Esta Di Stica 2009 Adm

FACULTAD DE CIENCIAS ADMINISTRATIVASY CONTABLES
ESTADSTICA
Econ. Julio Nakandakare Ashitomi
HUANCAYO - PER
UNIVERSIDAD PERUANA LOS ANDES Educacin a Distancia. Huancayo. Impresin Digital SOLUCIONES GRAFICAS SAC Jr. Puno 564 - Hyo. Telf. 214433
INDICE GENERAL
Unidad Tematica 1 Autoaprendizaje 8 horas ESTADISTICA, GENERALIDADES, ORGANIZACIN DE DATOS Y GRAFICOS 1. Definicin de Estadstica 2. Clases de Estadstica 3. Conceptos Bsicos 4. Variable y tipos 5. Regla de redondeo 6. Notacin cientfica 7. Cifras Significativas 8. Sumatoria 9. Tabla de Frecuencia 10.Clases de Frecuencia 11. Tabla de Frecuencia para Variables Cualitativas 12.Tabla de Frecuencia para Variables Cuantitativas 13.Construccin de Intervalos o Reduccin de Datos 14.Grficos 15.Clases de Grficos 16.Anlisis Exploratorio de datos Unidad Tematica 2 Autoaprendizaje 8 horas ESTADISTICA DESCRIPTIVA: MEDIDAS DE TENDENCIA CENTRAL, DE DISPERSIN, DE ASIMETRA Y DE APUNTAMIENTO 1. Medidas de tendencia central o de posicin 2. La media o promedio aritmtico 3. Mediana 4. Moda 5. Relacin entre promedio aritmtico, mediana, moda 6. Media Geomtrica 7. Media Armnica 8. Relaciones entre los Promedios 9. Cuartiles 10.Deciles 11. Percentiles 12.Aplicacin de Cuartiles, Deciles y Percentiles 13.Medidas de Dispersin o Variabilidad. 14.Rango. 15.Desviacin Media. 16.Varianza. 17.Desviacin Estndar. 18.Caractersticas de la varianza y Desviacin Estndar. 19.Coeficiente de variacin. 20.Variable estandarizada. 21.Medida de Asimetra. 22.Medida de Apuntamiento. 11 11 12 12 15 18 19 19 20 21 22 23 24 26 32 32 34
41 41 41 43 47 51 54 56 57 57 59 59 59 63 63 64 65 67 67 68 68 70 72
Unidad Tematica 3 Autoaprendizaje 8 horas PROBABILIDAD 1. Introduccin a la teora de la probabilidad 2. Concepto de Probabilidad 3. Experimento 4. Espacio Maestral 5. Evento o suceso 6. Anlisis Combinatorio 7. Factorial de un Nmero 8. Permutacin 9. Variacin 10.Combinacin 11. Diagramas de rbol 12.Definicin clsica de Probabilidad. 13.Probabilidad de Frecuencia relativa. 14.Probabilidad Subjetiva. 15.Probabilidad Frente a Apuestas. 16.Probabilidades de Espacios Muestrales Finitos. 17.Probabilidad Condicional. 18.Sucesos Independientes. 19.Teorema de BAYES Unidad Tematica 4 Autoaprendizaje 8 horas DISTRIBUCIN DE PROBABILIDAD 1. Variables Aleatorias 2. Clases de Variables Aleatorias 3. Distribucin de Probabilidad 4. Distribucin Binomial 5. Distribucin de Poisson 6. Distribucin Geomtrica 7. Distribucin Hipergeomtrica 8. Distribucin Multinomial 9. Distribucin Normal Z 10.Distribucin de Student t 111 111 111 112 113 116 118 121 122 124 129 77 77 77 78 78 78 84 86 86 88 89 90 92 95 98 98 99 101 104 105
Unidad Tematica 5 Autoaprendizaje 8 horas ESTADISTICA INFERENCIAL: MUESTREO, DISTRIBUCIN DE MUESTREO, ESTIMACIN, PRUEBA DE HIPOTESIS, PRUEBA DEL CHI CUADRADO Y ANALISIS DE VARIANZA 133 1. 2. 3. 4. 5. 6. 7. 8. Muestreo Seleccin de un mtodo de muestreo Ventajas y limitaciones del muestreo sobre el censo Etapas de la encuesta por muestreo Diferencias entre poblacin y muestra Tipos de muestreo Tamao de una muestra Terminologa convencional con que se designa las estadisticas muestrales 9. Inferencia Estadstica - Estimacin 10.Concepto de Error Estndar 11. Teorema de Lmite Central 12.Estimacin usando la Distribucin Normal 13.Intervalo de confianza para la media usando la Distribucin t 14.Prueba de Hiptesis 15.Prueba de Hiptesis para las deferencias entre dos medias o dos proporciones 16.La prueba Chi Cuadrado x2 17.Anlisis de Varianza 18.Anlisis de Varianza para una clase o factor 19.Anlisis de Varianza para dos clases o factores 133 133 134 134 134 135 135 136 138 138 140 142 144 145 150 152 157 158 161
Unidad Tematica 6 Autoaprendizaje 6 horas CORRELACIN, REGRESIN, NMEROS INDICES Y SOFTWARE ESTADSTICO 1. Correlacin 2. Coeficiente de correlacin 3. Regresin 4. Serie de Tendencia Rectilnea 5. Serie de Tendencia Parablica 6. Aplicacin de la Ecuacin Exponencial 7. Nmeros ndices 8. Precio ndice mediante la suma 9. Promedio simple de precios relativos 10.ndice ponderado de Laspeyres 11. ndice ponderado de Paasche 12.ndice ideal de Fishers 13.Software Estadsticos 169 169 170 172 172 174 176 178 178 179 180 181 182 183
Excelencia Acadmica
Estadstica
Indicadores de Logro
ESTADISTICA, GENERALIDADES, ORGANIZACIN DE DATOS Y GRAFICOS
Al finalizar el estudio del presente fascculo el estudiante: Define la estadstica y conoce sus clases. Concepta lo que es poblacin, muestra, parmetro, estadgrafo y dato. Define lo que es una variable, conoce y determina sus tipos. Aplica la regla de redondeo y las cifras significativas; as como, la notacin cientfica. Resuelve problemas de sumatoria. Organiza datos originales en una distribucin de frecuencia. Representa la distribucin de frecuencia en graficas. Interpreta las frecuencias relativas y absolutas. Desarrolla una representacin de tallo y hoja.
1.DEFINICIN DE ESTADSTICA La Estadstica es la ciencia de la: ?Sistematizacin, recogida, ordenacin y presentacin de datos referentes a un fenmeno que presenta variabilidad o incertidumbre para su estudio metdico, con el objeto de (Descriptiva) ?Deducir las leyes que rigen esos fenmenos (Probabilidad) ?Y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u obtener conclusiones (Inferencia) Definiciones etimolgicas: El origen etimolgico de la palabra estadstica, no est bien determinado. Universidad Peruana Los Andes
11
Estadstica
Excelencia Acadmica
Para algunos viene de la voz griega STATERA que significa Balanza, equilibrio, otros dicen que deriva del latn STATUS que significa situacin mientras que algunos autores afirman que procede del alemn STAAT cuyo significado es Estado por su funcin de registrar: poblacin, nacimiento, defuncin, etc. Y finalmente, otros autores dicen que proviene de una voz italiana STATISTA que significa estadista y que acuo Gottfried Achenwall (1719 1772), un profesor en Marlborough y Gottingen. 2.CLASES DE ESTADSTICA 2.1.ESTADSTICA DESCRIPTIVAY DEDUCTIVA Es la Estadstica que nicamente se ocupa de describir y analizar un conjunto determinado sin extraer ningn tipo de conclusin o inferencia sobre un conjunto mayor. El anlisis se limita a si mismo a los datos coleccionados. Las grficas, las tablas y diagramas que muestran los datos y facilitan su interpretacin son ejemplos de este tipo de Estadstica. 2.2.ESTADSTICA INFERENCIAL O INDUCTIVA Es la Estadstica que estudia las condiciones bajo las cuales tales inferencias son vlidas, para cuyo estudio se requiere un alto nivel de conocimiento de estadstica descriptiva, probabilidades y matemticas. Comprende la teora de estimacin, prueba de hiptesis y anlisis de varianza. Aqu, la influencia estadstica incluye generalizaciones y afirmaciones sobre probabilidades de su validez. 3.CONCEPTOS BSICOS 3.1.POBLACIN Es el conjunto mayor o coleccin completa de todos los elementos que posee al menos una caracterstica comn observable, cuyo estudio nos interesa o acerca de los cuales se desea informacin. La poblacin puede ser segn su tamao de dos tipos: ?Poblacin Finita: cuando se tiene un nmero determinado de elementos. Ejemplo. El conjunto de todos los alumnos de la UPLA ?Poblacin Infinita: Cuando el nmero de elementos es indeterminado o tan grande que pudiesen considerarse infinitos.
12
Universidad Peruana Los Andes
Excelencia Acadmica
Estadstica
? Ejemplo.El conjunto de Insectos El conjunto de estudiantes Tamao de la poblacin: es el nmero total de elementos que tiene la poblacin estudiada y se denota con la letra N (ene mayscula). 3.2.MUESTRA Es un subconjunto de la poblacin a la cual se le efecta la medicin con el fin de estudiar las propiedades con el fin de estudiar las propiedades de la poblacin de la cual es obtenida. Ejemplo. Un grupo de alumnos del total de estudiantes de la UPLA. Tamao de la muestra: Es el nmero de elementos de la muestra y se denota con la letra n (ene minscula). 3.3.PARMETRO Es un nmero que describe alguna caracterstica de la poblacin o medida de resumen de una poblacin. Se considera como un valor verdadero de la caracterstica estudiada y para determinar su valor es necesario utilizar la informacin poblacional completa y por lo tanto la decisin se toma con certidumbre total. Los parmetros se representan con letras griegas. Ejemplo:La media aritmtica con La desviacin estndar con 3.4.ESTADGRAFO O ESTADISTICO Es el nmero que describe alguna caracterstica de la muestra o medida de resumen de una muestra y la toma de decisin contiene un grado de incertidumbre. La estadstica se representa con letras latinas. Ejemplo: * La media aritmtica con * La desviacin estndar con "S"
13
Estadstica 3.5.DATO
Excelencia Acadmica
Es el valor, respuesta o registro que adquiere una caracterstica
variable asociada a un elemento de la poblacin o muestra, como resultado de la observacin, entrevista o recopilacin en general. Puede ser un smbolo, una palabra o un nmero. Los datos pueden ser: A.Segn su naturaleza a.Datos cuantitativos: Consiste en nmeros que representan conteos o mediciones. Ejemplo. * El nmero de soldados del Per * La talla de los estudiantes de la UPLA b.Datos Cualitativos: Se pueden dividir en diferentes categoras que se distinguen por alguna caracterstica no numrica. Ejemplo. * Los grados del ejrcito * Los colores del arco iris B.Segn su procedencia. a.Datos Primarios: Son aquellos que se obtienen directamente de la misma realidad, sin sufrir ningn proceso de elaboracin previa. Ejemplo:Lo que se recoge directamente de un muestreo o de un censo. b.Datos Secundarios: Son registros escritos que proceden tambin de un contacto con la prctica, pero que ya han sido recogidos y muchas veces procesados por los investigadores. Ejemplo: * Lo que se obtiene de textos, revistas, etc.
14
Excelencia Acadmica
Estadstica
4.VARIABLE Es una caracterstica estudiada de las unidades estadsticas (elementos de la poblacin) Tipos de Variable 4.1.Segn la Naturaleza de la Variable a)Variables Cualitativas Cuando expresan una cualidad, caracterstica o atributo, sus datos se expresan mediante palabras, no es numrica. Ejemplo:Estado civil, lugar de nacimiento, profesiones, causas de accidentes, colores, etc. b)Variables Cuantitativas Cuando el valor de la variable se expresa por una cantidad, es de carcter numrico. El dato o valor puede resultar de la operacin de contar o medir. Ejemplo:Nmero de hijos, ingresos, talla, peso, produccin, edad, utilidades, etc. Las variables cuantitativas pueden ser Discretas y Continuas b.1.Variable Discreta Cuando el valor de una variable resulta de la operacin de contar, su valor est representado solo por nmeros naturales (entero positivo). Ejemplo:Nmero de hijos, habitaciones por vivienda, poblacin por pas. Etc. b.2.Variable Continua Cuando la variable es susceptible de medirse, es toda variable cuyo valor se obtiene por medicin o comprobacin con una unidad o patrn de medida. Se expresa por cualquier nmero real. Ejemplo:rea de terreno, ingresos monetarios, peso, estatura, tiempo, etc.
15
Estadstica 4.2.Segn la relacin entre variables a)Variables Dependientes
Excelencia Acadmica
Son aquellas que se explican por otras variables, son los efectos o resultados respecto a los cuales hay que buscar su motivo, causa o razn de ser. Ejemplo:El consumo. Esta variable depende de los ingresos personales. La produccin. Esta variable depende del tiempo (ao, meses, etc.) b)Variables Independientes Son las variables explicativas o predictivas, cuya asociacin, relacin o influencia en la variable dependiente se pretende descubrir en la investigacin. Tambin, son causas o antecedentes. Ejemplo:Los ingresos personales, relacionado con el consumo. El tiempo, relacionado con la produccin. c)Variables intervinientes o interferentes Son aquellas que coparticipan con la variable independiente condicionando el comportamiento de la variable dependiente. Ejemplo:El caso del Presupuesto familiar que es una variable dependiente, con relacin a los ingresos que es una variable independiente y con otras variables que seran la conducta de consumo, edad de la familia, etc. stos ltimos son variables intervinientes. 4.3.Segn la escala de medicin a)Variables Nominales Son aquellas variables que establecen la distincin de los elementos en diversas categoras, sin explicar algn orden entre ellas. Ejemplo: Sexo, estado civil, profesiones, lugar de nacimiento, deportes de prctica. b)Variables Ordinales Son aquellas variables que implican orden entre sus categoras, estn referidas a un orden de jerarqua, donde la categora expresa una posicin de orden. Ejemplo: Grado de instruccin, clases sociales, rango de agresividad, orden de mrito, etc.
16
Excelencia Acadmica
Estadstica
c)Variable de Intervalo Son aquellos que suponen a la vez orden y grados de distancia iguales entre diversas categoras, pero no tienen origen natural, sino convencional, tiene un cero relativo. Ejemplo:Coeficiente de inteligencia, temperatura, puntuacin obtenida en una escala, etc. d)Variables de Razn Estas variables comprenden a la vez todos los casos anteriores, distincin, orden, distancia y origen nico natural; el valor se expresa con un nmero real, tiene un cero absoluto. Ejemplo:Accidentes de trnsito, edad, peso, ingresos, nmero de hijos, etc. 4.4.Segn Amplitud de las Unidades de Observacin a)Variables Individuales Son referidas a caractersticas de individuos o personas, una empresa, centro educativo, etc. Son variables para estudio de casos, donde se pueden subdividir en variables pblicas y privadas. a.1.Variables Pblicas Son aquellas en que los valores individuales son conocidos por otras personas y se saben que son conocidos. Ejemplo:Edad, sexo, ocupacin, estado civil, etc. a.2.Variables Privadas Son aquellos valores individuales que pueden ser conocidos por otros, una vez averiguados. Ejemplo:Coeficiente de inteligencia, opiniones frente a la poltica, conducta de consumo, etc. b)Variables Colectivas Son aquellas que se refieren a caractersticas de las unidades cuando estas son colectivas, conjuntos o grupos (ciudades, empresas, escuelas, etc.)
17
Estadstica
Excelencia Acadmica
Ejemplo:Tasa de mortalidad, urbanizacin, tasa de crecimiento demogrfico, escolaridad, etc.
Las variables dependientes en un momento o caso pueden ser variables independientes y viceversa.
* Determinar la clase de variable que nos dan los datos de las siguientes fenmenos o hechos: a) Temperatura. b) Razas. c) Nacionalidad. d) Precio del dlar en un mes. e) Nmero de habitaciones por familia. 5.REGLA DE REDONDEO 5.1.Cuando el nmero que se quiere redondear le sigue una cifra mayor que 5, este tomar el valor inmediato superior. Ejemplo:
57,8 1,036 58 1,04 36,808 (redondear al entero) (redondear a 2 decimales) (redondear a 3 decimales)
36,8079
5.2.Cuando al nmero que se quiere redondear le sigue una cifra menor que 5, se quedar en el mismo valor. Ejemplo:
74,3 1,254 74 1,25 53,618 (redondear al entero) (redondear a 2 decimales) (redondear a 3 decimales)
53,6182
18
Excelencia Acadmica
Estadstica
5.3.Cuando al nmero que se quiere redondear le sigue una cifra igual que 5, se tomar dos criterios: a)Si la cifra es par, queda sin alterar. Ejemplo: 24,5
2,385
24 2,38
(redondear al entero) (redondear a 2 decimales)
137,6125
137,612 (redondear a 3 decimales)
b)Si la cifra es impar, pasa al inmediato superior. Ejemplo: 85,5

1,315
86 1,32 57,544
(redondear al entero) (redondear a 2 decimales) (redondear a 3 decimales)
57,5435
Nota: En la prctica por lo general, cuando a la cifra que se desea redondear le sigue 5, pasa al inmediato superior 6.NOTACIN SISTMICA O CIENTFICA La notacin cientfica se utiliza cuando una informacin es seguida o antecedida de ceros. Ejemplos: 80000000 930000000 0,00038 80000000 = 8 107 = 9,3 108 = 3,8 10 - 4 = 80 106 (no es notacin cientfica)
0,000000567 = 5,67 10 -7
Nota: La notacin cientfica solo tiene un entero
7.CIFRAS SIGNIFICATIVAS Son los dgitos que no precisan una medicin, se consideran como cifras significativas los ceros a la derecha; no as los ceros a la izquierda.
19
Estadstica Ejemplo:
Excelencia Acadmica
1. Redondear al entero a) 4,97 d) 36,59 2. Redondear a un decimal a) 36,55 3. Redondear a 3 decimales a) 0,0034 b) 137,0056 c) 0,01351 b) 123,45 c) 0,06 b) 38,49 e) 288,71 c) 127,511
4. Realizar la notacin cientfica de: a) 7 000 000 c) 0,002 937 b) 9 430 000 d) 0,000 005
5. Cuntas cifras significativas tienen los siguientes nmeros: a) 23,000 2 c) 90,000 00 b) 0,23 d) 0,000 895 4
8.SUMATORIA Es un operador que representa una suma de trminos cuyos elementos se encuentran formados de acuerdo a una ley dada. NOTACIN: El operador sumatoria vienen representado por la letra griega sigma ( ) Ejemplo: A)Desarrollar: La expresin dada tiene la siguiente lectura: Sumatoria de a por x elevado a la a, variando a desde 4 hasta 7.
ax
20
a =4
= 4 x 4 + 5x5 + 6 x6 + 7 x7
Excelencia Acadmica
Estadstica
b) Desarrollar:
(- 1) x
k k =0
k +1
La expresin dada tiene la siguiente lectura: Sumatoria de -1 elevado a la k por x elevado a la (k+1), variando k desde 0 hasta 4.
4
(- 1) x
k k =0
k +1
= (- 1) x 0+1 + (- 1) x1+1 + (- 1) x 2+1 + (- 1) x 3+1 + (- 1) x 4+1

0 1 2 3 4
= x + (- 1)x 2 + (- 1) x 3 + (- 1) x 4 + (- 1) x 5
2 3 4
= x + x 2 + x3 + x 4 + x5
c) Desarrollar:
a k
k =0
n-k
La expresin dada tiene la siguiente lectura: Sumatoria del coeficiente binmico n sobre k por a elevado a la n-k, variando k desde 0 hasta 3.
a k
k =0
n-k
n n -0 n n -1 n n - 2 n n -3 = a 3 a + 2 a + 1 a + 0
ACTIVIDAD 1.3 1. Desarrollar
by
b =3 6
2. Desarrollar
(- 2)
P =1
P -1
y P -1
3. Desarrollar
M =0
x c

M -x
9 TABLA DE FRECUENCIA Representacin organizada de los datos que muestra el numero de observaciones del conjunto de datos que caen dentro de cada conjunto de clases mutuamente excluyentes La tabla de frecuencia consta de:
21
Estadstica a)Clase y Marca de Clase Clase
Excelencia Acadmica
Esta constituido por nmeros o descritos por algn atributo cualitativo o cuantitativo de muestras de objetos. La informacin conforme a caractersticas cualitativas son: raza, religin y sexo. As mismo, puede estar formado por intervalo de clase. Marca de Clase ( Xi ) Es la semisuma del limite inferior ( Li ) y limite superior (Ls ) de cada intervalo de clase.
Xi =
Li + Ls 2
O Los atributos cualitativos y cuantitativos deben ser exhaustivos y mutuamente excluyentes. b)Frecuencia Es el nmero de observaciones provenientes del conjunto de datos que caen dentro de cada una de las clases. Si podemos determinar la frecuencia con que ocurren los valores en cada clases de un conjunto de datos, estaremos en condiciones de construir una distribucin de frecuencia. 10. CLASES DE FRECUENCIAS a)Frecuencia Absoluta Simple ( fi ) Es el nmero de observaciones que presentan una modalidad perteneciente a la clase. b)Frecuencia Absoluta Acumulada ( Fi ) Representacin tabular de los datos que muestra cuantas observaciones se hallan encima o debajo de ciertos valores. Estas son ascendentes y descendentes. Frecuencia Absoluta Acumulada Ascendente ( F(1) ) ? Sirven para decir si son iguales o menores.
22
Excelencia Acadmica
Estadstica
? Frecuencia Absoluta Acumulada Ascendente ( F( 2 )) Sirven para decir si son iguales o mayores c) Frecuencia Relativa Simple ( hi ) Son datos que muestran la fraccin del conjunto total de datos que caen dentro de cada conjunto de clases mutuamente excluyente. d) Frecuencia Relativa Acumulada ( Hi ) Es el tanto por uno de los elementos de la poblacin que estn en alguna clase y que presentan una modalidad inferior o superior a la clase. Estas son ascendentes y descendentes. ?Frecuencia Relativa Acumulada Ascendente ( H (1) ) Nos indica la fraccin de los datos que son iguales o menores. ?Frecuencia Relativa Acumulada Descendente ( H ( 2 ) ) Indica la fraccin de los datos que son iguales o mayores. e) Frecuencia Porcentual ( Pi ) Es el producto de las frecuencias relativas por 100.
11.TABLA DE FRECUENCIA PARA VARIABLES CUALITATIVAS
Clase C1 C2 C3 M Cm Total
fi f1 f2 f3 M fm
n
hi
Pi (%)
P1 P2 P3 M Pm 100
h1 h2 h3 M hm 1.00
Ejemplo: Consideremos la muestra formada por 50 personas y en esta, la variable sexo. Si se observa que hay 30 varones y 20 mujeres, podemos trasladar esta informacin a la siguiente tabla de frecuencias.
23
Estadstica
Clase Varn Mujer Total fi 30 20 50
hi
Excelencia Acadmica
Pi (%)
60 40 100
0.6 0.4 1.0
12.TABLA DE FRECUENCIA PARA VARIABLES CUANTITATIVAS

