SlideShare une entreprise Scribd logo
1  sur  19
DATOS AGRUPADOS Y NO
AGRUPADOS
PROBABILIDADY ESTADÍSTICA
1UVEDL-ING. RENATA BRISEÑO
Estadística Descriptiva
 Una de las ramas de la Estadística más
accesible a la mayoría de la población es la
descriptiva. Esta parte se dedica única y
exclusivamente al ordenamiento y
tratamiento mecánico de la información
para su presentación por medio de tablas y
de representaciones gráficas, así como de
la obtención de algunos parámetros útiles
para la explicación de la información.
UVEDL-ING. RENATA BRISEÑO 2
Descripción de datos:
 Cuando la muestra que se ha tomado de la
población o proceso que se desea analizar, es decir,
tenemos menos de 20 elementos en la muestra,
entonces estos datos son analizados sin necesidad
de formar clases con ellos y a esto es a lo que se le
llama tratamiento de datos no agrupados.
 Cuando la muestra consta de 20 o más datos, lo
aconsejable es agrupar los datos en clases y a
partir de estas determinar las características de la
muestra y por consiguiente las de la población de
donde fue tomada.
UVEDL-ING. RENATA BRISEÑO 3
DATOS AGRUPADOS
 Distribución de frecuencia de clase o de
datos Agrupados (n>20): Es aquella
distribución en la que la disposición tabular de
los datos estadísticos se encuentran ordenados
en clases y con la frecuencia de cada clase; es
decir, los datos originales de varios valores
adyacentes del conjunto se combinan para
formar un intervalo de clase.
UVEDL-ING. RENATA BRISEÑO 4
Datos no agrupados:
 Distribución de frecuencia para datos no Agrupados (n<20): Es aquella
distribución que indica las frecuencias con que aparecen los datos estadísticos,
desde el menor de ellos hasta el mayor de ese conjunto sin que se haya hecho
ninguna modificación al tamaño de las unidades originales. En estas distribuciones
cada dato mantiene su propia identidad después que la distribución de frecuencia se
ha elaborado. En estas distribuciones los valores de cada variable han sido
solamente reagrupados, siguiendo un orden lógico con sus respectivas frecuencias.
 Nota:
 No existen normas establecidas para determinar cuándo es apropiado utilizar datos
agrupados o datos no agrupados; sin embargo, se sugiere que cuando el número
total de datos (N) es igual o superior a 20, se utilizará la distribución de frecuencia
para datos agrupados, también se utilizará este tipo de distribución cuando se
requiera elaborar gráficos lineales como el histograma, el polígono de frecuencia o
la ojiva. La razón fundamental para utilizar la distribución de frecuencia de clases es
proporcionar mejor comunicación acerca del patrón establecido en los datos y
facilitar la manipulación de los mismos. Los datos se agrupan en clases con el fin de
sintetizar, resumir, condensar o hacer que la información obtenida de una
investigación sea manejable con mayor facilidad.
UVEDL-ING. RENATA BRISEÑO 5
DATOS NO AGRUPADOS
 Tendencia central: la tendencia central se
refiere al punto medio de una distribución. Las
medidas de tendencia central se conocen como
medidas de posición.
 Dispersión: se refiere a la extensión de los
datos en una distribución, es decir, al grado en
que las observaciones se distribuyen.
UVEDL-ING. RENATA BRISEÑO 6
DATOS AGRUPADOS
 Conjunto de observaciones que se presentan en su forma
original tal y como fueron recolectados, para obtener
información directamente de ellos.
 Medidas de Dispersión, Se llaman medidas de dispersión aquellas
que permiten retratar la distancia de los valores de la variable a un
cierto valor central, o que permiten identificar la concentración de
los datos en un cierto sector del recorrido de la variable.Se trata de
coeficiente para variables cuantitativas.
 Medidas deTendencia central, La estadística busca entre otras
cosas, describir las características típicas de conjuntos de datos y,
como hay varias formas de hacerlo, existen y se utilizan varios tipos
de promedios. Se les llama medidas de tendencia central porque
generalmente la acumulación más alta de datos se encuentra en los
valores intermedios.
UVEDL-ING. RENATA BRISEÑO 7
Las medidas de tendencia
central comúnmente empleadas
son:
 Media aritmética  Media geométrica
 Mediana  Media armónica
 Moda  Los cuánticos
UVEDL-ING. RENATA BRISEÑO 8
PARA LOS AGRUPADOS
 histograma: Está formado por rectángulos cuya base
es la amplitud del intervalo y tiene la característica
que la superficie que corresponde a las barras es
representativa de la cantidad de casos o frecuencia de
cada tramo de valores, puede construirse con clases
que tienen el mismo tamaño o diferente (intervalo
variable). La utilización de los intervalos de amplitud
variable se recomienda cuando en alguno de los
intervalos, de amplitud constante, se presente la
frecuencia cero o la frecuencia de alguno o algunos de
los intervalos sean mucho mayores que la de los
demás, logrando así que las observaciones se hallen
mejor repartidas dentro del intervalo.
UVEDL-ING. RENATA BRISEÑO 9
OJIVAS
 Cuando se trata de relacionar observaciones en un
mismo aspecto para dos colectivos diferentes no es
posible ejecutar comparaciones sobre la base de la
frecuencia, es necesario tener una base estándar,
la frecuencia relativa. La ojiva representa
gráficamente la forma en que se acumulan los
datos y permiten ver cuántas observaciones se
hallan por arriba o debajo de ciertos valores. Es útil
para obtener una medida de los cuartiles, deciles,
percentiles.
UVEDL-ING. RENATA BRISEÑO 10
POLIGONOS DE FRECUENCIAS
 Se puede obtener uniendo
cada punto medio (marca
de clase) de los
rectángulos del
histograma con líneas
rectas, teniendo cuidado
de agregar al inicio y al
final marcas de clase
adicionales, con el objeto
de asegurar la igualdad
del áreas.

