La estadística:
La Estadística es la ciencia y el arte de dar sentido a los datos, proporcionando la teoría y los métodos para extraer información de estos y poder resolver problemas del mundo real.
En si nosotros comprendemos que la estadística básicamente es poder obtener los datos o información relevante para así poder ir formulando una explicación ya sea exacta o aproximada y a su vez, aunque parezca ya ciencia ficción predecir eventos o situaciones de lo que ya hemos visto y recopilado.
Tipos de estadísticas:
1- Descriptiva o deductiva: Simplemente se encarga de mostrar los datos específicos del estudio.
Importancia: Al obtener los datos los podemos clasificar para así de verdad saber cuáles son más importantes y obtener una respuesta precisa a los problemas.
2- Inferencial o inductiva: Es parecida a la deductiva solo que aparte de mostrar los resultados también muestra datos adicionales para ampliar la investigación.
Importancia: Estos datos adicionales nos pueden dar otras conclusiones dependiendo de que tan realistas o necesarias sean las anteriores.
3-Aplicada: Cuando completamos de realizar las dos anteriores esta ya nos proporciona los resultados específicos de la investigación.
Importancia: Es mas que todo para ámbitos de comercio sobre todo organizaciones mas que nada para la toma de decisiones en el marketing.
4-Matemática: Como su nombre lo indica o al menos nos hacemos una idea utiliza el algebra y ciertos analizas más a profundidad para de la misma manera obtener datos más formales.
Opinión personal sobre la estadística:
En nuestra humilde opinión tanto en temas sociales como políticos u otros arbitrarios la estadística nos genera cierta confianza incluso antes de conocer del tema más afondo ya que en términos más directos la estadística nos permite obtener datos, datos para así obtener el entendimiento de ciertas cosas ya sea por asuntos de trabajo, predecir eventos o situaciones para mi vida o yendo más allá del asunto al recopilar los datos necesarios y confirmarlos poder mejorar la calidad humana mediante estos mismos datos.
Conceptos básicos:
Población:
Quizá, la definición teórica de población estadística sea un poco abstracta. Por eso, sin renunciar a la rigurosidad y precisión que requieren las variables cuantitativas, vamos a intentar abordar el concepto de población estadística de la forma más sencilla posible.
Empezaremos por la palabra población. ¿En qué piensas cuando lees o escuchas la palabra población? Muy probablemente en un número de personas. Por ejemplo, la población de Argentina, la población de Chile, la población de Nueva York o la población mundial. Y dirás, ¿qué tiene que ver la población con la estadística? Pues tiene que ver mucho. Todo se remonta a los orígenes de la palabra estadística.
Con esto en mente, seguiremos la siguiente secuencia para entender el concepto: origen de la palabra, principales tipos de población y un ejemplo de población estadística.
Origen del concepto
la estadística nace con el objetivo de medir y cuantificar características de la vida cotidiana. Así, los gobiernos comienzan a elaborar censos de población, tablas de mortalidad y natalidad e incluso en Roma se registraban las tierras y propiedades que tenían los ciudadanos.
De ahí que la palabra que se utilizase y se utilice sea la de población. Pues, incialmente, se cuantifican cosas sobre la población de un territorio.
Tipos de población estadística
Dentro de las poblaciones estadísticas, fundamentalmente dos tipos de poblaciones:
-Población estadística finita: Es aquella en la que el número de valores que la componen tiene un fin. Por ejemplo, la población estadística que nos indica la cantidad de árboles de una ciudad es finita. Es cierto que puede variar con el tiempo, pero en un instante determinado es finita, tiene fin.
-Población estadística infinita: Se trata de aquella población que no tiene fin. Por ejemplo, el número de planetas que existen en el universo. Aunque puede que sea finito, el número es tan grande y desconocido que estadísticamente se asume como infinito.
La muestra:
Diferencia entre muestra y población
La diferencia entre muestra y población es que la muestra es una selección de los sujetos de la población. La muestra es utilizada para obtener información y ciertas conclusiones acerca de la población.
Es decir, en simple, la muestra es una parte de la población con la cual el investigador realizará el análisis estadístico.
La muestra debe ser lo suficientemente grande como para representar a la población y además los sujetos de los que se obtiene la información deben ser seleccionados de forma aleatoria.
Imaginemos que queremos saber la opinión de los ciudadanos españoles acerca de los políticos. En este caso no podemos preguntar sólo a 10 personas si en el país habitan 46 millones.