Clase
fi
f1 f2
hi h1 h2
F(1) F(1 1) = f1
2 F(1 ) = f1 + f 2 3 1 F(1 ) = F(1) + f 3
F( 2 ) F(1 2) = n F(2 2 ) = n - f1
2 F(3 2 ) = F( 2 ) + f 2
H (1) H (11) = h1 H (2 1) = h1 - h2 H (31) = H (2 1) + h3
H ( 2) H (12 ) = 1.0 H (22 ) = 1.0 - h1 H (32 ) = H (22 ) - h2
C1 C2 C3 M Cm
Total
f3
h3
M
fm n
M
hm
1.0
M
m F(1 ) =n
M
F(m 2) = f m
M
H (m 1) = 1.0 H (m 2 ) = hm
Ejemplo: Caso cuantitativo discreto Para estudiar la produccin de artculos de una fbrica se tomaron 100 lotes de 250 artculos cada uno. El nmero de artculos defectuosos en cada lote fue como sigue:
1 1 2 4 5 6 4 5
4 3 3 2 2 2 4 6
3 5 8 3 4 4 1 4
5 3 5 3 3 6 3 5
5 3 7 2 4 5 3 3
2 7 7 4 4 2 2 3
5 5 4 1 6 4 1 4
4 2 3 5 5 7 5 4
2 4 3 4 5 6 8 7
3 5 4 4 2 2 6 6
5 8 5 2 6 3 4 6
3 3 5 2 4 6 4 4
5 4 5 5
24
Excelencia Acadmica
Estadstica
Xi
fi 5 14 18 25 20 10 5 3 100
hi
Pi (%)
5 14 18 25 20 10 5 3 100
1 2 3 4 5 6 7 8 Total
0,05 0,14 0,18 0,25 0,20 0,10 0,05 0,03 1.00
Ejemplo: Caso cuantitativo continuo Se desea estudiar la cantidad de kilmetro que recorre un automvil modelo A por cada galn de gasolina que consume; para tal fin se anotaron las distancias recorridas por 36 automviles de tal modelo usando un galn de gasolina. Los resultados, en kilmetros fueron as:
34,51 35,47 36,96 40,00 33,20 31,54 31,60 35,93 31,57 36,20 35,40 36,57 33,80 37,10 30,00 38,24 34,50 36,80 32,91 34,55 34,60 37,85 33,29 36,23 33,98 38,20 33,15 36,88 34,90 38,10 35,61 30,16 34,00 33,00 36,00 36,70
Distancia Recorrida [ 30,00 - 31,25 ] [ 31,25 - 32,50 ] [ 32,50 - 33,75 ] [ 33,75 - 35,00 ] [ 35,00 - 36,25 ] [ 36,25 - 37,50 ] [ 37,50 - 38,75 ] [ 38,75 - 40,00 ] TOTAL
Xi 30,6250 31,8750 33,1250 34,3750 35,6250 36,8750 38,1250 39,3750
fi 2 3 5 8 7 6 4 1 36
hi 0,0556 0,0833 0,1389 0,2222 0,1944 0,1667 0,1111 0,0278 1,0000
Pi (%)
5,6 8,3 13,9 22,2 19,4 16,7 11,1 2,8 100
25
Estadstica
Excelencia Acadmica
fi = Cantidad de Autos
Xi = Li + Ls Marca de Clase 2
Por convencin, cada intervalo es tomado cerrado por la izquierda y abierto por la derecha, a excepcin del ltimo, que es cerrado en ambos extremos. Cerrado significa que incluye el lmite inferior y abierto no incluye el limite superior de la distancia recorrida de cada clase. 13.CONSTRUCCION DE INTERVALOS O REDUCCION DE DATOS Regla: 1. Ordenamiento de datos (segn magnitud) en forma creciente o decreciente. 2. Determinar
Valor mximo ( X max ) Valor mnimo ( X min ) 3. Calcular el Rango( R ) R = X max + X min + 1 R = X max + X min para variable discreta para variable continua
4. Determinar el numero de clases o intervalos (m) Mtodo de STURGES ( n 50 ) m = 1 + 3,322 log(n)
Mtodo de PORTUGAL ( 50 n 100) m = 1,8914 + 3,991 log(n ) (n > 100) m = 2,766 + 5,815 log(n)
Mtodo de la RAIZ m = 2,5 4 n m= n

26
Excelencia Acadmica
Estadstica
m debe ser entero ( Z + ), si sale decimal se redondea.
1. Calcular la amplitud Intervlica ( a ) a= R m
2. Correccin ( D ) D = (m * a ) - R
Si el resultado de D es:
= 0 > 0 < 0
Se Continua Se rehace (En la amplitud intervlica se redondea por exceso)
3. Intervalo de Clase Ii = X min + a Ejemplo: Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA siguientes; dados en metros: 1,73 1,80 1,70
1,74 1,70 1,78 1,71 1,60 1,85 1,82 1,80
1,87 1,75 1,75 1,75 1,86 1,73 1,57 1,75
1,59
1,70 1,71 1,70 1,60 1,65 1,61 1,64
1,87 1,87 1,87 1,55 1,55 1,51 1,55
1,72 1,70 1,71 1,65 1,60 1,67 1,68
27
Estadstica
Excelencia Acadmica
A continuacin vamos a aplicar la regla para construir los intervalos y elaborar la tabla de frecuencia.
Regla: 1. Ordenamiento de Datos Se obvia por ser una muestra pequea 2. Determinar
Xmax = 1.87 mt
Xmin = 1.55 mt
3 Calcular el Rango ( R ) R = X max - X min (variable continua). R = 1,87 - 1,55 = 0,32
4 Determinar el numero de clases; ( m ) por ser n <50 aplicamos el mtodo de STURGES m = 1 + 3,322 log n m = 1 + 3,322 log 41 m = 1 + 3,322(1,613) m = 6,4 m=6 (Tiene que ser entero)
Tambin, se puede aplicar el mtodo de la RAIZ, por ser muestra pequea

m= n m = 41 = 6,4 m = 6 (entero) m = 2,5 4 n m = 2,5 4 41 = 6,3 m = 6 (entero)
5 Calcular la Amplitud Intervlica ( a )
R m 0,32 a= = 0,0533 = 0,053 (regla redondeo) 6 a = 0,053 a=
28
Excelencia Acadmica
Estadstica
6 Correccin ( D ) D = (m a ) - R D = (6 0,053) - 0,032 D = 0,318 - 0,32 D = -0,002 ( Se rehace por ser negativo)
Entonces se corrige a = 0,054 D = (6 0,054) - 0,32 D = 0,324 - 0,32 D = 0,004 (es positivo se continua )
El valor 0,004 se distribuye en la variable mximo y mnimo (se suma y se resta para ampliar el rango)
-0,002 1,548 1,55 1,87
+0,002 1,872
1,548
R=0,324
1,872
Teniendo los datos siguientes se elabora la tabla de frecuencia: X min = 1,548 mt X max = 1,872 mt a = 0,054 mt m=6 7 Intervalo de Clase I i = X min + a
I1 = 1,548 + 0,054 I1 = 1,602
29
Estadstica
Talla(Intervalo) [ 1.548 - 1.602 ] [ 1.602 - 1.656 ] [ 1.656 - 1.710 ] [ 1.710 - 1.764 ] [ 1.764 - 1.818 ] [ 1.818 - 1.872 ] TOTAL Tabulacin ||||| |||| |||| ||||| || ||||| ||||| | ||| ||||| ||
Excelencia Acadmica
fi
hi 9 0.22 4 0.10 7 0.17
F(1)
9 13 20 31 34 41
F( 2)
H (1)
H ( 2)
Xi
41 0.22 1.00 1.575 32 0.32 0.78 1.629 28 0.49 0.68 1.683 21 0.76 0.51 1.737 10 0.83 0.24 1.791 7 1.00 0.17 1.845
11 0.27 3 0.07 7 0.17 41 1.00
Tabulacin: es ubicar los datos de la muestra en la clase intervlica correspondiente
1.Los hbitos de trabajo de la mano de obra( llevan trabajo a casa) en Huancayo se muestran a continuacin:
c a b a c
b b a b a
a a c b d
b a b c b
a a d c a
c d b a d
b d b c a
c a c a d
a b b c d
a b b a a
Donde a= Nunca, b= Menos de una vez al mes, c= Una vez al mes, d= todos los das. Construya un cuadro que presente la informacin recolectada.
LLEVAN EL TRABAJO A CASA
N de trabajadores ( fi )
hi
pi
Nunca Menos de una vez al mes Una vez al mes Todos TOTAL
30
Excelencia Acadmica
Estadstica
2. En una muestra de 40 pequeas empresas se recoge informacin a cerca del nmero de trabajadores en cada una de ellas. Los datos fueron los siguientes:
16 17 16 15 15 15 14 13 14 14 14 16 14 13 15 13 13 14 13 14 14 14 14 15 15 17 12 16 15 18 16 13 12 13 12 14 13 14 14 15
Complete la siguiente tabla de frecuencias.

Nmero de Trabajadores 12 13 14 15 16 17 18 Totales Empresas( fi )
hi
pi
3. En el departamento de produccin de una fbrica los sueldos mensuales de los empleados son los siguientes
440 453 570 224 450 574 560 650 430 340 530 500 335 407 618 558 501 462 587 376 537 460 417 380 613 470 409 560 660 518 400 560 600 607 470 480 424 321 550 382 364 625 466 500 432 667 634 507 565 528 591 512 580 645 393 526 428 492 450 382
Complete la siguiente tabla de frecuencias

S u e ld o M ensual
Xi
C o n te o
E m p le a d os
F (1 )
hi
(1 )
pi
Pi
fi
TOTAL
31
Estadstica 14.GRAFICAS Es otra forma de presentar los datos referentes a un fenmeno.
Excelencia Acadmica
Una grafica es el idioma universal que bien presentado e ilustrado evita la fraseologa. En estadstica se emplea una diversidad de tipos de graficas, cuya forma depender de la naturaleza de los datos y de los objetivos de la presentacin. Antes de elegir el tipo de grafico conviene imaginarse de antemano, el grafico a construir que en general debe tener rasgos simples y de fcil comprensin. 15.CLASES DE GRAFICAS 15.1.Grafica de Coordenadas Ortogonales o Cartesianos a)Diagrama de Segmentos
100 80 60 40 20 0
b)Histograma
50 40 30 20 10 0
C)Polgono de Frecuencia
Marca de clase 50 40 30 20 10 0
32
Excelencia Acadmica
Estadstica
d)Polgono de Frecuencia Acumulada u OJIVA

100 80 60 40 20 0 0 2 4 6 8 Punto de equilibrio
e)Diagrama de Barra ? Simple ? Compuesta ? Agrupadas Simple

Cantidad
100 80 60 40 20 0
So lte ro
as ad o
Compuesta
120 100 Dem anda de Algodon Exportacin Dem anda Interna Produccin
Cantidad
80 60 40 20 0 1995 2000
Agrupadas
50 40 Asistencia al Cine Varon Mujer
Cantidad
30 20 10 0 2000 2001
iv or ci ad
Vi ud
33
Estadstica 15.2.Grafica No Ortogonales a)De Superficie Circular o Torta

Costa 10%
Excelencia Acadmica
Selva 60% Sierra 30%
B)Pictrica
40
20
10 0 10 20 30 40 50
ACTIVIDAD 1.5 Con los problemas de las actividad 1.4 elaborar grficas. 16.ANALISIS EXPLORATORIO DE DATOS: EL DIAGRAMA DE TALLO Y HOJA Un mtodo para iniciar el anlisis exploratorio de los datos, que proporcione informacin rpida, visual y es relativamente nueva, es el Diagrama de Tallo y Hoja. Esta representacin de los datos a manera de grafico, pero sin llegar a ello, utilizando las decenas y las unidades. Ejemplo: Los siguientes datos son las calificaciones obtenidas en una prueba de Historia:
78 66 93 73 61 76 100 81 70 83 83 64 88 91 74 70 97 77 72 86
34
Excelencia Acadmica
Estadstica
La representacin del tallo y hoja se elabora de manera que las decenas se pondrn en una columna, en forma vertical y las unidades a la derecha:
6 7 8 9 10 1 8 3 3 0 6 0 8 7 4 4 2 3 6 1 1 3 6 0 7
Para entender un poco mas, hemos de decir que le primer rengln que dice 6|1 6 4 quiere decir que entre la lista de datos se encuentran los valores 61, 66, 64.
La representacin de Tallo y Hoja, donde cada rengln es una posicin de tallo y cada digito de la derecha es una hoja. REFORZAMIENTO DEL APRENDIZAJE 1.Dado la siguiente tabla de frecuencia que significa:
a) f 3 b) h4
5 c) F(1 )
d) F(4 2) e) H (61) f) H (52 )
TABLA DE FRECUENCIA DE SALARIOS POR TRABAJADOR

i
Salario(Intervalo)
fi
hi
4 6 9 0.05 0.08 0.11 0.16 0.19 0.16 0.15 0.06 0.04 1.00
F(1)
F( 2 )
H (1 )
H (2)
1 [ 82 - 89 ] 2 [ 89 - 96 ] 3 [ 96 - 103 ] 4 [ 103 - 110 ] 5 [ 110 - 117 ] 6 [ 117 - 124 ] 7 [ 124 - 131 ] 8 [ 131 - 138 ] 9 [ 138 - 145 ] TOTAL
4 10 19 32 47 60 72 77 80
80 76 70 61 48 33 20 8 3
0.05 0.13 0.24 0.40 0.59 0.75 0.90 0.96 1.00
1.00 0.95 0.88 0.76 0.60 0.41 0.25 0.10 0.04
13 15 13 12 5 3 80
35
Estadstica
Respuesta: a) f 3 = soles. f3 = soles. b) h4 =
Excelencia Acadmica
Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos
Hay 9 trabajadores que tienen un salario de 96 a 102.99 nuevos
El 16% de los trabajadores ganan de 103 109.99 nuevos soles.
5 c) F(1 ) = 47 trabajadores ganan menos de 117 nuevos soles.
d) F(4 2 ) = 61 trabajadores ganan ms o igual a 103 nuevos soles. e) H (61) = 75% de los trabajadores ganan menos de 124 nuevos soles. f) H (52 ) = 60% de los trabajadores ganan ms o igual que 110 nuevos soles.
2. Una distribucin de frecuencia consta de 5 intervalos de igual amplitud y de ella se conoce los siguientes datos: n=110; limite inferior de la 1 clase 12.5; f4-f5=10; f4-f1=0; f2=f4; f1=f5 y L4f4=975, donde L4 es el limite superior de la cuarta clase. Elaborar la tabla de frecuencia
i
Intervalo
fi
hi
0.1818 0.2727 0.0909 0.2727 0.1818
Pi % 18.18 27.27 9.091 27.27 18.18
1 [ 12.5 - 17.5 ] 2 [ 17.5 - 22.5 ] 3 [ 22.5 - 27.5 ] 4 [ 27.5 - 32.5 ] 5 [ 32.5 - 37.5 ] TOTAL
20 30 10 30 20 110
1.0000 100.00
Si f 4 - f 5 = 10 y f1 = f 5 f 4 - f1 = 10 Si f 4 - f 3 - f1 = 0 f 4 - f1 = f 3 = 10 Si f 3 = 10 f1 + f 2 + f 4 + f 5 = 100 Si f1 = f 5 y f 2 = f 4 f1 + f 4 + f 4 + f1 = 100
Entonces: 2 f 4 + 2 f1 = 100 2( f 4 + f1 ) = 100 f 4 + f1 = 50 Si f 4 + f1 = 50 y f 4 - f1 = 10 f 4 = 30 Si f 4 = f 2 f 2 = 30
36
Excelencia Acadmica
Estadstica
Luego f1 = f 5 = 20 Si L4 f 4 = 975 L4 = Entonces R4 = 32.5 - 12.5 = 20.0 a= 20 =5 4 975 = 32.5 30
Luego los intervalos de clases son: 12.5 + 5 = 17.5 17.5 + 5 = 22.5 22.5 + 5 = 27.5 27.5 + 5 = 32.5 32.5 + 5 = 37.5
Bibliografa recomendada
? AVILA ., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. ? CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. ? CAPUAY C. Abelino. Sumatoria y Binomio de Newton. Editorial Ingeniera. Lima 1984. ? JONSON, Robert. Estadstica Elemental, Editorial Trillas. 2 edicin. Mxico. 1991. ? MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. ? MOYA, Rufino. Estadstica Descriptiva. Editorial San Marcos. Lima 1991. ? VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
En el siguiente fascculo se calculara los estadgrafos de la estadstica descriptiva y se explicara las caractersticas y empleo de estas medidas. Universidad Peruana Los Andes
37
Estadstica
Excelencia Acadmica
NOMBRE:_______________________________________________________ APELLIDOS:______________________________ FECHA: ___/___/___ CIUDAD:__________________________________ SEMESTRE:__________ 1.Determinar la clase de variable que nos dan los datos de los siguientes
fenmenos o hechos:
a) Colores
b) Nivel de desempleo
c) los Accidentes de Trnsito d) Orientacin en el tiempo 2. De siguientes enunciados. Cul probablemente exija el empleo de la
Estadstica Descriptiva y cul de la Estadstica Inferencia? a)En un campeonato de ftbol se desea conocer el promedio de goles de los equipos que participan. b)Un comit para la prevencin de la contaminacin del aire, analiza la disminucin del trfico automotriz y el grado de polucin. c)Un psiclogo estudia el efecto de la asesora personal sobre el rendimiento de un estudiante. d)Un Economista registra el crecimiento de la poblacin en un rea determinada. 3.Redondear los siguientes nmeros a las cifras significativas siguientes: a)23,5 a 2 cifras significativas b)0,0008532 a 1 cifra significativa c)0,05 a un decimal y una cifra significativa d)90000455 a 7 cifras significativas 4.Desarrollar:
a)
a=2
abcx y
a
b)
N =3
(- 3)
N -2
c)
M MY k M =1 Y
6
38
Excelencia Acadmica
Estadstica
5.Por qu la Estadstica es probabilstica e Inferencial? 6.De 4 Ejemplos de variable discreta 7.De 4 Ejemplos de Variable continua 8.Se realiza una encuesta a los alumnos de la UPLA a cerca de la preferencia de marcas de gaseosas, los resultados fueron los siguientes:
PE IK O PE IK IK PE KR O IK KR IK CC PE CC PE IK KR PE PE PE PE IK CC KR IK PE PE CC IK IK KR PE KR IK PE CC IK CC PE CC IK O PE PE CC KR CC IK CC
Donde IK= Inca Kola PE= Pepsi O= otras CC= Coca Cola KR= Kola Real
a) Construya una tabla de frecuencia b) Qu porcentaje de estudiantes de la UPLA prefiere Kola Real? c) Cuntos estudiantes prefieren otras gaseosas? d) Realizar un tipo de grafico 9.) los siguientes datos muestran velocidades en km/h de 48 carros que pasaron por un punto de control de velocidad.
60 38 30 82 65 45 70 30 35 40 72 80 120 100 31 27 46 63 25 65 55 60 45 105 36 70 39 50 45 40 29 70 108 83 64 34 45 102 31 24 72 61 54 83 60 81 85 60
a) Elabore una tabla de frecuencia.

3 5 4 5 b) Que significa: f 4 ; h5 ; F(1 ) ; F( 2 ) ; H (1) ; H (1)
c) Represente la tabla mediante un polgono de frecuencia
39
Estadstica
Excelencia Acadmica
10.Los puntajes de un aprueba de aptitud se tabularon en una distribucin de frecuencias de 6 intervalos de amplitud constante. Si las marcas de clases del segundo y cuarto intervalo son 40 y 80, las frecuencias relativas estn relacionadas de la siguiente manera: del primero es igual al sexto intervalo, la tercera y quinta frecuencia son iguales, la cuarta frecuencia es igual a 0.25, del segundo intervalo es igual al cuarto menos el primero, el tercer intervalo9 es igual al primero mas 0.10 y la frecuencia absoluta acumulada del sexto intervalo es igual a 60. Completar la distribucin de frecuencias.
40
Excelencia Acadmica
Estadstica
ESTADISTICA DESCRIPTIVA: MEDIDAS DE TENDENCIA CENTRAL, DE DISPERSIN, DE ASIMETRA Y DE APUNTAMIENTO
Calcula e interpreta la media aritmtica, la mediana y la moda. Explica las caractersticas y propiedades de las medidas. Relaciona la media, la mediana y la moda. Identifica y aplica los medios geomtricos y armnica. Reconoce y calcula los conceptos de cuartil, decil y percentil. Calcula varias medidas de dispersin para datos simples y agrupados. Explica las caractersticas, uso de las medidas de dispersin. Calcula y explica el uso del coeficiente de variacin. Calcula, explica y determina los coeficientes de Asimetra y Apuntamiento.
1.- MEDIDAS DE TENDENCIA CENTRAL O DE POSICIN Las medidas de centralizacin son valores que tienden a situarse en el centro del conjunto de datos ordenados segn magnitud. Clases de Medidas de Tendencia Central A. Medias Fijas: a) Media Aritmtica b) Media Geomtrica c) Media Armnica d) Media Cuadrtica e) Media Cbica B. Medias Mviles a) Mediana b) Moda c) Cuatiles d) Deciles e) Percentiles 2.- LA MEDIA O PROMEDIO ARITMETICO
La media es el valor representativo de la serie; pudiera decirse que es el punto de equilibrio o centro de gravedad de la serie. Se representa por 2.1.La Media simple para una muestra y para la poblacin
x=
x
i =1
x1 + x2 + x3 + K + xn n
41
Estadstica Ejemplo:
x: 18, 24, 45, 12, 89, 12
Excelencia Acadmica
x=
18 + 24 + 45 + 12 + 89 + 12 = 33.33 6
2.2.La Media Ponderada
x=
x f
i =1
i i
Ejemplo: estatura promedia.
x: es la talla de 65 obreros de una empresa, se quiere saber cual es la
n 109.15 x= = 1.679 = 1.68 mt. 65
x=
x f
i =1
i i
El promedio de la estatura de los obreros de la empresa, es de 1.68 metros.

