SlideShare uma empresa Scribd logo
1 de 17
Alumno: Anderson Subero
C.I.:25.786.992
Sección CV
República Bolivariana de Venezuela.
Ministerio del Poder Popular para la Educación.
I.U.P. Santiago Mariño.
Sede Barcelona.
Barcelona, Junio del 2016
Distribución de frecuencias
La distribución de frecuencias o tabla de frecuencias es una
ordenación en forma de tabla de los datos estadísticos,
asignando a cada dato su frecuencia correspondiente.
Los intervalos de clase se emplean si las variables toman un número grande de valores
o la variable es continua.
Se agrupan los valores en intervalos que tengan la misma amplitud denominados
clases. A cada clase se le asigna su frecuencia correspondiente.
Límites de la clase
Cada clase está delimitada por el límite inferior de la clase y el límite superior de la
clase.
Amplitud de la clase
La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase.
Marca de clase
La marca de clase es el punto medio de cada intervalo y es el valor que representa a
todo el intervalo para el cálculo de algunos parámetros.
Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un determinado valor
en un estudio estadístico.
Se representa por f¡.
La suma de las frecuencias absolutas es igual al número total de datos, que se
representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma
mayúscula) que se lee suma o sumatoria.
La frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos.
Se puede expresar en tantos por ciento y se representa por n¡.
La suma de las frecuencias relativas es igual a 1.
La frecuencia acumulada es la suma de las frecuencias
absolutas de todos los valores inferiores o iguales al valor
considerado.
Se representa por F¡.
La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un
determinado valor y el número total de datos. Se puede expresar en tantos por ciento.
Durante el mes de junio, en una ciudad se han registrado las siguientes temperaturas
máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30,
31, 30, 31, 34, 33, 33, 29, 29.
En la primera columna de la tabla colocamos la variable ordenada de menor a mayor,
en la segunda hacemos el recuento y en la tercera anotamos la frecuencia absoluta.
xi Recuento fi Fi ni Ni
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
32 III 3 27 0.097 0.871
33 III 3 30 0.097 0.968
34 I 1 31 0.032 1
31 1
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13,
22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1º Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea
divisible por el número de intervalos queramos establecer.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al
intervalo, pero el límite superior no pertenece intervalo, se cuenta en el siguiente intervalo.
ci fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.275
[25, 30) 27.5 6 17 0.150 0.425
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 42.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1
40 1
MEDIDAS DE TENDENCIA CENTRAL O DE CENTRALIZACIÓN.
Las medidas de tendencia central, dan una idea de un número alrededor del cual
tienden a concentrarse todo un conjunto de datos.
Las medidas de tendencia central mas comúnmente usadas son:
La media Aritmética, la mediana y la moda; cada una de éstas medidas es
representativa de una serie de datos en una forma particular.
Aún y cuando existen varias media, la media aritmética es la mas frecuentemente
utilizada en Estadística. La media aritmética, es la suma de las puntuaciones o valores
originales dividida entre el
número de ellas.
EJEMPLO. Las calificaciones en una evaluación sobre 100 puntos fueron:60,55,70,70,85
y 80. Luego, X = 420 = 70.
( La calificación media es 70 puntos.) 6
Nota: Las puntuaciones extremas afectan o modifican la media, a saber:
En los grupos de valores 1,3,5,5,5,6 y 1,3,5,5,5,110 las medias
son 4.2 en el primer grupo y 21.5 en el segundo. Estos dos grupos no tienen la misma
media, por lo tanto, En un conjunto de valores donde existen valores muy extremos, no
se debe calcular la media
Es el punto medio, arriba o debajo del cual caen el 50% de las puntuaciones o
casos. Para calcular la mediana, se ordenan las puntuaciones en orden
creciente o decreciente. En caso de ser el número de datos impar, la mediana es
el valor central; en el caso de ser par, la mediana es el promedio de los valores
centrales.
EJEMPLO. (a) 6,11,9,12,13,10,20,15,17. Al ordenarlos se obtiene:
6,9,10,11,12,13,15,17,20. La mediana es 12. Md=12
(b) 9,10,12,11,3,6,20,17,13,15. Al ordenarlos se obtiene:
3,6,9,10,11,12,13,15,17,20. La mediana es el promedio entre 11 y 12, por haber
dos valores centrales. Md= 11.5
Nota: Una característica de la mediana es su insensibilidad hacia los valores
extremos. Así, en el conjunto de valores: 2,3,8,11,48la Md= 8; esto es verdad
aún y cuando hay un valor extremo de 48. Si cambiamos éste valor por 98 la
mediana seguiría siendo la misma.
Esta característica de la mediana la hace muy útil para la descripción de la
