ESTADSTICA

MDULO 1

MDULO 1:
Estadstica descriptiva de una variable.
a) Introduccin . Conceptos
b) Variables cualitativas y cuantitativas Ejemplos Diagramas (Circular y de
barras).
c) Distribuciones de frecuencias
d) Medidas de tendencia central. (Media, moda y Mediana)
e) Medidas de dispersin. ( Rango, Varianza y Desviacin Tpica)

a)

INTRODUCCIN:

La estadstica es una ciencia con base matemtica que tiene que ver con la recoleccin, anlisis
e interpretacin de datos, que tiene por objetivo explicar a partir de estas actividades, el
comportamiento de una o varias variables de un determinado fenmeno. Es una herramienta base
para distintas disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud
hasta el control de calidad, y es utilizada para la toma de decisiones en la ejecucin de distintos
tipos de proyectos o estudios.
Pretender abarcar todo su universo en un cursado de dos meses es utpico, por lo que nos
centraremos en los principios de esta materia teniendo presente que, tal cual un iceberg, lo que
queda sin verse es muy importante y para su comprensin se necesitan herramientas ms
significativas del campo de la matemtica.
La Estadstica se divide en dos ramas:

Por un lado la estadstica descriptiva, que se dedica a los mtodos de recoleccin,

descripcin, visualizacin y resumen de datos originados a partir de los fenmenos
estudiados. Los datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos
de descriptores numricos son: la media y la desviacin estndar. Algunos ejemplos
grficos son: histograma, pirmide poblacional, clsteres, etc.

Por otro lado la estadstica inferencial, que se dedica a la generacin de modelos

asociados a los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las
observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de
la poblacin bajo estudio. Estas inferencias pueden tomar la forma de respuestas a
preguntas: si/no (prueba de hiptesis), estimaciones de caractersticas numricas

ISIV Pgina 1 de 16

ESTADSTICA
MDULO 1

(estimacin), pronsticos de futuras observaciones, descripciones de asociacin

(correlacin) o modelamiento de relaciones entre variables (anlisis de regresin).
Las dos ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay tambin una
disciplina llamada estadstica matemtica, la cual se refiere a las bases tericas de la materia. La
palabra estadsticas tambin se refiere al resultado de aplicar un algoritmo estadstico a un
conjunto de datos, como en estadsticas econmicas, bioestadsticas, etc.
Iniciaremos el curso con la revisin de algunos trminos y conceptos de la estadstica
descriptiva:
CONCEPTOS:
POBLACIN: es el conjunto de todos los elementos que son objeto de un estudio estadstico.
MUESTRA: es un subconjunto de la poblacin. As, si se estudia el precio de las casas de una
ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una
labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es
suficientemente representativa.
INDIVIDUO: son los elementos que conforman una poblacin. Estos elementos portan
informacin sobre el fenmeno que se estudia. As, si estudiamos el rendimiento de los obreros
de una fbrica, cada obrero es un individuo; si estudiamos el precio de la casas de un barrio, cada
casa es un individuo.
TAMAO: es el nmero de individuos que conforman la muestra.
Cabe acotar, que de acuerdo al tipo de trabajo estadstico, la recoleccin de datos puede ser de
dos tipos: si se incluye a toda la poblacin estamos ante un CENSO, y si en cambio se realiza a
un subconjunto representativo, estamos ante una MUESTRA.
EJEMPLO 1:
Si se quiere realizar un estudio sobre los operarios de una empresa y sus
rendimientos en las distintas franjas horarias que representan a los distintos turnos,
la poblacin est conformada por todos los operarios de la empresa, cada uno de
ellos es un individuo. Si el estudio se hace a todos los operarios se trata de un
censo y si se toma una muestra representativa, por ejemplo al 25% de los operarios
de cada turno tomados al azar, estamos ante una muestra, el nmero que
conforma el 25 % de cada turno es el tamao de la muestra.