2.3.Propiedades de la Media Aritmtica a) La media de una constante es la misma constante.
c=c
b)La media del producto de una constante por una variable es igual al producto de la constante por la media de la variable.
cx = c x
c)La media de una variable mas o menos una constante, es igual a la media de la variable mas o menos la constante.
xc = xc
d)La media de la suma o diferencia de dos o mas variables e igual a la suma o diferencia de las medias de cada una de las variables.
x y = x y
42
Excelencia Acadmica
Estadstica
1.Las edades de los componentes de una familia de 7 miembros, es como sigue: 52, 42, 26, 24, 13, 8 y 1 aos, se pide determinar el promedio de edad de esta familia. 2.Hallar el salario promedio correspondiente a los trabajadores de cierta fabrica, extrayendo datos de la tabla de frecuencia:
Salario(S/.)
fi
xi
xi f i
1 [ 70 80 ] 2 [ 80 90 ] 3 [ 90 100 ] 4 [ 100 - 110] 5 [ 110 - 120] 6 [ 120 - 130] 7 [ 130 - 140] TOTAL
20 30 60 90 100 85 70
3.MEDIANA La mediana es el punto medio de un conjunto de datos; o es aquel valor de la variable que divide al conjunto de valores en dos partes iguales. 3.1.CARACTERSTICAS DE LA MEDIANA a) Localiza mejor el centro de distribucin para lo cual es necesario ordenar. b) Su clculo es fcil y poco sensible a los valores extremos. c) Puede ser calculado inclusive cuando los intervalos son abiertos. d) Pueden ser calculados cuando las variables son cualitativos, susceptibles de ordenar de acuerdo a alguna propiedad, categora, etc. e) No puede ser manejada algebraicamente para clculo posteriores. f) Se halla inclusive cuando las amplitudes son diferentes. 3.2. La Mediana simple o No Agrupados a) Datos Impar
43
Estadstica
Excelencia Acadmica
Me = x n + 1
Ejemplo:
2
Se tiene los gastos de 7 personas siguientes: x: s/. 120, s/. 140, s/. 100, s/. 150, s/. 145, s/. 135, s/. 160 Calcular la mediana. Solucin PASOS: 1.En la mediana se ordenan los datos: x: s/. 100, s/. 120, s/. 135, s/. 140, s/. 145, s/. 150, s/. 160 2.En datos impar se toma el valor central de acuerdo a la formula.
Me = x n +1 = x 7 +1 = x4 = S / . 140
2 2
Interpretacin: el 50% gastan menos de s/140 y el otro 50% restante gasta ms de s/140 b) Datos Par
1 Me = x x + n n + 2 2 2 2
Ejemplo: Se tiene los pesos de 8 personas siguientes: x: 70, 65, 83, 62, 94, 75, 79, 86 kg Calcular la mediana. Solucin PASOS: 1. Se ordenan los datos x: 62, 65, 70, 75, 79, 83, 86, 94 kg
44
Excelencia Acadmica
Estadstica
2. Se aplica la formula
1 = x 8 + x 8+ 2 2 2 2 1 1 M e = (x 4 + x 5 ) = (7 5 + 7 9 ) 2 2 154 = 77 K g Me = 2 Me = 1 2 x n + x n+2 2 2
Interpretacin: el 50% de personas pesan menos de 77kg y el restante 50% pesan mas de 77kg. 3.3. La Mediana Agrupada o Ponderado
Li a n 1) Fk(1
fk
= limite inferior de la clase mediana = intervalo de clase = nmero de elementos (tamao de la muestra) = frecuencia absoluta acumulada ascendente anterior a la clase mediana. = frecuencia absoluta de la clase mediana.
n 1) - Fk(1 Me = Li + a 2 fk
PASOS PARA HALLAR LA MEDIANA 1.Determinar la clase mediana, a travs del cociente de en la frecuencia acumulada absoluta ascendente ,
n cuyo resultado se la ubica 2
F (1) que le contenga ms prximo.

2.determinar la amplitud del Intervalo inferior de la clase mediana.
, restando el Limite superior menos el Limite
a = Ls - Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente inmediato.
a = X i+ 1 - X i
3.Determinar en la clase mediana el Lmite inferior del intervalo o clase. [Li - Ls[ Si solo tuviera la marca de clase xi entonces el lmite inferior seria:
Li = Xi -
a 2
xi = valor de la marca de clase de la clase mediana. a = amplitud del intervalo
45
Estadstica
Excelencia Acadmica
4.Determinar la Frecuencia Acumulada Absoluta ascendente anterior a la clase mediana

1) Fk(1
5.Determinar la frecuencia absoluta simple de la clase mediana f k 6.Remplazar los valores en la formula de la mediana. Ejemplo: Se tiene la tabulacin de los pesos en kg., de 110 obreros de una fbrica se pide determinar la mediana.
Peso xi 50 55 60 65 70 75 80 fi 5 15 28 22 19 11 10 110
F(1) 5 20 48 70 89 100 110

1) Fk(1
Clase
mediana
n 1) - Fk(1 Me = Li + a 2 fk
PASOS
n 110 = = 55 2 2
55 esta contenido
F(1) = 71, este determina la clase mediana.
a = xi +1 - xi = x1+1 - x1 = x2 - x1
a = 55 - 50 = 5
Li = xi 46
a 2
Excelencia Acadmica
Estadstica
Li = 65 -
5 = 65 - 2.5 2
Li = 62.5 Kg
1) Fk(1 = 48
f k = 22
Me = 62.5 + 5 55 - 48 22 Me = 64.09 = 64.1 Kg
el 50% de los obreros pesan menos de 64.1 kg y el otro 50% de los obreros pesan mas de 64.1 kg
Interpretacin:
ACTIVIDAD 2.2 1. Hallar la mediana de los salarios mensuales de 6 trabajadores: s/1000, s/1300, s/1100, s/1150, s/1200, s/970 2. hallar la mediana de las alturas de 100 alumnos de la UPLA
Altura (m) Intervalo [ 1.57 - 1.61 [ [ 1.61 - 1.65 [ [ 1.65 - 1.69 [ [ 1.69 - 1.73 [ [ 1.73 - 1.77 ] TOTAL
fi
F(1)
4
28 43 18 7 100
4.
LA MODA La moda es el valor de la variable que mayor veces se repite o con mayor frecuencia sucede. Un grupo de datos puede tener una moda, dos modas, etc. En tales casos la distribucin se llama, respectivamente, unimodal, bimodal, etc. Tambin, la moda puede no existir, en caso de haber valores que se repitan.
47
Estadstica
Excelencia Acadmica
4.2.
La Moda serie Simple Ejemplo: Hallar la moda de los nmeros: 2, 2, 3, 4, 5, 5, 5, 5, 6, 6, 7 El nmero que ms veces se repite es 5. Por consiguiente, 5 es la moda (unimodal). Ejemplo: Hallar la moda de los nmeros 2, 3, 4, 5, 6, 7, 8 Ningn nmero se repite ms que los otros. Por consiguiente, no hay moda. Ejemplo: Las calificaciones de un estudiante en 8 asignaturas fueron: 6, 5, 7, 6, 8, 5, 9, 10. Hallar la moda de las calificaciones. Las calificaciones que ms veces se repiten son 5 y 6. Por consiguiente, 5 y 6 son las calificaciones moda (bimodal)
4.2.
La Moda serie Ponderada o agrupada:

Mo = Li + a D1 D1 + D 2
Li = Limite inferior de la clase modal a = Amplitud del intervalo de clase D1 = Variacin 1
D 2 = Variacin 2
PASOS PARA HALLAR LA MODA 1.Determinar la clase modal, a travs de la frecuencia absoluta simple mayor.
a = Ls - Li 2.Determinar la amplitud del intervalo a restando el limite superior menos el limite
inferior de la clase modal.
a = Ls - Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente inmediato.
a = X i+ 1 - X i
48
Excelencia Acadmica
Estadstica
3.Determinar en la clase modal el limite inferior de la clase.
[Li - Ls[
Si solo tuviera la marca de clase X1 entonces el lmite inferior seria:
a 2 xi = valor de la marca de clase de la clase mediana. a = amplitud del intervalo Li = Xi -
4.Determinar la variacin 1, D1 , restando el valor de la frecuencia absoluta simple de la clase modal menos la frecuencia de la clase anterior inmediata. D1 = f Mo - f Mo -1 5.Determinar la variacin 2, D1 , restando el valor de la frecuencia absoluta simple de la clase modal menos la frecuencia de la clase posterior inmediata. D 2 = f Mo - f Mo +1 6.Remplazar los valores en la frmula. Ejemplo: Las temperaturas tomadas en la ciudad de Huancayo, cada semana, durante un ao, hallar la temperatura Moda.
Temperaturas (C) 5 10 15 20 25 30
fi 12 8 16 7 5 4
Clase modal
Mo = Li + a
D1 D1 + D 2
49
Estadstica
PASOS
Excelencia Acadmica
1. La clase modal queda determinada por la frecuencia absoluta simple que mas veces se repite, en este caso es 16. 2. a = xi +1 - xi = x3+1 - x3 = x4 - x3
a = 20 - 15 = 5
3.
Li = xi -
a 2 5 Li = 15 - = 15 - 2.5 2
Li = 12.5 C
4.
D1 = f Mo - f Mo -1
D1 = 16 - 8 D1 = 8
5.
D 2 = f Mo - f Mo +1
D 2 = 16 - 7 D2 = 9
6. Reemplazando en la frmula
8 8+9 Mo = 14.85 C Mo = 12.5 + 5
Interpretacin: la temperatura que mayor veces se repite en el ao es 14.85C
Cuando en una frecuencia absoluta simple (f) existen 2 o ms frecuencias mayores iguales, se toma cualquiera para determinar la clase modal.
1. Al finalizar sus estudios de Derecho, 60 estudiantes tenan 22 aos, 50 tenan 23

50
aos, 17 tenan 24aos, y 8 tenan 25 aos. Hallar la moda de las edades. Universidad Peruana Los Andes
Excelencia Acadmica
Estadstica
2.Hallar la moda del cuadro siguiente:
Intervalo [ [ [ [ 220 - 240 [ 240 - 260 [ 260 - 280 [ 280 - 300 ]
fi
48 60 60 30 198
TOTAL
5.RELACION ENTRE EL PROMEDIO ARITMETICO, MEDIANA Y MODA a)Para curvas de frecuencias unimodales que sean ligeramente asimtricas, se tiene la siguiente relacin emprica: X - Mo = 3 (X - Me) b)Cuando la curva de frecuencia es unimodal y simtrica: X = Me = Mo c)La Mediana aritmtica esta influenciada por los valores extremos, en cambio la Mediana y la Moda no lo estn. d)Una curva de distribucin slo tiene una X y una He , pero puede tener mas de una . REFORZAMIENTO DE APRENDIZAJE 1. La inversin anual ( en niveles de soles) de un grupo de pequeas empresas de la ciudad fueron:
10 13 12 17
38 21 10 14
30 14 15 19
16 27 20 22
25 14 28 11
30 13 26 15
30 18 10 20
18 30 17 39
23 25 26 23
25 18 28 38
38 37
51
Estadstica Calcular: a) Media b) Mediana c) Moda Solucin Tenemos que desarrollar una tabla de frecuencia
1. R = X max - X min
Excelencia Acadmica
R = 39 - 10 = 29
2. m = 1 + 3.322 log n m = 1 + 3.322 log 42
m = 6.4 = 6
3. a =
R 29 = m 6
a = 4.83
4. D = (m a ) - R D = (6 4.83) - 29
D = 28.98 - 29 = -0.02
Por ser negativo se rehace Entonces a = 4.84
D = (6 4.84) - 29
- 0.02 D = 29.04 - 29 = 0.04 + 0.02
-0,002 9.98 10 39 +0,002 39.02
Resumen:
X min = 9.98 X max = 39.02 a = 4.84 m=6
52
Excelencia Acadmica
Estadstica
Tabla de Frecuencia
Intervalo [ Tabulacin
fi
F(1)
Xi
X i fi
9.98 - 14.82 [ ||||| ||||| 24.5 [ ||||| |
10 9 6 8 4 5 42
10 19 25 33 37 42
12.40 124.00 17.24 155.16 22.08 132.48 26.92 215.36 31.76 127.04 36.60 183.00 937.04
[ 14.82 - 19.66 [ ||||| |||| [ 19.66 [ 24.5 - 29.34 [ ||||| |||
[ 29.34 - 34.18 [ |||| [ 34.18 - 39.02 ] ||||| TOTAL
Luego, calculamos: a) La Media

x=
x f
i =1
i i
En la tabla determinamos
937.04 42 x = 22.31 miles de soles x=
x f
i i
Interpretacin:
la inversin anual de las pequeas empresas de la ciudad
fue de 22.31 (miles de soles) = s/22,310.00 B)La Mediana

n 1) - Fk(1 2 Me = Li + a fk
n 42 = = 21 Determina la clase mediana en de la tabla que es 25 2 2
a = 4.84 Li = 19.66
1) Fk(1 = 19
Me = 19,66 + 4,84
21 - 19 6
Me = 21,27 miles de Nuevos Soles
fk = 6 Interpretacin: el 50% de las pequeas empresas invierten menos de s/21,270.00 y el otro 50% invierten ms de s/21,270.00
53
Estadstica c) La Moda
Mo = Li + a D1 D1 + D 2
Excelencia Acadmica
Determinamos la clase modas en F1 mayor = 10

a = 4.84 Li = 9.98 D1 = 10 - 0 = 10 D 2 = 10 - 9 = 1
10 10 + 1 Mo = 14.38 miles de soles Mo = 9.98 + 4.84
Interpretacin: la inversin mas frecuente es de 14.38 (miles de soles) = s/14,380.00 6..MEDIA GEOMETRICA El promedio geomtrico se usa cuando hay que promediar razones o proporciones. Asimismo, se aplica cuando en la serie interviene el factor tiempo, como sucede en el cmputo de intereses; en el clculo de nmeros ndices y en series que presentan una progresin geomtrica. La media geomtrica de una serie de n nmeros es la raz ensima del producto de dichos nmeros.
X g = n x1 x2 x3 K xn
Ejemplo: Hallar la media geomtrica de los nmeros 3, 9 y 27
X g = 3 3 9 27 X g = 3 729 Xg =9
Para simplificar los clculos es necesario aplicar logaritmos (recurdense que con logaritmos, la multiplicacin se transforma en suma y la raz en divisin).
54
Excelencia Acadmica
Estadstica
6.1.Media Geomtrica Serie Simple
X g = anti log
log x
i =1
Ejemplo: x: 2, 4, 6, 8, 10
xi 2 4 6 8 10 Total
log xi 0.30103 0.60206 0.77815 0.90309 1.00000 3.58433
3,58433 5 X g = anti log 0.71687 X g = anti log X g = 5.21
6.2.La Media Geomtrica serie Ponderada
X g = anti log
(log x ) f
i i =1
Ejemplo: En un examen de Psicologa, 6 alumnos obtuvieron un 3; 8 obtuvieron un 4; 13 un 5; 8 un 6; 5 un 7; 3 un 8 y 1 un 9. Hallar la media geomtrica.

Calificacin xi 3 4 5 6 7 8 9 Total Alumnos fi 6 8 13 8 5 3 1 44 log xi 0.47712 0.60206 0.69897 0.77815 0.84510 0.90309 0.95424 (log xi ) f i 2.86272 4.81648 9.08661 6.22520 4.22550 2.70927 0.95424 30.88002
55
Estadstica
30.88002 44 X g = anti log 0.70182 X g = anti log Xg =5
Excelencia Acadmica
1.Las velocidades de 100 metros planos de 6 estudiantes de una clase son: 11.6; 12.4; 11.8; 13.5; 13.0; 12.8 segundos. Hallar la media geomtrica de las velocidades. 2.Cuatro grupos de estudiantes, formados por 2, 10, 12, 10 alumnos, registraron una media de pesos de 65, 70, 75 y 80kg, respectivamente. Hallar la media geomtrica de los pesos de los estudiantes. 3.En una fbrica hay 50 empleados, 30 de los cuales son casados y 20 solteros. Si el salario mensual de un empleado casado es de s/1200 y el de un soltero s/1000 Cul es la media geomtrica del salario de un empleado de la fbrica? 7.MEDIAARMONICA Es el reciproco del promedio aritmtico de los recprocos de los valores de la serie. Se utiliza para promediar velocidades y cuando los datos de la serie siguen una progresin armnica. 7.1. La Media Armnica Serie Simple
n -1 xi X a = i =1 n
Ejemplo: x: 2, 4, 6, 8, 10
-1
56
Excelencia Acadmica
Estadstica
7.2. La Media Armnica Serie Ponderada

n -1 xi f i X a = i =1 n
-1
Ejemplo
xi 3 6 9 12 15 Total
-1
fi 8 22 30 25 5 90
xi-1
xi-1 f i
0.333 0.167 0.111 0.083 0.067
2.664 3.674 3.330 2.075 0.335 12.078
12.078 Xa = 90 90 Xa = 12.078 X a = 7.45
Hallar la media armnica de los problemas de la actividad 2.4 8. RELACIONES ENTRE LOS PROMEDIOS El promedio aritmtico esta ms influenciado por los elementos grandes de la serie, que el promedio geomtrico y el promedio armnico. Los tres promedios quedan ordenados por su magnitud del siguiente modo.
x > X g > Xa
9. CUARTILES Los cuartiles, son tres valores que dividen la distribucin (ordenada en forma creciente) en cuatro grupos de igual nmero de trminos. El primer valor se denomina primer cuartil (Q1) y los otros segundo cuartil (Q2) y el tercer cuartil (Q3). El segundo cuartil es igual a la mediana.
57
Estadstica
Excelencia Acadmica
9.1.Cuartiles Serie Simple a) Primer Cuartil Q1

Q1 = n -1 4
n es el nmero de trminos
b) Segundo Cuartel
Q2 = n +1 2
c) Tercer Cuartel
Q3 = 3(n + 1) 4
Ejemplo: x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26

Q1 = 11 + 1 = 3 trmino de la serie 4
Q1 = 6
Q2 =
11 + 1 = 6 trmino de la serie 2 Q2 = 14
Q3 =
3 (11 + 1) = 9 trmino de la serie 4
Q3 = 21 9.2. Cuartiles Serie Ponderada a) Primer Cuartil
n 1) - Fk(1 Q1 = Li + a 4 fk
58
Excelencia Acadmica
Estadstica
b) Segundo Cuartil (Mediana)
n 1) - Fk(1 Q2 = Li + a 2 fk
C) Tercer Cuartil
3n 1) - Fk(1 Q3 = Li + a 4 fk
Los pasos de solucin de los problemas de cuartiles, son iguales a los aplicados para obtener la mediana. 10.DECILES Llmese deciles a 9 valores que se dividen la distribucin (ordenada en forma creciente) en 10 grupos de igual nmero de trminos. Para Deciles de serie ponderada, la formula es: Dd = Li + a La solucin es igual a los pasos de la Mediana 11. PERCENTILES Los percentiles son 99 valores que se dividen la distribucin (ordenada en forma creciente) en 100 grupos de igual numero de trminos. Para percentiles de serie ponderada la formula es: Pp = Li + a La solucin es igual a los pasos de la Mediana
Pn 100 dn 10
Fk-1
Fk
(1)
Fk-1
Fk
(1)
12.APLICACIN DE CUARTILES, DECILES Y PERCENTILES Se tiene los sueldos mensuales de 60 empleados del departamento de ventas de una compaa de seguros, cuya Tabla de Frecuencia es:
59
Estadstica
Sueldo Mensual (S/.) [ 319 - 369 [ [ 369 - 419 [ [ 419 - 469 [ [ 469 - 519 [ [ 519 - 569 [ [ 569 - 619 [ [ 619 - 669 ] TOTAL
Excelencia Acadmica
xi 344 394 444 494 544 594 644
fi
F(1)
4 8 12 11 10 9 6 60
4 12 24 35 45 54 60
Halla: a) Cuartil 1 b) Cuartil 3 c) Decil 3 d) Decil 8 e) Percentil 27 f) Percentil 83 g) Percentil 1 Solucin a) Hallamos la clase cuartil 1 -
n 60 = = 15 4 4
La clase se ubica en la frecuencia acumulada 24 por contener a 15
a = 50 Li = 419
1) Fk(1 = 12
f k = 12
n 1) - Fk(1 Q1 = Li + a 4 fk 60 - 12 4 Q1 = 419 + 50 12 Q1 = 431.50 Nuevos soles
60
Excelencia Acadmica
Estadstica
B) Cuartil 3 - Hallamos la clase cuartil 3

3n 3 (60) = = 45 4 4
La clase se ubica en la frecuencia acumulada 45 por contener a 45

3n 1) - Fk(1 Q3 = Li + a 4 fk 3 (60) - 35 4 Q3 = 519 + 50 10 Q3 = 569.00 nuevos soles
a = 50 Li = 519
1) Fk(1 = 35
f k = 10
C)Decil 3 - Hallamos la clase decil 3

3n 3 (60) = = 18 10 10
La clase se ubica en la frecuencia acumulada 24 por contener a 18 a = 50 Li = 419

1) Fk(1 = 12
3n 1) - Fk(1 10 Dd = Li + a fk 3(60) - 12 10 D3 = 419 + 50 12 D3 = 444.00 Nuevos soles
f k = 12
a)decil 8 - Hallamos la clase decil 8 dn 8 (60) = = 48 10 10 La clase se ubica en la frecuencia acumulada 54 por contener a 48 a = 50 Li = 569
1) Fk(1 = 45
fk = 9 Universidad Peruana Los Andes

61
Estadstica
dn 1) - Fk(1 10 Dd = Li + a fk 8(60) - 45 10 D8 = 569 + 50 9 D8 = 585.67 Nuevos soles
Excelencia Acadmica
e) Percentil 27 - Hallamos la clase percentil 27

pn 27 (60) = = 16.20 100 100
La clase se ubica en la frecuencia acumulada 24 por contener a 16.20

pn 1) - Fk(1 100 Pp = Li + a fk 27(60) - 12 P27 = 419 + 50 100 12 P27 = 436.50 Nuevos soles
a = 50 Li = 419
1) Fk(1 = 12
f k = 12
F) Percentil 83 - Hallamos la clase percentil 83 pn 83 (60) = = 49.80 100 100 La clase se ubica en la frecuencia acumulada 54 por contener a 49.80 pn 1) - Fk(1 Pp = Li + a 100 a = 50 fk Li = 569 83(60) 1) - 45 Fk(1 = 45 P83 = 569 + 50 100 fk = 9 9 P83 = 595.67 Nuevos soles G) Percentil 1 - Hallamos la clase percentil 1 pn 1 (60) = = 0.60 100 100
62
Excelencia Acadmica
Estadstica
La clase se ubica en la frecuencia acumulada 4 por contener a 0.60 a = 50 Li = 319

1) Fk(1 =0
pn 1) - Fk(1 100 Pp = Li + a fk 1(60) -0 100 = + P 319 50 1 4 P 1 = 326.50 Nuevos soles
fk = 4
13.- MEDIDAS DE DISPERSION O VARIABILIDAD Las medidas de dispersin dan idea de la separacin de los datos numricos alrededor de un valor medio (estadgrafos de posicin), i mide el grado de concentracin o dispersin de los valores. Clases de Medidas de Dispersin que estudiaremos: A.Dispersin Absoluta a) Rango b) desviacin Media c) Varianza d) Desviacin estndar B.Dispersin Relativa a) Coeficiente de Variacin b) Variable Estandarizada 14. RANGO (R)
El rango o recorrido es la diferencia entre los valores extremos, mximo y mnimo.