tendencia central en ciertos tipos de distribuciones en las cuales la media es una
medida inaceptable de tendencia central, debido a su sensibilidad hacia las
calificaciones extremas.
Es el valor que aparece con mas frecuencia en una serie de datos.
EJEMPLO. 1,1,2,2,2,3,3,3,3,4,5,6,8. La cifra 3 aparece cuatro veces lo cual es
mas frecuente que otro valor; por lo cual el valor modal o modo es 3. ( Mo=3)
1,1,2,2,2,2,3,3,3,4,4,4,4,5,6,7,8.
Las cifras 2 y 4 aparecen cuatro veces.
Luego Mo= 2,(Bimodal)
Cuando aparecen tres o mas veces se denomina Multimodal.
MEDIA ARITMÉTICA.(X)
Cuando se tienen distribuciones de frecuencia y siempre que el valor del intervalo de
clase sea constante, es decir, el mismo en cada una de las clases, se puede calcular
la Media a través del Método de los desvíos unitarios o Abreviado; Igualmente se
puede utilizar el Método directo.
METODO ABREVIADO. Pasos para calcular la Media Aritmética:
1.- Se elige una media aritmética supuesta (Xa), la cual es el valor del punto medio de
una de las clases; Aunque puede tomarse el punto medio de cualquiera de las clases
y obtener el mismo resultado, por facilidad en el cálculo se acostumbra a elegir el de
la clase de mayor frecuencia o el de aquella que esté ubicada hacia en el centro de la
escala.(En el ejemplo, tomaremos Xa=49 ubicado en 48-50)
2.- Se anexa otra columna X, en la cual se anotan las desviaciones respecto a la media
supuesta. Como la clase 48-50 contiene a Xa, la desviación es nula, por lo cual anotamos
cero en la columna X. El intervalo o clase 51-53 se desvía una clase de la que contiene a
la media supuesta, luego, en la columna X anotamos uno (1) para dicho intervalo. Se
continúa así hasta llegar a la clase mayor.
A las clases con valores inferiores, se les asigna consecutivamente Los números enteros
negativos: -1,-2,-3,-4,-5,...
3.- Se anexa otra columna fiX en la cual se colocan los productos entre la frecuencias fi y
la desviación X correspondiente.
4.- Se suman algebraicamente los valores de la columna fiX.
5.- Se reemplazan los valores obtenidos en la fórmula:
X = Xa + EfiX. i
N
EJEMPLO:
CLASE fi x fix
66-68 1 6 6
63-65 2 5 10
60-62 4 4 16
57-59 4 3 12
54-56 5 2 10
51-53 7 1 7 x = 49 + 2.05
48-50 8 0 0
45-47 5 -1 -5 x = 51.05
42-44 3 -2 -6
39-41 2 -3 -6 El puntaje medio es: 51.05
36-38 1 -4 -4
33-35 2 -5 -10
METODO DIRECTO. (Método largo)
Pasos para calcular la media aritmética, usando éste método:
1.- Se elabora una columna con los puntos medios xi de cada clase.
2.- En otra columna se escribe el producto entre las frecuencias y el punto medio de cada
clase (fi.xi)
3.- Se obtiene la sumatoria de los valores de la columna fi.xi
4.- Se reemplazan los valores obtenidos en la fórmula siguiente:
EJEMPLO:
CLASE fi xi fixi
66-68 1 67 67
63-65 2 64 128
60-62 4 61 244
57-59 4 58 232 x= 2246
54-56 5 55 275 44
51-53 7 52 364 x = 51.05
48-50 8 49 392
45-47 5 46 230
42-44 3 43 129
39-41 2 40 80
36-38 1 37 37
33-35 2 34 68
N=44 Efixi= 2246
Para calcular la mediana a partir de un conjunto de datos que han sido organizados previamente
en una tabla de distribución de frecuencias, se procede de la siguiente manera:
1.- Se anexa a la tabla dada una columna fa de frecuencias acumuladas.
2.- Se divide entre 2 el número total de casos, obteniendo N/2.Es decir, se determina el número
de casos que han de estar por debajo y por encima de la mediana.(En la tabla del ejemplo que
usaremos, N=38 por lo tanto N/2= 38/2= 19. Luego, la mediana es el valor que deja 19
observaciones tanto por debajo como por encima de él.
3.- Se identifica en la columna fa, un valor que sea igual o inmediato superior a N/2; En ésta
clase está la mediana.(En la tabla del ejemplo dado, en la columna fa, el valor 24 es inmediato
superior a 19 por lo cual, la clase 90-94 contiene a la mediana.)
4.- Se identifica la frecuencia acumulada fa de la clase anterior a la que contiene a la mediana. (
En el ejemplo, 14 es la frecuencia acumulada de la clase 85-89 que precede a 90-94 que
contiene a la mediana.)
5.- Se identifica la frecuencia fi de la clase que contiene a la mediana. En el ejemplo ésta es 10.
6.- Se identifica el límite real inferior de la clase que contiene a la mediana. En el ejemplo, éste
es 89.5.
7.- Se reemplazan éstos valores en la fórmula
EJEMPLO:
CLASE fi fa
95-99 14 38
90-94 10 24
85-89 6 14 Md = 89.5 + 2.5
80-84 4 8
75-79 2 4 Md = 92
70-74 2 2
N=38
Interpretación:
Por encima y por debajo de 92,se encuentra el 50% de los casos, es decir, 19.
)
Se define como el punto medio de la CLASE de mayor frecuencia.
En el primer ejemplo, Mo=49.
En el segundo ejemplo, Mo=97
http://www.vitutor.com/estadistica/descriptiva/a_3.html
http://www.profesorenlinea.cl/matematica/EstadisticaM
ediaMedianaModa.htm
http://ncastillo.ve.tripod.com/profmscnelsoncastillo/id4.
html
http://webdelprofesor.ula.ve/economia/hmata/Notas/Ta
bla%20de%20Distribuci%F3n%20de%20Frecuencias.pdf