UVEDL-ING. RENATA BRISEÑO 11
DIAGRAMAS DE BARRAS:
 Son similares a los gráficos
de sectores. Se representan
tantas barras como
categorías tiene la variable,
de modo que la altura de
cada una de ellas sea
proporcional a la frecuencia
o porcentaje de casos en
cada clase. Estos mismos
gráficos pueden utilizarse
también para describir
variables numéricas
discretas que toman pocos
valores.
UVEDL-ING. RENATA BRISEÑO 12
EN LOS GRÁFICOS DE SECTORES:
 También conocidos como diagramas de
"tartas", se divide un círculo en tantas
porciones como clases tenga la variable, de
modo que a cada clase le corresponde un
arco de círculo proporcional a su frecuencia
absoluta o relativa. Un ejemplo se muestra
en la. Como se puede observar, la
información que se debe mostrar en cada
sector hace referencia al número de casos
dentro de cada categoría y al porcentaje del
total que estos representan.

 Si el número de categorías es excesivamente
grande, la imagen proporcionada por el
gráfico de sectores no es lo suficientemente
clara y por lo tanto la situación ideal es
cuando hay alrededor de tres categorías. En
este caso se pueden apreciar con claridad
dichos subgrupos.
UVEDL-ING. RENATA BRISEÑO 13
EJEMPLOS:
 Datos agrupados y no agrupados o series agrupadas y no agrupadas (que
es lo mismo) se refiere al hecho de que estén ordenados, clasificados y
contados, por ejemplo:
 Vas a investigar la edad a un grupo de 20 Niños en datos no agrupados (es
decir, vienen los 20 niños y así como te dan la edad así la anotas
 2,2,1,3,3,3,4,4,5,6,1,2,2,3,3,3,4,4,3,… (Total 20 niños)
 Estos son datos no agrupados por qué no los has clasificado y contado
 1,1,2,2,2,2,3,3,3,3,3,3,3,4,4,4,4,5,5,… (Total 20 niños)
 Los datos no agrupados también los puedes ordenar, por ejemplo de la
edad menor a la edad mayor, no están contabilizados ni clasificados
solamente están ordenados
UVEDL-ING. RENATA BRISEÑO 14
Para que sean datos agrupados tienes que contarlos
y clasificarlos, por ejemplo cuántos niños había de
cada año. (Y siguen siendo 20 niños)
 Edad....Frecuencia
 1..................2
 2..................4
 3..................7
 4..................4
 5..................2
 6..................1
 Total............20

 O también los puedes agrupar (Serie agrupada) en
clases, rangos, grupos o intervalos por ejemplo de 2 años
para este caso (y siguen siendo 20)