R = X max - X min
Ejemplo: Hallar el rango de la siguiente serie de nmeros: 4, 5, 7, 9.9, 10, 12, 15

R = 15 - 4 R = 11
63
Estadstica
Excelencia Acadmica
La dispersin de los datos ser mayor cuanto mayor sea el recorrido. El rango no es una buena medida de dispersin, puesto que basta con que un dato se aleje mucho de la media para que el rango resulte muy afectado, ya que nicamente depende de dos valores, sin que influyan para nada los datos restantes. 15. DESVIACION MEDIA (DM) La desviacin media es una buena medida de dispersin. 15.1. Desviacin Media Simple
DM =
x -x
i i =1
(Valor Absoluto)
xi
= elementos o la observacin
x = media n = nmero de elementos
Ejemplo: Hallar la desviacin media de las tallas 1.47; 1.58; 1.60; 1.62; 1.53 metros. Hallamos:
1.47 + 1.58 + 1.60 + 1.62 + 1.53 5 x = 1.56 x=
1.47 - 1.56 + 1.58 - 1.56 + 1.60 - 1.56 + 1.62 - 1.56 + 1.53 - 1.56 5 - 0.09 + 0.02 + 0.04 + 0.06 + - 0.03 DM = 5 0.09 + 0.02 + 0.04 + 0.06 + 0.03 0.24 DM = = 5 5 DM = 0.048 metros DM =
15.2. Desviacin Media Ponderada
DM =
x -x f
i i =1
64
Excelencia Acadmica
Estadstica
Ejemplo:
Xi = peso Kg 40 43 46 49 52 Total fi 4 5 8 6 3 26 xi f i 160 215 368 294 156 1193
xi - x xi - x f i
5.88 2.88 0.12 3.12 6.12
23.52 14.40 0.96 18.72 18.36 75.96
Hallamos: 1
x=
x f
i =1
i i
n 1193 x= = 45.88 Kg 26
2
DM =
x -x f
i i =1
n 75.96 DM = 26 DM = 2.92 Kg
16.- VARIANZA 16.1.Varianza Simple a) Varianza de una Poblacin
B) Varianza de una Muestra
s2 =
(x - m )
i i =1
N
n 2 i i =1
Ejemplo: Calcular la varianza de 4, 5, 6, y 7.
S2 =
= (x - x )
n
x=
x
n
x=
4 + 5 + 6 + 7 22 = = 5 .5 4 4
65
Estadstica
Excelencia Acadmica
S2 =
S2 =
= (x - x )
i i =1
(4 - 5.5)2 + (5 - 5.5)2 + (6 - 5.5)2 + (7 - 5.5)2
16.2. Varianza Ponderada
4 + + + 2 . 25 0 . 25 0 . 25 2 .25 5 S2 = = 4 3 2 S = 1.25
a)Varianza de Una Poblacin
s =
2
= (x - m )
i i =1
fi
b)Varianza de Una Muestra
S2 =
= (x - x ) f
2 i i =1
para n 30
i
S2 =
= (x - x ) f
2 i i =1
n -1
para n < 30
Ejemplo:
Talla(mts) xi 1.52 1.56 1.60 1.64 1.68 Total fi 3 5 9 6 4 27 xi f i 4.56 7.80 14.40 9.84 6.72 43.32
n
xi - x -0.08 -0.04 0 0.04 0.08
(xi - x )2 (xi - x )2 f i
0.0064 0.0016 0 0.0016 0.0064 0.0192 0.0080 0 0.0096 0.0256 0.0624
x=
x f
i =1
i i
n
n
43.32 = 1.60 27
2
n -1 0.0624 0.0624 S2 = = 27 - 1 26 2 S = 0.0024 metros
S =
2
= (x - x ) f
i i =1
por ser n < 30
66
Excelencia Acadmica
Estadstica
17.DESVIACION ESTANDAR Es la Raz cuadrada positiva de la varianza; una medida de la dispersin, expresada en las mismas unidades que los datos originales y no en las unidades cuadradas de la varianza. En general, la Desviacin Estndar es la raz cuadrada de la varianza.
S = S 2 para muestra s = s 2 Para poblacin
Ejemplo: (de los ejemplos de la varianza)

S = S2 S = 1.25 S = 1.12
Ejemplo:
S = S2 S = 0.0024 S = 0.049 metros
Las frmulas de las Desviacin Estndar son iguales a la Varianza pero aplicndole la raz cuadrada.
18.CARACTERISTICAS DE LA VARIANZA Y DESVIACIN ESTANDAR. a)Son siempre un valor positivo. b)Son influenciado por todos los valores de la muestra o poblacin. c)Mayor influencia ejercen los valores extremos que los que estn prximo a los promedios. d)Si en una distribucin normal se levanta una ordenada a uno y otro lado del promedio a una distancia igual a la desviacin estndar.
x S = 68.26% x 2 S = 95.46% x 3S = 99.73%
67
Estadstica
Excelencia Acadmica
El porcentaje de esos valores quedan incluidos dentro de estos lmites. e)La varianza y la desviacin estndar de una constante es cero. f) La desviacin estndar del producto de una constante por una variable, es igual al producto de la constante tomada en valor absoluto por las desviacin estndar de la variable. g)La varianza del producto de una constante por una variable, es igual al cuadrado de la constante por la varianza de las variables. h)La desviacin estndar de la suma de una variable y una constante, es igual a la desviacin estndar de las variables. i) La varianza de una funcin lineal, es igual a la constante al cuadrado por la varianza de la variable. 19.COEFICIENTE DE VARIACION (CV) Es una medida relativa de dispersin, semejante entre las distribuciones, que expresa la desviacin estndar en un porcentaje de la media.
CV = s (100) para poblacin m
S (100) Para muestra x
CV =
Ejemplo: Si la desviacin estndar de la poblacin P es 5 y media poblacin coeficiente de variacin es:

5 (100) 40 CV = 12.5% CV =
es 40 el
20.VARIABLE ESTANDARIZADA La variable estandarizada se calcula:

Zi = Zi = xi - m Para poblacin s xi - x para muestra S
68
Excelencia Acadmica
Estadstica
Ejemplo: En un examen de Estadstica, la nota media fue de catorce y la desviacin estndar de 1.6. Determinar las variables estandarizadas para los valores o notas de X: 12, 17, 20, 13
Zi =
Z1 =
xi - m s
12 - 14 - 2 = = -1.25 1 .6 1 .6 17 - 14 3 = = 1.87 1 .6 1 .6 20 - 14 6 = = 3 .7 1 .6 1 .6 13 - 14 - 1 = = -0.625 1 .6 1 .6
Z2 =
Z3 = Z1 =
La variable estandarizada se aplica en la probabilidad de la Distribucin Normal.
1)Las ventas diarias (miles de dlares) de una tienda de artefactos elctricos es:
Ventas xi [ 20 - 24 ] [ 24 - 28 ] [ 28 - 32 ] [ 32 - 36 ] [ 36 - 40 ] [ 40 - 44 ] TOTAL
Dias fi 9 12 8 3 3 2 37
Calcular: a) Rango b) Desviacin Media c) Desviacin Estndar d) Varianza e) coeficiente de Variacin
69
Estadstica
Excelencia Acadmica
2)Las estaturas de 12 estudiantes de una clase son: 165, 160, 164, 155, 160 y162 cm. Calcular: a) Rango b) Desviacin Estndar a) Coeficiente de Variacin 21.MEDIDA DE ASIMETRIA La medida o estadgrafo de asimetra indica el grado de deformacin de la curva de frecuencia, puede ser inclinada a la derecha o izquierda. La curva de frecuencia puede ser simtrica, caso determinado por la posicin de la media, mediana y moda ( x = Me = Mo ) 21.1.Tipo de Medida de Asimetra. a) Curva asimtrica positiva o con cola a la derecha, hay predominio de los valores menores.
100 80 60 40 20 0 0 5 10 15
b) Curva asimtrica negativa o con cola a la izquierda, indica predominio de los valores mayores.
100 80 60 40 20 0 0 5 10 15
c) Curva simtrica o campana de GAUSS (curva terica de anlisis).
70
Excelencia Acadmica
100 80 60 40 20 0 0 5 10 15 20
Estadstica
21.2.- Coeficiente de Asimetra de PEARSON a) En funcin de la moda.
As1 =
x - Mo S
x = Media aritmtica Mo = Moda

S = desviacin estandar
Resultados: Si el valor es cero, la curva es simtrica. Si el valor es igual a 0.1 , la curva es asimtrica moderada positiva o negativa. Si el valor es igual a 0.3, la curva es asimtrica muy marcada positiva o negativa. Si el valor es igual a 1 , la curva es asimtrica mxima positiva o negativa.
Ejemplo: La media de los salarios es s/.109.50, la moda s/.108.30 y su desviacin estndar s/.400, calcular el coeficiente de asimetra
109.50 - 108.30 4.00 As1 = 0.3 As1 =
Como el valor es positivo es una curva asimtrica positiva muy marcada. b) En Funcin de la Mediana
As2 = 3( x - Me) S
71
Estadstica
Excelencia Acadmica
x = Media aritmtica = Mediana Me
= desviacin S estandar Resultados: - Si el valor es igual a cero, la curva es simtrica. - Si el valor es mayor que cero, la curva es asimtrica positiva. - Si el valor es menor que cero, la curva es asimtrica negativa. Ejemplo: La media de los pesos de los trabajadores de una fabrica es de 68kg, la mediana 71kg y la desviacin estndar de 3.5kg. Calcular el coeficiente de asimetra.
3(68 - 71) - 9 = 3 .5 3 .5 As2 = -2.57 As2 =
Como el valor es menor que cero, la curva es asimtrica negativa.
22.- MEDIDA DE APUNTAMIENTO La medida de apuntamiento o estadgrafo de Kurtosis es el grado de deformacin vertical de una curva de distribucin de frecuencia. Se analiza comparando la curva de distribucin con una curva normal o campana de Gauss. 22.1. Tipos de Curvas de Distribucin a)Leptokurticas (LK) Es cuando su elevacin es muy pronunciada o sea superior a la curva normal. Se presenta cuando la desviacin estndar de dicha distribucin es mnima. b)Mesokurticas (MK) Es cuando la elevacin es la de una curva normal. c)Platikurticas (PK) Es cuando la elevacin es inferior o queda por debajo de una curva normal, se presentan cuando la desviacin estndar de la distribucin es relativamente grande.
72
Excelencia Acadmica
140 120 100 80 60 40 20 0 0 5 10 15 20 PK MK LK
Estadstica
22.2. Coeficiente de Kurtosis

K= Q3 - Q1 2(P90 - P 10 )
Q3 = Cuantil 3 Q3 = Cuantil 2 P90 = Percentil 90 P 10 = Percentil 10 Resultados El valor de K no pasa de MK 1 tampoco puede PK LK ser negativo.
1 8
Si K esta de cero a1/8 la curva es platikurtica Si K esta de 1/8 a 3/8 la curva es mesokurtica Si K esta de 3/8 a1/2 la curva es leptokurtica Ejemplo: Se tienen las tallas de los estudiantes de la UPLA, cuyos cuartiles 1 y 3 son 1.575 y 1.725 metros, respectivamente, y los percentiles calculados son: P90 = 1.77m y P 10 =1.53m Calcular el coeficiente de kurtosis.
1.7525 - 1.575 0.15 = 2( 1.77 - 1.53) 0.48 K = 0.3125 K=
El valor se encuentra en intervalo de mesokurtosis
73
Estadstica
Excelencia Acadmica
Actividad 2.7
La inversin anual (miles de dlares) de un grupo de empresarios de Huancayo, fueron:

12 14 13 18 42 22 10 16 32 15 14 19 16 27 22 24 27 15 28 13 31 14 28 17 32 19 10 23 21 29 18 38 37 36 37 25 40 18
Determinar e interpretar. a) Coeficiente de Kurtosis b) Coeficiente de Pearson - Por la moda - Por la mediana
AVILA., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. JONSON, Robert. Estadstica Elemental, Editorial Trillas. 2 edicin. Mxico. 1991. MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. MOYA, Rufino. Estadstica Descriptiva. Editorial San Marcos. Lima 1991. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
En el siguiente fascculo iniciamos el estudio de la teora de la probabilidad, conceptos bsicos, anlisis combinatorio, diagrama de rbol, el mtodo Clsico, mtodo de la frecuencia relativa, mtodo subjetivo y probabilidades frente a apuestas, espacios muestrales finitos, probabilidad condicional y Teorema de Bayes.
74
Excelencia Acadmica
Estadstica
NOMBRE:_______________________________________________________ APELLIDOS:______________________________ CIUDAD:_________________________________ FECHA: ___/___/___ SEMESTRE:___________
1. En el departamento de produccin de una fbrica tienen los siguientes sueldos hasta fines del mes de julio.
Sueldo Mensual (S/.) 485 - 585 585 - 685 685 - 785 785 - 885 885 - 985 985 - 1085 TOTAL
Empleados 15 25 30 20 5 5
Calcular e interpretar: a) La Media b) La Mediana c) La Moda 2. Los siguientes datos dan las cantidades gastadas (en nuevos soles) en alimentacin de una muestra de familia.
2 2 .7 1 9 .9 2 4 .6 4 7 .4 2 9 .9 3 3 .7 1 7 .7 2 7 .8 2 9 .7 2 3 .5 7 .6 2 6 .6 3 0 .9 2 4 .0 3 4 .2 2 7 .1 2 7 .9 4 2 .9 1 9 .2 1 1 .6 2 9 .5 1 6 .2 5 .0 1 7 .0 4 3 .4 3 6 .3 2 0 .5 1 8 .1 1 0 .0 2 9 .4 1 5 .1 9 2 7 .9 3 2 .1 1 5 .1 5 7 .0 2 5 .0 3 2 .5 3 2 .0 3 0 .3 3 3 .5 3 1 .9 2 3 .2 4 .0 1 8 .8 1 2 .3
75
Estadstica Calcular e interpretar: a) La Media b) La Mediana c) La Moda
Excelencia Acadmica
3. De un total de 100 nmeros, 15 eran 4; 45 eran 5; 25 eran 6; 15 eran 7 Calcular: a) La Media b) La Moda c) La Mediana 4. Dado la distribucin de frecuencia de alturas de 449 plantas en centmetros.
f
i
Clases [ 45 - 50 ] [ 50 - 55 ] [ 55 - 60 ] [ 60 - 65 ] [ 65 - 70 ] [ 70 - 75 ] [ 75 - 80 ] [ 80 - 85 ] [ 85 - 90 ] [ 90 - 95 ] [ 95 100 ] [ 100 105 ] [ 105 110 ] TOTAL
fi 2 7 18 36 59 74 88 72 44 30 11 5 3 449
En forma hipottica calcular: A)Media geomtrica b)Media armnica c)Media aritmtica d)Cuartil 1 e)Cuartil 3 f)Decil 4 g)Decil 7 h)Percentil 2 i)Percentil 93 j)La Moda y Cuartil 2
76
K)Rango l) Desviacin Media m) Varianza n) Desviacin Estndar. o) Coeficiente de Variacin p) Coeficiente de Asimetra de Pearson q) Coeficiente de Kurtosis
Excelencia Acadmica
Estadstica
PROBABILIDAD
Define lo que es probabilidad. Explica los trminos experimento, espacio maestral y evento. Maneja los principios de probabilidad. Cuenta el nmero de subconjunto que se puede armar a partir de un conjunto. Analiza y calcula problemas de permutacin, variacin y combinacin. Describe los enfoques clsicos de frecuencia relativa y subjetiva para probabilidad. Define los trminos de probabilidad condicional, frente a apuestas y de espacios muestrales finitos. Calcula posibilidades utilizando el teorema de Bayes.
1. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD Jacob Bernoulli, Abraham de Moure, Thomas Bayes y Joseph Lagrange inventaron frmulas y tcnicas de probabilidad. En el siglo XIX Pierre Simon, Marques de Laplace, unific esas primeras ideas y formul la primera teora general de la probabilidad. La teora de la probabilidad fue aplicada con buenos resultados a las mesas de juegos y, lo que es mas importante para nuestro estudio con el tiempo, tambin se aplic a otros problemas socioeconmicos. La teora matemtica de la probabilidad constituye el fundamento de las aplicaciones estadsticas tanto en la investigacin social como en la toma de decisiones. 2. CONCEPTO DE PROBABILIDAD La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se expresan como fracciones o como decimales entre 0 y 1. Asignar una probabilidad de cero significa que algo nunca ocurrir; una probabilidad de 1 indica que algo suceder siempre. La nocin de probabilidad viene de la necesidad de medir de alguna manera la certeza o la duda de que algn suceso ocurra o no. El fin de la teora de probabilidades es examinar las formas y los medios de obtener esas medidas de certeza, as como encontrar los mtodos para combinarlos cuandointervienen varios sucesos en un experimento. Universidad Peruana Los Andes
77
Estadstica 3.EXPERIMENTO
Excelencia Acadmica
Experimento es la prueba, ensayo u observacin de un hecho o fenmeno. Los experimentos pueden ser 3.1.Experimento Determinstico Es cuando anticipadamente sabemos lo que va a ocurrir, o sea donde entra la voluntad del hombre, el resultado puede determinarlo, la persona. Ejemplos: Cuando se lanza una flecha hacia arriba, se sabe que va a caer. Cuando se suma nmeros pares, el resultado ser tambin un nmero par.
3.2.Experimento Aleatorio Son aquellos cuyos resultados no pueden predecirse antes de su realizacin. Son experimentos que no dan siempre el mismo resultado al repetirlos en las mismas condiciones. En este experimento no funciona la voluntad del hombre. Ejemplos: Cuando lanzamos un dado, no sabemos que numero va a salir. Predecir la duracin de una conversacin telefnica. Lanzar un proyectil hacia un blanco determinado, no sabemos si dar en el blanco. 4. ESPACIO MUESTRAL ( S ) () Espacio muestral es el conjunto de todos los resultados posibles de un experimento aleatorio. Ejemplo: -Experimento E: lanzar un dado Espacio Muestral S: {1, 2, 3, 4, 5, 6} -E: lanzar dos monedas S:{(cara, cara), (sello, sello), (cara, sello), (sello, cara)} -E: elegir una persona en la calle, en cuanto a su estado civil S:{casado, soltero, viudo, divorciado, conviviente} 5.EVENTO O SUCESO (A) El evento o suceso es el resultado de cada una de las realizaciones del experimento aleatorio; o sea, un resultado que presenta cierto atributo o caracterstica que nos interesa para su anlisis.
78
Excelencia Acadmica
Estadstica
El evento o suceso es un subconjunto del Espacio Muestral. Ejemplos: -Al lanzar una moneda y un dado, obtener cara y un numero par. Suceso A= {(c, 2), (c, 4), (c, 6)} -Al lanzar dos dados, d como resultado 7. A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} - De un grupo de personas A, B; C; D, elegir una comisin de tres personas en el que este A. A= {(ABC), (ABD), (ACD)} - De cuatro libros A, B, C, D, se quieren guardar en un estante, donde C siempre este ultimo. A= {ABCD, ADBC, DABC, BADC, BDAC, DBAC}
se llama suceso imposible, y por tanto, ser un suceso que no se produce nunca. Cualquier suceso que sea igual al espacio muestral se llama suceso seguro (es el suceso que ocurre siempre). Ejemplos: - En el lanzamiento de una moneda: Obtener cara y sello es un suceso imposible. Obtener cara o sello es un suceso seguro. - En el lanzamiento de un dado: Obtener un nmero negativo es un suceso imposible Obtener un nmero menor que siete es un suceso seguro.
Cualquier suceso que sea igual al conjunto vaci
* Realizar 10 ejemplos de experimentos aleatorios con un suceso y determinar su espacio muestral y el suceso o evento por extensin. 5.1.OPERACIONES CON EVENTOS O SUCESOS En el conjuntote todos los eventos o sucesos del espacio muestral, se pueden definir operaciones entre los eventos. Universidad Peruana Los Andes
79
Estadstica
Excelencia Acadmica
a) Reunin o Unin de Eventos Es designado por A B, es el evento que esta formado por los elementos del espacio muestral que estn en A, en B o en ambos eventos a la vez.
A B
A B
b)Interseccin de Eventos Es la designacin por A B o AB, es el evento formado por los elementos comunes a A y B.
A B
AB
c)Complemento de un Evento c El complemento de a se denota con A ,A' o A, se define con el evento formado por los elementos del espacio muestral que no estn en A. El evento A se realiza cuando el evento A no se realiza.
A ,A o A c
Ejemplos: En el experimento aleatorio lanzar un dado, sean los sucesos: K: obtener nmero par L: obtener mltiplo de 3 = {1, 2, 3, 4, 5, 6} K= {2, 4, 6} L= {3, 6}
80
Excelencia Acadmica
Estadstica
Se tiene:
KL KL
K =K L = L
= {2, 3, 4, 6} = {6} = {1, 3, 5} = {1, 2, 4, 5}
Decimos que dos sucesos A y B son incompatibles si no pueden verificarse simultneamente, es decir, si 5.2. PROPIEDADES a)Asociatividad A (B C) = (A B) C A (B C) = (A B) C b)Conmutatividad A B = B A
AB = BA
c)Simplificacin
A (B A) = A A (B A) = A
d)de Impotencia
A A = A AA = A
e)
Complementacin A A=
A A=
f)
A = Universal e nfimo A = A A = A A =
g)
Distributiva A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
81
Estadstica
Excelencia Acadmica
h)
Leyes de Morgan
(A B)=A B (A B)=A B
Actividad 3.2
Se lanzan 2 monedas. Sean: A = {salgan 2caras} B = {salgan 2 sellos} C = {salgan una cara y un sello} Obtener los siguientes sucesos:
a) A B d) A g) A B C b) A C e) C h) A B C c) A-B f) (A B)
5.3.
RELACIONES ENTRE SUCESOS O EVENTOS a)Inclusin de Suceso Diremos que el suceso A esta incluido en B si todas las ocurrencias de A esta incluido en B si todas las ocurrencias de A son tambin ocurrencias de B, se escribe
AB
Ejemplo: A = {1, 2, 3} B= {1, 2, 3, 4, 5, 6} b)Suceso Mutuamente Excluyente Dos sucesos A y B son mutuamente excluyentes cuando no tiene ocurrencias comunes. Se escribe:
AB =
Ejemplo:
No puede ocurrir que un abogado sea analfabeto. Abogados y analfabetos son sucesos excluyentes.
82
Excelencia Acadmica
Estadstica
c)Suceso Mutuamente Exhaustivo Dos sucesos A y B son mutuamente exhaustivos cuando son a la vez mutuamente excluyentes y complementarios. Entonces diremos:
A y B son mutuamente exhaustivos s solo s: A B = A B =
d)Particin de Sucesos Diremos que el espacio muestral esta particionado en A1, A2, A3, etc. .S solo s cumple las siguientes condiciones:
1 2 3 A1 ? , A2 ? , A3 ? , Esto quiere decir que tiene ocurrencias A1 A2 = , A1 A3 = , A2 A3 = , O sea que no comparten ocurrencias, no tienen elementos comunes. A1 A2 A3= Es la unin de todos al unir todos los elementos y dar como resultado el espacio muestral.
A1 A3 A4
A2
e) Potencia de un Suceso o Algebra de Elemento (2 ) Ejemplo:

A S} 2S = { A
Experimento= {lanzar una moneda}
S =W={ c, s} S 2 2 =2 =4
} 2S = { , { c}{}{ , s , c, s}
83
Estadstica
Excelencia Acadmica
6.ANALISIS COMBINATORIO Es una parte del algebra que estudia los distintos grupos que se pueden formar con cierto numero de objetos, atendiendo a determinados criterios. PRINCIPIOS a)Principio de Adicin Consiste en que dado dos o ms sucesos mutuamente excluyente puede ocurrir de la primera o segunda forma.
A B
#A = m
#B = n
Ocurrencia de A o B = m+n maneras Ejemplos: -Se viaja de Lima a Huancayo, hay 2 compaas areas y 12 empresas terrestres. m = 2, n = 12 Hay 14 formas de viajar (son excluyentes o mutuamente excluyentes). -Para ir de un punto de la ciudad a otro hay avenidas y jirones que son excluyentes. Si hay 5 avenidas y 2 jirones de cuantas maneras se puede desplazar. Avenidas Jirones m=5 n=2
m+n = 5+2 = 7 maneras b) Principio de Multiplicacin #A = m y #B = n Ocurrencia de A y B = m Ejemplos: - Se quiere combinar 4 chompas y 2 faldas de diferentes colores, donde: A = 4 chompas (azul, negra, blanca, verde) B = 2 faldas (roja, marrn) m n = 4 2 = 8 formas diferentes de combinar
84
Excelencia Acadmica
Estadstica
- Cuantos nmeros pares de 3 cifras diferentes, se pueden formar con los dgitos 2, 3, 4, 5, y 6.
3 4 3 Dgitos pares Restamos un dgito (Un dgito par se ubica al final) Restamos dos dgitos del total
La cantidad de nmero de 3 cifras diferentes es: 3 4 3 = 36 - Dado los dgitos 0, 1, 3, 5, 6, 8: * Cuantos nmeros de 4 cifras se pueden escribir
5 El cero no puede ubicarse 6 6 6
5 6 6 6 =1080
* Cuantos nmeros de 4 cifras mltiplos de 5 se pueden escribir

5 El cero no puede ubicarse 5 6 6 2 =360 6 6 2 2 dgitos mltiplo de 5 (el 0 y 5)
* Cuantos nmeros de 4 cifras impares se pueden escribir

5 El cero no puede ubicarse 6 6 3 Ubicacin de los impares
1. Con los 10 dgitos (0, 1 9) a) b) Cuantos nmeros de 3 cifras se pueden escribir. Cuantos nmeros de 3 cifras mltiples de 5 se pueden escribir.
2.Un producto se vende en 3 mercados: en el primer mercado se tiene disponible 5 tiendas, en el segundo mercado 4 y en el tercer mercado 6 tiendas, De cuantas maneras puede venderse el producto? Universidad Peruana Los Andes
85
Estadstica
Excelencia Acadmica
3.Una persona puede viajar de una ciudad A a otra B de 5 formas y de B a C de 6 formas diferentes. De cuantas formas puede ir de A a C pasando por B? 7.- FACTORIAL DE UN NMERO Se llama factorial de un numero m o m factorial al producto de los m factores decrecientes a partir de m hasta 1. Se designa por: ! m factorial= m! Ejemplo: 5! = 5 4 3 2 1 = 120 3! = 3 2 1 = 6
0!=1 8.- PERMUTACION Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de un grupo, por lo tanto, se distingue de los otros en el orden. Ejemplo: Calcular las posibles formas en que se pueden ordenar a, b y c Hay 6 posibles agrupaciones: (a, b, c), (a, c, b), (b, a, c), (c, a, b), (c, b, a) 8.1.- PERMUTACION ORDINARIA Pm = m! Ejemplos: - Cuantos nmeros de 4 cifras diferentes se pueden escribir con los dgitos 3, 4, 5 y 6 P4 = 4! = 4 3 2 1 P4 = 24 -De cuantas maneras diferentes pueden colocarse, en un estante 5 libros diferentes de Estadstica y tres de Biologa. a)Si no hay ninguna condicin sobre las ubicaciones. b)Si los libros de cada curso deben estar juntos. c)Si solo los libros de Biologa deben estar juntos. Solucin: a) Pm = m! P8 = 8! = 8 7 6 5 4 3 2 1 P8 = 40320 maneras Libros de EstadsticaP5 (bloque) Libros de BiologaP3 (bloque) Entre grupos de libros de Estadstica y de Biologa. P2 Universidad Peruana Los Andes
b)
86
Excelencia Acadmica
Estadstica
P5 P3 P2 = 5! 3! 2! = 120 6 2 = 1440 c) Los libros de Biologa permutan entre 3 y forman un solo bloque P3 Los libros de Estadstica permuta entre los 5 y tambin permuta con el bloque de Biologa. P6 P3 P6 = 3! 6! = 6 720 = 4320 8.1.PERMUTACION CIRCULAR PmC = (m-1)! Se refiere al cambio de posicin pero en una circunferencia. Se toma cualquier punto de referencia por que no hay centro. Ejemplo: De cuantas formas diferentes pueden sentarse 10 ministros alrededor de una mesa si: a) b) c) Si pueden sentarse de cualquier forma. Dos ministros determinados deben estar juntos. Dos ministros determinados no deben estar juntos.
Solucin a) PmC = P10C = (10-1)! = 9! = 362880 formas b) Dos ministros siempre juntos se considera como 1. Pero permutan en ellos P2 y luego permutan con los 8 restantes formando como si fueran 9 ministros.
P9C P2 = (9 - 1)! 2!= 8! 2!= 80640 formas
c) 8.3.
a) P10 C - (P9 C P2 ) = 362880 - 80640 = 282240
PERMUTACION CON REPETICION

m Pm = 1m 2
m! m1! m2 !
m = total de elementos Repeticin: Por que los elementos pueden entrar varias veces en las agrupaciones. Ejemplo: - Cuantos numeros de cuatro cifras se pueden escribir con dos5 y dos 7 4! 24 m = P24, 2 = = = 6 maneras Pm 1 , m2 2! 2! 4
87
Estadstica
Excelencia Acadmica
Por extensin:
5775 5757 5577
7557 7575 7755
-Cuantos signos diferentes, cada una de 6 banderas, colocadas en lnea vertical pueda formarse con un conjunto de 4 banderas rojas y 2 banderas blancas.
6! 720 720 = = = 15 maneras 4! 2! 24 2 48
P46, 2 =
9. VARIACION Es una forma de permutacin, en el cual no interviene todos los elementos. 9.1. VARIACION SIMPLE O GENERAL
Vnm = m! (m - n)!
m = todos los elementos n = parte de m
Ejemplos: - De cuantas maneras diferentes se pueden presentar a, b, c y d tomados de dos en dos. V24 = 4! 24 = = 12 maneras (4 - 2)! 2
De un conjunto de 6 candidatos, de cuantas maneras se pueden elegir 3, Presidente, secretario y tesorero. V36 = 6! 720 = = 120 maneras (6 - 3)! 6
9.2.- VARIACION CON REPETICION

Vnm r = m n
88
Excelencia Acadmica
Estadstica
Ejemplos: - De cuantas maneras diferentes pueden presentarse a, b, y c tomados de dos en dos con repeticin. V23 r = 32 = 9 maneras Cuantos nmeros de dos cifras, con repeticin se pueden escribir con 5, 6, 7 y 8 V24 r = 4 2 = 16 maneras
10. COMBINACION Son ciertos arreglos que se hacen con una parte del total de elementos, en el cual no interesa el orden, o sea un grupo del otro se diferencia de elemento en elemento. 10.1. COMBINACIN SIMPLE O GENERAL
m Cn =
m! n!(m - n)!
m = total de elementos n = parte de m
Ejemplos: - En una reunin hay 15 personas. Cuantos apretones de manos se darn al saludarse todos ellos entre s.
15! 15! 15 14 13 K = = 2!(15 - 2)! 2! 13! 2 113 K
= 210 = 105 apretones 5
15 C2 =
(se puede simplificar) - En una reunin hay 10 varones y 6 damas. De cuantas maneras pueden colocarse en una fila de grupo de 5; de los cuales 3 sean varones y 2 mujeres.
Solucin: Forma de escoger varones
10 C3
6 C2 Forma de escoger damas En al fila se pueden permutar entre 5 P5
Total de maneras
10 6 = C3 C2 P5 !
10! 6! 5! 3!(10 - 3)! 2!(6 - 2)!

89
= 120 15 120 = 216000
Estadstica
Excelencia Acadmica
10.2. COMBINACION CON REPETICIO

m Cn r=
(m + n - 1)! (m - 1)! n!
Ejemplo: - Cuantas combinaciones con repeticin, obtendremos dados 4 smbolos diferentes, tomados de tres en tres. C 34 r = (4 + 3 + 1)! 6! 720 = = (4 - 1)! 3! 3! 3! 36
= 20 combinaciones
11. DIAGRAMAS DE ARBOL Un diagrama de rbol es el dibujo que se usa para enumerar todos los resultados posibles de una serie de experimentos en donde cada experimento puede suceder en un nmero finito de maneras. La construccin de diagramas de rbol se ilustra en los siguientes ejemplos. Ejemplo: Marcos y Enrique intervienen en un torneo de tenis. La primera persona que gane dos juegos seguidos o que complete tres gana el torneo. El diagrama siguiente muestra los posibles resultados del torneo.
M M E E M M E E E M
M M E E M M E E
Ntese que hay 10 puntos finales que corresponden a los 10 resultados posibles del torneo: MM, MEMM, MEMEM, MEMEE, MEE, EMM, EMEMM, EMEME, EMEE, EE El recorrido desde el principio del rbol a los puntos finales indica quin gan cada juego en el torneo individual.
90
Excelencia Acadmica
Estadstica
1. A una reunin asistieron, 2 damas y 3 caballeros. A) De qu maneras pueden sentarse en una fila? b) De cuntas maneras se pueden sentar alrededor de una mesa circular? c) De cuntas maneras pueden sentarse si las damas se sientan juntas y los caballeros tambin? d) De cuntas maneras pueden sentarse si las damas se sientan juntas y los caballeros tambin, pero alrededor de una mesa circular? e) De cuntas maneras pueden sentarse en fila si las damas siempre estn juntas? 2. En una carrera de caballos participan 19 ejemplares, si se trata de que usted acierte los tres primeros puestos en la clasificacin final. De entre cuantas posibilidades tendra que escoger una? 3. Con 6 consonantes y 5 vocales diferentes. Cuntas palabras pueden formarse, que consta de tres consonantes y tres vocales?. NO interesando que las palabras as formadas tengan significado. 4. Un estudiante tiene que contestar 8 de 10 preguntas en un examen. a) De cuantas maneras tiene que escoger? b) De cuantas maneras, si las tres primeras son obligatorias? a) De cuantas maneras, si tiene que contestar 4 de las 5 primeras preguntas? 5. De un total de 5 preguntas tericas y 7 preguntas prcticas, un estudiante debe resolver 2 de teora y 3 de prctica. a) De cuantas formas puede escoger? b) De cuantas formas si debe resolver obligatorio una pregunta practica? c) De cuantas maneras debe escoger si dos preguntas tericas determinadas no deben resolver?
1. Se corre una carrera en la que dan premios a los dos primeros participantes que crucen la lnea de la meta. Si hay cuatro corredores (K, L, M, N) De cuantas maneras diferentes pueden repartirse las copas los participantes? Universidad Peruana Los Andes
91
Estadstica
Excelencia Acadmica
12. DEFINICION CLASICA DE PROBABILIDADES Si un espacio muestral tiene n eventos sencillos o elementales, todos igualmente factibles, posibles o equiprobables entonces las probabilidad del evento A es igual al nmero de casos favorables (elementos de A) sobre el numero de casos posibles (elementos del espacio muestral)
P(A ) = Nmero de casos favorables # A = Nmero de casos posibles #W
Ejemplo: - Al lanzar un dado cual es la probabilidad de obtener un nmero par. = S A = {1, 2, 3, 4, 5 ,6} #S = 6 = {2, 4, 6} #A = 3
P(A ) = #A 3 1 = = 0 .5 #S 6 2
En una urna hay 3 bolas negras y 4 bolas rojas. Si se extrae una bola al azar. Cul es la probabilidad de que esta sea roja? S= {N, N, N, R, R, R, R} A= {R}
P(A ) =
12.1. Axiomas de Probabilidad
#A 4 = 0.57 #S 7
a) La probabilidad de cualquier evento es un nmero no negativo

0 P( A)
b) La probabilidad del espacio muestral es 1

P( S ) = 1
c) La probabilidad de un evento vaco es igual a cero

P( ) = 0
d) Si A y B son dos eventos mutuamente excluyentes; esto es si:

A B =
92
Excelencia Acadmica
Estadstica
Entonces:
P ( A B ) = P ( A) + P ( B )
12.2.
Teoremas de Probabilidad.
a) La probabilidad del complementote un evento es igual a unin menos la probabilidad de dicho evento.
P( A' ) = 1 - P( A)
b) Si Ay B E25 (algebra de los elementos) y AB entonces:

P ( B ) P ( A)
c) Si Ay B E25 entonces
P ( A - B ) = P ( A) - P ( A B )
d) Si Ay B E25 entonces
P ( A B ) = P ( A) + P ( B ) - P ( A B )
Ejemplos: Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
P( A) = 0.20 P( B) = 0.30 P( A B) = 0.10 S A
0.10
0.10
Hallar: a) P( A' ) b) P( A' B' ) c) P( A' B' ) d) P( A' B ) e) P( A B' ) f)
0.20
P( A' B)
Solucin: a) P( A' ) = 1 - P( A) = 1 - 0.20 = 0.80
b)
P ( A' B ' )
93
Estadstica
Excelencia Acadmica
De la ley de Morgan A' B ' = ( A B )' P ( A' B ' ) = P ( A B )'
Pero de: P ( A B )' = 1 - P ( A B ) = 1 - 0.40 = 0.60
C) P ( A' B ' )
P( A' B' ) = P( A' ) + P( B' ) - P( A' B' ) = 0.80 + 0.70 - 0.60 = 0.90
Otra forma de obtener: De la ley de Morgan P ( A' B ' ) = P ( A B )' = 1 - P( A B) = 1 - 0.10 = 0.90
d) P ( A' B )
P( A' B) = P( A' B) = 0.30 - 0.10 = 0.20 significa iguales teorema = P( B - A) = P( B) - P( A B)
e) P( A B' )
P( A B' ) = P( A - B) = P( A) - P( A B) = 0.20 - 0.10 = 0.10
e) P ( A' B )
P( A' B) = P( A' ) + P( B) - P( A' B) = 0.80 + 0.30 - 0.20 = 0.90
94
Excelencia Acadmica
Estadstica
Sean A y B cualesquiera, tal que:

P( A B) = 34
Hallar:
a) P ( B ) b) P ( A B ' ) c) P ( A' B ' ) d) P( A' B)
P( A' ) = 2 3 P ( A B ) = 14
13. PROBABILIDAD DE FRECUENCIA RELATIVA Cuando nos planteamos ciertas preguntas Cul es la Probabilidad de vender 2 cocinas en esta semana o de vender una cocina y una refrigeradora? Cul es la probabilidad de que Rubn apruebe la asignatura de Estadstica? Para contestar estas dos preguntas no nos sirve la definicin clsica, en este caso necesitamos ms informacin, para lo cual recurrimos a otros tipos de definiciones, por ejemplo, a la definicin por frecuencia relativa, la cual se define de la siguiente manera: Sea
A 2S
A pertenecer al algebra de elementos. La frecuencia absoluta ( fi ) es el nmero de veces que ocurre este evento en una serie de n repeticiones similares del experimento y denotamos por hi , entonces la frecuencia relativa ( f A ) del evento A esta dado por: Luego: 1 2
0 hA 1
fA hA = h = P (A)
La frecuencia relativa de todo el espacio muestral ser:
95
Estadstica
Excelencia Acadmica
hS =
fS n = =1 n n
hA B = hA + hB
Ejemplos: - Al escoger al azar un trabajador de la tabla Cul es laprobalidad de que este gane de S/. 205 a S/. 233 ? Tabla de Frecuencia de Salarios de Trabajadores Salario
1 2 3 4 5 6 7
fi
hi 4 0.06 6 0.08 9 0.13
[ 319 369 ] [ 369 419 ] [ 419 469 ] [ 469 519 ] [ 519 569 ] [ 569 619 ] [ 619 669 ] TOTAL
13 0.18 15 0.21 13 0.18 12 0.17 72 1
P (I 4 I 5 ) = P (I 4 ) + P (I 5 ) = h4 + h5 = 0.18 + 0.21 = 0.39 @ 39%
La probabilidad de encontrar un trabajador que ganes de s/205 a s/233 es del 39% - El siguiente cuadro contiene la clasificacin de 321 obreros de una empresa respecto a dos caractersticas: 1 2 El numero de aos que estn trabajando en la empresa. Su respuesta a la pregunta Desea usted ir a la huelga para obtener un aumento de salario.
96
Excelencia Acadmica
Estadstica
Nmero de Aos de la Empresa Respuesta Menos de 1 ao Si No No se Total 27 14 3 44 A 54 18 2 74 B 137 34 1 172 C 28 3 0 31 D 1a3 4 a 10 Ms de 10 246 69 6 321 Total
M N
Cul es la probabilidad de que un trabajador seleccionado al azar: a) Tenga de 1 a 3 aos en la empresa. b) Haya contestado si a la pregunta. c) Contesto si y esta trabajando en la empresa de 1 a 3 aos d) Contesta si y pertenece por lo menos 4 aos a la empresa. Solucin: Para facilitar la solucin ponemos letras maysculas a las filas y columnas.
a) P( B) =
74 = 0.2305 = 23.05% 321 246 = 0.7663 = 77% 321
b) P ( M ) =
c) P ( M B) = d)
54 = 0.1682 = 17% 321
P[M (C D )]= P[(M C ) (M D )] = P( M C ) + P( M D) 137 28 + 321 321 165 = = 0.514 = 51.4% 321 =
97
Estadstica
Excelencia Acadmica
En una encuesta se determino que la probabilidad de que una persona consuma el producto A es 0.5, que consuma B es 0.37, que consuma el producto C es 0.3, que consuma A y B es 0.12 que consuma solamente A y C es 0.08, que consuma solamente B y C es 0.05 y que consuma solamente C es 0.15 Calcular la probabilidad de que una persona escogida al azar consuma: a) Solamente consuma el producto B b) Por lo menos dos de los productos c) Exactamente dos productos d) Que consuma A o B pero no C 14.- PROBABILIDAD SUBJETIVA En la vida diaria hay ciertas preguntas que se hacen ciertos especialistas. Ejemplo: a) Un medico investigador dir que al termino de esta dcada se va a obtener una vacuna contra el SIDA. b) Un ingeniero de la NASA dir que dentro de 20 aos estaremos viajando a Venus. Este tipo de probabilidad no se puede contestar con la definicin clsica ni con la de frecuencia relativa, porque no di anteriormente e le enfoque es subjetivo por que hay una sola oportunidad de ocurrencia de este evento. La probabilidad subjetiva de la ocurrencia de un evento A es un numero asignado por un individuo de acuerdo a las evidencias que dispone otra persona con otras evidencias podra asignar a la ocurrencia del mismo evento A, otra probabilidad diferente (nmero diferente al anterior). 15.- PROBABILIDAD FRENTE A APUESTAS Sea A un evento cualquiera. Si las a apuestas a favor de A son de 5 a 3, esto significa que la probabilidad de A es: 5 a 3 a favor de A P(A) = 5 = 5 6+3 8 Universidad Peruana Los Andes
Interpretacin: de 8 ocurrencias, 5 es a favor de A.

