APUNTES DE PROBABILIDAD Y ESTADISTICA ING.

GUILLERMO CASAR MARCOS CAPITULO I ANALISIS ESTADISTICO DE DATOS MUESTRALES

DEFINICIN DE PROBABILIDAD ES EL COCIENTE ENTRE LA FRECUENCIA OBSERVADA DEL SUCESO Y EL TOTAL DE OBSERVACIONES CUANDO EL EXPERIMENTO SE REALIZA UN NUMERO GRANDE DE VECES. DADAS UN CONJUNTO DE CONDICIONES, UN EXPERIMENTO, NO SIEMPRE PODEMOS PREDECIR EXACTAMENTE LO QUE VA A OCURRIR. LA PROBABILIDAD ES LA DISCIPLINA MATEMTICA QUE ESTUDIA ESTOS EXPERIMENTOS. DEFINICIN DE ESTADSTICA EL TRMINO ESTADSTICA TIENE SU RAZ EN LA PALABRA ESTADO. SURGE CUANDO SE HACE NECESARIO PARA SUS INTERESES CUANTIFICAR CONCEPTOS. EN LA MAYORA DE LOS CASOS ESTA CUANTIFICACIN SE HAR EN FUNCIN DE UNOS FINES ECONMICOS O MILITARES. EL ESTADO QUIERE CONOCER CENSO DE PERSONAS, DE INFRAESTRUCTURA, DE RECURSOS EN GENERAL, PARA PODER OBTENER CONCLUSIONES DE ESTA INFORMACIN. ACTUALMENTE LA ESTADSTICA ES UNA CIENCIA. NO ES YA UNA CUESTIN RESERVADA AL ESTADO. PODRAMOS DECIR QUE SE ENCUENTRA EN LA TOTALIDAD DEL RESTO DE CIENCIAS. LA RAZN ES CLARA: POR UNA PARTE LA ESTADSTICA PROPORCIONA TCNICAS PRECISAS PARA OBTENER INFORMACIN, (RECOGIDA Y DESCRIPCIN DE DATOS) Y POR OTRA PARTE PROPORCIONA MTODOS PARA EL ANLISIS DE ESTA INFORMACIN . DE AH EL NOMBRE DE ESTADSTICA DESCRIPTIVA, YA QUE EL OBJETIVO SER, A PARTIR DE UNA MUESTRA DE DATOS (RECOGIDA SEGN UNA TCNICA CONCRETA), LA DESCRIPCIN DE LAS CARACTERSTICAS MS IMPORTANTES, ENTENDIENDO COMO CARACTERSTICAS, AQUELLAS CANTIDADES QUE NOS
1