 Edad..........Frecuencia
 1-2...............6
 3-4...............11
 5-6...............3
 Total.............20
 Es decir, fíjate bien, son datos
agrupados cuando tienen
FRECUENCIA (quiere decir que
están contados y clasificados y
DATOS NO AGRUPADOS
cuando no tienen frecuencia o
que no estaban contabilizados
o clasificados.
UVEDL-ING. RENATA BRISEÑO 15
 Las medidas de tendencia central (media,
moda y mediana) y las Medidas de dispersión
(desviación estándar, varianza, cuartiles,
percentiles, entré otros se CALCULAN
DIFERENTE cuando se trata de datos
agrupados y de datos no agrupados
UVEDL-ING. RENATA BRISEÑO 16
Datos no agrupados.
 Cuando la muestra que se ha tomado de la población o proceso que
se desea analizar, es decir, tenemos menos de 20 elementos en la
muestra, entonces estos datos son analizados sin necesidad de
formar clases con ellos y a esto es a lo que se le llama tratamiento
de datos no agrupados.
 Distribución de frecuencia para datos no Agrupados (n<20): Es
aquella distribución que indica las frecuencias con que aparecen los
datos estadísticos, desde el menor de ellos hasta el mayor de ese
conjunto sin que se haya hecho ninguna modificación al tamaño de
las unidades originales. En estas distribuciones cada dato mantiene
su propia identidad después que la distribución de frecuencia se ha
elaborado. En estas distribuciones los valores de cada variable han
sido solamente reagrupados, siguiendo un orden lógico con sus
respectivas frecuencias.
UVEDL-ING. RENATA BRISEÑO 17
 Vas a investigar la edad a un grupo de 20 Niños en datos no
agrupados (es decir, vienen los 20 niños y así como te dan la edad
así la anotas
 2,2,1,3,3,3,4,4,5,6,1,2,2,3,3,3,4,4,3,… (Total 20 niños)
Estos son datos no agrupados por qué no los has clasificado y
contado, también se pueden ordenar de la edad menor a mayor.
Datos agrupados
 Cuando la muestra consta de 20 o más datos, lo aconsejable es
agrupar los datos en clases y a partir de estas determinar las
características de la muestra y por consiguiente las de la población
de donde fue tomada.
 Distribución de frecuencia de clase o de datos Agrupados (n>20):
Es aquella distribución en la que la disposición tabular de los datos
estadísticos se encuentran ordenados en clases y con la frecuencia
de cada clase; es decir, los datos originales de varios valores
adyacentes del conjunto se combinan para formar un intervalo de
clase.
UVEDL-ING. RENATA BRISEÑO 18
EJEMPLO
 Para que sean datos agrupados tienes que contarlos y clasificarlos,
por ejemplo cuántos niños había de cada año. (y siguen siendo 20
niños)

 Edad..........Frecuencia
 1..................2
 2..................4
 3..................7
 4..................4
 5..................2
 6..................1
 Total............20

UVEDL-ING. RENATA BRISEÑO 19

Contenu connexe

Tendances

Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simplemilit
 
Presentacion medidas de dispersion
Presentacion medidas de dispersionPresentacion medidas de dispersion
Presentacion medidas de dispersionFatima Branco
 
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosCómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosJoooseee
 
Representación grafica en estadística
Representación grafica en estadísticaRepresentación grafica en estadística
Representación grafica en estadísticaRicardo Oropeza
 
media aritmetica en datos agrupados y no agrupados
media aritmetica en datos agrupados y no agrupadosmedia aritmetica en datos agrupados y no agrupados
media aritmetica en datos agrupados y no agrupadosjoherman paradas
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Luz Hernández
 
Ejercicios Resueltos de Estadística:
Ejercicios Resueltos de Estadística:Ejercicios Resueltos de Estadística:
Ejercicios Resueltos de Estadística:Juan Carlos GB
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevoSita Yani's
 
Representación tabular
Representación tabularRepresentación tabular
Representación tabularJuan Anaya
 
Medidas de tendencia central, posición y dispersion
Medidas de tendencia central, posición y dispersionMedidas de tendencia central, posición y dispersion
Medidas de tendencia central, posición y dispersionPedro Duran
 