98
Excelencia Acadmica
Estadstica
Ejemplo: En una carrera de caballos, el caballo A tiene la apuesta 3 a 5, mientras que el caballo B tiene 1 a 4 Cul es la probabilidad de que cualquiera de estos dos caballos gane?.
3 3 = 3+5 8 1 1 P( B) = = 1+ 4 5 P( A) =
Pero como son mutuamente excluyentes

P( A B) = P( A) + P( B) 3 1 = + 8 5 23 = = 0.575 = 57.5% 40
En una carrera de autos, el auto K tiene las apuestas 5 a 1 en su contra, mientras que el auto M las tiene 9 a 1 en su contra. Cul es la probabilidad de que cualquiera de estos autos gane? 1. PROBABILIDADES DE ESPACIOS FINITOS Otro mtodo para asignar probabilidades en espacios muestrales finitos. S ={ W1 , W2 , W3 , KWn } donde =finito Se asigna a cada una Wi probabilidad Pi , tal que la probabilidad de, n P Wi = 1 i =1 la suma de las probabilidades asignados a los elementos y espacio muestral es la unidad, adems cada uno es mutuamente excluyente y relativamente exhaustivo. Ejemplo: En el hipdromo los caballos A, B, C, D compiten en una carrera. A tiene 2 veces mas probabilidad de ganar que B; B tiene 2 veces mas probabilidad que C y C tiene 2 veces mas probabilidad que D. a) Cuales son las probabilidades de ganar de cada uno de los caballos. b) Cual es la probabilidad de que B o C gane. Universidad Peruana Los Andes
99
Estadstica
Excelencia Acadmica
S= {gana A, gana B, gana C, gana D} Este espacio muestral lo reemplazamos por: S= { W1 , W2 , W3 , W4 a) Pero P(W4 ) = x P(W3 ) = 2 x P(W2 ) = 4 x P(W1 ) = 8 x
x + 2 x + 4 x + 8x = 1 15 x = 1 x= 1 15
P(W1 ) + P(W2 ) + P(W3 ) + P(W4 ) = 1
Todos tienen la misma capacidad de ganar, as tenemos:
1 = 0.067 = 7% 15 P(W3 ) = 2 x = 2 (115 ) = 215 = 0.13 = 13% P(W4 ) = P(W1 ) = 8 x = 8 (115 ) = 215 = 0.53 = 53%
P(W2 ) = 4 x = 4 (115 ) = 215 = 0.27 = 27%
b)
P(W2 W3 ) = P(W2 ) + P(W3 ) =4 +2 15 15 6 = = 0.4 = 40% 15
100
Excelencia Acadmica
Estadstica
Actividad 3.9
En una competencia participan 3 jvenes 4 seoritas y 2 nios. Si los jvenes tienen el doble de habilidad de las seoritas y estas el triple de habilidad de los nios. Cul es la probabilidad de que: a) Gane un joven b) Gane una seorita c) Gane un nio d) Gane un nio o una seorita
17.
PROBABILIDAD CONDICIONAL
Mide la proposicin de veces que ocurre B de entre las que ha ocurrido A. Sea A un suceso cuya probabilidad es distinta de cero; y sea B cualquier suceso: se llama probabilidad de B condicionado a A al cociente:
PB A B) ( A)= P(P ( A)
6.1.- Axiomas I) Para cualquier suceso E

PE E A) ( A)= P(P 0 ( A)
Por ser cociente de nmeros no negativos. II) Sean B y C dos sucesos incompatibles (B
P B C
U
C = O ). Entonces:
C ) A] )= P[(B P ( A) =
P[(B A) (C A)] P( A) =P B +PC A A
( ) ( )
101
Estadstica
Excelencia Acadmica
III)
PW
W A) P( A) ( A)= P(P = =1 P( A) ( A)
Por ser
W A = A
6.2. Probabilidad de la Interseccin de dos sucesos. Consecuencia: Ejemplo: En una encuesta que se hace a 112 personas sobre el color de los ojos se obtiene la siguiente tabla de resultado.
Asunto Varones (V) Mujeres (M) Total Ojos Azules (A) 20 22 42 Ojos Negros (N) 30 40 70 50 62 112 Total
P ( A B ) = P(A) P B
( A)
Si la eleccin se hace sin condiciones, la probabilidad de elegir una persona con los ojos azules es:
P( A) = 42 3 = 112 8
De elegir una persona con los ojos negros ser:

P( N ) = 70 5 = 112 8
Sin embargo, si la eleccin la hacemos solo entre los varones, la probabilidad de ojos azules y los ojos negros respectivamente son:
P( A) = 20 2 = 50 5
P( N ) =
30 3 = 50 5
Lo anterior se denota que son probabilidades calculadas sobre el conjunto de los varones, se escribe P que se lee Probabilidad de A condicionada a V; por lo tanto, las condicionadas son: 2 PA = V 5 3 PN = V 5 Considerando lo anterior se dan otras probabilidades condicionadas,
( ) ( )
ejemplo:
102
Excelencia Acadmica
Estadstica
Luego, podemos ver:
Entonces:
- Se extraen dos cartas de una baraja de 52. Calcular la probabilidad de que ambas cartas sean reyes. Solucin: Hacemos A al evento que la primera carta es un rey y B al evento que la segunda carta es un rey, nos piden calcular que reyes. o sea ambas cartas son
La probabilidad es de
103
Estadstica
Excelencia Acadmica
1. Una urna contiene 10 bolas rojas y 6 negras. Se sacan dos bolas sin posibilidad de reemplazarlo. Cul es la probabilidad de que la segunda bola sea negra si se sabe que la primera ha sido negra? 2. Calcular la probabilidad de obtener cuatro 2 al lanzar cuatro dados.
18. SUCESOS INDEPENDIENTES Se dice que un suceso B es independiente de otro A cuando

PB
( A)= P(B )
es decir, el suceso A no influya en B por lo tanto: diremos que A y B son independientes cuando ocurre que:
Ejemplo: Se extraen sucesivamente y con devolucin dos bolas de una bolsa que contiene 4 bolas enumeradas del 1 al 4. Sea A el suceso de obtener numero par en la primera extraccin y B el suceso de extraer la segunda bola sea impar Son A y B independientes? Solucin: Se tiene que verificar que:
Los casos favorables de A B par en la primera e impar en la segunda es:
104
Excelencia Acadmica
Estadstica
En total son 4 casos de un total de casos posibles, por tanto
luego
Los sucesos son independientes.
19. TEOREMA DE BAYES El teorema de Bayes viene a seguir el proceso inverso al teorema de probabilidad total. El teorema de Bayes dice:
Donde: Ai , A2 , K , An Son sucesos tales que A , 1 A2 K An = E siendo E el espacio muestral Y donde

Ai A j =
si , y V es un suceso del que se conocen las
probabilidades condicionales P B A , adems de conocerse las i probabilidades . P(Ai )
Ejemplo: El parte meteorolgico ha anunciado tres posibilidades para el fin de semana: a) b) c) Que llueva: probabilidad del 50% Que nieva: probabilidad de 30% Si hay niebla: probabilidad de accidente 20%
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente: a) b) si llueve: probabilidad de accidente 10% si nieva: probabilidad de accidente 20%
105
Estadstica
Excelencia Acadmica
c)
si hay niebla: probabilidad de accidente 5%
Resulta que efectivamente ocurre un accidente y como no estbamos en la ciudad no sabemos que tiempo hizo. El teorema de Bayes nos permite calcular estas posibilidades.
1)
Las probabilidades que manejamos antes de conocer que ha ocurrido
un accidente se denomina Probabilidad a priori (lluvia con el 60%, nieve con el 30% y niebla con el 10%). 2) Una ves que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del suceso a cambian, son probabilidades condicionadas P (A/B) que se denominan Probabilidades a posteriori. Solucin: Aplicamos la formula:
a)
La probabilidad de que estuviera lloviendo
La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad posteriori) es del 71.4% b) Probabilidad de que estuviera nevando
La probabilidad de que estuviera nevando es 21.4% c) Probabilidad de que hubiera niebla
106
Excelencia Acadmica
Estadstica
La probabilidad de que hubiera niebla es del 7.1%
Un laboratorio somete a los choferes que cometen accidentes de trnsito a un test de dopaje etlico. Se ha determinado que: -Cuando el chofer est ebrio, el test proporciona resultado positivo en el 95% de los casos. -Cuando el chofer no est ebrio, el test proporciona resultado negativo en el 94% de los casos. -El 2% de los conductores que cometen accidentes manejan ebrios. Cul es la probabilidad de que el chofer est ebrio dado que el resultado fue positivo?
AVILAA., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. GALDOS, L. Dominando las Matemticas: Calculo y Estadstica II y III, tomo 15 y 16, Edicin El Popular, Lima-Per, 2005. LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Coleccin Serie Schaum. Colombia. 1970 MOYA, Rufino y SARAVIA, G. Probabilidad e Inferencia Estadstica. Editorial San Marcos. 2 edicin, Lima. TRIOLA, Mario. Estadstica Elemental. Editorial Addison Wesley Longman. 7 Edicin, Mxico 2000. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
En el siguiente fascculo, estudiaremos las mas importantes Distribuciones de Probabilidad, tanto de variables discreta como de variables continuas.
107
Estadstica
Excelencia Acadmica
NOMBRE:_______________________________________________________ APELLIDOS:________________________________ FECHA: ___/___/___ CIUDAD:___________________________________ SEMESTRE:_________
1. El testigo de un atropello recuerda que la placa del auto tiene 6 dgitos diferentes y solamente ha memorizado los tres primeros que son: 3, 4, 7, Cuntos nmeros de placas diferentes tendr que investigar la polica? 2. Siete varones y cinco mujeres van a formar comits de 6 personas. De cuantas maneras pueden formarse si: a) En el comit hay tres mujeres? b) Cundo cmo mnimo 3 mujeres? 3. En un examen de Estadstica, un estudiante debe responder 6 preguntas de 10 dadas. De cuntas maneras diferentes debe escoger si debe responder por lo menos 2 de las 5 primeras preguntas? 4. Un club de voley cuenta con 12 jugadoras. De cuantas maneras diferentes puede formar un equipo el entrenador, sabiendo que siempre tiene que estar Rosa que es la preparadora? 5. En una reunin hay tres jvenes y tres seoritas. a) De cuantas maneras diferentes pueden sentarse en una banca, tanto los jvenes como las seoritas si deben estar juntos? b) De cuantas maneras diferentes pueden sentarse si solamente las seoritas deben estar juntas? C) de cuantas maneras diferentes pueden sentarse en una banca si los jvenes ocupan los lugares pares? 6. Una joven tiene 6 amigas, de las cuales invitara para sus cumpleaos solamente a tres a) De cuantas maneras debe hacer la invitacin si dos de sus amigas estn enemistadas y no pueden asistir juntas?
108
Excelencia Acadmica
Estadstica
b) de cuantas maneras debe hacer la invitacin, si dos de ellas solamente pueden asistir juntas? 7. Tres seoritas Maria, Magna y Maritza, compiten en un curso de belleza. Los premios solamente son otorgados a olas que ocupen el primer y segundo lugar. a) Liste los elementos del espacio muestral correspondiente al experimento al Elegir las dos ganadoras b) Liste el Evento o suceso Magna y Maria ganan los premios. 8. 10 libros son colocados aleatoriamente en un estante. Determinar la probabilidad que 4 libros determinados sean colocados juntos. 9. En una carrera de caballos, el caballo que tiene la apuesta 7 a 2 , en su contra, mientras que el cabalo R 8 a 5, en su contra Cual es la probabilidad que cualquiera de esto gane? 10. Una clase consta de 10 varones y 20 mujeres de los cuales, la mitad de los varones y la mitad de las mujeres viven en Huancayo. Hallar la probabilidad que una persona escogida al azar sea un varn o sea de Huancayo. .11. Sean los eventos A y B
Hallar:
a) P( A' B' ) b) P ( A' B ) x
12.Una compaa comercial tiene 130 sucursales localizados en las tres regiones naturales del pas, se dedican a la venta de diversos artculos, tales como aparece en el cuadro. Se selecciona al azar una sucursal para colocar en el mercado un nuevo producto que puede ser vendido por cualquiera de las sucursales. Hallar la probabilidad que las sucursales seleccionadas no esten localizada en la selva o vendan repuestos
109
Excelencia Acadmica
Estadstica
DISTRIBUCIN DE PROBABILIDAD
Al finalizar el estudio del presente fascculo el estudiante Define lo que son variables aleatorias y conoce sus clases Define lo que es la Distribucin de Probabilidad y conoce sus clases Calcula e interpreta las Distribuciones de Probabilidad Discreta como: La binomial, la de Poisson, la Geomtrica, la Hipergeomtrica, y la Multinomial Calcula e interpreta las distribuciones de probabilidad continua como: La normal Z y la de Student t Calcula y conoce los parmetros de la Distribucin de Probabilidad. 1. - VARIABLES ALEATORIAS Una variable aleatoria es una variable que tiene un solo valor numrico, determinado por el azar, para cada resultado de un experimento. Es representada por lo general por la x. Ejemplos: x = El nmero de seoritas entre 30 empleados controlados. x = El peso en kg de un nio escogido al azar. x = El nmero de accidentes de motocicletas de entre 20 accidentes de carretera, seleccionadas al azar. 2.- CLASES DE VARIABLES ALEATORIAS a) Variable Aleatoria Discreta Es aquella que tiene un nmero finito de valor o un nmero de valores susceptibles de contarse. Ejemplo: - El nmero de personas que entran al estadio a ver un partido de ftbol, es un nmero entero y se obtiene por conteo. b) Variable Aleatoria Continua Es aquella que tiene un nmero infinito de valores y se obtiene por mediciones en una escala continua. Universidad Peruana Los Andes
111
Estadstica
Excelencia Acadmica
Ejemplo: - La medida de tallas de un grupo de estudiantes de la UPLA. La talla se obtiene por medicin y cuyos valores son enteros y decimales o nmeros quebrados. 3.- DISTRIBUCION DE PROBABILIDAD Coleccin de valores de una variable aleatoria junto con sus correspondientes probabilidades. O sea, da la probabilidad para cada valor de la variable aleatoria. A.- REQUISITOS DE UNA DISTRIBUCION DE PROBABILIDAD a) La suma de las probabilidades individuales debe ser igual a 1 y se basa en la regla de la suma para sucesos mutuamente excluyentes.
( x)
= 1 Donde x asume todos los valores posibles
b) Para cualquier suceso implica que la probabilidad individual debe estar entre 0 y 1 para cualquier valor de la variable aleatoria.
0 P( x ) 1 Para todos los valores de x
Ejemplo:
x - Determina si P( x ) = 3 es una distribucin de probabilidad: donde x puede ser 0, 1 o 2
Solucin: Para la funcin vemos que:
Si se trata de una distribucin de probabilidad debe cumplir con los requisitos: a)
b) Cada uno de los valores de P( x ) esta entre 0 y 1 Respuesta Cumple con los requisitos, por lo tanto es una distribucin de probabilidad.
112
Excelencia Acadmica
Estadstica
B. a)
CLASES DE DISTRIBUCIONES DE PROBABILIDAD Distribuciones de Probabilidad Discreta Importantes - Distribucin Binomial - Distribucin de Poisson - Distribucin Geomtrica - Distribucin Hipergeometrica - Distribucin Multinomial
b)
Distribuciones de Probabilidad Continua Importantes - Distribucin Normal o Gauss z - Distribucin de student t - Distribucin chi cuadrado - Distribucin F
4.- DISTRIBUCION BINOMIAL Es el conjunto de todos los valores posibles de una variable discreta y las probabilidades que le son asociadas. La Distribucin Binomial se usa para encontrar la probabilidad de x nmeros de ocurrencias de un suceso, P( x ) en n ensayos del mismo experimento cuando: 1 Solamente hay dos resultados posibles y mutuamente excluyentes: xito y fracaso acierto y no acierto. 2 Los n ensayos son independientes. 3 La probabilidad de ocurrencia permanece constante en cada ensayo.
n = nmero de experimento o ensayo q = probabilidad de acierto o xito p = probabilidad de no acierto o fracaso x = suceso que se busca
p + q =1
113
Estadstica
Excelencia Acadmica
Toda Distribucin Binomial tiene: - Media o Esperanza Matemtica o Valor Esperado
- Varianza
- Desviacin estndar
Ejemplo: - Un matrimonio planifica el nacimiento de 4 hijos. Hallar la probabilidad que: a) haya un varn b) 3 sean varones c) ningn varn d) a lo mas 2 varones e) sean 2 o 3 varones f) hallar la media y la desviacin estandar Solucin n=4 hijos p=1/2 = 0.5 q=1 p = 1 0.5 = 0.5 a)
La probabilidad de que haya un varn es del 25%
114
Excelencia Acadmica
Estadstica
b)
La probabilidad de que ninguno sea varn es del 25%. c)
La probabilidad de que ninguno sea varn es del 6.25%. d)
A probabilidad que a lo ms sean 2 varones es del 68.75% e)
115
Estadstica
Excelencia Acadmica
La probabilidad que a lo mas seas 2 3 varones es del 62.5% f) La media o valor esperado
La desviacin estndar
A. Se ha calculado que el 9% de la produccin de una planta de lapiceros es defectuosa. a) Calcular la probabilidad de obtener 3 lapiceros defectuosos en una muestra de 8 lapiceros. b) Hallar la media y la desviacin estndar. B. El 20% de fluorescentes en cierto lote es defectuosa. a) Cul es la probabilidad de encontrar 2 fluorescentes defectuosos por docena? b) Hallar el valor esperado y la varianza. 5.- DISTRIBUCION DE POISSON Es una distribucin de probabilidad discreta que se aplica a ocurrencias de algn suceso dentro de un intervalo especificado. La variable aleatoria es el nmero de ocurrencias del suceso en el intervalo. El intervalo puede ser tiempo, distancia, rea, volumen o alguna unidad similar. La distribucin de Poisson es una distribucin binomial cuyo suceso es raro, o sea: n tiende al p tiende a 0 q tiende a 1 np 5
116
Excelencia Acadmica
Estadstica
La formula es:
lx e - l x! l = np P( x ) =
e=2.71828 X= es el suceso que se busca. La distribucin de Poisson tiene los siguientes parmetros: - Media o Esperanza Matemtica
m = E( x ) = l
- Varianza
s (2x ) = V( x ) = l
- Desviacin estndar
s ( x) = l
Ejemplo: - Si el 3% de las lmparas producidas por una fabrica son defectuosas. Hallar la probabilidad de que de una muestra de 60 lmparas sean exactamente: a) ninguna defectuosa b) sean 2 defectuosas c) menos de 3 defectuosas Solucin: n= 60 lmparas p= 0.03 = 3% q= 0.97 = 97% p+q=1 a)
P( x = 0 defectuosa ) = lx e - l x!
117
Estadstica
Excelencia Acadmica
La probabilidad de que ninguna lmpara sea defectuosa es del 16.53%
b)
La probabilidad de que 2 lmparas sean defectuosas es del 26.78%
c)
La probabilidad de que menos de 3 lmparas sean defectuosas es del 73.064%.

Actividad 4.2
A. Si tenemos a) b) c)
= 4.2 en una distribucin de Poisson encuentre:
P ( X 2) P ( X 5) P ( X = 8)
B. Un proceso de fabricacin produce 10 artculos defectuosos por hora. Encuentre la probabilidad de que 4 artculos defectuosos o menos provengan de la produccin de una hora dada escogida al azar usando la distribucin de Poisson. 6. DISTRIBUCION GEOMETRICA La distribucin geomtrica esta relacionada con un proceso e Bernoulli, excepto que el nmero de ensayos no es fijo (hasta obtener el xito)
118
Excelencia Acadmica
Estadstica
La distribucin Geomtrica tiene los siguientes parmetros: - Media o Valor esperado
- Varianza
- Desviacin Estndar
Ejemplo: 1.La probabilidad de xito al lanzar un cohete es 0.8 suponga que el ensayo del lanzamiento ha ocurrido. Cul es la probabilidad que exactamente sean necesarios 6 ensayos? p = 0,8 q = 0,2 x=6
La probabilidad de que sean 6 ensayos es 0.03% 2. Los 2/3 de los nios de un colegio estn ausentes por causa de una epidemia. En una clase de 25 estudiantes, el profesor pasa lista. a) Cual es la probabilidad que el dcimo nio llamado sea el primero que responda presente. b) Calcular c) Determine E( x ) y desviacin estndar s
P ( x 2) , P ( x 2)
119
Estadstica
Excelencia Acadmica
a) Solucin:
La probabilidad de que el dcimo nio sea el primero que responda presente es de 0.87% b) La probabilidad de que sea x 2 es del 55.6%
La probabilidad de que sea x 2 es del 66.7% c)
La media es de 3 nios
La desviacin Estndar es de 2 nios.
Se dispone de un aparato que fabrica objetos de plsticos. Este aparato se utiliza hasta que aparece el primer objeto defectuoso. Se sabe que la probabilidad que el objeto sea no defectuoso es , la probabilidad que el objeto sea defectuoso es . Determinar la distribucin de probabilidad.
120
Excelencia Acadmica
Estadstica
Actividad 4.3
Se dispone de un aparato que fabrica objetos de plsticos. Este aparato se utiliza hasta que aparece el primer objeto defectuoso. Se sabe que la probabilidad que el objeto sea no defectuoso es
8 9
, la probabilidad que el objeto sea defectuoso es
. Determinar la
distribucin de probabilidad. 7.- DISTRIBUCION HIPERGEOMETRICA Cuando una poblacin finita con N elementos dividido en dos clases. Una con M elementos (M<N) y la otra con N-M elementos. Llamaremos xito a la primera clase y fracaso a la segunda. X=0, 1, 2, min (n, M) n= tamao de la muestra sin reemplazamiento N= poblacin finita x= lo que se busca La distribucin Hipergeomtrica tiene los siguientes parmetros: - Media o Esperanza matemtica o Valor esperado
- Varianza
- Desviacin Estndar
Ejemplo: En una urna contiene 5 bolas blancas y 6 rojas. Se extraen 4 bolas de la urna sin reposicin. a) Hallar la distribucin de probabilidad del nmero de bolas rojas extradas. b) Cual es la probabilidad de extraer exactamente 3 bolas rojas. c) Cual es el nmero esperado de bolas rojas extradas. Solucin: N=6+5=11 M=6 n=4 Universidad Peruana Los Andes
121
Estadstica
Excelencia Acadmica
a)
b)
La probabilidad de extraer 3 bolas rojas es de 30.3% c)

