Número de intervalos de clase

El primer paso para construir una distribución de frecuencias agrupada en intervalos es determinar el número de intervalos de clase en los que se van a agrupar los datos. 

Como regla general, el número de intervalos de clase óptimo debe fijarse entre 5 y 15. Un número demasiado pequeño de intervalos, más concretamente inferior a 5, conlleva una gran pérdida de información, mientras que un número demasiado grande de intervalos no resume la información de forma adecuada, que es lo que finalmente se pretende con una distribución de frecuencias agrupada en intervalos. 

En todo caso, existen también fórmulas que proporcionan el número más adecuado de intervalos para un conjunto de datos, a partir del número de datos a agrupar. La fórmula más utilizada es la regla de Sturges (k: número de intervalos):

$$\text{Regla de Sturges:}\ k= 1 + 3.322 \log_{10}(n)= 1 + \frac{\ln(n)}{\ln(2)}$$

Otra fórmula es la regla de la raíz de cuadrada de Scott:

$$\text{Regla de la raíz cuadrada (Scott):\ k= \sqrt{n}$$

También disponemos de la regla de Rice:

$$\text{Regla de Rice:k = 2 \sqrt[3]{n}</math>

Esta que mostramos a continuación es la regla de Terrell-Scott:

$$k = \sqrt[3]{2n}$$

El valor obtenido según las reglas anteriores se redondea siempre por exceso.

Por últino (aunque también existen más reglas), proporcionamos la regla de Freedman-Diaconis que nos da la amplitud óptima de intervalo, 

$$h =  2\frac{\operatorname{IQR}(x)}{\sqrt[3]{n}}$$

El número de intervalos se calcularía según esta fórmula dividiendo el rango o recorrido entre la amplitud obtenida, redondeando siempre por exceso.



Como citar: Sarasola, Josemari (2024) en ikusmira.org
"Número de intervalos de clase" (en línea)   Enlace al artículo
Última actualización: 06/05/2025

¿Tienes preguntas sobre este artículo?

Envíanos tu pregunta e intentaremos responderte lo antes posible.

Nombre
Email
Tu pregunta
Sigue aprendiendo en Audible

Apoya nuestro contenido registrándote en Audible, sigue aprendiendo gratis a través de este link!


Variable cuantitativa continua

En estadística, una variable cuantitativa continua es una variable estadística cuantitativa, es decir, medida y expresada a través de un número, que toma cualquier valor o un gran número de diferentes valores en un intervalo. Por ejemplo, son variables cuantitativas continuas la altura de una p...

Mediana de las desviaciones absolutas (desviación absoluta mediana)

La mediana de las desviaciones absolutas (MEDA) o desviación absoluta mediana (DAM) es una medida de dispersión absoluta de una variable estadística cuantitativa. Para su cálculo se parte de la mediana de los datos \(x_i\); a continuación se calculan las desviaciones absolutas respecto de dicha medi...

Muestreo de aceptación

El muestreo de aceptación es el conjunto de técnicas que tiene como objetivo determinar la aceptación o rechazo de un lote de material o de artículos recibidos en una empresa en base a una muestra proveniente del lote, en base a criterios probabilísticos y de coste económico y teniendo en cuenta los...

Variable predictora

Una variable predictora o simplemente predictor es una variable que en base al valor concreto que toma se utiliza para predecir el valor que tomará una variable explicada. Toma también la denominación de variable explicativa.  Ejemplo En un modelo de regresión simple, se ha utilizado la altur...