Mais conteúdo relacionado

Mais procurados

Experimentos aleatorios, espacio muestral y eventos
Experimentos aleatorios, espacio muestral y eventosExperimentos aleatorios, espacio muestral y eventos
Experimentos aleatorios, espacio muestral y eventosJoan Fernando Chipia Lobo
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simplemilit
 
Datos agrupados y no agrupados
Datos agrupados y no agrupadosDatos agrupados y no agrupados
Datos agrupados y no agrupadosRenata Briseño
 
1. media aritmetica para datos agrupados en intervalos
1. media aritmetica para datos agrupados en intervalos1. media aritmetica para datos agrupados en intervalos
1. media aritmetica para datos agrupados en intervalosClaudia150499
 
Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla CarlosDavid108
 
Análisis de los datos y tabulación
Análisis de los datos y tabulaciónAnálisis de los datos y tabulación
Análisis de los datos y tabulaciónTomás Calderón
 
Medidas de Tendencia Central, Posición y Dispersión
Medidas de Tendencia Central, Posición y DispersiónMedidas de Tendencia Central, Posición y Dispersión
Medidas de Tendencia Central, Posición y Dispersiónreynier valor
 
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS Juan Carlos Durand
 
Clase población muestra y muestreo
Clase población muestra y muestreoClase población muestra y muestreo
Clase población muestra y muestreoMadelynSaidy
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevoSita Yani's
 
