ISTITUTO SUPERIOR PEDAGÒGICO

ESTADÍSTICA
Medidas de Tendencia Central –
Representaciones Gráficas de
Datos Estadísticos
PÙBLICO CIENCIA Y LIBERTAD
CARRERA PROFESIONAL DE EDUCACION INICIAL

CURSO
:
RESOLUC
IÓN DE DOCENTE
PROBLEM : LIC.
CICLO
AS
ALUMNA : MALÚ
JESÉALESSANDRA OJEDA
: II BANCES
GUTIERR
MATEMÁ EZ
TICOS II CÁRDENA
S

2021
 ESTADISTICA DESCRIPTIVA

INDICE

DEDICATORIA
INTRODUCCION
1. MEDIDAS DE TENDENCIA CENTRAL
1.1. MEDIA ARITMETICA ……………………………………………………………….. 3
1.2. MEDIANA ……………………………………………………………….. 4
1.3. MODA ……………………………………………………………….. 5
1.4. EJERCICIOS DE APLICACIÓN ……………………………………………………………….. 7
2. MEDIDAS DE POSICION
2.1. CUARTILES ……………………………………………………………….. 8
2.2. DECILES ……………………………………………………………….. 8
2.3. PERCENTILES ……………………………………………………………….. 9
2.4. EJERCICIOS DE APLICACIÓN ……………………………………………………………….. 10
3. MEDIDAS DE DISPERSION
3.1. RANGO ……………………………………………………………….. 11
3.2. VARIANZA ……………………………………………………………….. 11
3.3. DESVIACION ESTANDAR ……………………………………………………………….. 11
3.4. COEFICIENTE DE VARIACION ……………………………………………………………….. 11
3.5. EJERCICIOS DE APLICACIÓN ……………………………………………………………….. 12

4. MEDIDAS DE FORMA
4.1. COEFICIENTE DE ASIMETRIA ……………………………………………………………….. 12
a) COEFICIENTE DE ASIMETRIA DE PEARSON ……………………………………………………………….. 13
b) COEFICIENTE DE ASIMTERIA DE BOWLEY ……………………………………………………………….. 14
c) COEFICIENTE DE ASIMETRIA DE FISHER ……………………………………………………………….. 14
4.2. COEFICIENTE DE APUNTAMIENTO O CURTOSIS ……………………………………………………………….. 15
a) DISTRIBUCION MESOCURTICA ……………………………………………………………….. 15
b) DISTRIBUCION LEPTOCURTICA ……………………………………………………………….. 15
c) DISTRIBUCION PLATICURTICA ……………………………………………………………….. 15

REPRESENTACIÓN GRÁFICA DE DATOS ESTADÍSTICOS

1. GRAFICAS O DIAGRAMAS
1.1. HISTOGRAMAS ……………………………………………………………….. 16
1.2. POLIGONOS DE FRECUENCIAS ……………………………………………………………….. 16
1.3. OJIVAS DE POLIGONOS DE FRECUENCIAS ACUMULADAS …………………………………………………… 16
1.4. DIAGRAMAS DE BARRAS ……………………………………………………………….. 17
1.5. DIAGRAMAS CIRCULARES ……………………………………………………………….. 17
1.6. EJERCICIOS DE APLICACIÓN ……………………………………………………………….. 17

CONCLUSIONES
BIBLIOGRAFÍA
 DEDICATORIA

A mi maestro Jesé Gutiérrez Cárdenas, que con mucha dedicación

y empeño nos prepara para ser mejores profesionales.
 INTRODUCCION

La estadística es comúnmente considerada como una colección de hechos numéricos

expresados en términos de una relación sumisa, y que han sido recopilado a partir de otros datos
numéricos.

Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la estadística como
un valor resumido, calculado, como base en una muestra de observaciones que generalmente,
aunque no por necesidad, se considera como una estimación de parámetro de determinada
población; es decir, una función de valores de muestra.

"La estadística es una técnica especial apta para el estudio cuantitativo de los fenómenos de
masa o colectivo, cuya mediación requiere una masa de observaciones de otros fenómenos más
simples llamados individuales o particulares". (Gini, 1953.

Murria R. Spiegel, (1991) dice: "La estadística estudia los métodos científicos para recoger,
organizar, resumir y analizar datos, así como para sacar conclusiones válidas y tomar decisiones
razonables basadas en tal análisis.