Mapa conceptual tipos de distribuciones de probabilidad
Mapa conceptual   tipos de distribuciones de probabilidadMapa conceptual   tipos de distribuciones de probabilidad
Mapa conceptual tipos de distribuciones de probabilidadJose Hernandez Landa
 

Tendances (20)

Datos agrupados y no agrupados
Datos agrupados y no agrupadosDatos agrupados y no agrupados
Datos agrupados y no agrupados
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
Presentacion medidas de dispersion
Presentacion medidas de dispersionPresentacion medidas de dispersion
Presentacion medidas de dispersion
 
Sesgo
SesgoSesgo
Sesgo
 
Ejercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadisticaEjercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadistica
 
17.regresión y correlación simple
17.regresión y correlación simple17.regresión y correlación simple
17.regresión y correlación simple
 
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosCómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
 
Representación grafica en estadística
Representación grafica en estadísticaRepresentación grafica en estadística
Representación grafica en estadística
 
Tabulacion De Datos
Tabulacion De DatosTabulacion De Datos
Tabulacion De Datos
 
Simbolos diagrama de flujo
Simbolos diagrama de flujoSimbolos diagrama de flujo
Simbolos diagrama de flujo
 
media aritmetica en datos agrupados y no agrupados
media aritmetica en datos agrupados y no agrupadosmedia aritmetica en datos agrupados y no agrupados
media aritmetica en datos agrupados y no agrupados
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)
 
Ejercicios Resueltos de Estadística:
Ejercicios Resueltos de Estadística:Ejercicios Resueltos de Estadística:
Ejercicios Resueltos de Estadística:
 
Estadistica nuevo
Estadistica nuevoEstadistica nuevo
Estadistica nuevo
 
Representación tabular
Representación tabularRepresentación tabular
Representación tabular
 
EstadíStica Inferencial
EstadíStica InferencialEstadíStica Inferencial
EstadíStica Inferencial
 
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
 
Medidas de tendencia central, posición y dispersion
Medidas de tendencia central, posición y dispersionMedidas de tendencia central, posición y dispersion
Medidas de tendencia central, posición y dispersion
 
Mapa conceptual tipos de distribuciones de probabilidad
Mapa conceptual   tipos de distribuciones de probabilidadMapa conceptual   tipos de distribuciones de probabilidad
Mapa conceptual tipos de distribuciones de probabilidad
 

En vedette

01.2. variables medicion
01.2. variables medicion01.2. variables medicion
01.2. variables medicionSCSF2011
 
Tema 3 Representaciones Graficas
Tema 3 Representaciones GraficasTema 3 Representaciones Graficas
Tema 3 Representaciones Graficasguest8be1ab
 
Tecnicas cualitativas y cuantitativas
Tecnicas cualitativas y cuantitativasTecnicas cualitativas y cuantitativas
Tecnicas cualitativas y cuantitativasyamy matin
 
Organización de los datos
Organización de los datosOrganización de los datos
Organización de los datosRichard Torres
 
Escala de medicion (ESTADISTICA)
Escala de medicion (ESTADISTICA)Escala de medicion (ESTADISTICA)
Escala de medicion (ESTADISTICA)Richard Torres
 
Moro ConstruccióN De Escalas
Moro ConstruccióN De EscalasMoro ConstruccióN De Escalas
Moro ConstruccióN De EscalasPsicometria UNA
 
Terminos basicos de las estadisticas
Terminos basicos de las estadisticasTerminos basicos de las estadisticas
Terminos basicos de las estadisticasatsanchez
 
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS Juan Carlos Durand
 
DATOS AGRUPADOS, ESTUDIO ESTADISTICO
DATOS AGRUPADOS, ESTUDIO ESTADISTICODATOS AGRUPADOS, ESTUDIO ESTADISTICO
DATOS AGRUPADOS, ESTUDIO ESTADISTICOrossee2012
 
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUD
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUDAspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUD
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUDCICAT SALUD
 
Capitulo 2 Cómo ordenar los datos en tabla de frecuencias
Capitulo 2 Cómo ordenar los datos en tabla de frecuenciasCapitulo 2 Cómo ordenar los datos en tabla de frecuencias
Capitulo 2 Cómo ordenar los datos en tabla de frecuenciaseditorialsl
 

En vedette (15)

