ESTADÍSTICA

APLICADA
ESTADÍSTICA DESCRIPTIVA
TOPOGRÁFICO
ESCUELA DE CONSTRUCCIÓN

Consideraciones Previas
El contenido que se expone a continuación está ligado a los siguientes
aprendizajes esperados:

• Describir el método estadístico y las funciones de la Estadística.

• Identificar las variables y su clasificación.
• Identificar tipos de tablas de Frecuencia, su construcción y método.
• Realizar Tablas de Frecuencia, aplicando los métodos para su construcción.
• Describir tablas multidimensionales.
• Identificar tipos de gráficos.
• Realizar representación gráfica de los datos estadísticos obtenidos de las tablas de
frecuencias.

Sobre las fuentes utilizadas en el material

El presente Material de Estudio constituye un ejercicio de recopilación de distintas fuentes,

cuyas referencias bibliográficas estarán debidamente señaladas al final del documento.
Este material, en ningún caso pretende asumir como propia la autoría de las ideas plantea-
das. La información que se incorpora tiene como única finalidad el apoyo para el desarrollo
de los contenidos de la unidad correspondiente, respetando los derechos de autor ligados a
las ideas e información seleccionada para los fines específicos de cada asignatura.

WWW.IPLACEX.CL 2
ESCUELA DE CONSTRUCCIÓN

Introducción

La información siempre, y con mayor razón hoy en día, es fundamental para la toma de
decisiones, las que deben ser oportunas y eficientes. Con errada o insuficiente información lo
más probable es que la decisión sea equivocada. En consecuencia, un sólido respaldo para
una acertada toma de decisiones, contempla ambos aspectos: i) información buena y suficiente,
y ii) un debido procesamiento de los datos.
La Estadística es una disciplina que proporciona una metodología fundada en la matemática
para obtener, recopilar, procesar, resumir y presentar datos referentes a un estudio de
interés, transformándolos en estadísticos y parámetros con el fin de interpretarlos para
obtener conclusiones, dando garantía de idoneidad en los procedimientos. También propone
metodologías que permite deducir características poblacionales a partir de muestras de ellas.

WWW.IPLACEX.CL 3
ESCUELA DE CONSTRUCCIÓN

Ideas fuerza
La aplicación del tratamiento estadístico tiene dos fases fundamentales:

1. Organización y análisis inicial de los datos recogidos.

2. Extracción de conclusiones válidas y toma de decisiones razonables a partir de ellos.

El propósito de la Estadística Descriptiva es abordar la primera de las fases precitadas. Es

decir, su objetivo es ordenar, describir y sintetizar la información recogida. En este proceso será
necesario establecer medidas cuantitativas que reduzcan a un número manejable de
parámetros el conjunto, en general grande, de datos obtenidos.

La realización de gráficas, visualización de los datos en diagramas, también forma parte de la

Estadística Descriptiva dado que proporciona una manera visual directa de organizar y
presentar la información.

La finalidad por tanto de la Estadística Descriptiva no es, extraer conclusiones generales sobre
el fenómeno que ha producido los datos bajo estudio, sino solamente su descripción, de ahí su
nombre.

WWW.IPLACEX.CL 4
ESCUELA DE CONSTRUCCIÓN

Desarrollo

1. Introducción a la Estadística
La Estadística es la ciencia de la toma de decisiones en condiciones de incertidumbre y
como tal, forma parte del método científico. El método científico se basa en tres pilares
fundamentales: observación, razonamiento y experimentación, el cual no debe
entenderse como una simple receta, sino que se trata de un proceso exigente que requiere,
entre otros ingredientes, juicio crítico. De forma resumida, el método científico incorpora las
siguientes facetas:

Figura 1: Forma resumida del método científico.

Con el objetivo de ir profundizando en el lenguaje propio de la estadística, se expondrán

algunos conceptos preliminares:

§ Por Universo se entenderá el conjunto de individuos objeto de nuestro interés o estudio.

La especificación de universo, en general, no es trivial, pues es necesario que no haya
ambigüedad respecto a quien forma parte o no forma parte de este conjunto.