ISIV Pgina 2 de 16

ESTADSTICA
MDULO 1

Importante: una muestra se debe elegir de una manera aleatoria que garantice la fiabilidad del
estudio.
Si dentro del 25 % de los operarios, se eligen a los de mayor edad, seguramente se obtendr un
resultado parcial o tendencioso.

b) Variables cualitativas y cuantitativas

Qu una VARIABLE?
Al realizar un trabajo estadstico, censo o muestra, se estudian diferentes caracteres llamados
variables, por ejemplo: el precio de los automviles 0 km, el consumo, el color.
Estas variables pueden ser cuantitativas o cualitativas.
Una variable es cuantitativa cuando se puede asociar a ella una cantidad, discreta o continua, por
ejemplo el precio o el consumo de combustibles cada 100 km..
En cambio es cualitativa cuando se dice del carcter una cualidad no medible, por ejemplo el
color. (Aunque si a cada color se le asocia un nmero discreto, se la puede convertir en
cuantitativas).
Cuando se miden variables cuantitativas, las cantidades pueden ser discretas (se le asocia un
nmero entero 1, 2, 8, -4, etc. Por ejemplo: nmero de hermanos (puede ser 1, 2, 3....,etc, pero,
por ejemplo, nunca podr ser 3,45) o continuas (se asocia un nmero real, es decir que pueden
tomar cualquier valor real dentro de un intervalo.

EJEMPLO 2:
Si tomamos el ejemplo 1, se podran estudiar las variables edad, sexo, peso, lugar de
nacimiento, etc. Los caracteres edad y peso corresponden a variables cuantitativas,
sexo y lugar de nacimiento son variables cualitativas.

Por ejemplo, la velocidad de un vehculo puede ser 67,3 km/h, 104,35 km/h...etc.). Cuando se
trabaja con variables cuantitativas continuas es conveniente hacerlo con agrupaciones de datos
llamados intervalos.

ISIV Pgina 3 de 16

ESTADSTICA
MDULO 1

Las variables tambin se pueden clasificar en UNIDIMENSIONALES: cuando slo recogen

informacin sobre una caracterstica (por ejemplo: edad de los alumnos de una clase).
BIDIMENSIONALES: cuando recogen informacin sobre dos caractersticas de la poblacin
(por ejemplo: edad y altura de los alumnos de una clase).
PLURIDIMENSIONALES: recogen informacin sobre tres o ms caractersticas (por ejemplo:
edad, altura y peso de los alumnos de una clase).
ANLISIS DE PROBLEMAS:
1) Un estudio sobre cul es el equipo profesional argentino que ms simpatizantes
posee y con el fin de comprobar que el dicho de que Boca es la mitad ms uno del
pas se realiz una encuesta a 50 personas de una ciudad que contestaron lo
siguiente:
BOCA RIVER RIVER GIMNASIA INDEPENDIENTE BOCA BOCA - SAN LORENZO RIVER
RACING BOCA RIVER ESTUDIANTES RIVER BOCA SAN LORENZO BOCA- RIVER
RACING INDEPENDIENTE RIVER BOCA BOCA VELEZ RIVER ESTUDIANTES BOCA
VELEZ BOCA RIVER RIVER- ESTUDIANTES RACING VELEZ RIVER BOCA BOCA
INDEPENDIENTE BOCA RIVER RIVER RACING SAN LORENZO - ROSARIO RACING
BOCA BOCA BOCA RIVER BOCA.

En este problema se trabaja con una variable cualitativa. Ser simpatizante de es una
cualidad y lo que se puede hacer a continuacin es un conteo:
BOCA: 17
RIVER: 14
INDEPENDIENTE: 3
SAN LORENZO: 3
RACING: 5
VELEZ: 3
ESTUDIANTES: 3
ROSARIO: 1
GIMNASIA: 1

ISIV Pgina 4 de 16

ESTADSTICA
MDULO 1

Estos datos pueden graficarse para una mejor visualizacin. Los valores obtenidos en aquellos
equipos con muy pocos simpatizantes se pueden agrupar en una categora OTROS (Como
ejemplo lo vamos a hacer con los de ROSARIO Y GIMNASIA).
REPRESENTACIONES GRFICAS

a)

Grfico circular

En este tipo de grficos se destaca el rea de cada uno de los

equipos, siendo los de mayor superficie, los de BOCA Y RIVER.
Adems, pueden incluir datos muy enriquecedores para el trabajo que se
realiza, como por ejemplo el porcentaje:

ISIV Pgina 5 de 16

ESTADSTICA
MDULO 1

Observaciones: Estos grficos y una variada gama de alternativas se encuentran en el EXCEL.