Tampoco podremos preguntar únicamente a los jóvenes, habrá que realizar la consulta a gente de diferentes características relacionadas con la edad, el sexo o la ciudad en la que residen.
En resumen, la diferencia entre muestra y población reside en que la población es el conjunto de sujetos que reúnen una característica que desea ser estudiada. En cambio, la muestra es una parte de esa población que se selecciona para obtener la información con la que se va a trabajar.
Ejemplos de diferencia entre muestra y población
Seguramente a lo largo de este artículo ya has conseguido entender la diferencia entre muestra y población. Por si no fuese suficiente, a continuación, te explicamos algunos ejemplos más para terminar de comprenderla:
Queremos conocer el grado de satisfacción de los empleados de la empresa Coca-Cola. La población serían todos los empleados del mundo de la compañía y la muestra podría ser el conjunto de una selección de 10 empleados de cada país.
Ahora queremos saber cuál es la marca favorita de vehículos para los conductores de edades comprendidas entre los 40 y 50 años de Colombia. La población son todos los conductores de las edades mencionadas que residen en Colombia. En este caso, la muestra sería una selección aleatoria de todos aquellos residentes en Colombia que tengan carnet de conducir y esa edad.
Por último, queremos conocer cuántos litros de agua beben al día los niños de un colegio. La población serán todos los alumnos del colegio y la muestra puede ser la selección de un chico y una chica de cada clase.
El individuo:
En estadística, como individuo o unidad estadística se denomina cada uno de los elementos que componen una población, es decir, el conjunto de todos los elementos que es sometido a una medición estadística. Como tal, el individuo es un ente observable, de allí que no tenga que ser, necesariamente, una persona, sino que también puede ser un objeto, un organismo, o algo abstracto.
Cada uno de los elementos que forman parte de la población. En sentido estadístico un individuo al igual que ocurre para el concepto de población, puede ser algo con existencia real, como una persona, un automóvil o una casa, o algo más abstracto como la temperatura, una opinión, un voto o un sentimiento.
Si estamos haciendo un muestreo sobre el nivel de analfabetismo en un país en niños de 6 a 14 años, entonces el individuo o unidad de estudio es precisamente el niño que tiene la edad correspondiente y que vive en el país a analizar.
Si estamos haciendo un muestreo en una empresa de jabones para verificar que cada jabón contenga el porcentaje mínimo requerido de crema humectante, entonces el individuo o unidad de estudio es el jabón que es parte de la producción y que será sometido a los análisis de calidad correspondientes.
Variable nominal y ordinal
La variable nominal y ordinal es aquella que permite categorizar los datos de manera que, en la nominal, el orden no es importante, mientras que sí lo es en la ordinal.
Por tanto, este tipo de variables se utilizan para agrupar datos. La diferencia esencial entre ambas es la que hemos comentado, el orden. Así pues, la nominal nombra y la ordinal ordena. Una peculiaridad son las que solo toman dos valores o dicotómicas.
Medidas en la variable nominal y ordinal
La escala, o forma de medir este tipo de variables, tiene ciertas diferencias. Sobre todo, estas son debidas a la importancia, o no, del orden, como hemos mencionado anteriormente. La variable nominal y ordinal tienen un carácter cualitativo, expresando cualidades del fenómeno analizado.
En las ordinales, sus valores indican el nivel de presencia, o ausencia, de un aspecto concreto; mientras que en las nominales indican una categoría. Por tanto, aunque se suelen utilizar números enteros en ambas, su significado es muy diferente, ya que en las ordinales expresan valores ordenados.
Por otro lado, con ellas no se pueden realizar operaciones matemáticas, a diferencia de otras como las cardinales o continuas, donde podemos calcular estadísticos descriptivos. En el caso de las ordinales hay una excepción que veremos a continuación.
La escala Likert
Este tipo de variables suelen representarse con números que, a su vez, suponen una categoría ordenada. La razón de codificarlas es para poder realizar análisis con programas estadísticos. Además, en ellas existe una forma de medida muy habitual, la escala Likert.
Esta escala, que lleva el nombre de su creador, es muy utilizada en los análisis de mercados o de percepciones. Toma valores entre uno y cinco, o siete e, incluso, diez. Todo depende de lo que queramos estudiar. Permite ciertos análisis cuantitativos, como el cálculo de medias. Por tanto, aúna las ventajas de una escala ordinal y la posibilidad de operar con ella.
A= Variable nominal
Una variable nominal es un tipo de variable estadística de tipo cualitativo que expresa con nombre una cualidad no necesariamente ordenable.