01.2. variables medicion
01.2. variables medicion01.2. variables medicion
01.2. variables medicion
 
Tipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticasTipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticas
 
Tema 3 Representaciones Graficas
Tema 3 Representaciones GraficasTema 3 Representaciones Graficas
Tema 3 Representaciones Graficas
 
Tecnicas cualitativas y cuantitativas
Tecnicas cualitativas y cuantitativasTecnicas cualitativas y cuantitativas
Tecnicas cualitativas y cuantitativas
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Escala de medición
Escala de mediciónEscala de medición
Escala de medición
 
Organización de los datos
Organización de los datosOrganización de los datos
Organización de los datos
 
Escala de medicion (ESTADISTICA)
Escala de medicion (ESTADISTICA)Escala de medicion (ESTADISTICA)
Escala de medicion (ESTADISTICA)
 
Moro ConstruccióN De Escalas
Moro ConstruccióN De EscalasMoro ConstruccióN De Escalas
Moro ConstruccióN De Escalas
 
Terminos basicos de las estadisticas
Terminos basicos de las estadisticasTerminos basicos de las estadisticas
Terminos basicos de las estadisticas
 
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
TABLA DE FRECUENCIAS - VARIABLE CUANTITATIVAS
 
DATOS AGRUPADOS, ESTUDIO ESTADISTICO
DATOS AGRUPADOS, ESTUDIO ESTADISTICODATOS AGRUPADOS, ESTUDIO ESTADISTICO
DATOS AGRUPADOS, ESTUDIO ESTADISTICO
 
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUD
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUDAspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUD
Aspectos teóricos clasificación resultados esperados (NOC) - CICAT-SALUD
 
Capitulo 2 Cómo ordenar los datos en tabla de frecuencias
Capitulo 2 Cómo ordenar los datos en tabla de frecuenciasCapitulo 2 Cómo ordenar los datos en tabla de frecuencias
Capitulo 2 Cómo ordenar los datos en tabla de frecuencias
 
Datos agrupados y datos no agrupados
Datos agrupados y datos no agrupadosDatos agrupados y datos no agrupados
Datos agrupados y datos no agrupados
 

Similaire à Datos agrupados y no agrupados

Similaire à Datos agrupados y no agrupados (20)

R65945
R65945R65945
R65945
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Organización de datos
Organización de datosOrganización de datos
Organización de datos
 
Sarahi
SarahiSarahi
Sarahi
 
Estadistica y estadistica
Estadistica y estadisticaEstadistica y estadistica
Estadistica y estadistica
 
Organización de datos
Organización de datosOrganización de datos
Organización de datos
 
organización de los datos estadísticos
organización de los datos  estadísticos organización de los datos  estadísticos
organización de los datos estadísticos
 
1. fundamentos de bioestadistica
1. fundamentos de bioestadistica1. fundamentos de bioestadistica
1. fundamentos de bioestadistica
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Ordenamiento de datos
Ordenamiento de datosOrdenamiento de datos
Ordenamiento de datos
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Estadística aplicada a la valuación 1
Estadística aplicada a la valuación 1Estadística aplicada a la valuación 1
Estadística aplicada a la valuación 1
 
Datos no Agrupados.pdf
Datos no Agrupados.pdfDatos no Agrupados.pdf
Datos no Agrupados.pdf
 
Ordenamiento de datos en estadistica iv (1)
Ordenamiento de datos en estadistica iv (1)Ordenamiento de datos en estadistica iv (1)
Ordenamiento de datos en estadistica iv (1)
 
Organización de datos
Organización de datos Organización de datos
Organización de datos
 
Resumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumenResumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumen
 
Graficos estadisticos
Graficos estadisticosGraficos estadisticos
Graficos estadisticos
 
Organizacion de datos
Organizacion de datosOrganizacion de datos
Organizacion de datos
 
Centralizacion no agrupados
Centralizacion no agrupadosCentralizacion no agrupados
Centralizacion no agrupados
 

Plus de Renata Briseño

Plantilla de casos de uso
Plantilla de casos de usoPlantilla de casos de uso
Plantilla de casos de usoRenata Briseño
 
Metodologia xp (tarea msmad)
Metodologia xp (tarea msmad)Metodologia xp (tarea msmad)
Metodologia xp (tarea msmad)Renata Briseño
 
