces, s2 a 2 s2 . Es decir, si multiplicamos a cada dato por una
Y X
constante, a, la varianza de los nuevos valores es igual que la varianza de los
antiguos valores multiplicada por a2 .
Definición. La desviación estándar es la raíz cuadrada positiva de la varianza.
La desviación estándar calculada a partir de una muestra se denotará por s y referida
a la población por . Esto es, s s 2 , 2 .
3.2.5 Coeficiente de variación
Definición. El coeficiente de variación, C.V. es una medida de dispersión relativa (libre
de unidades de medidas), que se define como la desviación estándar dividido por la
media aritmética. Esto es,
s
C.V . , (en % se multiplica por 100)
x
El coeficiente de variación se utiliza para comparar la variabilidad de dos o más grupos
de datos que tengan medias iguales o diferentes o que tengan unidades de medidas
iguales o diferentes (por decir, una serie en kilogramos y otra serie en metros).
Por dar un ejemplo, si dos horarios H1 y H2 de Estadística, tienen la misma
desviación estándar igual a 4, no podemos concluir que los dos horarios tienen la
misma variabilidad. Así mismo, si las desviaciones estándares de H1 y H2 son iguales
a 2 y 4 respectivamente no podemos concluir que las notas de H2 son más dispersas
que las de H1. La variabilidad depende de las medias de los dos grupos.
Si la media del horario H1 es 16 y la media del horario H2 es 11, los coeficientes de
variación respectivos son:
s1 14 s 14
C.V1 . 0.875, o 87.5%, C.V 2 . 2 1.27 o 127%
x1 16 x 2 11
Es decir, las calificaciones obtenidas en H1 son más homogéneas o tienen menor
variabilidad que las calificaciones del horario H2.
3.2.6 Uso de las medidas de dispersión
La varianza viene expresada en unidades cuadráticas en las que vienen expresados
los datos. La desviación estándar viene expresada en las mismas unidades en las que
vienen expresados los datos. El coeficiente de variación viene expresado en números
abstractos (suprimiendo las unidades en las que vienen expresados los datos).
1) Si dos o más grupos de datos (observados en el mismo tipo de medición) tienen
medias aritméticas iguales (o casi iguales) es más dispersa la serie que tiene mayor
medida de variabilidad: Rango, o RI, o s 2 , o s, o CV.
Si hay marcada asimetría, es preferible comparar con el rango intercuartil.
2) Si dos o más series de datos, no tienen medias iguales (o casi iguales), o no tienen
las mismas unidades de medición, entonces, es más dispersa la serie que tenga
mayor coeficiente de variación.
3) Si y i axi , entonces, s2 a 2 s2 . Es decir, si multiplicamos a cada dato por una
Y X
constante, a, la varianza de los nuevos valores es igual que la varianza de los antiguos
valores multiplicada por a2 .
EJEMPLO 4.
En el mes de enero el sueldo promedio de los trabajadores del sector industrial era de
$200. Para el mes de Julio se considera un aumento del 30% al sueldo del mes de
enero más un adicional de $50. Si el coeficiente de variación en enero era de 0.25,
¿se puede decir que la distribución de sueldos en Julio es más homogénea?
CVG/
PROBLEMAS PROPUESTOS
1) A continuación se presentan los ingresos anuales generados por los
100 vendedores del local A de la tienda “INASA”
Ingresos (en miles de soles) Porcentaje
26 20%
42 31%
58 28%
74 16%
90 5%
Si en el local B, que cuenta con 70 vendedo res, el ingreso total anual fue
de 3 350 000 soles.
a) ¿En promedio, ¿cuál de los locales tiene un mayor ingreso por
vendedor?
b) ¿Cuál fue el ingreso promedio por vendedor de la tienda “INA SA”?
2) Un complejo industrial está formado por dos fábricas. Se tiene los
siguientes datos respecto al consumo mensual de energía eléctrica en
cada una de las fábricas:
Fábrica 1: Tiene 9 talleres cuyos consumos en soles son S/.88, S/.92,
S/.106, S/.110, S/.93, S/.102, S/.91, S/.94 y S/.80.
Fábrica 2: Los consumos se dan en la siguiente tabla:
Consumos (en S/.) N° de talleres
---------------------------------------------
[62, 72[ 1
[72, 82[ 2
[82, 92[ 4
[92,102] 3
---------------------------------------------
a) ¿Cuál de las fábricas tiene el menor consumo medio de electricidad?
b) ¿Cuál es el consumo medio en todo el complejo industrial?
3) Se tiene la siguiente información acerca de los sueldos de 60
trabajadores de una empresa:
Los sueldos se encuentran dentro de un rango de 2400 soles.