Así pues, dentro de las variables cualitativas nos encontramos con las nominales. Las cuales, aunque se expresan también con un nombre, se diferencian de las ordinales, en que no necesariamente llevan un orden. Por ejemplo, decir que Juan tiene los ojos verdes, es el caso de una variable nominal. Si tuviéramos una población, ¿cómo podríamos ordenar los colores? ¿De mayor a menor? Salvo que establezcamos una medida, por norma general, no podemos ordenar diferentes colores.
Ejemplo de variables nominales
A continuación, tenemos varios ejemplos de variables nominativas:
-Nacionalidad. Por ejemplo, mexicano, argentino y español.
-Sexo. Hombre o mujer.
-Religión. Las diferentes religiones.
-Color de piel, de ojos o pelo.
-Ideología económica. Capitalismo, socialismo, economía mixta, etc.
-Ideología política. Según el diagrama de Nolan tendríamos conservador, progresista, centro, liberal y totalitario.
Y así podríamos seguir con más ejemplos que no necesariamente se pueden ordenar. Al menos, no en términos cuantitativos (no existe jerarquía). En lo que sigue vamos a ver dos ejemplos más desarrollados respectivos a la nacionalidad y al sexo.
Estudiantes de una clase:
Imaginemos que estamos en una clase en la que hay 10 alumnos. Queremos saber cuántos hombres hay y cuántas mujeres hay para conocer la distribución porcentual. Así pues, tenemos la siguiente tabla:
B= Variable ordinal
Una variable ordinal es un tipo de variable estadística de tipo cualitativo que expresa con palabras una cualidad de naturaleza ordenable.
Es decir, una variable ordinal es una variable que puede ser ordenada. Así, si decimos que en una carrera de 100 metros lisos Andrés quedó primero, José segundo y Pablo tercero. Esa posición es ordenable, se puede ordenar de mayor a menor o de menor a mayor. Es decir, de forma descendente o ascendente.
De manera que, en referencia a las variables cualitativas nos encontramos con las ordinales. Las variables ordinales, a diferencia de las nominales, sí pueden ser ordenadas de forma jerárquica. Otro ejemplo, en este sentido, podría ser que una lesión es leve, moderada o grave. La variable es la gravedad de la lesión y se puede ordenar en función de la gravedad. En caso de que no sea posible ordenarlo de forma jerárquica estaríamos hablando de una variable nominal.
Ejemplo de variables ordinales
En lo que sigue vamos a ver varios ejemplos de variables ordinales:
-Calificación crediticia. Este será mejor cuanto mayor sea la solvencia según la agencia de calificación.
-Nota de una prueba. Por ejemplo, un examen que se califica como suspenso, aprobado, notable, sobresaliente y matrícula de honor.
-Posición en una carrera deportiva. Primero, segundo, tercero, cuarto, etc.
-Satisfacción con un servicio al cliente. Muy insatisfecho, insatisfecho, neutro, satisfecho y muy satisfecho.
Podríamos nombrar otros ejemplos, pero estos son algunos de los más representativos. Lo más importante es saber identificar este tipo de variables estadísticas. Además, vamos a ver dos ejemplos más desarrollados sobre las variables ordinales: nota de una prueba y satisfacción de los clientes de una compañía telefónica respecto al servicio al cliente.
Notas del examen de economía:
Un conjunto de 10 alumnos realizó una prueba sobre conceptos de economía hace una semana y las calificaciones fueron las siguientes:
La tabla anterior muestra las calificaciones de cada uno de los 10 alumnos. En total tenemos 2 suspensos, 3 aprobados, 3 notables, 1 sobresaliente y 1 matrícula de honor. En la frase anterior, acabamos de ordenarlos de manera ascendente. Es decir, primero las calificaciones más bajas (suspensos) y finalmente la calificación más alta (matrícula de honor). Si lo hubiéramos hecho al revés sería en orden descendente.
Satisfacción de los clientes de una compañía telefónica respecto al servicio al cliente:
Una práctica común en las compañías telefónicas (y en general en muchas compañías con atención telefónica) es que registran datos sobre la satisfacción del cliente con respecto a la atención recibida. También son habituales el tipo de respuestas que veremos a continuación en encuestas de interés público. Así pues, tenemos los siguientes datos.
Los datos anteriores hacen referencia a una variable ordinal. Al ser ordinal, podemos ordenarlo jerárquicamente. Así pues, para ilustrarlo lo haremos en orden descendente. Es decir, lo ordenaremos de más satisfacción a menos satisfacción. Tenemos, por tanto, 3 clientes muy satisfechos, 3 clientes satisfechos, 2 clientes neutros y 2 insatisfechos en relación a la atención telefónica recibida.