"La estadística es la ciencia que trata de la recolección, clasificación y presentación de los hechos
sujetos a una apreciación numérica como base a la explicación, descripción y comparación de los
fenómenos". (Yale y Kendal, 1954).

Cualquiera sea el punto de vista, lo fundamental es la importancia científica que tiene la

estadística, debido al gran campo de aplicación que posee.

En nuestros días la estadística, con la ayuda de las computadoras, se ha convertido en un método

efectivo para describir con exactitud los valores de los datos económicos, políticos, sociales,
psicológicos, biológicos, físicos entre otros, y sirve como herramienta para relacionar y analizar
dichos datos. El trabajo del experto estadístico ya no consiste sólo en reunir y tabular los datos,
sino sobre todo, hacer la interpretación de esa información.
 MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL
Las medidas de tendencia central, son medidas estadísticas que pretenden resumir en un solo valor a un
conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el conjunto de los
datos. Las medidas de tendencia central más utilizadas son: media, mediana y moda.

En resumen, el propósito de las medidas de tendencia central es:

• Mostrar en qué lugar se ubica la persona promedio o típica del grupo.
• Sirve como un método para comparar o interpretar cualquier puntaje en relación con el puntaje
central o típico.
• Sirve como un método para comparar el puntaje obtenido por una misma persona en dos diferentes
ocasiones.
• Sirve como un método para comparar los resultados medios obtenidos por dos o más grupos.

1.1. MEDIA ARITMETICA

Es la medida de posición utilizada con más frecuencia. Si se tienen n valores de observaciones, la
media aritmética es la suma de todos y cada uno de los valores dividida entre el total de valores: Lo
que indica que puede ser afectada por los valores extremos, por lo que puede dar una imagen
distorsionada de la información de los datos.
a) Media aritmética de datos no tabulados:
Sean “n" valores: x1, x2; x3;… ; xn de la variable x, la medida será:
x 1+ x 2 + x 3 + … x n
x́=
n
Ejemplo:
Las edades de 5 personas son: 7; 15; 18; 30 y 20.
Hallar la edad promedio.
Resolución:
7+15+18+30+ 20 90
x́= = =18
5 5

b) Media aritmética de datos tabulados por intervalos:

k

∑ xi . f i
x́= i=1
n
Donde:
n : número de datos
f¡: frecuencia absoluta
x ¡: marca de clase
3
 k: número de intervalos
Ejemplo:
Dada la siguiente distribución de frecuencias:
EDADES Xi fi F x.f
¿ 14 4 4 56
¿ 16 9 13 144
¿ 18 3 16 54
¿ 20 3 19 60
¿ 22 1 20 22
TOTAL 20 336

Hallar la media.
Resolución.
Hallamos la media:
14.4+16.9+18.3+20.3+ 22.1
x́=
4+ 9+ 3+3+1

336
x́= =16,8
20
.-. La media de los datos es 16,8
1.2. MEDIANA
Es el valor que ocupa la posición central en un conjunto de datos, que deben estar ordenados, de
esta manera la mitad de las observaciones es menor que la mediana y la otra mitad es mayor que la
mediana, resulta muy apropiada cuando se poseen observaciones extremas.

a) Mediana de datos no tabulados:

Ejemplo:
I) Si el número de datos es impar: La mediana es el dato central de los datos ordenados.
Sean los datos: 17; 31; 24; 18; 60; 5; 56
Resolución:
Ordenamos los datos en forma creciente:
5; 17; 18; 24; 37; 56; 60 .-. Me = 24
II) SI el número de datos es par:
Se ordenan los datos en forma creciente (o decreciente) y la mediana será la semisuma de los
datos centrales.
Sean los datos: 26; 8; 46; 34; 18; 62. Hallar la mediana.
Resolución
Ordenamos los datos: 8; 18; 26; 34; 46; 62
términos centrales: 26 y 34

4
 La mediana será:
26+34 60
Me= = =30
2 2
b) Mediana de datos tabulados:
En este caso, la mediana se calcula por la siguiente fórmula:

N
Me=Li +
2
(
−Fi−1
fi
ai )
Ejemplo:
Dada la siguiente distribución de frecuencias:
EDADES Xi fi F x.f
¿ 14 4 4 56
¿ 16 9 13 144
¿ 18 3 16 54
¿ 20 3 19 60
¿ 22 1 20 22
TOTAL 20 336
Hallar la mediana.
Resolución:
El número de datos: n = 20
Hallamos la mitad de los datos (n/2):
20
=10
2
Hallamos la clase, que pertenece la mediana.
Vemos que: f1 = 4; f2 = 9 y f1 + f2 = 13
Luego, el dato 10 está en la segunda clase.
Por lo tanto

20
Me=15+
2
9( )
−4
.2

Me=15+ ( 69 ) .2
12
Me=15+
9
Me=15+1,33=16,33
La mediana es 16,33 años
1.3. MODA
La moda de una serie de datos, se define como el dato que más se repite.
La moda no siempre existe y si existe, no siempre es única.

5
a) Moda de datos no tabulados
Ejemplo:
Calcular la moda, en cada caso:
I) 7; 9; 7; 8; 7; 4; 7: 13; 7
Resolución:
De los 9 datos, vemos que el dato que más se repite es 7.
Mo = 7 (unlmodal)
II) 5; 3; 4; 5; 7; 3; 5; 6; 3
Resolución:
De los 9 datos, vemos que los datos que más se repiten son 3 y 5.
Mo = 3 A Mo = 5 (bimodal)

b) Moda de datos tabulados

Para calcular la moda de “n” datos tabulados en una distribución de frecuencias por Intervalos,
primero habrá que ubicar el intervalo que tiene la mayor frecuencia y luego utilizar la fórmula de
interpolación.
Mo=Li +¿
Donde:
L1: es el límite inferior del intervalo modal.
fi — fi – 1: Es igual a la frecuencia del intervalo modal menos la frecuencia del intervalo
inmediatamente anterior.
fi — fi + 1: Es igual a la frecuencia del intervalo modal menos la frecuencia del intervalo
inmediatamente posterior.

ai: amplitud del intervalo modal.

NOTA: La fórmula de la moda solo se aplica en distribuciones con una sola frecuencia máxima.
Ejemplo:
Dada la siguiente distribución de frecuencias:
EDADES Xi fi F x.f
¿ 14 4 4 56
¿ 16 9 13 144
¿ 18 3 16 54
¿ 20 3 19 60
¿ 22 1 20 22
TOTAL 20 336

Hallar la moda.

6
 Resolución: Vemos que la clase de mayor frecuencia (clase modal) es la segunda clase (9)
Tenemos: f2 = 9; f1 = 4 y f3 = 3
A = 17 - 15 = 2
Luego: f2 – f1 = 5
F2 – f3 = 6

Hallamos la moda: Mo=15+ ( 5+5 6 ) 2

Mo=15+ ( 1011 )=15+0,9
Mo=15,9
La moda es 15,9
1.4. EJERCICIOS DE APLICACIÓN
1. Hallar la media aritmética de las notas obtenidas por un grupo de estudiantes, cuya distribución
de frecuencias es:

a) 11,2 b) 11,7 c) 10,4

d) 9,8 e) 9,2
2. Se muestra la nota de 11 alumnos en un examen de Matemática: 10; 12; 9; 12; 8; 14; 12; 10; 11;
12 y 8. Si el profesor decide aprobar a los alumnos cuya nota sea mayor o igual que la mediana,
¿cuántos aprueban?
a) 4 b) 5 c) 6 d) 7 e) 8
3. Las edades de un grupo de personas asistentes a una reunión, tiene la siguiente distribución de
frecuencias:

¿Cuál es la moda?
a) 10 b) 12 c) 19 d) 18 e) 15
4. Del problema anterior: ¿Cuál es la media aritmética de las edades?
a) 18,5 b) 19,2 c) 19,5 d) 19,7 e) 20,2

5. Determinar la moda de la siguiente distribución:

a) 2,43 b)2,35 c) 2,25 d) 2,65 e) 2,56

7
2. MEDIDAS DE POSICION
Las medidas de posición relativa se llaman en general cuantiles y se pueden clasificar en tres grandes
grupos: Cuartiles, deciles, percentiles.
Las medidas de posición como los cuartiles, deciles y percentiles dividen a una distribución ordenada en
partes iguales. Para calcular las medidas de posición es necesario que los datos estén ordenados de
menor a mayor.
2.1. CUARTILES
Son los tres valores de la variable de una distribución que la dividen en cuatro partes iguales, es
decir, al 25%, 50% y 75%. Para calcular el valor de uno de los cuatro Cuartiles, se utiliza la fórmula:

Para datos no agrupados:

- Si “n” es par:

Q k =K ( n4 )
En donde:
Qk = Cuartil número 1, 2, 3
- Si “n” es impar:

Q k =K ( n+14 )
En donde:
Qk = Cuartil número 1, 2, 3

Para datos agrupados:

Kn
Qk =Li + A
4
(
−Fi−1
fi )
Se advierte que la posición del segundo cuartil corresponde a la ubicación de la mediana, es decir
que el segundo cuartil será siempre igual a la mediana.

2.2. DECILES
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez partes
porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos ordenados en diez
partes iguales. Los deciles se denotan D1, D2, ..., D9, que se leen primer decil, segundo decil, etc.

Para datos no agrupados:

- Si “n” es par:

Dk = K ( 10n )
8
 En donde:
Dk = Decil número 1, 2, 3, …, 9
- Si “n” es impar:
n+1
Dk = K ( ) 10
En donde:
Dk = Decil número 1, 2, 3, …, 9

Para datos agrupados:

Kn
Dk = Li + A
10
(−Fi−1
fi )
Se advierte que la posición del quinto decil corresponde a la ubicación de la mediana, es decir que el
quinto decil será siempre igual a la mediana.
2.3. PERCENTILES
Los percentiles son, tal vez, las medidas más utilizadas para propósitos de ubicación o clasificación
de las personas cuando atienden características tales como peso, estatura, etc.

Los percentiles son ciertos números que dividen la sucesión de datos ordenados en cien partes
porcentualmente iguales. Estos son los 99 valores que dividen en cien partes iguales el conjunto de
datos ordenados. Los percentiles (P1, P2,... P99), leídos primer percentil,..., percentil 99.

Para datos no agrupados:

- Si “n” es par:

Pk =K ( 10n )
En donde:
Pk = Percil número 1, 2, 3, …, 99
- Si “n” es impar:

Pk =K ( n+1
10 )
En donde:
Pk =Percil número 1, 2, 3, …, 99

Para datos agrupados:

Kn
Pk =Li + A
100
(−F i−1
fi )
9
 Se advierte que la posición del percil 50 corresponde a la ubicación de la mediana.

EN CONCLUSIÓN:

MEDIDAS DE POSICIÓN
CUARTIL DECIL PERCENTIL
DATOS NO n n n
AGRUPADOS
Q k =K
4 () Dk = K ( )
10
Pk =K ( )
100
DATOS Kn Kn Kn
AGRUPADOS

Donde:
Qk =Li + A (
100
−F i−1
fi
Li=Límite inferior
) (
Dk = Li + A
100
−F i−1
fi
Li=Límite inferior
) Pk =Li + A(100
−F i−1
fi
Li=Límite inferior
)
A=Amplitud de clase A=Amplitud de clase A=Amplitud de clase
n=Total de datos n=Total de datos n=Total de datos
F i−1 =Frecuencia acumulada
F i−1 =Frecuencia acumulada
F i−1 =Frecuencia acumulada
anterior al cuartil anterior al decil anterior al percentil
F i=Frecuencia absoluta F i=Frecuencia absoluta F i=Frecuencia absoluta
correspondiente alcuartil correspondiente alcuartil correspondiente alcuartil

[Link] DE APLICACIÓN
1. La distribución de las puntuaciones en una escala de hostilidad, de 160 sujetos de una muestra,
ha sido la siguiente:

a) ¿Entre que valores se encuentra el 50%

central de los individuos?
b) Calcule el percentil 27.
c) ¿A partir de que puntuación se encuentra el 12% de los sujetos más hostiles?
d) Si descontamos el 15 % de los individuos menos hostiles y el 15% de los más
hostiles ¿En qué intervalo de puntuación se encuentran los restantes?