§ Por Población se entenderá como el conjunto de datos de una característica medida

en cada individuo del universo. Así, asociado a un mismo universo se podrán tener varias
poblaciones. Para distinguir una población de otra denominaremos variable a cada una
de estas características particulares, así por ejemplo, la variable estatura, la variable
sexo, la variable estado civil, etc. En consecuencia, los diferentes valores que toma una

WWW.IPLACEX.CL 5
ESCUELA DE CONSTRUCCIÓN

característica se denomina variable. Para el caso particular de una muestra que incluye
a todos los elementos de la población es conocido como censo.

§ Por muestra se entiende cualquier subconjunto de la población. Existen distintas

formas de elegir una muestra. Las dos más opuestas son: las muestras dirigidas donde
la selección de los individuos de la población se efectúa al gusto del investigador, y por
otro lado las muestras aleatorias, que son las que tienen validez estadística y son
aquellas donde los individuos son seleccionados mediante un procedimiento regido por
el azar, por ejemplo, a través de números aleatorios.

En otro orden de definiciones es importante diferenciar los conceptos de dato, información

y conocimiento. Es común que en la vida cotidiana los tres conceptos suelen utilizarse
indistintamente. Un dato es un conjunto discreto de factores objetivos sobre un hecho real,
es decir, éste no dice nada sobre el porqué de las cosas, y por sí mismo tiene poca o
ninguna relevancia o propósito. Por ejemplo, un dato puede corresponder a una de las
calificaciones obtenidas en la asignatura de estadística por una de las estudiantes de cuarto
año de la carrera de Ingeniería de una institución de educación superior en particular. El
concepto de información se entiende como un mensaje, el cual puede ser escrito o
audible, y es capaz de cambiar la forma en que el receptor del mensaje percibe un
determinado suceso, es capaz de impactar sobre sus juicios de valor y comportamientos;
finalmente los datos se convierten en información cuando se les añade significado.

Por otro lado, el conocimiento es una mezcla de experiencia, valores, información y saber
hacer, que sirve como marco para la incorporación de nuevas experiencias e información,
y es útil para la acción. Se aplica en la mente de los conocedores. Para concluir, se puede
declarar que, el conocimiento se deriva de la información, así como la información se deriva
de los datos. En estadística, se recolectan los datos, se analizan, y se elabora la
información.

1.1 Método estadístico

En la etapa del método científico, Figura 1, llamada “Verificación de la Consecuencia” es

en donde se utiliza el método estadístico, es decir, se buscar verificar/descartar la
hipótesis planteada, investigando de las consecuencias deducidas si se cumplen o no. Por
ejemplo, si se tiene la siguiente hipótesis “el 60% de las mujeres mayores de 30 años están
casadas”; es en esta etapa donde se verifica si la hipótesis planteada es verdadera o falsa,
a través de la recolección y análisis de datos.

Por lo anterior, es posible concluir que el método estadístico (estadística descriptiva) nos
proporciona las técnicas necesarias para recolectar y analizar la información requerida, en
la que se puede distinguir dos etapas:

WWW.IPLACEX.CL 6
ESCUELA DE CONSTRUCCIÓN

a) Diseño del trabajo estadístico

Los pasos que conforman esta etapa del método estadístico son representados y definidos
en la Figura 2.

Figura 2: Método estadístico.

b) Ejecución del trabajo estadístico

La etapa de ejecución del trabajo estadístico contempla los siguientes pasos consecutivos: i)
recopilación de los datos, ii) elaboración de la información, el cual consiste en tabular,
graficar y resumir la información, y por último iii) análisis de resultados (temas que serán
abordados en el transcurso de la presente unidad).

Desde una mirada científica, la estadística brinda las herramientas y procedimientos para
ser aplicadas en los siguientes contextos y/o situaciones:

§ Análisis de muestras. Se elige una muestra de una población para hacer inferencias
respecto de esa población a partir de lo observado en la muestra (sondeos de opinión,
control de calidad, etc.).

WWW.IPLACEX.CL 7
ESCUELA DE CONSTRUCCIÓN

§ Descripción de datos. Procedimientos para resumir la información contenida en un

conjunto (amplio) de datos.

§ Contraste de hipótesis. Metodología estadística para diseñar experimentos que

garanticen que las conclusiones que se extraigan sean válidas. Sirve para comparar las
predicciones resultantes de las hipótesis con los datos observados (medicina eficaz,
diferencias entre poblaciones, etc.).

§ Medición de relaciones entre variables estadísticas, por ejemplo, el contenido de gas

hidrógeno en galaxias y su relación con la tasa de formación de estrellas, etc.