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

PROPORCIONEN INFORMACIN SOBRE EL TEMA DE INTERS DEL CUAL HACEMOS EL ESTUDIO. RELACIN ENTRE PROBABILIDAD Y ESTADSTICA LA PROBABILIDAD Y LA ESTADSTICA SE RELACIONAN EN UNA FORMA MUY CURIOSA. EN ESENCIA, LA PROBABILIDAD ES EL VEHCULO QUE LE PERMITE AL ESTADSTICO USAR LA INFORMACIN CONTENIDA EN UNA MUESTRA PARA HACER INFERENCIAS O PARA DESCRIBIR LA POBLACIN DE LA CUAL SE HA OBTENIDO LA MUESTRA. LOS MTODOS ESTADSTICO MATEMTICOS EMERGIERON DESDE LA TEORA DE PROBABILIDAD, LA CUAL DATA DESDE LA CORRESPONDENCIA ENTRE PIERRE DE FERMAT Y BLAISE PASCAL (1654). CHRISTIAN HUYGENS (1657) DA EL PRIMER TRATAMIENTO CIENTFICO QUE SE CONOCE A LA MATERIA. EL ARS CONJECTANDI (PSTUMO, 1713) DE JAKOB BERNOULLI Y LA DOCTRINA DE POSIBILIDADES (1718) DE ABRAHAM DE MOIVRE ESTUDIARON LA MATERIA COMO UNA RAMA DE LAS MATEMTICAS.1 EN LA ERA MODERNA, EL TRABAJO DE KOLMOGOROV HA SIDO UN PILAR EN LA FORMULACIN DEL MODELO FUNDAMENTAL DE LA TEORA DE PROBABILIDADES, EL CUAL ES USADO A TRAVS DE LA ESTADSTICA. PIERRE-SIMON LAPLACE (1774) HACE EL PRIMER INTENTO DE DEDUCIR UNA REGLA PARA LA COMBINACIN DE OBSERVACIONES DESDE LOS PRINCIPIOS DE LA TEORA DE PROBABILIDADES. LAPLACE REPRESENT LA LEY DE PROBABILIDADES DE ERRORES MEDIANTE UNA CURVA Y DEDUJO UNA FORMULA PARA LA MEDIA DE TRES OBSERVACIONES. TAMBIN, EN 1871, OBTIENE LA FORMULA PARA LA LEY DE FACILIDAD DEL ERROR (TRMINO INTRODUCIDO POR LAGRANGE, 1744) PERO CON ECUACIONES INMANEJABLES. DANIEL BERNOULLI (1778) INTRODUCE EL PRINCIPIO DEL MXIMO PRODUCTO DE LAS PROBABILIDADES DE UN SISTEMA DE ERRORES CONCURRENTES. EL MTODO DE MNIMOS CUADRADOS, EL CUAL FUE USADO PARA MINIMIZAR LOS ERRORES EN MEDICIONES, FUE PUBLICADO INDEPENDIENTEMENTE POR ADRIEN-MARIE LEGENDRE (1805), ROBERT ADRAIN (1808), Y CARL FRIEDRICH
2

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

GAUSS (1809). GAUSS HABA USADO EL MTODO EN SU FAMOSA PREDICCIN DE LA LOCALIZACIN DEL PLANETA ENANO CERES EN 1801.

CLASIFICACIN DE LA ESTADSTICA LA ESTADSTICA SE DIVIDE EN DOS RAMAS: LA ESTADSTICA DESCRIPTIVA, QUE SE DEDICA A LOS MTODOS DE RECOLECCIN, DESCRIPCIN, VISUALIZACIN Y RESUMEN DE DATOS ORIGINADOS A PARTIR DE LOS FENMENOS EN ESTUDIO. LOS DATOS PUEDEN SER RESUMIDOS NUMRICA O GRFICAMENTE. EJEMPLOS BSICOS DE DESCRIPTORES NUMRICOS SON LA MEDIA Y LA DESVIACIN ESTNDAR. RESMENES GRFICOS INCLUYEN VARIOS TIPOS DE FIGURAS Y GRFICOS. LA INFERENCIA ESTADSTICA, QUE SE DEDICA A LA GENERACIN DE LOS MODELOS, INFERENCIAS Y PREDICCIONES ASOCIADAS A LOS FENMENOS EN CUESTIN TENIENDO EN CUENTA LO ALEATORIO E INCERTIDUMBRE EN LAS OBSERVACIONES. SE USA PARA MODELAR PATRONES EN LOS DATOS Y EXTRAER INFERENCIAS ACERCA DE LA POBLACIN DE ESTUDIO. ESTAS INFERENCIAS PUEDEN TOMAR LA FORMA DE RESPUESTAS A PREGUNTAS SI/NO (PRUEBA DE HIPTESIS), ESTIMACIONES DE CARACTERSTICAS NUMRICAS (ESTIMACIN), PRONSTICOS DE FUTURAS OBSERVACIONES, DESCRIPCIONES DE ASOCIACIN (CORRELACIN) O MODELAMIENTO DE RELACIONES ENTRE VARIABLES (ANLISIS DE REGRESIN). OTRAS TCNICAS DE MODELAMIENTO INCLUYEN ANOVA, SERIES DE TIEMPO Y MINERA DE DATOS.