6 24 m = 4 = = 2.18 11 11
El nmero esperado de bolas rojas extradas es 2

Actividad 4.4
En cierta clnica has 20 enfermos de los cuales se sabe que el 30% tienen cncer, se extrae aleatoriamente 4 pacientes para el despistaje de cncer. a) Cual es la probabilidad que al menos uno tenga cncer. b) Cual es el nmero esperado de pacientes con cncer. 8.- DISTRIBUCION MULTINOMIAL La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos posibles resultados en cada ensayo, puede haber mltiples resultados. Siendo:
Donde:
x
i =1
=n
122
Excelencia Acadmica
Estadstica
La distribucin multinomial tiene los siguientes parmetros: Media o Esperanza matemtica o valor esperado
Varianza
Desviacin Estndar
Ejemplo Las posibilidades que una declaracin de impuestos sea llenada correctamente es 0.60, que contenga un error que favorezca al declarante 0.20, que lleve un error que favorezca al fisco 0.10 y que contenga ambos tipos de errores 0.10. Se escoge al azar 10 de tales declaraciones de impuestos para una auditoria. Cul es la probabilidad que 5 estn correctos, 3 tengan error que favorezcan al declarante, una lleve un error que favorezca al fisco y una contenga ambos tipos de errores? 1 Definir los siguientes eventos
E1 = Una declaracin de impuestos llevada correctamente E1 = Una declaracin de impuestos en error que favorezca al declarante E1 = Una declaracin de impuestos en error que favorezca al fisco E1 = Una declaracin de impuesto que contengan ambos tipos de error
123
Estadstica
Excelencia Acadmica
La probabilidad de que ocurran todos los eventos es de 3.2%
En cada poblacin grande el 70$ de las personas son derechos; el 20% izquierdos y 10% ambidiestros. Se escogen 10 personas aleatoriamente de la poblacin Cual es la posibilidad? a) Todos sean derechos b) 7 sean derecho, 2 zurdos, 1 ambidiestro 9. DISTRIBUCION NORMAL Z La Distribucin Normal es una distribucin de probabilidad continua y es la ms comn que se usa en el anlisis estadstico. La curva Normal tiene forma de campana y es simtrica con respecto a su media, pero la mayor parte del rea (probabilidad) est concentrada alrededor de la media.
La Distribucin Normal Estndar s = 1 es una distribucin con una media de 0 (M=O) y una desviacin estndar de 1 ( ).
Cualquiera distribucin normal (escala de x) se puede convertir a una distribucin normal estndar estableciendo que M=O y expresando las desviaciones de M en unidades de desviacin estndar (Escala de Z), tambin llamada variable estandarizada. Para encontrar probabilidades (reas) para problemas de distribucin normal, primero se convierte el valor de x a su correspondiente valor en Z
124
Excelencia Acadmica
Estadstica
Luego se localiza al valor de Z en la tabla de rea para la distribucin normal estndar. Ejemplo:
Z= x-m s
En un examen de Estadstica la media fue de 14 y la desviacin estndar de 1.6. Determinar las variables estandarizadas (Zi) para valores de x: 12, 17, 20, 13, 16
? USO DE LA TABLA DE LA DISTRIBUCIN NORMAL ESTNDAR (Z) La tabla de distribucin normal Z solamente tabula el 50% de la Campana de Gauss y por su parte interna.
125
Estadstica
Excelencia Acadmica
El rea bajo la distribucin normal estndar de probabilidad, entre la media y el valor sucesivo de Z, est determinada por la interseccin de los valores de la variable estandarizada, de la primera columna y primera fila de la tabla de la distribucin normal. Ejemplo Si Z es 1.36, en la primera columna de Z se buscara en 1.3 y con la primera fila en 0.06, cuya interseccin dara 0.4131 de rea. Cuya probabilidad representa el 41.31% Ejemplo de la distribucin Normal Z Si la talla de 300 estudiantes se distribuye normalmente y m = 68 pulgadas s = 3 y pulgadas, hallar la probabilidad para los estudiantes: a) Entre 64 y 72 pulgadas b) Mayor de 72 pulgadas c) Menor o igual a 64 pulgadas d) Cuntos estudiantes tienen tallas mayores a 72 pulgadas Solucin
m = 68 pulgadas s = 3 pulgadas
n = 300 estudiantes
a) P (64 x 72) = P ( Z1 Z Z 2 )
126
Excelencia Acadmica
Estadstica
b)
P( x > 72)
P(Z > Z1 )
3 Hallamos la variable estadarizada

Z1 = x2 - m 72 - 68 = = 1.33 s 3
127
Estadstica
Excelencia Acadmica
4 Hallamos el rea a travs de la tabla de la normal 1.33 = 0.4082

P ( Z > 1.33) = 0.5000 - 0.4082 = 0.0918
La probabilidad de que las tallas sean mayores a 72 pulgadas es del 9.18%
La tabla Z, al tabular solamente el 50% de la Campana de Gauss, para ste caso se le resta el rea interna de que es de 0.4082.
C)
P( x 64)
Reducir Tamao
3 Hallamos la variable estadarizada

Z1 = x2 - m 64 - 68 = = -1.33 s 3
4 Hallamos el rea a travs de la tabla de la normal 1.33 = 0.4082

P ( Z -1.33) = 0.5000 - 0.4082 = 0.0918
128
Excelencia Acadmica
Estadstica
La probabilidad de que las tallas sean menores o igual a 64 pulgadas es del 9.18%
d) K = n( P( x ) ) K = 300 P( x )
P( x ) = P( x > 72) = P( Z Z1 ) = P( Z > 1.33) = 0.5000 - 0.4082 = 0.0918

\ K = 300 0.0918 = 27.54 @ 28 Estudiantes
El numero de estudiantes que tienen talla mayor a 72 pulgadas son 28.
A. Hallar el rea bajo la curva normal. a) A la izquierda de Z = -1.78 b) A la izquierda de Z = 0.56 c) A la derecha de Z =-1.45 d) Correspondiente a Z 2.16 e) Correspondiente a -0.80 Z 1.53 f) A la izquierda de Z = -2.52 y a la derecha de Z = 1.83 B. Hallar el valor de Z tal que: a) El rea a la derecha de Z sea 0.2266 b) El rea a la izquierda de Z sea 0.0314 c) El rea entre -0.23 y Z sea 0.5722 d) El rea entre 1.15 y Z sea 0.0730 e) El rea entre Z y Z sea 0.9000 1. DISTRIBUCION DE STUDENT t Se utiliza la distribucin t en la estimacin. - Cuando el tamao de la muestra es 30 o menos - Se desconoce la desviacin estndar de la poblacin - Se supone que la poblacin es normal o aproximadamente normal
129
Estadstica
Excelencia Acadmica
? Grado de Libertad Numero de valores de una muestra que podemos especificar libremente, una vez que sepamos algo de ella.
gl = n - 1
? Uso de la Tabla de distribucin t Para calcular el valor t correspondiente a un rea de un determinado nivel de significacin, se busca en la columna de grados de libertad y en la fila de los niveles de significacin, cuya interseccin determina el valor de t Ejemplo Halle el valor de t para 29 grados de libertad, para las siguientes reas que caen dentro de la cola derecha de la distribucin t a) 10% b) 5% c) 2.5% Respuesta Con estos datos buscar en la tabla t a) t = 1.311 b) t = 1.699 c) t = 2.045
AVILA ., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. GALDOS, L. Dominando las Matemticas: Calculo y Estadstica II y III, tomo 15 y 16, Edicin El Popular, Lima-Per, 2005. JONSON, Robert. Estadstica Elemental, Editorial Trillas. 2 edicin. Mxico. 1991. LEVIN, Richard. Estadstica para Administradores, Editorial, Prentice Hall. 2 edicin. Mexico 1988. LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Coleccin Serie Schaum.
130
Excelencia Acadmica
Estadstica
MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. MOYA, Rufino y SARAVIA, G. Probabilidad e Inferencia Estadstica. Editorial San Marcos. 2 edicin, Lima. TRIOLA, Mario. Estadstica Elemental. Editorial Addison Wesley Longman. 7 Edicin, Mxico 2000. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993. MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. MOYA, Rufino y SARAVIA, G. Probabilidad e Inferencia Estadstica. Editorial San Marcos. 2 edicin, Lima. TRIOLA, Mario. Estadstica Elemental. Editorial Addison Wesley Longman. 7 Edicin, Mxico 2000. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
En el siguiente Fascculo estudiaremos la teora del muestreo, La inferencia estadstica a travs de la estimacin y la prueba de hiptesis. As como la prueba de Chi cuadrado y el anlisis de varianza.
131
Estadstica
Excelencia Acadmica
1. Si el 20% de los estudiantes que entran a estudios superiores se retiran antes de recibir sus diplomas, encuentre la probabilidad de que de 20 estudiantes elegidos al azar entre un gran nmero de estudiantes que ingresan a estudios superiores, menos de 3 se retiren. 2. La experiencia histrica muestra que 0.003 de la fuerza laboral nacional se enferma gravemente durante un ao. Si 1000 personas son seleccionadas al azar de la fuerza laboral nacional: a) Cul es el nmero esperado de trabajadores que se enferman durante un ao. b) Cul es la probabilidad de que 5 trabajadores se enfermen durante un ao. 3. Suponga que las lecturas de los termmetros tiene una distribucin normal con media de 0 y desviacin estndar de 100. Se selecciona al azar un termmetro y se prueba. a) haga un dibujo y encuentre la probabilidad de cada lectura en grados de entre 2.22 y 1.11 b) Encuentre la probabilidad indicada donde Z es la lectura en grados 4. En una poblacin grande, el 25 % de las personas tienen ojos azules. Escogemos aleatriamente voluntarios de esta poblacin, una cada vez, hasta escoger un voluntario con ojos azules. a) Cual es la probabilidad que la quinta persona es la primera que tiene ojos azules. b) Cual es el nmero esperado de personas escogidas. 5. Se extraen al azar 13 cartas sin reemplazo de una baraja de 52 cartas. a) Cual es la funcin de probabilidad para el nmero de cartas rojas en la muestra. b) cual es la media y la varianza del nmero de naipes negras. 6. Halle el valor de t para n=16 para las siguientes reas: a) que caen dentro la cola derecha de la dist. t al 0.05% b) que caen dentro la cola izquierda de la dist. t a 2.5% c) que caen dentro la cola izquierda de al dist. t al 10%
132
Excelencia Acadmica
Estadstica
ESTADISTICA INFERENCIAL: MUESTREO, DISTRIBUCIN DE MUESTREO, ESTIMACIN, PRUEBA DE HIPOTESIS, PRUEBA DEL CHI CUADRADO Y ANALISIS DE VARIANZA
Conoce el concepto del muestreo, seleccin, ventajas y limitaciones Conoce las etapas de la encuesta por muestreo y tipos de muestreo Conoce las diferencias entre poblacin y muestras Calcula el tamao de una muestra Conoce lo que es inferencia Estadstica y Estimacin Conoce y calcula el error estndar de la media y de la proporcin Conoce y aplica el teorema del Limite central Conoce, calcula y estima usando las distribuciones Normal y Student Aplica y calcula Prueba de Hiptesis sobre la media de la poblacin y la proporcin Aplica y calcula Prueba de Hiptesis para las diferencias de medias y proporciones Conoce, aplica y calcula la distribucin Chi Cuadrado Aplica, conoce y calcula el anlisis de Varianza con uno y dos factores
1.- MUESTREO Tiene por objeto seleccionar de tal manera una fraccin de la poblacin, que la muestra obtenida represente a la poblacin entera. El muestreo estadstico, es un enfoque sistemtico para seleccionar unos cuantos elementos (una muestra) de un grupo de datos (una poblacin), a fin de hacer algunas inferencias sobre el grupo total. 2.- SELECCIN DE UN MTODO DE MUESTREO El mtodo que se elija debe ser objetivo y basado en las leyes del azar. Se debe tener en cuenta: a) Los resultados que se pretende obtener b) El tipo de poblacin por muestrear c) La seguridad requerida d) El costo de muestreo e) Los recursos disponibles Universidad Peruana Los Andes
133
Estadstica
Excelencia Acadmica
3.- VENTAJAS Y LIMITACIONES DEL MUESTREO SOBRE EL CENSO Los estadsticos usan la palabra poblacin para designar no slo a las personas, sino todos los elementos que han sido escogidos para ser estudiados. La aplicacin de un cuestionario a la poblacin se llama censo. Los estadsticos usan la palabra muestra para describir una porcin elegida de la poblacin. La aplicacin de un cuestionario a una muestra se llama muestreo. A. Las ventajas a) Mayor economa b) Mayor rapidez en la recoleccin y anlisis de la informacin c) Menor personal d) El personal puede ser mejor entrenado e) Mayor informacin en el contenido B. Las Limitaciones a) Errores en el muestreo b) Limitacin en la medicin c) Limitacin en el tiempo disponible d) Lmites en la informacin personal e) Limitaciones en el estudio de las relaciones sociales f) Tiempo y costo 4.-ETAPAS DE LA ENCUESTA POR MUESTREO a) Planeamiento b) Seleccin de la muestra c) Desarrollo de los cuestionarios d) Trabajo de campo e) Preparacin del material para el anlisis f) Procesamiento de la informacin obtenida g) Preparacin del informe 5.-DIFERENCIAS ENTRE POBLACIN Y MUESTRA
134
Excelencia Acadmica
Estadstica
6. TIPOS DE MUESTREO A. Muestreo Aleatorio o probabilstica a) Al azar simple - Con reemplazo (no exhaustiva) - Sin reemplazo (si exhaustivo) b) Al azar sistemtico c) Al azar con estratificacin - Sin proporcional - No proporcional a los estratos d) Al azar de conglomerados - De igual tamao - Se desigual tamao e) Al azar en etapas sucesivas - Bietpico - Trietpico f) Al azar por experimentacin B. Muestreo no aleatorio o de juicio o no probabilstico a) b) c) d) Basado en criterio de expertos Basado en juzgamiento de unidades tipo Basado en cuotas Basado en el acaso
Actividad 5.1
Desarrollar en forma resumida los conceptos y dar ejemplos correspondientes a los tipos de muestra 7. TAMAO DE UNA MUESTRA Corresponde al nmero de elementos u observaciones que integran una muestra.
135
Estadstica
Excelencia Acadmica
A. Obtencin del tamao de una muestra para estimar proporciones
n = tamao de la muestra N = poblacin E = error P = Probabilidad de acierto Q = Probabilidad de no acierto Z = distribucin normal a un nivel de confianza
Ejemplo Los alumnos que usan o concurren a INTERNET, segn caractersticas socio familiares, del colegio Secundario San Andres que tiene 880 alumnos distribuidos en 15 secciones. Cual es la muestra representativa con un error del 5% y un nivel de confianza del 95%
N = 880 E = 0.05 P = 0.5 Q = 0.5 n=?
Nivel de confianza del 95% Z = 1.96.
B. Tamao de una muestra considerando un tamao provisional
Tamao provisional de la Muestra ()
136
Excelencia Acadmica
Estadstica
Donde:
n = Tamao de la muestra N = Tamao de la poblacin s = error estndar
V = Varianza de la poblacin = s 2 2 V = Varianza de la muestra = P(1 - P) = P(Q)
Ejemplo Conociendo los siguientes datos determinar el tamao de la muestra 1234 empresas 0.015 0.9
Empresas
El nivel de confianza ( b ) ms el nivel de significacin ( a ) siempre es igual al 100% o 1. Ejemplo: Si a = 0.05 5%, b = 0.95 95%
a = 1- b b = 1-a
Hallar el tamao de una muestra, por los dos mtodos de un distrito de la provincia donde reside.
137
Estadstica
Excelencia Acadmica
8. TERMINOLOGIA CONVENCIONAL CON QUE SE DESIGNA LAS ESTADISTICAS .

Cuando queremos referirnos a: Usamos el trmino convencional : - Error estndar de la media
- Desviacin estndar de la distribucin de las

medias muestrales

proporciones muestrales
- Error estndar de la proporcion

medias muestrales
- Error estndar de la mediana
- Desviacin estndar de la distribucin de

intervalos muestrales
- Error estndar del intervalo
9. INFERENCIA ESTADSTICA - ESTIMACIN La inferencia estadstica es uno de los aspectos mas importantes y cruciales en el proceso de toma de decisiones, en la economa la administracin y en las ciencias. La inferencia estadstica se refiere a la estimacin y la prueba de hiptesis. La estimacin es el proceso de inferir o estimar un parmetro de poblacin (tales como
xy
) del correspondiente estadstico de una muestra extrada de la poblacin.
10. - CONCEPTO DE ERROR ESTNDAR Es la desviacin estndar de la distribucin de un estadstico muestral - Error estndar de la media - Error estndar de la proporcin A. ERROR ESTNDAR DE LA MEDIA Es la distribucin de probabilidad, cuando se mide la media de cada muestra aleatoria9de una poblacin y se encuentra que la mayora de estas medias muestrales ( xs ), difiere una de otra
138
Excelencia Acadmica
Estadstica
Media Desviacin Estndar o error estndar
Error estndar de la media para poblacin infinita Error estndar de la media para poblacin finita o sea cuando n 0.05 N
Poblacin Finita : Es la poblacin que posee un tamao formulado o limitado Poblacin Infinita: oblacin que tericamente es imposible observar todos sus elementos Ejemplo Una poblacin tiene 740 elementos con una media de 13 unidades y una desviacin estndar de 9. a) Cuanto es la media y el error estndar de la distribucin muestral de la media para un tamao de muestra de 25.
B) Si la muestra n , es 49 en vez de 25
Entonces se aplica:
139
Estadstica
Excelencia Acadmica
B. ERROR ESTNDAR DE LA PROPORCIN (Proporcin de sucesos en la poblacin) (Error estndar de la poblacin) Ejemplo: En un estudio se encuentra que en una muestra aleatoria de 100 estudiantes que asistieron a la universidad, 40 recibieron un grado universitario. Encontrar la proporcin y el error estndar de la esa poblacin. La proporcin es:
El Error Estndar es:
11. TEOREMA DE LMITE CENTRAL Cuando
tiende al
la distribucin muestral de la media se aproxima a la
distribucin normal, cualquiera que sea la forma de la poblacin original. La aproximacin es suficientemente buena para n 30
140 120 100 80 60 40 20 0 0 5 10 15 20 Poblacin original Dist. Muestral de la media, n=5 Distr. Muestral de la media, n=2
140
Excelencia Acadmica
Estadstica
Cuanto mayor es n , mas pequea es la amplitud o error estndar de la media s x
El teorema del Lmite Central es el resultado del incremento del tamao de la muestra 1. La media de la distribucin muestral de la media, ser igual a la media poblacional, prescindiendo del tamao de la muestra. 2. La distribucin muestral de la media se acercar a la normalidad. Importancia del teorema del Lmite Central - Garantiza que la distribucin muestral de la media se acerque a la distribucin normal a medida que crece e tamao de la muestra. Nos permite usar el estadstico muestral para hacer inferencias sobre los parmetros de la poblacin, sin conocer nada sobre la forma de la distribucin de frecuencia de esa poblacin, salvo la informacin que logremos recabar de la muestra. Ejemplo. La distribucin de las ganancias anuales de todos los cajeros de un banco con 5 aos de experiencia tiene un sesgo negativo, segn se advierte en la figura. Esta distribucin tienen una media de S/. 15000 y una desviacin estndar de S/. 2000. Si extraemos una muestra aleatoria de 30 cajeros Cul es la probabilidad de que sus ganancias promedien mas de S/. 15750 al ao?.
100 80 60 40 20 0 0 5 15000 15750 10 15
100 80 60 40 20 0
20
10
15
141
Estadstica 1. Calcular el error Estndar
Excelencia Acadmica
2.
Distribucin Normal Estndar para =15780
Respuesta Hay un poco mas del 2% de probabilidad de que las ganancias promedio asciendan a mas de S/. 15750 al ao en un grupo de 30 cajeros.
* Con los datos del ejemplo anterior, determinar la probabilidad si fueran 70 cajeros de una poblacin de 800 cajeros. 12.ESTIMACIN USANDO LA DISTRIBUCIN NORMAL Se puede obtener: - Una estimacin puntual - Una estimacin de intervalo de un parmetro de la poblacin. A.Estimacin Puntual Es un nmero simple. Es insesgado si en muestras aleatorias repetidas de la poblacin, el valor esperado o medio del estadstico correspondiente es igual al parmetro de poblacin. Ejemplo La media muestral ( x ) es una estimacin puntual insesgada de la media poblacional ( m ) por que m x = m , donde m x es el valor esperado x . La desviacin estndar de la muestra S es una estimacin insesgada de s , y la proporcin de la muestra P es una estimacin insesgada de P (la proporcin de la poblacin con una caracterstica dada).
142
Excelencia Acadmica
Estadstica
B. Estimacin de Intervalo Se refiere a la amplitud de valores junto con la probabilidad o nivel de confianza, de que el intervalo incluya el parmetro de poblacin desconocida. Nivel de confianza usado frecuentemente, para n 90% = 1.64 95% = 1.96 99% = 2.58 O para el Nivel de significacin: 10% = 1.64 5% = 1.96 1% = 2.58 30
La tabla anterior se utiliza cuando no se puede hallar Z o variable estandarizada. Un intervalo de confianza se puede construir de modo semejante para la proporcin de la poblacin. Ejemplo: Se toma una muestra aleatoria de 14 con una media de 100 y una desviacin estndar de 60, de una poblacin de 1000. El intervalo de confianza al 95% para la media de poblacin desconocida es:
143
Estadstica
Excelencia Acadmica
Respuesta La M esta entre 90.89 y 109.11 con un grado de 95% de confianza Ejemplo. Un grupo de investigadores encuentra que en una muestra aleatoria de 100 personas que asistieron a la universidad, 40 recibieron un grado universitario. Encontrar el intervalo de confianza al 99% para la proporcin de graduados universitarios; del total de personas que asistieron a la universidad,
Respuesta La proporcin de graduados P esta entre 0.27 y 0.53 con un nivel de 99% de confianza 13.INTERVALO DE CONFIANZA PARA LA MEDIA USANDO LA DISTRIBUCION t Cuando la poblacin tiene distribucin normal pero no se conoce s y n<30 se emplear la distribucin t Donde
Ejemplo: Una muestra aleatoria de n = 10 pilas de Cadmio con una vida media de operacin de x = 5 horas y una desviacin estndar muestral de s = 1 hora, se escoge de una compaa conocida, que produce pilas con vida de operacin, normalmente distribuidos y nivel de confianza del 95%. Encontrar el intervalo de confianza
144
Excelencia Acadmica
Estadstica
t = 2.262
Respuesta: El intervalo de confianza est entre 4.29 y 5.71 horas, con un grado del 95% de confianza.
Halle el valor de t para 27 grados de libertad para las siguientes reas que caen dentro de la cola (derecha) de la distribucin t. a) Al 10% b) 5% c) 2.5% 14.- PRUEBA DE HIPOTESIS En la prueba de hiptesis comenzamos haciendo una suposicin respecto de una caracterstica poblacional desconocida. Luego tomamos y sobre la base de la caracterstica muestral correspondiente aceptamos o rechazamos la hiptesis con un grado particular de confianza.
145
Estadstica
Excelencia Acadmica
A.TIPOS DE ERRORES AL PROBAR UNA HIPTESIS a) Error del tipo I () Sobre la base de la informacin muestral podemos rechazar una hiptesis que indudablemente es verdadera. b) Error tipo II () Cuando aceptamos una hiptesis falsa se le denomina nivel de significacin. 1- es el nivel de confianza de la prueba
B.-LOS PASOS ESTABLECIDOS PARA LA PRUEBA DE HIPTESIS Los pasos formales establecidos para la prueba de hiptesis sobre la media de la poblacin o sobre una proporcin son los siguientes: 1.- Suponer que m es igual a algn valor hipottico m 0 , esto se representa por:
H 0 : m = m0 H 0 se denomina hiptesis nula. H1 : m m0 H 1 se denomina hiptesis alternativa. H1 : m > m 0 H1 : m < m0 (dependiendo del problema))
2. Decidir sobre el nivel de significacin de la prueba (generalmente 5% pero a veces 1%) y definir la regin de aceptacin y la regin de rechazo para la prueba usando la distribucin apropiada. 3. Tomar una muestra aleatoria de la poblacin y calcular x , Z , o t . Si ellos caen en la regin de aceptacin, se acepta H 0 ; de lo contrario, se rechaza H a favor de H 0 1
146
Excelencia Acadmica
Estadstica
Ejemplo 1: Una compaa quiere probar si puede garantizar que los focos que producen duran 1000 horas de operacin til. La compaa toma una muestra aleatoria de n=100 de sus focos y halla que la media muestral =980 horas y la desviacin estndar muestral S = 80 horas. La compaa quiere conducir la prueba al nivel de simplificacin del 5% 1 Paso H 0 : m = 1000 H1 : m 1000 2 Paso Como n>30 la distribucin muestral de la media es aproximadamente normal La regin de aceptacin de la prueba al nivel de significacin del 5% esta dentro de 1.96 bajo la curva normal y la regin de rechazo est afuera. Puesto que la regin de rechazo esta en ambas colas, tenemos una prueba de dos colas
3 Paso
Como la Z calculada cae en la regin de rechazo la compaa debe rechazar H 0 que m = 1000 y acepta H i m 1000 a nivel de significacin del 5%. Ejemplo 2: Una empresa quiere saber con un nivel de confianza del 95% si puede garantizar que las cajas de jabones que vende contienen ms de 500 gr. del producto. Por experiencia la empresa sabe que la cantidad de jabones en las cajas tiene distribucin normal. La firma toma una muestra aleatoria de Universidad Peruana Los Andes
147
Estadstica
Excelencia Acadmica
n= 25 y halla que
gr y x = 520 S = gr. 75 La firma quiere probar si m > 500 gr 1 Paso
2 Paso Como la distribucin de poblacin es normal, pero n < 30 y s no se conoce, de debe usar la distribucin t (con n 1 = 24 grado de libertad) Para definir la regin de rechazo de la prueba a nivel dignificacin 5% se busca en la tabla. Este es Prueba de cola derecha
3 Paso
t = 1.33 cae en la regin de aceptacin, aceptan la H 0 que m = 500 gr a