Basta elegir aquel que mejor represente lo que queremos mostrar.
Sin embargo un alumno los puede construir manualmente y para ello tendr dos problemas, por
un lado como determinar el rea que corresponde a cada dato y el porcentaje que corresponde al
mismo.
Aplicando Regla de tres simple se solucionan ambos problemas y el porcentaje se puede
determinar con cualquier calculadora.
Por ejemplo: DETERMINAR EL AREA QUE OCUPA UN DATO EN UN GRFICO
CIRCULAR.
Si consideramos que una circunferencia es un ngulo de 360 grados, en nuestro problema, los 50
datos recolectados se distribuyen en esos 360 grados y para determinar cul es el ngulo rea que
corresponde a BOCA realizamos:
50 hinchas------------------ 360
17 hinchas de BOCA----

Como es un caso de proporcionalidad directa: x= (17 x 360)/50 = 122,4

Entonces se construye una circunferencia, se traza un radio y a partir de all con un transportador
(semicrculo) se traza un ngulo de 122,4 aproximadamente.
Queda determinado el rea (sector circular) que corresponde a BOCA. A partir de all se va
realizando el mismo trabajo para cada equipo y se trazan los ngulos a continuacin del ltimo
realizado.
Para el clculo del PORCENTAJE, es similar solo que en vez de usar 360, usamos 100 que es la
unidad de comparacin de esta herramienta.
Ejemplo: (Siempre utilizando el ejemplo de los simpatizantes de los equipos de futbol)
50 hinchas------------------ 100%
17 hinchas de BOCA----

Como es un caso de proporcionalidad directa: x= (17 x 100)/50 = 34%

ISIV Pgina 6 de 16

ESTADSTICA
MDULO 1

Para tener un control sobre los clculos que realizamos, la suma de todos los porcentajes de
nuestro trabajo debe dar 100%.

b) Grfico de barras.
Tambin estos grficos tienen una variedad de presentaciones, sobresaliendo los de barras
verticales u horizontales. Se adjunta un modelo de muestra:

El grosor de las columnas no tiene relacin en este ejemplo con los datos en s.

Hay otros tipos de grficos que van solo de ejemplo:

Grfico de lneas

ISIV Pgina 7 de 16

ESTADSTICA
MDULO 1

Grfico de rea

En la actualidad los medios grficos de comunicacin utilizan los pictogramas, basados en

dibujos alusivos a la caracterstica estudiada. Por lo general los pictogramas son ms vistosos
para representar una situacin.
Ejemplos:

Volvemos a nuestro problema anterior:

Qu podemos inferir?
Es Boca el equipo cuyos simpatizantes son la mitad ms uno del pas?... es fiable el trabajo
realizado?
Cualquier estudiante estar de acuerdo que la muestra para determinar que Boca es el equipo
cuyos simpatizantes son la mitad ms uno del pas, no es fiable. No se puede generalizar una
encuesta a 50 personas de una ciudad para dar una conclusin sobre el tema. Tambin hay que
considerar cmo se eligieron las 50 personas para que el trabajo resulte por lo menos fiable para
decir: en nuestro barrio, en nuestro pueblo, en nuestro lugar de trabajo, Boca no es la mitad mas
uno del pas. Pero generalizar a todo el pas es un trabajo que no tiene sentido.

ISIV Pgina 8 de 16

ESTADSTICA
MDULO 1

2) OTRO PROBLEMA:
En una clnica se determinaron las edades de las mujeres que haban dado a luz en el
ltimo mes, resultando los siguientes datos:
23 35 - 40 29 38 18 19 40 22 26 24 18 25 30 32 20 19 18 23 24 23 23 23 40 18 26 23 29 19 25 22 25 33 23 24 24 19 26 35 32
21 24 36 25 24 23 26 22 33 32
Qu podemos hacer? Tenemos tambin 50 datos, pero realizar el conteo por edades es muy
engorroso, por lo tanto aqu es conveniente utilizar intervalos (que agrupan distintas edades)
Pasos a seguir:
a) Buscamos los datos extremos (el menor y el mayor) y determinamos la amplitud de los
valores de los datos y lo llamaremos RANGO:
Valor menor: 18 aos
Valor mayor: 40 aos
Rango: 40 18 = 22
b) Dividimos el rango en un nmero conveniente de intervalos de clase. (entre 5 y 20,
dependiendo de la cantidad de datos). Cada dato debe pertenecer a un solo intervalo.
Adems, los puntos medios de cada intervalo deben coincidir con algunos datos. (Cuando
las variables son discretas conviene que las marcas tambin lo sean, por lo tanto all se
debe tomar una amplitud impar del intervalo)
Si bien hay varias maneras de calcular el nmero de intervalos o clases, existe una
frmula llamada REGLA DE STURGE que permite realizar una aproximacin ms
sistemtica.
Si llamamos K al nmero de intervalos o clases, segn esta frmula, K se calcula de
la siguiente manera:
K= 1 + 3,322.log R (Donde R es el rango) (En nuestro caso 22)
La amplitud del intervalo (llamamos W), se determina con la frmula:
W= (R+1)/K
Si se trabaja con variables discretas (enteras), se redondean los resultados.