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

AMBAS RAMAS (DESCRIPTIVA E INFERENCIAL) COMPRENDEN LA ESTADSTICA APLICADA. HAY TAMBIN UNA DISCIPLINA LLAMADA ESTADSTICA MATEMTICA, LA CUAL SE REFIERE A LAS BASES TERICAS DE LA MATERIA. LA PALABRA ESTADSTICAS TAMBIN SE REFIERE AL RESULTADO DE APLICAR UN ALGORITMO ESTADSTICO A UN CONJUNTO DE DATOS, COMO EN ESTADSTICAS ECONMICAS, ESTADSTICAS CRIMINALES, ETC.

ESTADISTICA DESCRPTIVA CONCEPTOS BASICOS 1.- UNIVERSO

EL UNIVERO ES UN CONJUNTO DE INVOLUCRADOS EN UN EXPERIMENTO ALEATORIO 2.- POBLACION ES UN CONJUNTO TOTAL DE VALORES POSIBLES CON UNA CARACTERISTICA PARTICULAR CORRESPONDIENTE A UN UNIVERSO. 3.- TAMAO DE LA POBLACION EL NUMERO DE VALORES QUE CONTIENE LA POBLACION. EJEMPLO: EN UN PAIS SE VAN A CONSIDERAR LOS HABITANTES QUE GANAN ENTRE 100 MIL Y 200 MIL PESOS MENSUALES. EL UNIVERSO SON LOS HABITANTES DE ESE PAIS ELEMENTOS

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

LA POBLACION LOS HABITANTES QUE GANAN ENTRE 100 MIL Y 200 MIL PESOS. EL TAMAO DE LA POBLACION, ES LA CANTIDAD DE GENTE QUE GANA ENTRE 100 Y 200 MIL PESOS. 4.- MUESTRA ES UN SUBCONJUNTO DE LA POBLACION OBTENIDA DE ACUERDO A UNA REGLA DETERMINADA. EJEMPLO: LOS INDIVIDUOS QUE GANAN ENTRE 100 Y 200 MIL Y ADEMAS VIVEN EN LA CIUDAD M, DEL PAIS EN CUESTION. 5.- TAMAO DE LA MUESTRA NUMERO DE ELEMENTOS DE LA MUESTRA

FRECUENCIA
EN UNA MUESTRA HAY N ELEMENTOS. SEAN x1, x2,.., xk k VALORES NUMERICOS ASOCIADOS A DETERMINADOS RESULTADOS DEL EXPERIMENTO. SI HAY: f1 f2 fk RESULTADOS IGUALES A RESULTADOS IGUALES A RESULTADOS IGUALES A x1 x2 xk

A f1, f2, ..fk SE LE LLAMA FRECUENCIA DE OCURRENCIA DE x1, x2,.,xk RESPECTIVAMENTE. EJEMPLO: SE REALIZA UN EXAMEN
5

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

NA, S, B, MB f1 f2 f3 f4 15 10 12 3 ------------NA S B MB ------------x1 x2 x3 x4

FRECUENCIA RELATIVA fi * fi = ; i = 1, 2, 3, , k
n DONDE fi ES LA FRECUENCIA DE OCURRENCIA DE L RESULTADO xi Y n ES EL TAMAO DELA MUESTRA. PARA EL EJEMPLO ANTERIOR: 15 12 * * f1 = f3 = 40 40 10 f2* = 40 f4 * = 40 3

FRECUENCIA RELATIVA ACUMULADA A UN VALOR x1 ES LA SUMA DE LAS FRECUENCIAS RELATIVAS DE TODOS LOS VALORES MENORES O IGUALES A x i

Fi =

i 1

fj* ; i = 1, 2, , k

F3 =

i 1

fj * = f 1 * + f 2 * + f 3 * 15 = 40 + 40 10 + 40 12

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

37 F3 = 40 F4 = 1

DISTRIBUCION EMPIRICA ES EL CONJUNTO DE PAREJAS ( xi, fi* ) PARA TODA i PARA EL EJEMPLO ( NA, 15/40 ) ; ( S, 10/40 ) : ( B, 12/40 ) ; ( MB, 3/40 ) O EN FORMA TABULAR: xi NA S B MB fi* 15 / 40 10 / 40 12 / 40 3 / 40