§ Predicción. Prever la evolución de una variable estudiando su historia y/o relación con
otras variables.

1.2 Variables y su clasificación

La Estadística Descriptiva se ocupa, fundamentalmente, de los siguientes puntos:

§ Organizar los datos en tablas estadísticas.

§ Representar gráficamente los datos para hacer una representación esquemática de estos.

§ Determinar los estadísticos de tal manera de mostrar características propias de los datos.

Para poder realizar adecuadamente estas tres tareas, se debe tener en cuenta el tipo de
dato que se va a medir, es decir, el tipo de tabla, gráfico y estadísticos que se determinarán
(los estadísticos son explicados más adelante en esta unidad); lo cual depende del tipo de
variable que se está analizando estadísticamente.

Dado lo anterior, lo principal será definir los tipos de variables y sus principales
características.

El objeto de interés o estudio pueden ser variables de tipos muy diversos. De ahí que
normalmente se clasifican en: i) variables cuantitativas, son aquellas que toman valores
numéricos, ejemplo de estas son: la altura, la velocidad de móvil, la presión, etc., y ii)
variables cualitativas, también llamadas atributos, son aquellas que, en general, no se
representan numéricamente puesto que describen cualidades. Por ejemplo, la variable
“color” o “estado civil”. Sin bien existen algunas diferencias entre un tipo de variable y otra,
en muchas ocasiones es posible asignar valores numéricos a los diferentes caracteres
cualitativos.

WWW.IPLACEX.CL 8
ESCUELA DE CONSTRUCCIÓN

Por otro lado las variables pueden ser clasificadas según el tamaño del recorrido y la
escala de medición, lo que permite determinar el método más adecuado para tratar los
datos recolectados según su naturaleza.

a) Tamaño del recorrido

Como su nombre lo indica, en este caso las variables son clasificadas de acuerdo al número
de valores que éstas pueden tomar, las que se pueden dividir en:

§ Variable binaria o dicotómica. Estas variables sólo pueden tomar dos valores, es decir,
los elementos pueden ser clasificados en dos categorías mutuamente excluyentes. Son
ejemplos de variable binaria o dicotómica: “sexo” (masculino/femenino),
chilenos/extranjeros, etc.

§ Variable discreta. Una variable será cuantitativa discreta cuando sólo pueden tomar una
cantidad finita numerables de valores. Por ejemplo, el número de electrones de un átomo,
el número de estudiantes en una sala, etc.

§ Variable continua. Una variable será cuantitativa continua cuando pueden tomar
teóricamente infinitos valores entre dos valores dados. Por ejemplo entre los número 0 y 1
existe un número infinito de números. Como ejemplo de estas variables se encuentra el
ingreso, el consumo de agua potable, la estatura, etc.

Muchas veces una variable continua se trabaja como variable discreta (para propósitos de
análisis). Así por ejemplo, la variable “ingreso” puede tratarse en subcategorías referidas a
niveles o estratos socio-económicos.

b) Escala de medición

§ Escala nominal. Las observaciones para una variable sólo pueden ser clasificadas en
“una” de varias clases mutuamente excluyentes y exhaustivas. Una clase se define como
el rango de intervalos, en la que se debe agrupar una variable. Por ejemplo, supongamos
que se realiza esta pregunta: “¿podrías seleccionar el grado de incomodidad de tu
enfermedad?”. Las opciones de respuesta utilizadas para este tipo de escala serían: (1)
Leve, (2) Moderado y (3) Severo.

§ Escala ordinaria (ordinal). También llamada escala de orden jerárquico, con ella se
establecen posiciones relativas de los objetos o fenómenos de estudio, respecto de alguna
característica de interés, sin que se reflejen distancias entre ellos. Por ejemplo, suponga
que a los clientes en un almacén se les formulan unas preguntas para valorar la calidad del
servicio. Los clientes valoran la calidad de acuerdo a las siguientes respuestas previas: 1
(excelente), 2 (bueno), 3 (regular), 3 (malo) y 4 (pésimo). Estos datos son ordinales. Nótese

WWW.IPLACEX.CL 9
ESCUELA DE CONSTRUCCIÓN

que una valoración de 1 no indica que el servicio es dos veces mejor que cuando se da una
valoración de 2. Sin embargo podemos decir que la valoración de 1 es preferiblemente
mejor que 2, y así lo mismo para los demás casos.

