Clase 2 - Jueves, 21 de agosto de 2025 (21 08 25) - Estadística y probabilidad para el desarrollo de software
Guía de Estudio: Estadística y Probabilidad para el Desarrollo de Software
Este documento constituye un material de estudio integral basado en el análisis de datos agrupados, la construcción de tablas de frecuencia y su representación gráfica. Está diseñado para proporcionar una comprensión profunda de cómo organizar y visualizar información estadística para la toma de decisiones en el desarrollo de software.
1. Introducción General
En el análisis estadístico, el procesamiento de grandes volúmenes de datos requiere métodos de organización que faciliten su interpretación. Una de las herramientas más potentes es la agrupación de datos en intervalos de clase. Este método permite pasar de una "población" de datos dispersos a una estructura organizada que resalta tendencias, crecimientos y comportamientos predominantes.
El objetivo central de esta unidad es dominar la construcción de distribuciones de frecuencia y sus representaciones gráficas (histogramas, polígonos de frecuencia y ojivas), herramientas fundamentales para el análisis de rendimiento de sistemas, estudios de usuarios o control de calidad en software.
2. Marco Conceptual: Definiciones y Términos Fundamentales
Para trabajar con datos agrupados, es esencial comprender los elementos que componen una tabla de frecuencias desde cero:
2.1. Intervalos de Clase
Son los rangos en los que se dividen los datos. Cada intervalo tiene un límite inferior y un límite superior.
- Propósito: Agrupar datos similares para simplificar el análisis.
2.2. Límites Reales (LRI y LRS)
A diferencia de los límites nominales, los límites reales aseguran que no haya "huecos" entre las clases. Permiten que los intervalos se conecten físicamente.
- Límite Real Inferior (LRI): El punto de inicio exacto de un intervalo.
- Límite Real Superior (LRS): El punto final exacto de un intervalo.
- Cálculo: Se obtiene buscando el punto medio entre el límite superior de una clase y el inferior de la siguiente (semisuma). Por ejemplo, si una clase termina en 59.99 y la siguiente empieza en 60, el límite real es
(59.99 + 60) / 2 = 59.995.
2.3. Marca de Clase (MC)
Es el punto medio de cada intervalo. Representa a todos los datos contenidos en esa clase para cálculos posteriores (como la media).
- Fórmula:
(Límite Inferior + Límite Superior) / 2.
2.4. Frecuencia (f)
Indica la cantidad de datos que caen dentro de un intervalo específico. Por ejemplo, si en el intervalo [118-126] la frecuencia es 3, significa que hay 3 elementos cuyos valores están en ese rango.
2.5. Anchura de Clase (A)
Es el tamaño del intervalo. Se calcula restando el Límite Real Superior menos el Límite Real Inferior de una misma clase.
3. Desarrollo del Tema: Procesamiento de la Información
3.1. Construcción de la Tabla de Frecuencias
El proceso de organización sigue un orden lógico:
- Definir los intervalos: Establecer los rangos de interés.
- Calcular Límites Reales: Para evitar la discontinuidad en los gráficos.
- Determinar Marcas de Clase: Para tener un representante numérico de cada grupo.
- Asignar Frecuencias: Contar cuántos elementos pertenecen a cada intervalo.
3.2. Frecuencia Relativa y Porcentual
La Frecuencia Relativa expresa qué parte del total representa cada intervalo.
- Fórmula:
Frecuencia del intervalo / Total de la muestra (n). - Importancia: La suma de todas las frecuencias relativas debe ser igual a 1 (o 100% si se expresa en porcentaje). Esto permite ver la importancia de cada clase respecto al todo.
3.3. Frecuencias Acumuladas (Ojiva)
La frecuencia acumulada indica cuántos datos son "inferiores a" un límite real determinado.
- Se construye sumando progresivamente las frecuencias de cada clase.
- Permite observar el crecimiento o evolución de la muestra.
4. Representación Gráfica
El análisis visual es clave para detectar comportamientos de la población sin necesidad de leer tablas extensas.
4.1. El Histograma
Es un gráfico de barras donde las bases representan los intervalos (usando límites reales) y las alturas representan la frecuencia.
- Característica clave: Las barras deben estar pegadas entre sí (gracias a los límites reales) para demostrar continuidad.
4.2. El Polígono de Frecuencias
Es un gráfico de líneas que une los puntos medios (marcas de clase) de cada intervalo.