Medidas de tendencia central para datos agrupados
Medidas de tendencia central para datos agrupadosMedidas de tendencia central para datos agrupados
Medidas de tendencia central para datos agrupadoseduargom
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesisug-dipa
 
Media Mediana Y Moda de Datos Agrupados
Media Mediana Y Moda de Datos AgrupadosMedia Mediana Y Moda de Datos Agrupados
Media Mediana Y Moda de Datos AgrupadosEstadistica UTPL
 

Mais procurados (20)

Ejemplos del teorema de Bayes
Ejemplos del teorema de BayesEjemplos del teorema de Bayes
Ejemplos del teorema de Bayes
 
Regla sturges
Regla sturgesRegla sturges
Regla sturges
 
Variables estadísticas
Variables estadísticasVariables estadísticas
Variables estadísticas
 
Experimentos aleatorios, espacio muestral y eventos
Experimentos aleatorios, espacio muestral y eventosExperimentos aleatorios, espacio muestral y eventos
Experimentos aleatorios, espacio muestral y eventos
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Datos agrupados y no agrupados
Datos agrupados y no agrupadosDatos agrupados y no agrupados
Datos agrupados y no agrupados
 
1. media aritmetica para datos agrupados en intervalos
1. media aritmetica para datos agrupados en intervalos1. media aritmetica para datos agrupados en intervalos
1. media aritmetica para datos agrupados en intervalos
 
Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla Que es la marca de clase y como calcularla
Que es la marca de clase y como calcularla
 
Análisis de los datos y tabulación
Análisis de los datos y tabulaciónAnálisis de los datos y tabulación
Análisis de los datos y tabulación
 
Medidas de Tendencia Central, Posición y Dispersión
Medidas de Tendencia Central, Posición y DispersiónMedidas de Tendencia Central, Posición y Dispersión
Medidas de Tendencia Central, Posición y Dispersión
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
 
TABLA DE FRECUENCIAS - NO AGRUPADOS
TABLA DE FRECUENCIAS - NO AGRUPADOSTABLA DE FRECUENCIAS - NO AGRUPADOS
TABLA DE FRECUENCIAS - NO AGRUPADOS
 
Clase población muestra y muestreo
Clase población muestra y muestreoClase población muestra y muestreo
Clase población muestra y muestreo
 
Clasificación de variables
Clasificación de variablesClasificación de variables
Clasificación de variables
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevo
 
Medidas de tendencia central para datos agrupados
Medidas de tendencia central para datos agrupadosMedidas de tendencia central para datos agrupados
Medidas de tendencia central para datos agrupados
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesis
 
Media Mediana Y Moda de Datos Agrupados
Media Mediana Y Moda de Datos AgrupadosMedia Mediana Y Moda de Datos Agrupados
Media Mediana Y Moda de Datos Agrupados
 
T student 5 ejemplos beeto
T student 5 ejemplos beetoT student 5 ejemplos beeto
T student 5 ejemplos beeto
 

Semelhante a Tabla de distribución de frecuencias

Medidas de tendencia central
Medidas de tendencia centralMedidas de tendencia central
Medidas de tendencia centralOsmey González
 
Distribución de frecuencias estadisticas pedrooo
Distribución de frecuencias estadisticas pedroooDistribución de frecuencias estadisticas pedrooo
Distribución de frecuencias estadisticas pedrooopedro roca
 
Medidas de Tendencia Central
Medidas de Tendencia CentralMedidas de Tendencia Central
Medidas de Tendencia CentralTaimar Gamboa
 
Presentacion(medidas de tendencia central)
Presentacion(medidas de tendencia central)Presentacion(medidas de tendencia central)
Presentacion(medidas de tendencia central)luis balderrama
 
Presentacion Nro 2 saia
Presentacion Nro 2 saiaPresentacion Nro 2 saia
Presentacion Nro 2 saiaJose Planchart
 
1.4 organización de los datos000
1.4 organización de los datos0001.4 organización de los datos000
1.4 organización de los datos000paola barragan
 