2. Determina los 3 cuartiles de la siguiente tabla

10
 3. De la tabla anterior, halle el decil 6 y decil 8
4. De la tabla del problema 2, halle el percentil 60 y percentil 35

3. MEDIDAS DE DISPERSION
Las medidas de dispersión son parámetros estadísticos que nos informan sobre la variabilidad de los
datos, es decir, si la distribución de los datos es más o menos homogénea y por tanto nos dan una
medida sobre la representatividad de los parámetros de centralización (moda, mediana o media)
Como en los parámetros de centralización y de posición existen varios para medir la dispersión. Los
principales son:

3.1. RANGO
Indica la dispersión entre los valores extremos de una variable. se calcula como la diferencia entre el
mayor y el menor valor de la variable. Se denota como R.
Para datos ordenados se calcula como:
R = Max {xn} - Min {x1}

Donde: xn: Es el mayor valor de la variable.

x1: Es el menor valor de la variable.

La principal ventaja del rango es su fácil cálculo, aunque su valor es poco significativo, ya que sólo
tiene en cuenta los dos valores extremos.
3.2. VARIANZA
Es otro parámetro utilizado para medir la dispersión de los valores de una variable respecto a la
media. Corresponde a la media aritmética de los cuadrados de las desviaciones respecto a la media.
Su expresión matemática es:
n
2
∑ ( xi − X́ )
σ 2= 1
n
3.3. DESVIACION ESTANDAR
Definimos la desviación típica como la raíz cuadrada de la varianza. Su expresión matemática es:

√
2
∑ ( xi − X́ )
1
σ=
n
3.4. COEFICIENTE DE VARIACION
11
 Dado que la desviación típica es una medida que está expresada en las mismas unidades que la
variable, si queremos comparar dispersiones a escalas distintas necesitamos un parámetro
adimensional. En estas situaciones usaremos el coeficiente de variación que se expresa tanto de
forma decimal como en tanto por ciento, y nos expresaría la desviación típica como porcentaje con
respecto a la media.
σ
CV =
X́

[Link] DE APLICACIÓN
1. Hemos medido la variable neuroticismo en un grupo de sujetos obteniendo los siguientes
resultados: 3, 5, 3, 6, 4, 2, 8, 3, 7, 5, 8, 9, 4, 5, 5, 3. Calcule la Varianza y la desviación estándar.

2. Hallar la desviación media, la varianza, la desviación típica y el coeficiente de variación de la

series de números siguientes:
a 2, 3, 6, 8, 11.
B 12, 6, 7, 3, 15, 10, 18, 5.

3. Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños de su consulta en el
momento de andar por primera vez. Calcular la varianza.
MESES NIÑOS
9 1
10 4
11 9
12 16
13 11
14 8
15 1

4. Calcular la varianza de una distribución estadística que viene dada por la siguiente tabla.

Intervalos Conteo fi
[10; 15> 2 3
[15; 20> 5 5
[20; 25> 8 7
[25; 30> 11 4
[30; 35> 7 2

4. MEDIDAS DE FORMA

12
Las medidas de forma son aquellas que nos muestran si una distribución de frecuencia tiene
características especiales como simetría, asimetría, nivel de concentración de datos y nivel de
apuntamiento que la clasifiquen en un tipo particular de distribución.
Para analizar estos aspectos recurriremos a dos tipos de medida:
4.1. COEFICIENTE DE ASIMETRIA
Es una medida de forma de una distribución que permite identificar y describir la manera como los
datos tiende a reunirse de acuerdo con la frecuencia con que se hallen dentro de la distribución.
Permite identificar las características de la distribución de datos sin necesidad de generar el gráfico.
Una distribución es simétrica cuando la curva que la representa es exactamente igual a ambos
lados del punto de referencia.

Distribución Asimétrica:

a) COEFICIENTE DE ASIMETRIA DE PEARSON

Este coeficiente está basado entre la relación existente entre la media y la mediana

1. Si el valor del coeficiente de asimetría es mayor que cero entonces la distribución presenta
una asimetría positiva.
2. Si el valor del coeficiente de asimetría es menor que cero entonces la distribución presenta
una asimetría negativa.
3. Si el valor del coeficiente de asimetría es igual a cero entonces la distribución es simétrica.
4. El coeficiente varía entre [-3,3] aunque valores fuera de [-1,1] se consideran excepcionales