Código de ética Rubrial
Código de ética RubrialCódigo de ética Rubrial
Código de ética RubrialRenata Briseño
 
El Programa de desarrollo Informático en base al programa Nacional de desarrollo
El Programa de desarrollo Informático en base al programa Nacional de desarrolloEl Programa de desarrollo Informático en base al programa Nacional de desarrollo
El Programa de desarrollo Informático en base al programa Nacional de desarrolloRenata Briseño
 

Plus de Renata Briseño (6)

Plantilla de casos de uso
Plantilla de casos de usoPlantilla de casos de uso
Plantilla de casos de uso
 
Metodologia xp (tarea msmad)
Metodologia xp (tarea msmad)Metodologia xp (tarea msmad)
Metodologia xp (tarea msmad)
 
Código de ética Rubrial
Código de ética RubrialCódigo de ética Rubrial
Código de ética Rubrial
 
El Programa de desarrollo Informático en base al programa Nacional de desarrollo
El Programa de desarrollo Informático en base al programa Nacional de desarrolloEl Programa de desarrollo Informático en base al programa Nacional de desarrollo
El Programa de desarrollo Informático en base al programa Nacional de desarrollo
 
Presentacion rubrial
Presentacion rubrialPresentacion rubrial
Presentacion rubrial
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 

Dernier

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
 
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
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...JAVIER SOLIS NOYOLA
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesYanirisBarcelDelaHoz
 
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VSSEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VSYadi Campos
 
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdfMiNeyi1
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfMercedes Gonzalez
 
Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdfValeriaCorrea29
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfUPTAIDELTACHIRA
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfpatriciaines1993
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICAÁngel Encinas
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOluismii249
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dstEphaniiie
 

Dernier (20)

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
 
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
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonables
 
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VSSEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
 
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdf
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes d
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 