C= Variable cuantitativa:
Una variable cuantitativa es aquella variable estadística que, a diferencia de la cualitativa, puede expresarse a través de cifras. Por esta razón, puede analizarse con métodos estadísticos.
Otra forma de entender las variables cuantitativas es como aquellas que pueden ser medibles. Así pues, es posible ordenarlas de mayor a menor (o viceversa) y realizar operaciones matemáticas.
Diferencia entre variable cualitativa y cuantitativa
La principal diferencia entre variable cualitativa y cuantitativa es que la primera representa una cualidad del sujeto u objeto que puede expresarse mediante palabras. En cambio, la segunda se expresa únicamente con números.
Dicho esto, conviene aclarar que a las variables cualitativas también se les puede asignar un valor. Por ejemplo, imaginemos una base de datos en la que a las personas nacionales se les asigna, para su clasificación, el número 1, mientras que, a los extranjeros, por el mismo motivo, se les asigna el número O. No obstante, pese a ello, esto no quiere decir que la variable es cuantitativa, pues no se trata de una variable medible.
Cabe señalar, además, que las variables cuantitativas son específicas o exactas. Esto, a diferencia de las variables cualitativas que tienden a ser más relativas.
Por ejemplo, el peso de una maleta puede ser de 23,5 kg. Este es un valor exacto. Sin embargo, una variable cualitativa podría ser el nivel de satisfacción del servicio en un restaurante, donde se puede pedir una calificación del 1 al 5. No obstante, seguirá siendo una variable cualitativa y la forma de medirla será más inexacta que en el ejemplo de la maleta. Una persona podría dudar si poner una calificación de 3 o 4 si su nivel de satisfacción fue moderado.
Tipos de variables cuantitativas
Variables discretas: Son aquellas que toman, solamente, determinados valores y no cualquier valor que se encuentre entre dos de ellos. Por ejemplo, cuando una variable solo puede tomar valores enteros es discreta. Imaginemos el número de coches que posee una persona. Un individuo no puede tener un coche y medio.
Variables continuas: Son aquellas que pueden tomar cualquier valor. Habitualmente, esto quiere decir que puede tomar valores que no son enteros. Por ejemplo, el peso de una bolsa de arroz puede ser de 1,25 kg.
Ejemplos de variable cuantitativa
Un ejemplo de variable cuantitativa puede ser la remuneración de los empleados de una empresa. Esta puede ir desde 1.500 hasta 10.000 dólares mensuales.
Con los datos de estas remuneraciones se pueden calcular indicadores como la media, mediana y moda. Incluso, se puede hacer una comparación con otras empresas del sector.
Además de esto, también se puede analizar cómo han ido variando a lo largo del tiempo los sueldos de la empresa. A su vez, es posible calcular el peso relativo de las remuneraciones dentro de los costes de la empresa, y así ver la importancia de estos.
Representación estadística de datos
En los análisis estadísticos, es frecuente utilizar representaciones visuales complementarias de las tablas que resumen los datos de estudio. Con estas representaciones, adaptadas en cada caso a la finalidad informativa que se persigue, se transmiten los resultados de los análisis de forma rápida, directa y comprensible para un conjunto amplio de personas.
¿Qué es la visualización de datos?
En pocas palabras, las visualizaciones de datos son gráficas que revelan datos y valores. Ayudan a simplificar las hojas de cálculo o tablas de datos en imágenes que son más fáciles de digerir y de las que se pueden derivar conocimientos.
La utilidad de la visualización es que puedes tomar una enorme cantidad de datos y comprimirlos en una forma más simple, de modo que las ideas y percepciones complejas puedan ser comunicadas de manera clara.
Los humanos somos una especie visual, esto nos facilita el reconocimiento de tendencias repetidas, percepciones y valores atípicos que luego ayudan a informar las elecciones que hacemos sobre cómo conducir nuestro negocio.
Seguramente como empresa tienes la necesidad de consolidar, clasificar y representar un volumen cada vez mayor de información, así que conocer las diferentes formas de representar datos te ayudará a valorar el desempeño de tu organización.
Formas de representar datos:
1-Tabla de frecuencia:
Una tabla de frecuencias muestra de forma ordenada un conjunto de datos estadísticos y a cada uno de ellos le asigna una frecuencia que, en pocas palabras, son las veces que se repite un número o dato. Puedes usar las tablas de frecuencias para ordenar variables cuantitativas o cualitativas.