13
 3( X́ −Me)
A s=
S
Donde:
X es la media aritmética.
S es la desviación estándar.
Me es la mediana.
As = 0 Entonces la distribución es simétrica.
As > 0 Entonces la distribución es asimétrica hacia la derecha o tiene sesgo positivo.
As < 0 Entonces la distribución es asimétrica hacia la izquierda o tiene sesgo negativo.
Interpretación del coeficiente de asimetría de Pearson:
Si Ap < 0: la distribución tiene una asimetría negativa, puesto que la media es menor que la
moda.
Si Ap = 0: la distribución es simétrica.
Si Ap > 0: la distribución tiene una asimetría positiva, ya que la media es mayor que la moda.

b) COEFICIENTE DE ASIMETRIA DE BOWLEY

El coeficiente de asimetría de Bowley CA B toma como referencia los cuartiles para determinar si
la distribución es simétrica o no. Para aplicar este coeficiente, se supone que el comportamiento
de la distribución en los extremos es similar. Sea el conjunto X=(x 1, x2,…, xN), la asimetría de
Bowley es:
Q 3 +Q 1−2 Me( X )
CA B=
Q 3−Q 1
Donde:
Q 3=tercer cuartil
Q1= prier cuartil
Me ( X )=Mediana
Recordemos que la mediana (Me) es lo mismo que el segundo cuartil (Q 2). Por lo que la fórmula
del coeficiente de asimetría de Bowley también se puede escribir así:
Q3 +Q1−2 Q 2
CA B=
Q 3−Q 1

- Si CAB<0: la distribución tiene una asimetría negativa, puesto que la distancia de la

mediana al primer cuartil es mayor que al tercero.
- Si CAB=0: la distribución es simétrica, ya que el primer y tercer cuartil están a la misma
distancia de la mediana.
- Si CAB>0: la distribución tiene una asimetría positiva, ya que la distancia de la mediana
al tercer cuartil es mayor que al primero.

14
 c) COEFICIENTE DE ASIMETRIA DE FISHER
El coeficiente de asimetría de Fisher CA F evalúa la proximidad de los datos a su media X́ . Cuanto
mayor sea la suma ∑(xi–x)3, mayor será la asimetría. Sea el conjunto X = (x 1, x2,…, xN), entonces la
fórmula de la asimetría de Fisher es:
n
3
∑ ( xi − X́ )
CA F = i=1
n. S3
Donde:
X́ =media
S= Desviacióntípica
Cuando los datos están agrupados o agrupados en intervalos, la fórmula del coeficiente de
asimetría de Fisher se convierte en:
n
3
∑ ( xi − X́ ) . f i
CA F = i=1
n . S3

- Si CAF<0: la distribución tiene una asimetría negativa y se alarga a valores menores que
la media.
- Si CAF=0: la distribución es simétrica.
- Si CAF>0: la distribución tiene una asimetría positiva y se alarga a valores mayores que
la media.
[Link] DE APUNTAMIENTO O CURTOSIS.
La curtosis (o apuntamiento) es una medida de forma que mide cuán escarpada o achatada está una
curva o distribución.
Este coeficiente indica la cantidad de datos que hay cercanos a la media, de manera que a mayor
grado de curtosis, más escarpada (o apuntada) será la forma de la curva.

Se definen 3 tipos de distribuciones según su grado de curtosis:

a) DISTRIBUCION MESOCURTICA
Presenta un grado de concentración medio alrededor de los valores centrales de la variable (el
mismo que presenta una distribución normal).

15
 b) DISTRIBUCION LEPTOCURTICA
Presenta un elevado grado de concentración alrededor de los valores centrales de la variable.

c) DISTRIBUCION PLATICURTICA
Presenta un reducido grado de concentración alrededor de los valores centrales de la variable.

REPRESENTACIÓN GRÁFICA DE DATOS ESTADÍSTICOS

1. GRAFICAS O DIAGRAMAS
Las gráficas más usadas son:
1.1. HISTOGRAMAS
Es la representación gráfica de una distribución de frecuencias agrupadas en intervalos de clase,
mediante una serie de rectángulos contiguos. Debemos tener en cuenta los siguientes aspectos:
 Las bases están sobre el eje horizontal, con centros en las marcas de clase y longitud igual al
tamaño de los intervalos de clase.
 Las alturas verticales, son proporcionales a la frecuencia (absoluta o relativa).