§ Escala de intervalos. Representa un nivel de medición más preciso, matemáticamente

hablando, que las anteriores; no solo se establece un orden en las posiciones relativas de
los objetos o individuos unos respectos de otros, sino que se mide también la distancia
entre los intervalos o las diferentes categorías o clases.

§ Escala de razón. Cuando una escala tiene todas las características de una escala de
intervalo y además un punto cero real en su origen, se llama escala de razón. Además de
distinción, orden y distancia, ésta es una escala que permite establecer en qué proporción
es mayor una categoría de una escala que otra. El cero absoluto o natural representa la
nulidad de lo que se estudia.

Finalmente es posible resumir los tipos de variables a través de la siguiente figura:

Variable Cuantitativa
Continuas Discretas

Ejemplos: presión arterial, peso, Ejemplos: Número de hijos, número

edad, altura, etc. de episodios de una serie, episodios
de alguna enfermedad en particular,
etc.

Variable Cualitativa

Ordinales Nominales

Ejemplos: jerarquías en profesores Ejemplos:

universitarios, evaluación laboral - Variable dicotómica; ejemplo:
(clasificación en listas; lista 1, lista 2, vivo/muerto, etc.
…, lista 5). - Variable policotómicas; ejemplo:
grupo sanguíneo, grupo etario, etc.
Figura 3: Cuadro resumen tipos de variables.

Por otra parte, las variables se pueden asimismo clasificar en unidimensionales, cuando
solo se mida un carácter o atributo de los elementos de la muestra, o bidimensionales,
tridimensionales, y en general n-dimensionales, cuando se estudien simultáneamente
varios caracteres de cada elemento.

WWW.IPLACEX.CL 10
ESCUELA DE CONSTRUCCIÓN

2. Estadística Descriptiva
Cuando primero se le presenta a usted un conjunto de datos, ya sea de una muestra o una
población, necesita encontrar una forma de organizarlo y resumirlo. La rama de la
estadística que presenta técnicas para describir conjuntos de mediciones o datos se
denomina estadística descriptiva. Las gráficas de barras, de puntos, las gráficas
presentadas por un candidato político o las gráficas presentadas en vuestra fuente laboral
es el resultado de la estadística descriptiva.

La estadística descriptiva está formada por procedimientos empleados para resumir y

describir las características importantes de un conjunto de datos, para lo cual se emplean
unos cuantos estadísticos y algunas gráficas adecuadas.

Como podemos observar, la definición de estadística descriptiva nos invita a aprender las
técnicas utilizadas para resumir y comprender la información entregada por los datos. La
estadística descriptiva formula reglas y procedimientos para la presentación de una serie
de datos en una forma más útil y significativa.

Siempre que se va a realizar un análisis estadístico de una serie de datos, es aconsejable

previamente hacer una estadística descriptiva con el propósito de obtener información de
las variables a analizar, o simplemente para chequear posibles errores en los datos.

El primer paso para el estudio estadístico de una muestra es su ordenamiento y

presentación en una tabla de frecuencias.

2.1 Tabla de frecuencias

2.1.1 Tabla de frecuencias para variables discretas

Supongamos que tenemos una muestra de tamaño 𝑛, donde la variable estadística 𝑥 toma
valores distintos 𝑥! , 𝑥" , … , 𝑥# . En primer lugar debemos ordenar los diferentes valores que
toma la variable estadística en orden (normalmente creciente). La diferencia entre el valor
mayor y menor que toma la variable se conoce como recorrido o rango 𝑅.

En el caso de variables discretas, generalmente, un mismo valor de la variable aparecerá

repetido más de una vez (es decir 𝑘 < 𝑛). De forma que el siguiente paso es la construcción
de una tabla en la que se indiquen los valores posibles de la variables y su frecuencia de
aparición.

WWW.IPLACEX.CL 11
ESCUELA DE CONSTRUCCIÓN

A continuación se presenta, a modo general, una tabla de distribución de frecuencias para

una variable discreta.

Tabla 1: Tabla de distribución de frecuencias de una variable discreta.

Valores de la Frecuencias Frecuencias Frecuencias Frecuencias
variable absolutas relativas absolutas relativas
estadística acumuladas acumuladas
𝑥! 𝑓! ℎ! 𝐹! 𝐻!