ISIV Pgina 9 de 16

ESTADSTICA
MDULO 1

Aplicamos estos conceptos a nuestro problema:

Determinamos K:

K= 1 + 3,322.log R
K=1+3,322 x log 22
K= 1 + 3,222 x 1,3424 = 5,4594528

Como trabajamos con una variable discreta (edad de las madres) se redondea el resultado
y se tiene: K=5
(Esto significa que tendremos 5 intervalos de clase)
Qu amplitud tendrn los intervalos?
W= (R+1)/K
W= (22 + 1)/5 = 4,6
Se redondea: W = 5
c) Realizamos el agrupamiento en intervalos:
Intervalos (K)
18 a 22 aos
23 a 27 aos
28 a 32 aos
33 a 37 aos
38 a 42 aos

Conteo
III III III III I
III III III III III III III I
III III
III II
III I

Frecuencias
13
22
6
5
4

Marca
20
25
30
35
40

Como se observa al realizar la distribucin, el extremo superior vari (42), esto sucede porque
cada intervalo debe tener la misma amplitud y en especial se nota mucho ms por trabajar con
nmeros enteros.
A este cuadro de distribucin de frecuencias lo vamos a seguir utilizando a medida que
ampliemos los conceptos siguientes.
CONCEPTOS UTILIZADOS:
CLASE O INTERVALO DE CLASE: es un grupo de datos
FRECUENCIA: es la cantidad de veces que un dato se repite en el intervalo de
clase.
MARCA: es el punto medio de cada intervalo de clase.

ISIV Pgina 10 de 16

ESTADSTICA
MDULO 1

c) MEDIDAS DE TENDENCIA CENTRAL:

En estadstica, las medidas de tendencia central son valores que indican alrededor de qu dato/s
de la variable se ubican los datos de la muestra. En otras palabras, tiene que ver con la eleccin
del dato ms representativo de la muestra, o cul es el que representa mejor al conjunto de datos.
Los ms usuales son la media o promedio, la mediana y la moda.

La media o promedio: X
Indica cunto habran valido todos los datos de haber sido todos iguales. Para calcularla se
suman todos los datos y se divide por la cantidad total de los datos.
Suponiendo un ejemplo simple: las notas de un alumno en una materia han sido en el trimestre: 7
8 5 6 9 4 8 9 (8 notas):
Cul es la media o promedio?
X =

7+8+5+6+9+4+8+9
8

X =

56
8

X =7
Para llevarlo a una frmula, podemos decir que a cada uno de los datos (notas) se le llama x1, x2,
x3, x4, . xn

Los subndices 1, 2, 3, ., n indican el orden de las notas desde la primera a la ltima, siendo
n el subndice que coincide con la cantidad total de datos (notas).
n

Por lo tanto:

x + x 2 + x3 + ... + xi + ... + x n
X = 1
=
n

x
i =1

NOTA: Si los datos son cualitativos, la media carece de sentido.

ISIV Pgina 11 de 16

ESTADSTICA
MDULO 1

Si los datos estn agrupados en intervalos de frecuencia, como en el caso del problema de la
edad de las madres que dieron a luz en un determinado tiempo, entonces la frmula a utilizar
ser la siguiente:

Para ello es importante completar nuestro cuadro que lo habamos dejado inconcluso:

Intervalos (K)
18 a 22 aos
23 a 27 aos
28 a 32 aos
33 a 37 aos
38 a 42 aos

X =

Frecuenci
as (fi)
13
22
6
5
4

Marc
a (xi)
20
25
30
35
40

13 20 + 22 25 + 6 30 + 5 35 + 4 40 260 + 550 + 180 + 175 + 160 1325

=
=
= 26,5
50
50
50

Promedio redondeado = 26

MODA:
Es el valor que se presenta con mayor frecuencia en un conjunto de datos.