8 trabajadores ganan por lo menos 1000 soles, pero menos de
1480 soles.
57 trabajadores ganan menos de 2920 soles.
El 30% gana menos de 1960 soles.
El 35% gana como mínimo 24 40 soles.
El sueldo máximo es 3400 soles.
a) Construya el cuadro de f recuencias de 5 intervalos de igual amplitud.
b) Calcule la media, mediana y moda de los sueldos de los trabajadores
de la empresa. Interprete los resultados.
c) La gerencia general de la empresa propone a sus trabajadores tres
opciones para otorgarles aumento de sueldos:
Opción 1: Aumento general del 18%.
Opción 2: Aumento general del 10% más 100 soles.
Opción 3: Aumento general de 225 soles.
¿Cuál de las tres opciones les conviene a los trabajadores? Justifique su
respuesta.
4) A continuación se muestra la OJIVA de los sueldos de lo s 80
trabajadores de la empresa SUELTRA:
a) Reconstruya la tabla de distribución de frecuencias respectiva.
b) Calcule la media, mediana y moda de los sueldos de los trabajadores
de la empresa SUELTRA. Interprete los resultados.
c) Los dueños de la empresa proponen a sus trabajadores tres opciones
para otorgarles un aumento de sueldos:
Opción I: Aumento general del 18%.
Opción II: Aumento general del 10% más 100 soles.
Opción III: Aumento general de125 soles.
¿Cuál de las tres opciones les conviene más a los trabajado res?
5) Una fábrica tiene dos plantas A y B. El sueldo mensual promedio de los
trabajadores de la planta A es de 2 300 soles con una desviación estándar de 600
soles. El sueldo mensual promedio de los trabajadores de la planta B es de 3 000
soles con una desviación estándar de 750 soles. A los trabajadores de la planta A se
les otorga un aumento del 15% de su sueldo mensual, en cambio, a los trabajadores
de la planta B se les otorga un aumento de 300 soles.
Después de los aumentos otorgados,
a) Determine el promedio y desviación estándar de los sueldos de los trabajadores de
cada planta.
b) ¿En cuál planta los sueldos de los trabajadores son más homogéneos?
6) El cuadro adjunto muestra los sueldos (en soles) de los 200
trabajadores de la empresa ARETRU (Sede Trujillo):
Sueldos Porcentaje Acumulado
[1700; 1900[ 5.0%
[1900; 2100[ 17.5%
[2100; 2300[ 42.5%
[2300; 2500[ 62.5%
[2500; 2700[ 80.0%
[2700; 2900[ 95.5%
[2900; 3100] 100.0%
a) Calcule las medidas de tendencia central para los sueldos de los
trabajadores de la emp resa. ¿Qué medida debería utilizarse para
representar los sueldos?
b) El 15% de los que tienen menor sueldo, recibirán un bono de
alimentos. Determinar aproximadamente el sueldo m áximo de los
trabajadores que recibirán dicho bono de alimentos.
c) El sindicato de trabajadores propone a la gerencia general dos
alternativas de aumento: la alternativa I pla ntea un aumento general de
180 soles. La alternativa II pr opone un aumento del 5% más 50 soles.
Desde el punto de vista de la gerencia general, ¿cuál alternativa debería
aceptar la gerencia general? Comente.
7) Los sueldos de los 150 trabajadores de la sede Arequ ipa de la misma
empresa ARETRU, tienen las siguientes características:
Medida Valor
Promedio 2350 soles
Mediana 2400 soles
Desviación estándar 900 soles
a) ¿En cuál de los locales de la empresa ARETRU se puede considerar
que se pagan mejores sueldos? Justifique adecuadamente.
b) Calcule el sueldo promedio de todos los tra bajadores de la empresa
ARETRU.
c) ¿En cuál de las sedes los sueldos son más homo géneos? Justifique
adecuadamente.
8) La ciudad “Las Flores” está dividida en tres urbanizaciones: “Los
Lirios”; “Las Rosas” y “Los Tulipanes”. El gasto por consumo de energía
eléctrica en la Urbanización “Los Lirios” se muestra en la siguiente tabla:
Gasto en soles Residencias
[ 10; 50 [ 10
[ 50; 90 [ 25
[ 90; 130[ 30
[130; 170[ 15
[170; 210] 5
En la Urbanización “Las Rosas”, las residen cias tienen “tarifa plana”
dividida en cuatro categorías:
Gasto en soles Residencias
50 15
100 22
150 20
200 8
En la Urbanización “Los Tulipanes” el gasto promedio en electricidad de
las 51 residencias es de 135 soles con una desviación estándar de 15.5
soles.
Determine en cuál de las urbanizaciones el gasto en electricidad es más
homogéneo. Justifique su respuesta.
CVG/
.