𝑥" 𝑓" ℎ" 𝐹" 𝐻"

𝑥# 𝑓# ℎ# 𝐹# 𝐻#
. . . . .
. . . . .
. . . . .

𝑥$ 𝑓$ ℎ$ 𝐹$ 𝐻$

En la primera columna de la Tabla 1 se escriben los distintos valores de la variable, 𝑥$ ,

ordenados generalmente, de menor a mayor. Es posible hacer también una tabla de
frecuencias de una variable cualitativa. En este caso, en la primera columna se escribirían
las diferentes cualidades o atributos que puede tomar la variable. En las siguientes
columnas se escriben las frecuencias para cada valor de la variable.

§ Frecuencia absoluta 𝑓$ : Definida como el número de veces que aparece repetido el valor
en cuestión de la variable estadística en el conjunto de las observaciones realizadas. Si 𝑛
es el número total de observaciones (o tamaño de la muestra), las frecuencias absolutas
cumplen las siguientes propiedades:

0 ≤ 𝑓$ ≤ 𝑛 ; . 𝑓$ = 𝑛
$&!

La frecuencia absoluta, aunque nos dice el número de veces que se repite un dato, no nos
informa de la importancia de este. Para ellos se realiza la siguiente definición.

§ Frecuencia relativa ℎ𝒊 : Corresponde al cociente entre la frecuencia absoluta y el número

de observaciones 𝑛. Es decir:

𝑓$
ℎ$ =
𝑛

WWW.IPLACEX.CL 12
ESCUELA DE CONSTRUCCIÓN

Cumpliéndose las propiedades:

%
ℎ$
0 ≤ ℎ$ ≤ 1 ; . =1
𝑛
$&!

Esta frecuencia relativa se puede expresar también en tantos por ciento del tamaño de la
muestra, para lo cual basta con multiplicar por 100. En este caso habitualmente recibe el
nombre de frecuencia relativa porcentual.

ℎ$ (%) = 100 ∙ ℎ$

Así por ejemplo, si ℎ$ = 0,25, esto quiere decir que la variable 𝑥$ se repite en el 25% de la
muestra.

§ Frecuencia absoluta acumulada 𝐹$ : Corresponde a la suma de las frecuencias absolutas

de los valores inferiores o igual a 𝑥$ , o número de medidas por debajo, o igual, que 𝑥$ .
Evidentemente la frecuencia absoluta acumulada de un valor se puede calcular a partir de
la correspondiente al anterior como:

𝐹𝒊 = 𝐹$(! + 𝑓$ ; 𝐹𝟏 = 𝑓𝟏

Además la frecuencia absoluta acumulada del último valor será:

𝐹% = 𝑛

§ Frecuencia relativa acumulada 𝐻$ : Corresponde al cociente entre la frecuencia absoluta

acumulada y el número total de observaciones. Coincide además con la suma de las
frecuencias relativas en los valores inferiores o iguales a 𝑥$ .
𝐹$
𝐻$ =
𝑛

Nótese que la frecuencia relativa acumulada del último valor es 1, o 100% si está expresada
en porcentaje.

Al igual que la frecuencia relativa, la frecuencia relativa acumulada puede expresarse

como un porcentaje (multiplicando por 100) y su interpretación corresponderá al tanto por
ciento de medidas con valores por debajo o igual que 𝑥$ .

WWW.IPLACEX.CL 13
ESCUELA DE CONSTRUCCIÓN

Ejemplo 1:

Supongamos que el número e de hijos de una muestra de 20 familias es el siguiente:

2 1 1 3 1 2 5 1 2 3
4 2 3 2 1 4 2 3 2 1

El tamaño de la muestra es 𝑛 = 20, el número de valores posibles 𝑘 = 5 (se observan familias

con hasta 5 hijos), y el recorrido es 5 − 1 = 4.

𝐹! 𝐻!
N° 𝑥! 𝑓! ℎ! ! !
𝑓! ⁄𝑛 ) 𝑓% ) ℎ%
" "
1 1 6 0,30 6 0,30
2 2 7 0,35 13 0,65
3 3 4 0,20 17 0,85
4 4 2 0,10 19 0,95
5 5 1 0,05 20 1,00

Algunas conclusiones que se pueden obtener a partir de la tabla de frecuencias son las
siguientes:

§ De las 20 familias, 7 de ellas tienen 2 hijos.