SE TIENE UNA MUESTRA DE TAMAO GRANDE ESPECIFICAMENTE CUANDO EL NUMERO DE RESULTADOS ES CONSIDERABLE, ES MAS CONVENIENTE TRABAJAR CON INTERVALOS DE CLASE. LA AMPLITUD DE TODOS ESTOS INTERVALOS SE LLAMA RANGO Y EL PUNTO MEDIO DE CADA INTERVALO DE CLASE SE LLAMA MARCA DE CLASE. EL ARREGLO EN UNA TABLA DE LOS INTERVALOS DE UNA CLASE, FRECUENCIA, FRECUENCIAS RELATIVAS Y FRECUENCIAS RELATIVAS ACUMULADAS DE LLAMA TABLA DE FRECUENCIAS. EJEMPLO: EN UNA MUESTRA DE 25 VARILLAS SE OBTUVIERON LAS SIGUIENTES MEDIDAS: 13.02, 12.94, 12.99, 13.07, 12.91, 12.93, 13.06, 13.04, 13.05, 12.93, 12.97, 12.98, 13.10, 13.06, 12.97, 12.99, 12.90, 13.05, 12.98, 13.00, 12.96, 13.01, 12.98, 12.96, 13.03.
7

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

INTERVALO DE CLASE 12.895 12.937 12.937 12.979 12.979 13.021 13.021 13.063 13.063 13.105 MARCA DE CLASE (x ) 12.916 12.958 13 13.042 13.084 fi 4 5 8 6 2 fi* 4 / 25 5 / 25 8 / 25 6 / 25 2 / 25 Fi 4 / 25 = 16% 9 / 25 = 36%
17 / 25 = 68% 23 / 25 = 92% 25 / 25 = 100%

VALOR MAXIMO = 13.10 VALOR MINIMO = 12.90

fi = 25

0.005 VALOR MAXIMO + 0.005 = 13.10 + 0.005 = 13.105 VALOR MINIMO 0.005 = 12.90 0.005 = 12.895 RANGO = 13.105 12.895 = 0.21 AMPLITUD DEL INTERVALO = 0.21 / 5 = 0.042

13.02 12.93 12.97 12.99 12.96

12.94 13.06 12.98 12.90 13.01

12.99 13.04 13.10 13.05 12.98

13.07 13.05 13.06 12.98 12.96

12.91 12.93 12.97 13.00 13.03

HISTOGRAMA
CUANDO SE TRABAJA CON UNA TABLA DE FRECUENCIAS AL CONJUNTO DE PAREJAS ( Xi , fi* ), donde Xi ES UNA MARCA DE CLASE PARA EL i-esimo INTERVALO, CONSTITUYE LA DISTRIBUCION EMPIRICA. ESTA DISTRIBUCION SE PUEDE REPRESENTAR MEDIANTE EL HISTOGRAMA Y MEDIANTE EL POLIGONO DE FRECUENCIAS. 8

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

POLIGONO DE FRECUENCIAS RELATIVAS ACUMULADAS

fractil en % fractil en 100% = 13.105 fractil en 0% = 12.895 fractil en ( 17 / 25 ) x 100% = 13.021 68 percentil ( 1ro , 2do , . , 100mo ) 9

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

fractiles decil (1ro, 2do, .. , 10mo ) cuartil ( 1ro 25% , 2do 50% , 3ro 75% , 4to 100% )

PARAMETROS DE LAS DISTRIBUCIONES EMPIRICAS

1. MEDIA ES EL PROMEDIO ARITMETICO DE TODOS LOS DATOS DE LA MUESTRA: 1

x =
n

i 1

xi

CON UNA TABLA DE FRECUENCIAS

i 1

xi fi =

i 1

xi fi

x =

i 1

fi

EN EL EJEMPLO: (12.916) (4) + (12.958) (5) + (13) (8) + (13.042) (6) + (13.084) (2)

x =
25

= 12.9949

x = 12.9949
1

x =
25

i 1

25

Xi = 12.9964 EXACTO

2. MEDIANA ES UN VALOR TAL QUE LA MITAD DE LAS OBSERVACIONES SON MENORES QUE ESE VALOR Y LA OTRA MITAD MAYORES QUE EL MISMO. PARA DETERMINAR LA MEDIANA CONVIENE ORDENAR LOS VALORES OBSERVADOS DEL MENOR AL MAYOR. 10