MEDIANA:
Es el valor central de los datos, una vez ordenados de menor a mayor. Si el nmero de datos es
par, se toma el valor medio de los dos centrales.

Si volvemos a nuestros ejemplos:

a) El de los simpatizantes de los equipos de ftbol
MEDIA O PROMEDIO: no tiene sentido pues son variables cualitativas.
MODA: BOCA (Es el dato que ms se repite en la muestra)
MEDIANA: No tiene sentido porque no se pueden ordenar los datos de menor a mayor y
por lo tanto no podemos encontrar el o los datos que quedan en el centro.

b) Si consideramos el ejemplo de las notas de un trimestre: : 7 8 5 6 9 4 8 9.

ISIV Pgina 12 de 16

ESTADSTICA
MDULO 1

Ya se haba calculado la media: 7 (siete)

MODA: los datos que ms se repiten son 8 y 9, pero no tiene sentido para una medida de
tendencia central representativa, ya que hay notas bajas que hacen caer el promedio,
generndose mucha diferencia entre ambas mediciones.
MEDIANA: Si ordenamos los datos tenemos: 4, 5, 6, 7, 8, 8, 9, 9 (Ordenados de menor a
mayor)
Como es un nmero par de datos, los dos nmeros centrales son el 7 y el 8, por lo que se
debe hallar la media entre ambos nmeros (7+8)/2 = 7,50
MEDIANA= 7,50

c) En el ejemplo de las edades de las madres que dieron a luz en un determinado

tiempo:
Intervalos
(K)
18 a 22 aos
23 a 27 aos
28 a 32 aos
33 a 37 aos
38 a 42 aos
(sumas)

Frecuencias Marca
(fi)
(xi)
13
20
22
25
6
30
5
35
4
40
50
////////////

fi.xi

fri

260
550
180
175
160
1325

0,26
0,44
0,12
0,10
0,08
1

26%
44%
12%
10%
8%
100%

(La tercera columna se forma multiplicando la frecuencia por la marca de cada intervalo.
Al final aparece 1325 que es la sumatoria de dichos productos. La cuarta columna, la de las
frecuencias relativas se forma dividiendo las frecuencias de cada intervalo por la sumatoria
de frecuencias: 13/50=0,26. Por ltimo, la quinta columna es la de los porcentajes que
representan los intervalos y se construye multiplicando la frecuencia relativa por 100. Las
frecuencias relativas siempre suman 1 y las porcentuales 100%)
PROMEDIO 0 MEDIA:
Habamos calculado que el promedio era 26,5 aos (Redondeamos en 26 aos)

MODA: es la marca del intervalo de mayor frecuencia: 25 aos

MEDIANA: Si son 50 datos ordenados de menor a mayor y por tratarse de una cantidad par de
datos, hay dos de ellos que quedan en el centro, los que estn en el lugar 25 y 26.
Para no ordenar toda la serie, podemos determinar que la mediana se encuentra en el segundo
intervalo, pues hasta el mismo se ordenan 35 datos (13 + 22), por lo tanto vamos a ordenar los
datos del 2do intervalo cuya amplitud va desde 23 a 27 aos:

ISIV Pgina 13 de 16

ESTADSTICA
MDULO 1

El primer dato, ser el nmero 14, ya que el primer intervalo tiene 13 datos (Observar el cuadro
correspondiente):
23-23-23-23-23-23-23-23-24-24-24- 24 24 -24-25-25-25-25-26-26-26-26
En este caso, coinciden los dos nmeros centrales, por lo tanto la mediana es 24
Recurdese, que si la cantidad de datos es impar, nicamente un dato quedar en el centro del
ordenamiento.

d)

MEDIDAS DE DISPERSIN.

Las medidas de dispersin completan el anlisis numrico del conjunto de datos estudiados.
Tienen por objetivo determinar la mayor o menor variacin de los datos y dan una idea de su
disposicin respecto a las medidas de centralizacin.
Los datos que se utilizan para el clculo de algunas de ellas surgen de la ampliacin del cuadro
que venimos realizando.