La tabla de frecuencias (o distribución de frecuencias) es una tabla que muestra la distribución de los datos mediante sus frecuencias. Se utiliza para variables cuantitativas o cualitativas ordinales.
La tabla de frecuencias es una herramienta que permite ordenar los datos de manera que se presentan numéricamente las características de la distribución de un conjunto de datos o muestra.
Tipos de frecuencias:
-Frecuencias absolutas: son el número de veces que se repite un número en un conjunto de datos.
-Frecuencias absolutas acumuladas: es la suma de las frecuencias absolutas.
-Frecuencia relativa: corresponde a las veces que se repite un número en un conjunto de datos respecto al total, pero se expresa en porcentajes (%).
-Frecuencia relativa acumulada: es la suma de las frecuencias relativas.
2= Diagrama de barras:
El diagrama de barras (o gráfico de barras) es un gráfico que se utiliza para representar datos de variables cualitativas o discretas. Está formado por barras rectangulares cuya altura es proporcional a la frecuencia de cada uno de los valores de la variable.
Las principales características del diagrama de barras son:
-En el eje de abscisas se colocan las cualidades de la variable, si la variable es cualitativa, o los valores de dicha variable, si es discreta.
-En el eje de ordenadas se colocan las barras proporcionales a la frecuencia relativa o absoluta del dato.
-Las barras pueden ser horizontales o verticales, según si los valores de la variable se reflejan en el eje horizontal o vertical.
-Todas las barras deben tener el mismo ancho y no deben superponerse las unas con las otras.
Tipos de gráficos de barras
Existen cuatro tipos de gráficos de barras según las series de datos y como están estas representadas:
A=Gráfico de barras sencillo:
Representa los datos de una única serie o conjunto de datos.
B=Gráfico de barras agrupado:
-Representa los datos de dos o más series o conjuntos de datos.
-Cada serie se representa en un mismo color.
-Las barras se colocan una al lado de la otra por categoría de la variable para comparar las series de datos.
C= Gráfico de barras apilado:
-Representa los datos de dos o más series o conjuntos de datos.
-Cada serie se representa en un mismo color.
-Cada barra representa una categoría de la variable, y se divide en segmentos que representan cada una de las series de datos.
D= Pirámide de población:
Una pirámide de población es un diagrama de barras bidireccional que muestra la población por sexo y rangos de edad en un momento determinado.
En el eje vertical se representan los intervalos de edades. En el eje horizontal se representan los porcentajes de población. En una dirección se representarán los hombres y en el otro las mujeres.
3= Diagrama de sectores:
Un diagrama de sectores es una metodología de representación en una dimensión que recoge tanto la frecuencia absoluta como la variable en cuestión y se expresan mediante porciones de una circunferencia.
En otras palabras, un diagrama de sectores o gráfico sectorial es un gráfico que representa las categorías de la variable en ángulos de una circunferencia.
Esta fórmula devuelve el ángulo que tendrá cada sector en función de su frecuencia absoluta (ni) y el total de observaciones de la muestra (N). El 360 estará siempre en la fórmula y no variará porque es necesario para que el diagrama de sectores tenga una forma circular.
Se divide el total de grados disponibles de la circunferencia con el total de observaciones y se multiplica por cada una de las frecuencias absolutas. Es importante destacar que la frecuencia absoluta lleva consigo el subíndice i para indicar que es una secuencia de elementos y no solo un valor en concreto. Entonces, se destina un sector para cada categoría de la variable.
Se llama sector a cada parte que divide el gráfico. El siguiente gráfico está compuesto por 3 sectores ya que hay 3 particiones:
-Cuantas más particiones tenga el gráfico, más pequeño será el ángulo del sector.
-Cuantas menos particiones tenga el gráfico, más grande será el ángulo del sector.
Un gráfico sectorial que tenga solo un sector tendrá un ángulo de 360° ya que será toda la circunferencia.
Características de un gráfico sectorial o diagrama de sectores
Si no recordamos qué aspecto tiene un diagrama de sectores, podemos compararlo con un queso:
Las características a tener en cuenta son:
-Un diagrama de sectores tendrá siempre forma circular ya que la fórmula para calcular los sectores lleva implícita la circunferencia. Esto lo vemos con el 360 de la fórmula. Si el gráfico de sectores no fuera una circunferencia, no aparecería el 360 en la fórmula.