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

EJEMPLOS:

A) 1, 7, 8, 10, 12, 15, 17, 23, 24 MEDIANA = 12 B) 1, 7, 8, 10, 12, 15, 17, 23, 24, 29 12 + 15 = 13.5 MEDIANA 2 C) 4, 5, 5, 6, 7, 7, 7, 8, 9, 9 MEDIANA = 7

SI SE TRABAJA CON INTERVALOS DE CLASE: n/2 ( f)a [ ] fm

MEDIANA = a + x

DONDE EN LA TABLA DE FRECUENCIAS SE TRABAJA EN EL INTERVALO EN DONDE LA FRECUENCIA Fi REBASA EL 50%, POR PRIMERA VEZ, ENTONCES: x = ES EL TAMAO DEL INTERVALO a = AL EXTREMO IZQUIERDO DEL INTERVALO n = AL NUMERO DE VALORES OBSERVADOS EN EL EXPERIMENTO fm = A LA FRECUENCIA CORRESPONDIENTE AL INTERVALO EN CUESTION ( f)a = A LA SUMA DE LAS FRECUENCIAS CORRESPONDIENTES A LOS INTERVALOS ANTERIORES. EN EL EJEMPLO: SE TRABAJA EN EL 3e INTERVALO 12.5 (4 + 5) MEDIANA = 12.979 + 0.042 [ 8 MEDIANA = 12.9974 ] = 12.997375

11

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

3. MODA (O MODO) ES EL NUMERO QUE APARECE MAS FRECUENTEMENTE. EN EL EJEMPLO: MODA = 12.98 ES UNIMODAL

SI SE REPITEN IGUAL NUMERO DE VECES DOS O MAS NUMEROS SE SACA EL PROMEDIO. EJEMPLOS: CON DOS MODAS (BIMODAL) CON TRES MODAS (TRIMODAL) CON VARIAS MODAS (MULTIMODAL)

SI SE TRABAJA CON UNA TABLA.- LA MODA SE ENCUENTRA EN EL INTERVALO QUE TIENE MAYOR FRECUENCIA. HISTOGRAMA.

MODA = a + x [

d1 d2 + d1

12

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

EN EL EJMEPLO: d1 = 3 ; d2 = 2 3 MODA = 12.979 + 0.042 [ 3+2 MODA = 13.0042 ]

4. FRACTILES.
ESTABLECEN LA LOCALIZACION DE DIVERSOS VALORES QUE DIVIDEN A LA MUESTRA EN GRUPOS DE ACUERDO A LAS FRECUENCIAS O A LAS OBSERVACIONES. EN UNA TABLA: FRACTIL = a + x [ n x FRACCION - ( f )a ] (f) FRACTIL

POLIGONO DE FRECUENCIA RELATIVA ACUMULADA:

CUARTILES: C1, C2, C3, C4 C1 = FRACTIL AL 25%

13

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

EN EL EJEMPLO : 25 (0.25) 4 C1= 12.937 + (0.042) [ 5 25 (0.50) - 9 C2= 12.979 + (0.042) [ 8 25 (0.75) -17 C3= 13.021 + (0.042) [ 6 25 (1) - 23 C4= 13.063 + (0.042) [ 2 25 (0.01) 0 d1= 12.895 + (0.042) [ 4 ] = 12.92125 ] = 13.105 ] = 13.03325 ] = 12.997375 ] = 12.9559

5. VARIANCIA: ES EL PROMEDIO ARITMETICO DE LOS CUADRADOS DE LAS DESVIACIONES DE LAS OBSERVACIONES CON RESPECTO A SU VALOR MEDIO.