§ De las 20 familias, el 20% tiene 3 hijos (ℎ* = 0,20; frecuencia relativa del intervalo 3).
§ De las 20 familias, 17 de ellas tienen 3 hijos o menos (𝐹* = 17).
§ De las 20 familias, el 65% de ellas tiene 2 hijos o menos (𝐻" = 0,65).

2.1.2 Agrupamiento en intervalos de clase

Cuando el número de valores que toma la variable estadística es demasiado grande o la

variable es continua no es útil elaborar una tabla de frecuencias como la vista
anteriormente. En estos casos se realiza un agrupamiento de los datos en intervalos y
se hace un recuento del número de observaciones que caen dentro de cada uno de ellos.
Dichos intervalos se denominan intervalos de clase, y al valor de la variable en el centro
de cada intervalo de le llama marca de clase. De esta forma se sustituye cada medida por
la marca de clase del intervalo que corresponda. A la diferencia entre el extremo superior
e inferior de cada intervalo se le llama amplitud del intervalo. Normalmente se trabajará
con intervalos de amplitud constante.

WWW.IPLACEX.CL 14
ESCUELA DE CONSTRUCCIÓN

La tabla de frecuencias resultante es similar a la vista anteriormente. En el caso de una

distribución en 𝑘 intervalos ésta sería:

Tabla 2: Tabla de distribución de frecuencias de una variable continua.

Intervalos de Marcas de Frecuencias Frecuencias Frecuencias Frecuencias
clase clase absolutas relativas absolutas relativas
acumuladas acumuladas
𝑎! − 𝑎!&" 𝑚! 𝑓! ℎ! = 𝑓! ⁄𝑛 𝐹! 𝐻! = 𝐹! ⁄𝑛

𝑎" − 𝑎# 𝑚" 𝑓" ℎ" 𝐹" 𝐻"

𝑎# − 𝑎' 𝑚# 𝑓# ℎ# 𝐹# 𝐻#
. . . . . .
. . . . . .
. . . . . .

𝑎$ − 𝑎$&" 𝑚$ 𝑓$ ℎ$ 𝐹$ 𝐻$

El realizar el estudio mediante el agrupamiento por intervalos de clase simplifica el trabajo,

pero también supone una pérdida de información, ya que no se tienen en cuenta cómo se
distribuyen los datos dentro de cada intervalo. Para que dicha pérdida sea mínima es
necesario elegir con cuidado los intervalos. Aunque no existen reglas estrictas para la
elección de los intervalos, aquí se entregan algunas orientaciones para resolver esta
situación.

i. Determine el recorrido, o rango 𝑅, de los datos. Esto es:

𝑅 = 𝑑𝑎𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 − 𝑑𝑎𝑡𝑜 𝑚í𝑛𝑖𝑚𝑜

ii. Decidir el número 𝑘 de intervalos de clase en que se van a agrupar los datos. Dicho número
se debe situar normalmente entre 5 y 20, dependiendo del caso. En general el número será
más grande cuantos más datos tenga la muestra. Existen dos reglas para orientar la
decisión del número de intervalos 𝑘. La primera de estas reglas corresponde a elegir 𝑘
como el entero más próximo a √𝑛, donde 𝑛 corresponde al número total de medidas o
datos. La segunda corresponde a la Regla de Sturges, la cual determina el número de
intervalos 𝑘 mediante la siguiente expresión:

𝑘 = 1 + 3,3 log (𝑛)

WWW.IPLACEX.CL 15
ESCUELA DE CONSTRUCCIÓN

Así por ejemplo, si el estudio corresponde a la estatura de 142 niños de octavo básico, el
número de intervalos 𝑘 utilizando la Regla de Sturges será:

𝑘 = 1 + 3,3 log (142)

𝑘 = 8,1 … ≈ 8

Así para este estudio podrían emplearse 8 intervalos (también podría aproximarse al entero
superior. Dependerá del criterio del analista).

iii. Dividir el rango 𝑅 entre el número de intervalos 𝑘 para determinar la amplitud 𝐴 (constante)
de cada intervalo. Dicha amplitud no es necesariamente que sea exactamente el resultado
de esa división, sino que normalmente se puede redondear hacia el número entero
superior.