-El queso, al igual que el diagrama de sectores, lo podemos dividir en las partes que deseamos.
Los diagramas de sectores anteriores están divididos en partes iguales. Esto normalmente no sucede en la vida real ya que cada categoría de la variable acostumbra a tener una frecuencia absoluta diferente. Este suceso se refleja en el gráfico mediante sectores más grandes y sectores más pequeños.
Ejemplo de diagrama de sectores
Mediante una hoja de cálculo representa la siguiente variable:
-Variable: número de ciclistas en las carreteras.
-Categorías de la variable: algunos meses del año (Abril – Mayo – Junio – Julio – Agosto – Setiembre).
4= Histograma:
El histograma es la representación gráfica de un grupo de datos estadísticos. Estos, agrupados en intervalos numéricos o en función de valores absolutos.
El histograma es entonces un gráfico que permite mostrar cómo se distribuyen los datos de una muestra estadística o de una población. Esto, respecto a alguna variable numérica.
En el histograma se suelen usar barras, cuya altura dependerá de la frecuencia de los datos, que corresponde al eje Y. En tanto, en el eje X podemos observar la variable de estudio.
Para esto, debemos recordar que en estadística la frecuencia es la cantidad de veces que se repite un suceso. Por ejemplo, si queremos agrupar a un colectivo en función de la edad, la frecuencia sería el número de individuos que tienen, por ejemplo, entre 18 y 25 años.
Ejemplo de histograma
Veamos un ejemplo de histograma. Supongamos que tenemos los siguientes datos de los alumnos de un salón de clase en la universidad.
Entonces, el histograma se podría construir de la siguiente manera:
Características de un histograma
Cabe señalar que el histograma se construye cuando la variable de estudio (la del eje horizontal) es cuantitativa. En cambio, si fuera cualitativa, se elaboraría de preferencia un diagrama de barras o un gráfico circular.
Debemos tomar en cuenta además que la variable de estudio u observación no necesariamente es continua, como el peso o la altura. Así, puede ser, como en el caso de la edad, que solo toma valores enteros (No se suele decir que alguien tiene 1,5 años).
Otro punto a considerar es que la variable del eje X puede estar presentada en rangos, pero también como valores fijos. Es decir, puede ser que un grupo de personas estén agrupadas en función del número de comidas que llevan al día: 1, 2, 3, 4 o 5.
5= polígono de frecuencias:
Un polígono de frecuencias es una herramienta gráfica que se emplea a partir de un histograma de frecuencia (es decir, otro tipo de gráfico que expresa las frecuencias mediante columnas verticales). Para ello, se unen con una línea los distintos puntos medios de las columnas del histograma, sin dejar espacio entre una y otra, logrando así una forma geométrica o polígono.
Con esta herramienta gráfica pueden representarse variables cuantitativas o distribuciones diferentes, cosa que tradicionalmente no hace un histograma, de un modo rápido y sencillo. Además cuenta con la virtud de ser apreciable a simple vista.
Por esta razón es sumamente empleado dentro de las ciencias sociales y ciencias económicas, permitiendo así establecer comparaciones útiles entre los distintos resultados de un mismo proceso.
Características del polígono de frecuencias
Los polígonos de frecuencia se conforman uniendo los puntos medios de cada fase o columna mediante segmentos de recta, de modo que consisten en un tipo de representación visual de la información cuantitativa. Los datos de la tabla se hallan siempre por debajo de la curvatura del polígono, y su punto más alto es siempre el de mayor frecuencia del conjunto.
¿Para qué sirve un polígono de frecuencias?
Se emplean los polígonos de frecuencias cuando es necesario graficar o resaltar distintas distribuciones conjuntas o bien una clasificación cruzada de una variable cuantitativa continua, junto con otra variable cualitativa o cuantitativa discreta, todo dentro de un mismo gráfico.
¿Cómo hacer un polígono de frecuencias?
Como hemos dicho ya, se obtiene un polígono de frecuencias siempre a partir de un histograma de frecuencia, cuando se unen consecuentemente todos los puntos medios de cada elemento con su respectiva frecuencia. Para ello se deben seguir los siguientes pasos:
-Recolectar la información cuantitativa de lo que se estudiará. Después se establecerán los límites inferiores y superiores de todos los elementos estudiados.
-Determinar la frecuencia de cada tipo de elemento dentro de los límites establecidos, y se hará el cálculo promedio de los límites.
-Trazar el gráfico lineal cerrado, juntando los puntos medios de los datos obtenidos.
Conclusión
0 Comentarios