Medidas de tedencia_central_posicion_y_dispersion.pdf
Medidas de tedencia_central_posicion_y_dispersion.pdfMedidas de tedencia_central_posicion_y_dispersion.pdf
Medidas de tedencia_central_posicion_y_dispersion.pdfJoseGabrielDeCairesG
 
Presentación de Estadística jeison moffi
Presentación de Estadística jeison moffiPresentación de Estadística jeison moffi
Presentación de Estadística jeison moffiJeison Moffi
 
Nm4 medidas de_posicion
Nm4 medidas de_posicionNm4 medidas de_posicion
Nm4 medidas de_posicionStanley Arias
 
Estadistica
EstadisticaEstadistica
Estadisticaniurecsy
 
Fundamentos de las tablas de frecuencias ccesa007
Fundamentos de las tablas de frecuencias ccesa007Fundamentos de las tablas de frecuencias ccesa007
Fundamentos de las tablas de frecuencias ccesa007Demetrio Ccesa Rayme
 

Semelhante a Tabla de distribución de frecuencias (20)

Tabla de Distribucion Frecuencias
Tabla de Distribucion Frecuencias Tabla de Distribucion Frecuencias
Tabla de Distribucion Frecuencias
 
Estadistica
Estadistica Estadistica
Estadistica
 
Medidas de tendencia central
Medidas de tendencia centralMedidas de tendencia central
Medidas de tendencia central
 
Distribución de frecuencias estadisticas pedrooo
Distribución de frecuencias estadisticas pedroooDistribución de frecuencias estadisticas pedrooo
Distribución de frecuencias estadisticas pedrooo
 
Presentación 2
Presentación 2Presentación 2
Presentación 2
 
Medidas de Tendencia Central
Medidas de Tendencia CentralMedidas de Tendencia Central
Medidas de Tendencia Central
 
Estadística I
Estadística I Estadística I
Estadística I
 
Presentacion(medidas de tendencia central)
Presentacion(medidas de tendencia central)Presentacion(medidas de tendencia central)
Presentacion(medidas de tendencia central)
 
Presentacion Nro 2 saia
Presentacion Nro 2 saiaPresentacion Nro 2 saia
Presentacion Nro 2 saia
 
Distribución de frecuencia
Distribución de frecuencia Distribución de frecuencia
Distribución de frecuencia
 
Listo
ListoListo
Listo
 
Estad
EstadEstad
Estad
 
1.4 organización de los datos000
1.4 organización de los datos0001.4 organización de los datos000
1.4 organización de los datos000
 
Medidas de tedencia_central_posicion_y_dispersion.pdf
Medidas de tedencia_central_posicion_y_dispersion.pdfMedidas de tedencia_central_posicion_y_dispersion.pdf
Medidas de tedencia_central_posicion_y_dispersion.pdf
 
Presentación de Estadística jeison moffi
Presentación de Estadística jeison moffiPresentación de Estadística jeison moffi
Presentación de Estadística jeison moffi
 
Consuta metodos
Consuta metodosConsuta metodos
Consuta metodos
 
Nm4 medidas de_posicion
Nm4 medidas de_posicionNm4 medidas de_posicion
Nm4 medidas de_posicion
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Estadistica I 03
Estadistica  I 03Estadistica  I 03
Estadistica I 03
 
Fundamentos de las tablas de frecuencias ccesa007
Fundamentos de las tablas de frecuencias ccesa007Fundamentos de las tablas de frecuencias ccesa007
Fundamentos de las tablas de frecuencias ccesa007
 

Mais de Anderson Subero

Mais de Anderson Subero (6)

Presentacion
PresentacionPresentacion
Presentacion
 
Presentación3
Presentación3Presentación3
Presentación3
 
Terminos basicos de la estadistica
Terminos basicos de la estadisticaTerminos basicos de la estadistica
Terminos basicos de la estadistica
 
Correlación de Pearson y de Sperman
Correlación de Pearson y de SpermanCorrelación de Pearson y de Sperman
Correlación de Pearson y de Sperman
 