𝑅
𝐴=
𝑘

iv. Determinar los extremos o límites de los intervalos de clase. Evidentemente el extremo
superior de cada intervalo ha de coincidir con el extremo inferior del siguiente. Es
importante que ninguna observación coincida con algunos de los extremos, para
evitar así una ambigüedad en la clasificación de ese dato (observación). Una forma de
conseguir esto es asignar a los extremos de los intervalos una cifra decimal más que las
medidas de la muestra. Así por ejemplo, si la variable estadística toma valores enteros tales
como: 10, 11, 12…., los intervalos se podrían elegir: 9,5 – 11,5; 11,5 – 13,5,… y así
sucesivamente.
v. Calcular las marcas de clase de cada intervalo como el valor medio entre los límites inferior
y superior de cada intervalo de clase. Una consideración a tomar en cuenta a la hora de
establecer el límite superior del último intervalo, es que éste no debe ser superior al dato
máximo de la muestra. Esto es, si el dato máximo es 45,5, el límite superior del último
intervalo debiera ser 45,55. Recuerde la orientación iv.

vi. Una vez determinados los intervalos se debe hacer un recuento cuidadoso del número de
observaciones que caen dentro de cada intervalo, para construir así la tabla de distribución
de frecuencias.

WWW.IPLACEX.CL 16
ESCUELA DE CONSTRUCCIÓN

Ejemplo 2:

En la siguiente tabla se listan los datos medidos por James Short en 1763 sobre la paralaje
del Sol en segundos de arco. La paralaje es el ángulo subtendido por la Tierra vista desde
el Sol. Se midió observando tránsitos de Venus desde diferentes posiciones y permitió la
primera medida de la distancia Tierra-Sol, que es la unidad básica de la escala de
distancias en el Sistema Solar (la unidad astronómica).

Datos (medidos en segundos):

8,63 10,16 8,50 8,31 10,80 7,50 8,12

8,42 9,20 8,16 8,36 9,77 7,52 7,96
7,83 8,62 7,54 8,28 9,32 7,96 7,47

Cálculo del rango o recorrido 𝑅

𝑅 = 𝑑𝑎𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 − 𝑑𝑎𝑡𝑜 𝑚í𝑛𝑖𝑚𝑜

𝑅 = 10,80 − 7,47 = 3,33

Determinación del número de intervalos 𝑘.

§ Aplicando la regla √𝑛, se tiene:

𝑘 = √21 = 4,58 → 𝑘=5

§ Aplicando la regla de Sturges, se tiene:

𝑘 = 1 + 3,3 log (21)

𝑘 = 5,36 ≈ 5

Para efectos de este ejemplo, se utilizará el primer cálculo, es decir, 𝑘 = 5. Como el valor fue
redondeado hacia arriba, la amplitud del intervalo multiplicada por el número de intervalos
será mayor que el rango y no tendremos problemas en los extremos.

WWW.IPLACEX.CL 17
ESCUELA DE CONSTRUCCIÓN

Cálculo de la amplitud de los intervalos:

𝑅
𝐴=
𝑘

3,33
𝐴= → 0,7
5

Determinación de los límites de los intervalos:

Con el objetivo de evitar coincidencias se debe tomar un decimal más. Observemos que el
dato mínimo es 7,47; un decimal más corresponderá 7,470. Si el primer intervalo tendrá
como límite inferior el valor 7,465, y el límite superior del intervalo será 7,465 + 0,700 =
8,165, de este modo el segundo intervalo comenzará desde el valor 8,165; y así
sucesivamente.

Construcción de la tabla de distribución de frecuencias:

Marca de
Intervalo Clase 𝑓$ ℎ$ 𝐹$ 𝐻$
𝑚$
7,465 – 8,165 7,815 9 0,43 9 0,43
8,165 – 8,865 8,515 7 0,33 16 0,76
8,865 – 9,565 9,215 2 0,10 18 0,86
9,565 – 10,265 9,915 1 0,05 19 0,90
10,265 – 10,805 10,535 2 0,10 21 1,00

Algunas conclusiones que se pueden obtener a partir de la tabla de frecuencias son las
siguientes:

§ De las 21 mediciones, 9 de ellas tienen en promedio un arco de 7,815 segundos.