i 1

(xi - x )2 n

S2X =

SI SE TRABAJA CON UNA TABLA:

i 1

( x i x )2 fi n

S x= DONDE: x = MARCA DE CLASE 14

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

k = NUMERO DE INTERVALO x i = MEDIA fi= LA FRECUENCIA n = NUMERO DE OBSERVACIONES PARA EL EJEMPLO: (12.916 12.9952)2 (4) + (12.958 x )2 (5) + + (13.084 x )2 (2) Sx2= 25 S2x= 0.0024 Sx= DESVIACION ESTANDAR = Sx =

2 x

0.0024 = 0.048989794856

6. COEFICIENTE DE VARIACION. Sx C. V.=

x
EN EL EJEMPLO:

0.0024
C. V.= 12.9952 7. COEFICIENTE DE ASIMETRIA: MEDIA MODA C. A.= Sx = 0.04898 12.9952 13.042 = - 0.9554 = 0.0037

15

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

DISTRIBUCION SIMETRICA POSITIVA:

16

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

DISTRIBUCION SIMETRICA NEGATIVA:

8. COEFICIENTE DE APLANAMIENTO. EL GRADO DE APLANAMIENTO DE UNA DISTRIBUCION EMPIRICA SE LLAMA CURTOSIS Y SE MIDE POR EL SIGUIENTE COEFICIENTE. m4 COEFICIENTE MOMENTO DE CURTOSIS = m22 DONDE: mr.- ES EL MOMENTO DE ORDEN r CON RESPECTO A LA MEDIA.

i 1

( xi x )r n

mr = EN UNA TABLA DE FRECUENCIAS

i 1

(xi x )r fi n

mr = OBSERVAR QUE m2 = SX2 17

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

SEAN LOS HISTOGRAMAS:

EN A: 5 (4) + 7 (10) + 9 (5)

x=
19 EN B: 5 (6) + 7 (7) + 9 (6)

= 7.105

x =
19

=7

18

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

EN A: (5 7.105)2 (4) + (7 7.105)2 (10) + (9 7.105)2 (5) m2= 19 (5 7.105)4 (4) + (7 7.105)4 (10) + (9 7.105)4 (5) m4= 19 m4 COEFICIENTE DE CURTIS = m22 EN B: (5 7)2 (6) + (7 7)2 (7) + (9 7)2 (6) m2 = 19 (5 7)4 (6) + (7 7)4 (7) + (9 7)4 (6) m4 = 19 m4 COEFICIENTE DE CURTIS = m22 TAREA: DATOS: 0, 45, 65, 80, 85, 80, 20, 45, 17, 73, 35, 62, 57, 45, 10, 67, 65, 42, 10, 40, 65, 48, 15, 65, 52, 75, 35, 100, 57, 65, 45, 57, 42, 48, 70, 35, 35, 42, 25, 38, 25, 80, 85, 100, 28, 25, 65, 85, 25, 35. SON 50 CALIFICACIONES, DE PROBABILIDAD Y ESTADISTICA. LOS ALUMNOS DEL GRUPO 26 DE = (2.526)2 10.105 = 1.58 = 10.105 = 2.526 = (1.8836)2 7.527 = 2.122 = 7.527 = 1.8836566

INTERVALOS MARCAS DE CLASE DE CLASE -0.1 - 19.94 19.94 39.98 39.98 60.02 60.02 80.06 80.06 100.1

fi

fi *

Fi

19

APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS

VALOR MAXIMO = 100 VALOR MINIMO = 0

0.1

fi = 50

VALOR MAXIMO + 0.1 = 100 + 0.1 = 100.1 VALOR MINIMO 0.1 = 0 0.1 = - 0.1 RANGO = 100.1 (- 0.1) = 100.2 AMPLITUD DEL INTERVALO = 100.2 / 5 = 20.04
100.1 + 0.1 x = 5 CALCULAR: a) b) c) d) e) f) g) h) i) MEDIA MEDIANA MODA FRACTILES C1, C2, C3, C4 VARIANCIA Y DESVIACIN ESTANDAR COEFICIENTE DE ASIMETRIA COEFICIENTE DE APLANAMIENTO HISTOGRAMA CON POLGONO DE FRECUENCIAS POLGONO DE FRECUENCIAS RELATIVAS ACUMULADAS j) COEFICIENTE DE VARIACION = 20.04

20