Medidas de dispersión
Medidas de dispersiónMedidas de dispersión
Medidas de dispersión
 
Asignacion 1
Asignacion 1Asignacion 1
Asignacion 1
 

Último

PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptAlberto Rubio
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...jlorentemartos
 
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...JoseMartinMalpartida1
 
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCTRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCCarlosEduardoSosa2
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesMarisolMartinez707897
 
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...JAVIER SOLIS NOYOLA
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxFernando Solis
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
La Evaluacion Formativa SM6 Ccesa007.pdf
La Evaluacion Formativa SM6  Ccesa007.pdfLa Evaluacion Formativa SM6  Ccesa007.pdf
La Evaluacion Formativa SM6 Ccesa007.pdfDemetrio Ccesa Rayme
 
Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024IES Vicent Andres Estelles
 
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptxPLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptxCamuchaCrdovaAlonso
 
Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfJonathanCovena1
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresJonathanCovena1
 
Revista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdfRevista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdfapunteshistoriamarmo
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxlclcarmen
 

Último (20)

PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
 
Sesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdfSesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdf
 
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCTRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
La Evaluacion Formativa SM6 Ccesa007.pdf
La Evaluacion Formativa SM6  Ccesa007.pdfLa Evaluacion Formativa SM6  Ccesa007.pdf
La Evaluacion Formativa SM6 Ccesa007.pdf
 
Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024
 
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptxPLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
 
Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdf
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por Valores
 
PP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomasPP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomas
 
Revista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdfRevista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdf
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
 