- Preparación para el gráfico: Para que el polígono "nazca" y "muera" en el eje horizontal (frecuencia cero), se debe agregar un intervalo imaginario antes del primero y otro después del último, manteniendo la misma anchura de clase pero con frecuencia 0.
4.3. La Ojiva (Gráfico de Frecuencia Acumulada)
Representa la acumulación de datos.
- Forma: Siempre es ascendente (nunca baja).
- Eje X: Se utilizan los Límites Reales Inferiores.
- Eje Y: Se utiliza la frecuencia acumulada.
5. Ejemplos Prácticos Basados en Clase
Caso 1: Cálculo de Límites Reales y Marcas de Clase
Si tenemos los intervalos [50 - 59.99] y [60 - 69.99]:
- Diferencia:
60 - 59.99 = 0.01. - Ajuste:
0.01 / 2 = 0.005. - LRS (Clase 1):
59.99 + 0.005 = 59.995. - LRI (Clase 2):
60 - 0.005 = 59.995. - Marca de Clase (Clase 1):
(50 + 59.99) / 2 = 54.995.
Caso 2: Preparación para Polígono de Frecuencia
Si la anchura es 10 y el primer intervalo empieza en 54.995:
- Se añade un punto en
44.995con frecuencia 0. - Se añade un punto al final (después del último límite) con frecuencia 0.
- Esto asegura que el gráfico sea una figura cerrada.
6. Errores Comunes y Aclaraciones
- Redondeo: No se deben redondear los valores de los límites reales (ej. usar 59.995 en lugar de 60), ya que se pierde la precisión necesaria para conectar los intervalos.
- Frecuencia vs. Datos Discriminados: En una tabla de intervalos, sabemos cuántos sujetos hay (frecuencia), pero perdemos el valor exacto de cada uno. Solo sabemos que están "dentro del rango".
- Gráfico de Ojiva Descendente: Si una ojiva baja en algún punto, el cálculo de la frecuencia acumulada es incorrecto; por definición, siempre debe sumar o mantenerse igual.
7. Síntesis y Conclusiones
- Los intervalos son herramientas para organizar poblaciones grandes y mejorar la atención en los datos relevantes.
- Los límites reales son el "pegamento" que une las clases para una representación gráfica continua.
- La frecuencia acumulada es fundamental para entender el crecimiento de la muestra.
- El uso de software como Excel o LibreOffice facilita el cálculo, pero requiere una configuración manual precisa (especialmente para añadir las frecuencias cero en los extremos de los gráficos).
8. Fechas Importantes y Avisos Académicos
A partir de las instrucciones del docente, se establecen los siguientes puntos clave:
| Fecha | Tipo de Evento | Descripción Detallada |
| Viernes (Mañana) | Clase de Modelado de Software | Horario: 18:45 a 20:00 hs. Se confirmó que será en modalidad virtual (no presencial). |
| Próxima Semana | Clase de Estadística | Tema: Población. Se comparará el trabajo con poblaciones grandes frente al trabajo con intervalos para ver ventajas de organización. |
| Próxima Semana | Entrega/Revisión | Se deben traer resueltos los ejercicios de construcción de gráficos (Histograma y Polígono) y tablas de frecuencia acumulada iniciados en la Clase 2. |
| Próximamente | Evaluación (Aviso) | Las evaluaciones serán presenciales, en hoja, pero se permite el uso de Excel para los cálculos. Se evaluarán temas como media, mediana y moda (próximos a ver). |
Recordatorio: El docente enfatiza la importancia de no faltar a las primeras clases, ya que los conceptos de intervalos son la base para todo el cuatrimestre.
9. Preguntas de Repaso
Nivel Básico
- ¿Cuál es la diferencia entre un límite nominal y un límite real?
- ¿Cómo se calcula la marca de clase y qué representa?
Nivel Intermedio
- ¿Por qué es necesario agregar frecuencias de valor cero al inicio y al final de una tabla para construir un polígono de frecuencias?
- Si el total de una muestra es 100 y un intervalo tiene una frecuencia de 15, ¿cuál es su frecuencia relativa y qué porcentaje representa?
Nivel Avanzado
- Explique la relación entre la pendiente de una ojiva y la concentración de datos en un intervalo específico.
- Ante una muestra de 2,500 datos, ¿cuáles son las ventajas y desventajas de trabajar con intervalos de clase versus trabajar con la población completa?