Datos agrupados y no agrupados

  • 1. DATOS AGRUPADOS Y NO AGRUPADOS PROBABILIDADY ESTADÍSTICA 1UVEDL-ING. RENATA BRISEÑO
  • 2. Estadística Descriptiva  Una de las ramas de la Estadística más accesible a la mayoría de la población es la descriptiva. Esta parte se dedica única y exclusivamente al ordenamiento y tratamiento mecánico de la información para su presentación por medio de tablas y de representaciones gráficas, así como de la obtención de algunos parámetros útiles para la explicación de la información. UVEDL-ING. RENATA BRISEÑO 2
  • 3. Descripción de datos:  Cuando la muestra que se ha tomado de la población o proceso que se desea analizar, es decir, tenemos menos de 20 elementos en la muestra, entonces estos datos son analizados sin necesidad de formar clases con ellos y a esto es a lo que se le llama tratamiento de datos no agrupados.  Cuando la muestra consta de 20 o más datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las características de la muestra y por consiguiente las de la población de donde fue tomada. UVEDL-ING. RENATA BRISEÑO 3
  • 4. DATOS AGRUPADOS  Distribución de frecuencia de clase o de datos Agrupados (n>20): Es aquella distribución en la que la disposición tabular de los datos estadísticos se encuentran ordenados en clases y con la frecuencia de cada clase; es decir, los datos originales de varios valores adyacentes del conjunto se combinan para formar un intervalo de clase. UVEDL-ING. RENATA BRISEÑO 4
  • 5. Datos no agrupados:  Distribución de frecuencia para datos no Agrupados (n<20): Es aquella distribución que indica las frecuencias con que aparecen los datos estadísticos, desde el menor de ellos hasta el mayor de ese conjunto sin que se haya hecho ninguna modificación al tamaño de las unidades originales. En estas distribuciones cada dato mantiene su propia identidad después que la distribución de frecuencia se ha elaborado. En estas distribuciones los valores de cada variable han sido solamente reagrupados, siguiendo un orden lógico con sus respectivas frecuencias.  Nota:  No existen normas establecidas para determinar cuándo es apropiado utilizar datos agrupados o datos no agrupados; sin embargo, se sugiere que cuando el número total de datos (N) es igual o superior a 20, se utilizará la distribución de frecuencia para datos agrupados, también se utilizará este tipo de distribución cuando se requiera elaborar gráficos lineales como el histograma, el polígono de frecuencia o la ojiva. La razón fundamental para utilizar la distribución de frecuencia de clases es proporcionar mejor comunicación acerca del patrón establecido en los datos y facilitar la manipulación de los mismos. Los datos se agrupan en clases con el fin de sintetizar, resumir, condensar o hacer que la información obtenida de una investigación sea manejable con mayor facilidad. UVEDL-ING. RENATA BRISEÑO 5
  • 6. DATOS NO AGRUPADOS  Tendencia central: la tendencia central se refiere al punto medio de una distribución. Las medidas de tendencia central se conocen como medidas de posición.  Dispersión: se refiere a la extensión de los datos en una distribución, es decir, al grado en que las observaciones se distribuyen. UVEDL-ING. RENATA BRISEÑO 6
  • 7. DATOS AGRUPADOS  Conjunto de observaciones que se presentan en su forma original tal y como fueron recolectados, para obtener información directamente de ellos.  Medidas de Dispersión, Se llaman medidas de dispersión aquellas que permiten retratar la distancia de los valores de la variable a un cierto valor central, o que permiten identificar la concentración de los datos en un cierto sector del recorrido de la variable.Se trata de coeficiente para variables cuantitativas.  Medidas deTendencia central, La estadística busca entre otras cosas, describir las características típicas de conjuntos de datos y, como hay varias formas de hacerlo, existen y se utilizan varios tipos de promedios. Se les llama medidas de tendencia central porque generalmente la acumulación más alta de datos se encuentra en los valores intermedios. UVEDL-ING. RENATA BRISEÑO 7
  • 8. Las medidas de tendencia central comúnmente empleadas son:  Media aritmética  Media geométrica  Mediana  Media armónica  Moda  Los cuánticos UVEDL-ING. RENATA BRISEÑO 8
  • 9. PARA LOS AGRUPADOS  histograma: Está formado por rectángulos cuya base es la amplitud del intervalo y tiene la característica que la superficie que corresponde a las barras es representativa de la cantidad de casos o frecuencia de cada tramo de valores, puede construirse con clases que tienen el mismo tamaño o diferente (intervalo variable). La utilización de los intervalos de amplitud variable se recomienda cuando en alguno de los intervalos, de amplitud constante, se presente la frecuencia cero o la frecuencia de alguno o algunos de los intervalos sean mucho mayores que la de los demás, logrando así que las observaciones se hallen mejor repartidas dentro del intervalo. UVEDL-ING. RENATA BRISEÑO 9
  • 10. OJIVAS  Cuando se trata de relacionar observaciones en un mismo aspecto para dos colectivos diferentes no es posible ejecutar comparaciones sobre la base de la frecuencia, es necesario tener una base estándar, la frecuencia relativa. La ojiva representa gráficamente la forma en que se acumulan los datos y permiten ver cuántas observaciones se hallan por arriba o debajo de ciertos valores. Es útil para obtener una medida de los cuartiles, deciles, percentiles. UVEDL-ING. RENATA BRISEÑO 10