§ El 10% de las mediciones tienen en promedio un arco de 9,215 segundos.
§ De las 21 mediciones, 18 de ellas tiene un arco inferior a 9,565 segundos, o bien 18 de
ellas tiene un arco igual o inferior a 9,56 segundos (recuerde que el límite superior de cada
intervalo se encuentra aumentado en 1⁄2 del decimal adicional).
§ El 90% de las mediciones tiene un arco igual o inferior a 10,26 segundos.

WWW.IPLACEX.CL 18
ESCUELA DE CONSTRUCCIÓN

2.2 Tablas multidimensionales

Una tabla multidimensional, o tabla de contingencia, es una de las formas más comunes de
resumir datos categóricos. En general, el interés se centra en estudiar si existe alguna
asociación entre una variable fila y otra variable columna y/o calcular la intensidad de dicha
asociación.

Sean 𝑋 e 𝑌 dos variables categóricas de respuesta, 𝑋 con 𝐼 categorías e 𝑌 con 𝐽 categorías.

Un sujeto puede venir clasificado en una de las 𝐼 × 𝐽 categorías, que es el número posible
de categorías que existe. Una tabla rectangular que tiene 𝐼 filas para las categorías de 𝑋 y
𝐽 columnas para las categorías de 𝑌 se denomina tabla 𝐼 × 𝐽.

Ejemplo 3:

Por ejemplo, se considera la distribución conjunta de dos variables y la correspondiente

tabla de contingencia en una muestra de pacientes de un hospital.

𝑋: Se toma aspirina o placebo (𝐼 = 2).

𝑌: No se sufre un ataque cardiaco o bien se sufre y es mortal o no (𝐽 = 3).

Ataque No
Ataque Mortal No Ataque
Mortal
Placebo 18 171 10845
Cardioaspirina 5 99 10933

De la tabla multidimensional anterior, de 2 × 3, relaciona el uso de cardioaspirina y los

ataques al corazón. Esto fue un estudio aleatorio sobre si la ingesta regular de
cardioaspirina reduce la mortalidad por enfermedades cardiovascular. Los pacientes del
hospital tomaban una tableta diaria de cardioaspirina o placebo. El estudio era ciego, es
decir, los pacientes no sabían si tomaban el medicamento o no. De los 11034 pacientes
que tomaron placebo, 18 sufrieron un ataque mortal al corazón, mientras que de los 11037
pacientes que tomaron cardioaspirina, 5 sufrieron un ataque fatal al corazón.

WWW.IPLACEX.CL 19
ESCUELA DE CONSTRUCCIÓN

Conclusión
Podemos finalizar el estudio de la primera semana del curso reforzando que la estadística
descriptiva es la rama de la matemática que recolecta, presenta y caracteriza un conjunto
de datos, con el fin de describir apropiadamente las diversas características de este
conjunto. Las variables, en su primera clasificación, pueden ser del tipo cualitativas o
cuantitativas, las cuales también pueden clasificarse como unidimensionales,
bidimensionales y n-dimensionales.

Los datos corresponden a medidas y/o números recopilados a partir de la observación, los
cuales pueden concebirse como información numérica para ayudar a tomar una decisión
con más bases en una situación particular. Para que los datos entreguen información deben
ser suficientes en calidad y cantidad, además deben ser procesados y tabulados en tablas
de distribución de frecuencia, las cuales permiten visualizar aspectos relevantes para la
toma decisiones. En este sentido se deben considerar, básicamente, la frecuencia absoluta,
la frecuencia relativa, la frecuencia absoluta acumulada y relativa acumulada, en tanto por
uno y, si se requiere, también en porcentaje.

WWW.IPLACEX.CL 20
ESCUELA DE CONSTRUCCIÓN

Bibliografía
Canavos, G. (1988). Probabilidad y Estadística: Aplicaciones y Métodos. Mc Graw-Hill.
México D. F., México.

Walpole, Ronald E (1992). Probabilidades y Estadística. 3ª edición. Interamericana McGraw-

Hill. México.

Cordova, M. (2003). Estadística Descriptiva e Inferencial con Aplicaciones, 5ª edición.

Editorial Moshera S.R.L. Perú.

Wisniewski, M. (2008). Estadística y Probabilidad. Editorial Trillas. México.

Walpole Ronald E. (2012). Probabilidad y Estadística para Ingeniería y Ciencias. Editorial

Pearson Educación. México.

WWW.IPLACEX.CL 21