HISTOGRAMA
12
10
8
6
4
2
0
3,5 6,5 9,5 12,5 15,5 18,5

[Link] DE FRECUENCIAS
 Si la variable es cualitativa el polígono de frecuencias se obtiene uniendo los extremos
superiores de las barras del gráfico de barras.
 Si la variable está agrupada por Intervalos, el polígono de frecuencias se obtiene uniendo los
puntos medios de las barras superiores de cada rectángulo del histograma.

16
[Link] DE POLIGONOS DE FRECUENCIAS ACUMULADAS
Esta representación es válida para variable estadística agrupada en Intervalos de clase.
En el eje vertical va la frecuencia absoluta (o relativa) acumulada; en el eje horizontal los intervalos
de clase.

[Link] DE BARRAS
En un diagrama de barras, los datos de cada una de las categorías se representan por una barra
rectangular vertical, cuya altura es proporcional a su frecuencia.

[Link] CIRCULARES
Consiste en repartir los 360° del círculo, proporcionalmente a las frecuencias de la población
estudiada. El diagrama de sectores es empleado en producción (papas, ganado, etc.).

[Link] DE APLICACIÓN
1. Del siguiente histograma, determinar el
número de personas que tiene un gasto
mensual de 350 a 650 soles.

17
 a) 30 b) 35 c) 42 d) 47 e) 62
2. Del siguiente histograma f¡ vs. I

Halle la media aritmética

a) 30,25 b) 35,2 c) 33,25 d) 32,25 e) 25,33
3. La siguiente figura muestra la ojiva de frecuencia relativa acumulada de las notas obtenidas por
2000 alumnos. ¿Cuántos alumnos ingresaron? Si la nota mínima aprobatoria fue 10.

a) 960 b) 690 c) 906 d) 669 e) 699

4. Se realizó una encuesta a cierto número de personas sobre sus preferencias a 5 marcas de
cigarrillos, designados como. M, N, P, Q, R, presentándose el siguiente gráfico de sectores:

- Además, gustan de M tantos como gustan de

- 72 personas gustan de R.
¿Cuántos gustan de N? si en M hay tantos como en P y el ángulo que corresponde a cada uno es
el mismo, luego: 3a = 2b

18
 a) 360 b) 630 c) 960 d) 600 e) 603

5. El siguiente polígono de frecuencias muestra el número de personas con una determinada edad:

Calcule la mediana.
a) 25 b) 28 c) 26 d) 60 e) 36

CONCLUSIONES

Los números y las matemáticas forman parte de nuestra cotidianidad desde que
tenemos uso de razón hasta que dejamos esta vida, y así y todo somos pocos los que
"nos amigamos" con ellos.

En muchos casos se trata de no pensar demasiado: dejamos que otros hagan los
cálculos, tomamos como una verdad irrefutable cualquier estadística que leemos y
delegamos en un tercero el manejo de nuestros ahorros, todo sea por no "embarrarnos"
las manos con operaciones matemáticas que vayan más allá de una simple suma o
resta.

Pero la relación entre nuestra rutina diaria y los números es muy estrecha y la
necesidad de entender y utilizar los mismos, por ejemplo, con nuestra economía
doméstica puede marcar una diferenciación importante en nuestra calidad de vida
presente y futura, llegando incluso a transformar la manera en la cual generamos
ingresos, ahorramos, gastos e inversiones.

En el tema tratado arriba hemos visto, cuán útil es el conocer sobre la Estadística. Su
conocimiento es de vital importancia en nuestra vida diaria. Es por ello que, aunque
19
 parezca tedioso abordar tantas formulas y lidiar con tantos gráficas, debemos
preocuparnos por conocer más del tema y de esa forma tener un mejor
aprovechamiento de tal.

Espero que esta monografía, pueda ser útil y práctica para aquellos que deseen
conocer más del tema.

BIBLIOGRAFÍA

Asociación Fondo de Investigación y Editores. (2006). ARITMÉTICA - ANÁLISIS DEL NÚMERO Y SUS
APLICACIONES. Lima: Lumbreras.

Aucallanchi Velásquez, F. (2005). PROBLEMAS DE ARITMÉTICA Y COMO RESOLVERLOS. Lima: RACSO.

Gamarra, H. (2005). ARITMÉTICA - TEORÍA Y PRÁCTICA. Lima: Colección Uniciencia.

Gil, J. (2003). La Estadística en la investigación educativa. Revista de Investigación Educativa, 21(1), 231-248.

20