Las ms importantes son:

1) RANGO: es la diferencia entre el mayor y el menor de los datos. (Tambin recibe el
nombre de amplitud o recorrido).
2) VARIANZA: es la media aritmtica de las diferencias al cuadrado da cada dato, respecto
de la media de todos ellos. Es decir:
n

2 =

(x
i =1

x)2

Y si los datos se encuentran agrupados la frmula es la siguiente:

n

2 =

f
i =1

( xi x ) 2
n

f
i =1

Observaciones: Se pueden encontrar variaciones de estas frmulas, que pueden utilizarse, pero
no las incluimos en este material para confundir al alumno.
Adems debemos ampliar nuestro cuadro para obtener los valores que necesitamos en estas
frmulas.

3) LA DESVIACION TIPICA (O ESTNDAR):

Es la raz cuadrada positiva de la varianza. O sea que su frmula es:

ISIV Pgina 14 de 16

ESTADSTICA
MDULO 1

(x
i =1

x)2

f
i =1

( xi x ) 2

f
i =1

Segn el agrupamiento o no de los datos.

La desviacin me permite calcular la dispersin de los datos, por ejemplo: Si repartiramos
una cierta cantidad de dinero en partes iguales a n personas, la media o promedio
indicara lo que le correspondera a cada una de las personas para que el reparto sea
equitativo. En este caso la desviacin tpica sera 0. En cambio a medida que la desviacin
tpica toma valores cada vez mayores indica una cada vez mayor desigualdad en el reparto.

4) EL COEFICIENTE DE VARIACIN:
No siempre una mayor desviacin tpica indica mayor dispersin. La naturaleza de los datos
puede hacer que la comparacin absoluta entre desviaciones tpicas carezca de sentido.

Por ejemplo, no parece lgico comparar en forma directa la desviacin tpica de la altura de 100
bebs recin nacidos con la desviacin tpica de la estatura de sus padres. En cambio podra
realizarse una comparacin relativa de ambas.

Para medir la dispersin relativa de dos conjuntos de datos, puede utilizarse el coeficiente de
variacin que se define como:

CV =

El conjunto de datos con mayor coeficiente de variacin es el ms heterogneo.

Veamos las medidas de dispersin en nuestro ejemplo de las edades de las madres:
Al cuadro que venamos construyendo, debemos agregarles algunas columnas:

Intervalos
(K)
18 a 22 aos
23 a 27 aos
28 a 32 aos
33 a 37 aos
38 a 42 aos
(sumas)

Frecuencias

Marca

(fi)
13
22
6
5
4
50

(xi)
20
25
30
35
40
//////////

fi.xi
260
550
180
175
160
1325

fri

0,26 26%
0,44 44%
0,12 12%
0,10 10%
0,08 8%
1
100%

ISIV Pgina 15 de 16

xi x

( x i x )2

-6,5
-1,5
3,5
8,5
13,5

42,25
2,25
12,25
72,25
182,25
311,25

fi. ( x i

x)

549,25
49,50
73,50
361,25
729,00
1.762,5

ESTADSTICA
MDULO 1

MEDIA: X = 26,5 AOS

Hemos completado las dos ltimas columnas, en una haciendo la diferencia entre las marcas y el
promedio y en la otra, esa diferencia elevada al cuadrado.
Con ello calculamos:

RANGO: ya lo habamos calculado al inicio para hallar la amplitud de los intervalos:

R = 22
n

VARIANZA: 2 =

f
i =1

( xi x ) 2

f
i =1

DESVIACIN: =

f
i =1

1762,5
= 35,25
50

( xi x ) 2
=

f
i =1

35,25 = 5,94

La desviacin estndar se utiliza para definir los lmites entre los cuales un valor de control
puede definirse como aceptable.
Si la media es 26,5 en este trabajo, los valores entre los cuales sern ser fiable los valores son:
26,5 5,94. Es decir entre 20,56 y 32,44 (Redondeando: entre 21 y 32 aos)

5,94
= 0,22
x
26,5
(Este dato nos puede servir para comparar con otra medicin. Cuanto ms grande es el CV,
mayor ser la heterogeneidad de las medidas.)

COEFICIENTE DE VARIACION: CV =

ISIV Pgina 16 de 16