Tabla de distribución de frecuencias

  • 1. Alumno: Anderson Subero C.I.:25.786.992 Sección CV República Bolivariana de Venezuela. Ministerio del Poder Popular para la Educación. I.U.P. Santiago Mariño. Sede Barcelona. Barcelona, Junio del 2016
  • 2. Distribución de frecuencias La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los datos estadísticos, asignando a cada dato su frecuencia correspondiente.
  • 3. Los intervalos de clase se emplean si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente. Límites de la clase Cada clase está delimitada por el límite inferior de la clase y el límite superior de la clase. Amplitud de la clase La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase. Marca de clase La marca de clase es el punto medio de cada intervalo y es el valor que representa a todo el intervalo para el cálculo de algunos parámetros.
  • 4. Frecuencia absoluta La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio estadístico. Se representa por f¡. La suma de las frecuencias absolutas es igual al número total de datos, que se representa por N. Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se lee suma o sumatoria.
  • 5. La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el número total de datos. Se puede expresar en tantos por ciento y se representa por n¡. La suma de las frecuencias relativas es igual a 1. La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o iguales al valor considerado. Se representa por F¡.
  • 6. La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un determinado valor y el número total de datos. Se puede expresar en tantos por ciento. Durante el mes de junio, en una ciudad se han registrado las siguientes temperaturas máximas: 32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29. En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la segunda hacemos el recuento y en la tercera anotamos la frecuencia absoluta. xi Recuento fi Fi ni Ni 27 I 1 1 0.032 0.032 28 II 2 3 0.065 0.097 29 6 9 0.194 0.290 30 7 16 0.226 0.516 31 8 24 0.258 0.774 32 III 3 27 0.097 0.871 33 III 3 30 0.097 0.968 34 I 1 31 0.032 1 31 1
  • 7. 3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13. 1º Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48. 2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea divisible por el número de intervalos queramos establecer. Es conveniente que el número de intervalos oscile entre 6 y 15. En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos. Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al intervalo, pero el límite superior no pertenece intervalo, se cuenta en el siguiente intervalo.
  • 8. ci fi Fi ni Ni [0, 5) 2.5 1 1 0.025 0.025 [5, 10) 7.5 1 2 0.025 0.050 [10, 15) 12.5 3 5 0.075 0.125 [15, 20) 17.5 3 8 0.075 0.200 [20, 25) 22.5 3 11 0.075 0.275 [25, 30) 27.5 6 17 0.150 0.425 [30, 35) 32.5 7 24 0.175 0.600 [35, 40) 37.5 10 34 0.250 0.850 [40, 45) 42.5 4 38 0.100 0.950 [45, 50) 47.5 2 40 0.050 1 40 1
  • 9. MEDIDAS DE TENDENCIA CENTRAL O DE CENTRALIZACIÓN. Las medidas de tendencia central, dan una idea de un número alrededor del cual tienden a concentrarse todo un conjunto de datos. Las medidas de tendencia central mas comúnmente usadas son: La media Aritmética, la mediana y la moda; cada una de éstas medidas es representativa de una serie de datos en una forma particular. Aún y cuando existen varias media, la media aritmética es la mas frecuentemente utilizada en Estadística. La media aritmética, es la suma de las puntuaciones o valores originales dividida entre el número de ellas. EJEMPLO. Las calificaciones en una evaluación sobre 100 puntos fueron:60,55,70,70,85 y 80. Luego, X = 420 = 70. ( La calificación media es 70 puntos.) 6 Nota: Las puntuaciones extremas afectan o modifican la media, a saber: En los grupos de valores 1,3,5,5,5,6 y 1,3,5,5,5,110 las medias son 4.2 en el primer grupo y 21.5 en el segundo. Estos dos grupos no tienen la misma media, por lo tanto, En un conjunto de valores donde existen valores muy extremos, no se debe calcular la media
  • 10. Es el punto medio, arriba o debajo del cual caen el 50% de las puntuaciones o casos. Para calcular la mediana, se ordenan las puntuaciones en orden creciente o decreciente. En caso de ser el número de datos impar, la mediana es el valor central; en el caso de ser par, la mediana es el promedio de los valores centrales. EJEMPLO. (a) 6,11,9,12,13,10,20,15,17. Al ordenarlos se obtiene: 6,9,10,11,12,13,15,17,20. La mediana es 12. Md=12 (b) 9,10,12,11,3,6,20,17,13,15. Al ordenarlos se obtiene: 3,6,9,10,11,12,13,15,17,20. La mediana es el promedio entre 11 y 12, por haber dos valores centrales. Md= 11.5 Nota: Una característica de la mediana es su insensibilidad hacia los valores extremos. Así, en el conjunto de valores: 2,3,8,11,48la Md= 8; esto es verdad aún y cuando hay un valor extremo de 48. Si cambiamos éste valor por 98 la mediana seguiría siendo la misma. Esta característica de la mediana la hace muy útil para la descripción de la tendencia central en ciertos tipos de distribuciones en las cuales la media es una medida inaceptable de tendencia central, debido a su sensibilidad hacia las calificaciones extremas.