  • 11. POLIGONOS DE FRECUENCIAS  Se puede obtener uniendo cada punto medio (marca de clase) de los rectángulos del histograma con líneas rectas, teniendo cuidado de agregar al inicio y al final marcas de clase adicionales, con el objeto de asegurar la igualdad del áreas.  UVEDL-ING. RENATA BRISEÑO 11
  • 12. DIAGRAMAS DE BARRAS:  Son similares a los gráficos de sectores. Se representan tantas barras como categorías tiene la variable, de modo que la altura de cada una de ellas sea proporcional a la frecuencia o porcentaje de casos en cada clase. Estos mismos gráficos pueden utilizarse también para describir variables numéricas discretas que toman pocos valores. UVEDL-ING. RENATA BRISEÑO 12
  • 13. EN LOS GRÁFICOS DE SECTORES:  También conocidos como diagramas de "tartas", se divide un círculo en tantas porciones como clases tenga la variable, de modo que a cada clase le corresponde un arco de círculo proporcional a su frecuencia absoluta o relativa. Un ejemplo se muestra en la. Como se puede observar, la información que se debe mostrar en cada sector hace referencia al número de casos dentro de cada categoría y al porcentaje del total que estos representan.   Si el número de categorías es excesivamente grande, la imagen proporcionada por el gráfico de sectores no es lo suficientemente clara y por lo tanto la situación ideal es cuando hay alrededor de tres categorías. En este caso se pueden apreciar con claridad dichos subgrupos. UVEDL-ING. RENATA BRISEÑO 13
  • 14. EJEMPLOS:  Datos agrupados y no agrupados o series agrupadas y no agrupadas (que es lo mismo) se refiere al hecho de que estén ordenados, clasificados y contados, por ejemplo:  Vas a investigar la edad a un grupo de 20 Niños en datos no agrupados (es decir, vienen los 20 niños y así como te dan la edad así la anotas  2,2,1,3,3,3,4,4,5,6,1,2,2,3,3,3,4,4,3,… (Total 20 niños)  Estos son datos no agrupados por qué no los has clasificado y contado  1,1,2,2,2,2,3,3,3,3,3,3,3,4,4,4,4,5,5,… (Total 20 niños)  Los datos no agrupados también los puedes ordenar, por ejemplo de la edad menor a la edad mayor, no están contabilizados ni clasificados solamente están ordenados UVEDL-ING. RENATA BRISEÑO 14
  • 15. Para que sean datos agrupados tienes que contarlos y clasificarlos, por ejemplo cuántos niños había de cada año. (Y siguen siendo 20 niños)  Edad....Frecuencia  1..................2  2..................4  3..................7  4..................4  5..................2  6..................1  Total............20   O también los puedes agrupar (Serie agrupada) en clases, rangos, grupos o intervalos por ejemplo de 2 años para este caso (y siguen siendo 20)   Edad..........Frecuencia  1-2...............6  3-4...............11  5-6...............3  Total.............20  Es decir, fíjate bien, son datos agrupados cuando tienen FRECUENCIA (quiere decir que están contados y clasificados y DATOS NO AGRUPADOS cuando no tienen frecuencia o que no estaban contabilizados o clasificados. UVEDL-ING. RENATA BRISEÑO 15
  • 16.  Las medidas de tendencia central (media, moda y mediana) y las Medidas de dispersión (desviación estándar, varianza, cuartiles, percentiles, entré otros se CALCULAN DIFERENTE cuando se trata de datos agrupados y de datos no agrupados UVEDL-ING. RENATA BRISEÑO 16
  • 17. Datos no agrupados.  Cuando la muestra que se ha tomado de la población o proceso que se desea analizar, es decir, tenemos menos de 20 elementos en la muestra, entonces estos datos son analizados sin necesidad de formar clases con ellos y a esto es a lo que se le llama tratamiento de datos no agrupados.  Distribución de frecuencia para datos no Agrupados (n<20): Es aquella distribución que indica las frecuencias con que aparecen los datos estadísticos, desde el menor de ellos hasta el mayor de ese conjunto sin que se haya hecho ninguna modificación al tamaño de las unidades originales. En estas distribuciones cada dato mantiene su propia identidad después que la distribución de frecuencia se ha elaborado. En estas distribuciones los valores de cada variable han sido solamente reagrupados, siguiendo un orden lógico con sus respectivas frecuencias. UVEDL-ING. RENATA BRISEÑO 17
  • 18.  Vas a investigar la edad a un grupo de 20 Niños en datos no agrupados (es decir, vienen los 20 niños y así como te dan la edad así la anotas  2,2,1,3,3,3,4,4,5,6,1,2,2,3,3,3,4,4,3,… (Total 20 niños) Estos son datos no agrupados por qué no los has clasificado y contado, también se pueden ordenar de la edad menor a mayor. Datos agrupados  Cuando la muestra consta de 20 o más datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las características de la muestra y por consiguiente las de la población de donde fue tomada.  Distribución de frecuencia de clase o de datos Agrupados (n>20): Es aquella distribución en la que la disposición tabular de los datos estadísticos se encuentran ordenados en clases y con la frecuencia de cada clase; es decir, los datos originales de varios valores adyacentes del conjunto se combinan para formar un intervalo de clase. UVEDL-ING. RENATA BRISEÑO 18
  • 19. EJEMPLO  Para que sean datos agrupados tienes que contarlos y clasificarlos, por ejemplo cuántos niños había de cada año. (y siguen siendo 20 niños)   Edad..........Frecuencia  1..................2  2..................4  3..................7  4..................4  5..................2  6..................1  Total............20  UVEDL-ING. RENATA BRISEÑO 19