  • 11. Es el valor que aparece con mas frecuencia en una serie de datos. EJEMPLO. 1,1,2,2,2,3,3,3,3,4,5,6,8. La cifra 3 aparece cuatro veces lo cual es mas frecuente que otro valor; por lo cual el valor modal o modo es 3. ( Mo=3) 1,1,2,2,2,2,3,3,3,4,4,4,4,5,6,7,8. Las cifras 2 y 4 aparecen cuatro veces. Luego Mo= 2,(Bimodal) Cuando aparecen tres o mas veces se denomina Multimodal.
  • 12. MEDIA ARITMÉTICA.(X) Cuando se tienen distribuciones de frecuencia y siempre que el valor del intervalo de clase sea constante, es decir, el mismo en cada una de las clases, se puede calcular la Media a través del Método de los desvíos unitarios o Abreviado; Igualmente se puede utilizar el Método directo. METODO ABREVIADO. Pasos para calcular la Media Aritmética: 1.- Se elige una media aritmética supuesta (Xa), la cual es el valor del punto medio de una de las clases; Aunque puede tomarse el punto medio de cualquiera de las clases y obtener el mismo resultado, por facilidad en el cálculo se acostumbra a elegir el de la clase de mayor frecuencia o el de aquella que esté ubicada hacia en el centro de la escala.(En el ejemplo, tomaremos Xa=49 ubicado en 48-50) 2.- Se anexa otra columna X, en la cual se anotan las desviaciones respecto a la media supuesta. Como la clase 48-50 contiene a Xa, la desviación es nula, por lo cual anotamos cero en la columna X. El intervalo o clase 51-53 se desvía una clase de la que contiene a la media supuesta, luego, en la columna X anotamos uno (1) para dicho intervalo. Se continúa así hasta llegar a la clase mayor. A las clases con valores inferiores, se les asigna consecutivamente Los números enteros negativos: -1,-2,-3,-4,-5,...
  • 13. 3.- Se anexa otra columna fiX en la cual se colocan los productos entre la frecuencias fi y la desviación X correspondiente. 4.- Se suman algebraicamente los valores de la columna fiX. 5.- Se reemplazan los valores obtenidos en la fórmula: X = Xa + EfiX. i N EJEMPLO: CLASE fi x fix 66-68 1 6 6 63-65 2 5 10 60-62 4 4 16 57-59 4 3 12 54-56 5 2 10 51-53 7 1 7 x = 49 + 2.05 48-50 8 0 0 45-47 5 -1 -5 x = 51.05 42-44 3 -2 -6 39-41 2 -3 -6 El puntaje medio es: 51.05 36-38 1 -4 -4 33-35 2 -5 -10
  • 14. METODO DIRECTO. (Método largo) Pasos para calcular la media aritmética, usando éste método: 1.- Se elabora una columna con los puntos medios xi de cada clase. 2.- En otra columna se escribe el producto entre las frecuencias y el punto medio de cada clase (fi.xi) 3.- Se obtiene la sumatoria de los valores de la columna fi.xi 4.- Se reemplazan los valores obtenidos en la fórmula siguiente: EJEMPLO: CLASE fi xi fixi 66-68 1 67 67 63-65 2 64 128 60-62 4 61 244 57-59 4 58 232 x= 2246 54-56 5 55 275 44 51-53 7 52 364 x = 51.05 48-50 8 49 392 45-47 5 46 230 42-44 3 43 129 39-41 2 40 80 36-38 1 37 37 33-35 2 34 68 N=44 Efixi= 2246
  • 15. Para calcular la mediana a partir de un conjunto de datos que han sido organizados previamente en una tabla de distribución de frecuencias, se procede de la siguiente manera: 1.- Se anexa a la tabla dada una columna fa de frecuencias acumuladas. 2.- Se divide entre 2 el número total de casos, obteniendo N/2.Es decir, se determina el número de casos que han de estar por debajo y por encima de la mediana.(En la tabla del ejemplo que usaremos, N=38 por lo tanto N/2= 38/2= 19. Luego, la mediana es el valor que deja 19 observaciones tanto por debajo como por encima de él. 3.- Se identifica en la columna fa, un valor que sea igual o inmediato superior a N/2; En ésta clase está la mediana.(En la tabla del ejemplo dado, en la columna fa, el valor 24 es inmediato superior a 19 por lo cual, la clase 90-94 contiene a la mediana.) 4.- Se identifica la frecuencia acumulada fa de la clase anterior a la que contiene a la mediana. ( En el ejemplo, 14 es la frecuencia acumulada de la clase 85-89 que precede a 90-94 que contiene a la mediana.) 5.- Se identifica la frecuencia fi de la clase que contiene a la mediana. En el ejemplo ésta es 10. 6.- Se identifica el límite real inferior de la clase que contiene a la mediana. En el ejemplo, éste es 89.5. 7.- Se reemplazan éstos valores en la fórmula
  • 16. EJEMPLO: CLASE fi fa 95-99 14 38 90-94 10 24 85-89 6 14 Md = 89.5 + 2.5 80-84 4 8 75-79 2 4 Md = 92 70-74 2 2 N=38 Interpretación: Por encima y por debajo de 92,se encuentra el 50% de los casos, es decir, 19. ) Se define como el punto medio de la CLASE de mayor frecuencia. En el primer ejemplo, Mo=49. En el segundo ejemplo, Mo=97

Notas do Editor

  1. Barcelona Junio-2016