nivel de dignificacin del 5%.
Ejemplo 3: En el pasado, 60% de los estudiantes que ingresaron a una facultad de la Universidad recibieron su grado al cabo de 4 aos. Para la clase que ingreso en 1999, solamente 15 de los 36 que iniciaron recibieron sus grados en 2003. Probar si la clase de 1999 se desempe peor que las clases anteriores a un nivel de significacin del 5%. Notamos primero que este problema involucra la distribucin binomial. Puesto que n > 30 y np y n(1-p)>5 podemos utilizar la distribucin normal, por p=0.60
148
Excelencia Acadmica
Estadstica
Tenemos: 1 Paso: H 0 : p = 0.60 H1 : p < 0.60 2 Paso Esta es una prueba de cola izquierda
3 Paso
-2.25 cae en la regin de rechazo. Rechazamos la Ho Al nivel de significacin del 5% la clase de 1999 se desempea peor que las clases anteriores.
Un fabricante de avionetas necesita comprar lminas de aluminio de 0.05 pulgadas de espesor. Las lminas ms delgadas no seran apropiadas y las ms gruesas seran demasiado pesadas. El fabricante toma una muestra aleatoria de 100 lminas de un proveedor y halla que su grosor promedio es 0.048 pulgadas y su desviacin estndar es 0.01 pulgadas. Debe el fabricante comprar las lminas de aluminio a ese proveedor si quiere tomar la decisin a nivel de significacin del 5%. Universidad Peruana Los Andes
149
Estadstica
Excelencia Acadmica
15. PRUEBA DE HIPTESIS PARA LAS DEFERENCIAS ENTRE DOS MEDIAS O DOS PROPORCIONES En muchas situaciones de toma de decisiones, es importante determinar si las medias o proporciones de dos poblaciones son o no las mismas. Para hacer esto, tomamos una muestra aleatoria de cada poblacin y solo si las diferencias en las medias muestrales o proporciones se pueden atribuir al azar aceptamos la hiptesis de que las dos poblaciones tienen iguales medias o proporciones Si las dos poblaciones estn normalmente distribuidas o si como entonces las distribuciones son tambin normal con el error estndar dado:
Ejemplo 1: Un gerente quiere determinar al nivel de significacin del 5% si los salarios horarios para trabajadores semicalificados son los mismos en dos ciudades. Con el fin de hacer esto toma una muestra aleatoria de salarios por hora en ambas ciudades y halla que , x = $ 6 , x = $ 5.40 , S = $ 2 y S = $ 1.80 , 1 2 1 2 y para n1 = 40 y n2 = 54 y respectivamente. Las hiptesis que deben probar son:
Esta es una prueba de dos colas y la regin de aceptacin para se sita entre 1.96 bajo la curva normal estando:
150
Excelencia Acadmica
Estadstica
1.5 esta en la regin de aceptacin. Se acepta H 0

2 pero desconocidos entonces (Si n1 como n2 < 30 y se supone que s 12 < s 2
la distribucin muestral de la diferencia de medias tendra una distribucin t con n1 + n2 - 1 gl)
Ejemplo 2: Una empresa quiere determinar al nivel de significacin del 1% si la proporcin de componentes electrnicos aceptables de un proveedor extranjero, , es mayor que para un proveedor nacional, . La empresa toma una muestra aleatoria para el embarque de cada proveedor y encuentra que Las hiptesis serian:
p1 = 0.9 y p2 = 0.7 para n1 = 100 y n2 = 80
H 0 : p1 = p2 H1 = p1 > p2
Esto es una prueba de cola derecha. Y la regin de rechazo de se sita a la derecha de 2.33 bajo la curva normal estndar.
151
Estadstica
Excelencia Acadmica
Rechazamos H 0 y aceptamos la hiptesis de que p1 > p2 al nivel de significacin del 1%.
A. Una muestra aleatoria de 90 estudiantes universitario indica que el 15% se casa durante el primer ao, mientras el 30% se casa durante el segundo ao. Determine si aceptar la hiptesis que la proporcin de estudiantes casados en primer ao es menor que la del segundo ao. a) Al nivel de significacin del 5% b) Al nivel de significacin del 1% B. Una firma de consultores quiere decidir, al nivel de significacin del 5%, si los salarios de los trabajadores de construccin civil difieren entre Trujillo y Arequipa. Una muestra aleatoria de 110 trabajadores e construccin civil en Trujillo tiene un salario promedio mensual de 900 nuevos soles con una desviacin estndar de 100 nuevos soles. En Arequipa, una muestra aleatoria de 80 trabajadores, tiene un salario promedio mensual 810 nuevos soles, con una desviacin estndar 80 nuevos soles. Hay diferencia significativa entre los salarios de los trabajadores de construccin civil en Trujillo y Arequipa? 16.LA PRUEBA CHI-CUADRADO X 2 Se usa para probar: a) Si las frecuencias observadas difieren significativamente de las frecuencias esperadas cuando son posibles ms de dos resultados. b) Si dos variables son independientes o no.
A. EL ESTADSTICO X 2 CALCULADO DE LOS DATOS MUESTRALES

X2 = ( f0 - fe )2 fe
f 0 = frecuencias observadas f e = frecuencias esperadas

152
Excelencia Acadmica
Estadstica
a) Si X 2 calculado es mayor X 2 tabulado, al nivel de significacin especificado y los grados de libertad. La hiptesis nula H 0 se rechaza a favor de la hiptesis alternativa H 1 b) f 0 = f e X 2 = 0
B. GRADOS DE LIBERTAD DEL X 2

a) Para pruebas de bondad de ajuste
Partir de estadsticos muestrales. b) Para pruebas de independencia o pruebas de tabla de contingencia gl = (r - 1) (c - 1) r = nmero de filas de la tabla de contingencia c = nmero de columnas c. FRECUENCIA ESPERADA PARA CADA CELDA Interseccin de una tabla de contingencia
fe =
r c
n
d. USO DE LA TABLA DE CHI CUADRADO La proporcin del rea de la distribucin Chi cuadrada queda determinada por la interseccin de los niveles de significacin y confianza con los grados de libertad.
153
Estadstica
Excelencia Acadmica
Ejemplo 1: En el pasado, 30% de los refrigeradores vendidos por una tienda eran de 10 pies3, 40% eran de 12 pies3 y 30% de 15 pies3, con el fin de determinar el inventario que debe para mantenerse de cada tipo de aparato, el gerente toma una muestra aleatoria de 100 compras recientes y halla que 20 son de 10 pies3, 40 de 12 pies3 y 40 de 15 pies3. Probar al nivel de significacin del 5%, la hiptesis que el patrn anterior de ventas , todava tiene vigencia. Comprar observadas y esperadas de refrigeradores por capacidad.
154
Excelencia Acadmica
Estadstica
Ejemplo 2: Un vendedor de motocicletas ha recolectado los datos que se muestran en la tabla sobre el nmero de motocicletas importadas y nacionales comprados por clientes menores de 30 aos y de 30 aos en adelante. Para probar el nivel de significacin del 1% si el tipo de motocicletas adquiridas es independiente de la edad del comprador. Tabla de contingencia para compradores de automviles
Tabla de frecuencia esperada para las frecuencias observadas
155
Estadstica
Excelencia Acadmica
2 Hallamos el grado de libertad Donde r = numero de fila = 2 c = numero de columnas = 2 gl = (r-1) (c-1) = (2-1) (2-1) = 1 3 Hallamos el Chi cuadrado calculado
4 Hallamos el Chi cuadrado tabulado en la tabla tabulado = 6.63 Respuesta calculado = 9.44 es mayor que tabulado = 6.63, rechazamos porque la edad no es un factor en el tipo de motocicleta comprada (Los jvenes estn mas inclinados a comprar motocicletas importadas)
A. En la tabla se indica la frecuencia observada y esperada de 4 enfermedades poco comunes (A, B, C, D) en una ciudad. Es significativa la diferencia entre la frecuencia observada y esperada de las enfermedades al nivel del 10%?
Frecuencias observadas y esperadas de enfermedades varias A, B, C, D
156
Excelencia Acadmica
Estadstica
B.- El nmero de ataques cardiacos sufridos por hombres y mujeres de varios grupos de edades en una ciudad esta dado por la tabla de contingencia. Pruebe al nivel de significacin del 1% la hiptesis de que la edad y el sexo son independientes en la ocurrencia de ataque cardiaco. Nmero de ataques cardiacos de hombres y mujeres en varios grupos de edades en una ciudad.
17.- ANALISIS DE VARIANZA Se emplea para probar la hiptesis de que las medias de ms de dos poblaciones son iguales o diferentes cuando las poblaciones estn normalmente distribuidas con igual varianza. (ANOVA, ANDEVA) Pasos 1. Estimar la varianza de poblacin partiendo de la varianza entre las medidas muestrales (MSA). 2. Estimarla varianza de poblacin partiendo de la varianza dentro de las muestras (MSE). a) Calcular la relacin F
F=
Varianza entre las medidas muestrales MSA = Varianza dentro de las muestras MSE
157
Estadstica
Excelencia Acadmica
b) Si la relacin F calculada es mayor que el valor tabulado de F al nivel de significacin especificada y grados de libertad, la hiptesis nula , de medias de poblacin iguales se rechaza a favor de la hiptesis alternativa .
18. ANLISIS DE VARIANZA PARA UNA CLASE O FACTOR TABLA DE ANALISIS DE VARIANZA DE UNA CLASE O FACTOR
158
Excelencia Acadmica
Estadstica
USO DE LA TABLA En la tabla

= 0.05 (el nmero superior) = 0.01 (El nmero inferior o en negrita)
para cada grado de libertad gl del numerador = c-1 c = nmero de muestras gl del denominador = (r-1)c r = nmero de observaciones en cada muestra Ejemplo: Una compaa vende jabn idntico en 3 envolturas diferentes al mismo precio. Las ventas de 5 meses se presentan en la tabla. Los datos de las ventas tienen distribucin normal con igual varianza. Probar al nivel de significacin del 5% si las ventas medias de jabn para cada envoltura son iguales o no.
Tabla venta de 5 meses de jabn en las envolturas 1, 2 y 3
159
Estadstica
Excelencia Acadmica
Tabla de anlisis de Varianza para envoltura de Jabn
F calculado = 7.09 F calculado = 3.88

160
Excelencia Acadmica
Estadstica
=2
gl del numerador
gl del denominador = 12
= 0.05
Respuesta: Como la relacin F calculada es mayor que el valor tabulado de F a nivel de significacin del 5%, se rechaza la hiptesis nula H 0 a favor de la hiptesis alternativa H1
19.ANLISIS DE VARIANZA PARA DOS CLASES O FACTORES

TABLA DE ANALISIS DE VARIANZA DE 2 CLASES O 2 FACTORES
161
Estadstica
Excelencia Acadmica
Ejemplo: En la tabla se da los rendimientos de una granja experimental que us 4 fertilizantes y 3 pesticidas, de modo que cada parcela del terreno tenia una probabilidad igual de recibir cada combinacin de fertilizantes-pesticidas (diseo experimental completamente aleatorio). Hallar la relacin de F y probar las hiptesis a nivel de significacin del 1% Tabla Rendimiento con 4 Fertilizantes y 3 Pesticida
162
Excelencia Acadmica
Estadstica
163
Estadstica
Excelencia Acadmica
164
Excelencia Acadmica
Estadstica
A. El nmero de ataques cardacos sufridos para hombres y mujeres de varios grupos de edades en la ciudad de Piura esta dado por la tabla de contingencia siguiente: Pruebe al nivel de significacin del 1% la hiptesis de que la edad y el sexo son independientes en la ocurrencia de ataques cardacos. Nmero de ataques cardacos de hombres y mujeres en varios grupos de edades en la ciudad de Piura
B. La tabla siguiente da la produccin para 8 aos de una granja experimental que uso 4 tipos de abonos diferentes. Supngase que la produccin con cada abono tiene distribucin normal con igual varianza. Pruebe la hiptesis de que las medias de poblacin son las mismas a nivel de significacin del 5%
165
Estadstica
Excelencia Acadmica
Tabla de Produccin de 8 aos con 4 tipos de abonos
AVILA ., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. GALDOS, L. Dominando las Matemticas: Calculo y Estadstica II y III, tomo 15 y 16, Edicin El Popular, Lima-Per, 2005. JONSON, Robert. Estadstica Elemental, Editorial Trillas. 2 edicin. Mxico. 1991. LEVIN, Richard. Estadstica para Administradores, Editorial, Prentice Hall. 2 edicin. Mexico 1988. LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Coleccin Serie Schaum. Colombia. 1970 MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. MOYA, Rufino y SARAVIA, G. Probabilidad e Inferencia Estadstica. Editorial San Marcos. 2 edicin, Lima.
166
Excelencia Acadmica
Estadstica
TRIOLA, Mario. Estadstica Elemental. Editorial Addison Wesley Longman. 7 Edicin, Mxico 2000. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
En el siguiente Fascculo estudiaremos las relaciones que existen entre variables, los ajustes de curva para poder inferenciar y los nmeros ndices de Laspeyres, Paasche y Fishers.
Autoevaluacin formativa
AUTOEVALUACIN FORMATIVA ESTADSTICA FASCICULO N 5
1. Una agencia gubernamental recibe muchas quejas de consumidores de que las cajas de detergentes vendidas por una compaa contiene menos de las 20 onzas de detergente anunciadas. Para verificar las quejas de los consumidores, la agencia adquiere 9 cajas de detergente y encuentra que X=18 onzas y s=3 onzas. Como puede conducir la agencia la prueba a nivel de significacin del 5% si sabe que la cantidad de detergente en las cajas tiene distribucin normal?. 2. Una muestra aleatoria de 21 jugadores de ftbol del SC tiene un peso medio de 265 libras con una desviacin estndar de 30 libras, mientras una muestra aleatoria de 11 jugadores de la U tiene un peso medio de 240 libras con una desviacin estndar de 20 libras. Es el peso medio de los jugadores de ftbol del SC mayor que el de los jugadores de la U al nivel de confianza del 99%?. 3. La tabla de contingencia muestra el nmero de componentes electrnicos aceptables y no aceptables producidos a diversas horas de la maana en una muestra aleatoria de la produccin de una planta. Debe aceptarse o rechazarse al nivel de significacin del 5%, la hiptesis de que la produccin de componentes aceptables es independiente de la hora de la maana en la cual se producen?
167
Estadstica
TABLA
Excelencia Acadmica
Componentes aceptables y no aceptables producidos segn la hora de la maana
4. Una urna contiene bolas de 4 colores: verde, blanco, rojo y azul. Se escoge una bola de la urna y se anota su color. Se coloca de nuevo en la urna; se mezcla bien, y se escoge otra bola. El proceso se repite 18 veces con el resultado que se escoge 8 veces una bola verde, una blanca, 7 veces; una bola roja una vez, y una bola azul, dos veces. Contiene la urna un igual nmero de bolas verdes, blancas, y rojas o azules?. Pruebe la hiptesis al nivel de significacin del 5%. (Chi)
5. La Tabla da los datos de venta de jabn con 3 envolturas y 4 formulas diferentes en un diseo experimental totalmente aleatorio. Debe aceptarse la hiptesis al nivel de significacin del 5% de que las medias de poblacin son las mismas para cada : a) Envoltura? b) Frmula?
TABLA VENTA DE JABON PARA ENVOLTURAS Y FORMULAS
168
Excelencia Acadmica
Estadstica
CORRELACIN, REGRESIN, NMEROS INDICES Y SOFTWARE ESTADSTICO
Define, calcula e interpreta al coeficiente de correlacin. Calcula, interpreta e infiere las tendencias de las variables o caractersticas. Calcula e interpreta la aplicacin de la ecuacin exponencial. Calcula e interpreta los ndices de Laspeyres, Paasche y Fishers Conoce la aplicacin de algunos software estadsticos.
1. CORRELACION Se llama correlacin entre las variables a la relacin que existe entre las variables de una distribucin bidimensional. Dependiendo de esta aproximacin de la nube de puntos a la recta de regresin, tendremos tres clases de correlacin. a) Correlacin Positiva Es cuando al aumentar una variable, la otra tambin aumenta. La recta de regresin en este caso es una recta creciente.
b) Correlacin negativa Es cuando aumentan una de las variables, la otra disminuye. En este caso la recta de regresin es decreciente.
169
Estadstica c) Correlacin Nula
Excelencia Acadmica
Se da cuando no hay dependencia de ningn tipo entre las variables.
2.- COEFICIENTE DE CORRELACION Trata de determinar matemticamente la existencia de la relacin entre dos factores o fenmenos, averiguar si uno de ellos influye en el otro o si no hay ninguna relacin o dependencia entre un hecho y el otro. Ejemplo: Se trata de establecer si estn relacionados: - El alcoholismo y la criminalidad - El analfabetismo y el bajo ingreso. - La temperatura veraniega y enfermedades intestinales. - La edad y la presin arterial.
Resultados: El coeficiente de correlacin vara de los valores 1 para la correlacin perfecta al valor cero, para ausencia absoluta de correlacin. Ejemplo: Hallar la correlacin entre los siguientes datos referentes a edades y presin sangunea de un grupo de mujeres.
170
Excelencia Acadmica
Estadstica
Aplicando la formula
Interpretacin: existe una fuerte relacin entre la edad y la presin sangunea por que 0.896 esta cerca de 1
ACTIVIDAD 6.1 Experimentalmente se han encontrado las siguientes cifras, durante el proceso de estudio del secado de cierta madera por el mtodo del vapor recalentado, el tiempo ha sido medido en medias horas.
Calcular e interpretar el coeficiente de correlacin. Universidad Peruana Los Andes
171
Estadstica 3. REGRESION
Excelencia Acadmica
Proceso general de predecir una variable a partir de otra con medios estadsticos, usando datos anteriores. Regresin Lineal Lnea ajustada a un conjunto de puntos de datos para estimar la relacin entre dos variables.
4.
SERIES DE TENDENCIA RECTILINEA
172
Excelencia Acadmica
Estadstica
- Los aos con la finalidad de reducir nmeros grandes se remplaza por la serie correlativa de 1 al, siempre que los aos seas correlativo de 1 en 1. Definir siempre, que variable es dependiente e independiente. Graficar los datos, con la finalidad de determinar la tendencia de la serie.
Para encontrar los parmetros a y b determinamos los componentes de las formulas en el cuadro y luego planteamos la ecuacin general.
Como se denota en el cuadro: Al 2001 le corresponde el 4 Al 2002 le corresponde el 5 Al 2003 le corresponde el 6 Al 2004 seria el 7 Al 1005 es el 8
Interpretacin:
y2005 = 2 + 2(8) = 18
las ventas al 2005 seria de 18 millones de soles.
173
Estadstica 5. SERIE DE TENDENCIA PARABOLICA
Excelencia Acadmica
Si despus de graficar una serie estadstica en un plano coordenado y unir los diversos puntos, observamos que ha formado una figura parablica, la ecuacin de ajuste ser.
Ejemplo: Las paredes de un horno de una ladrillera varia de espesor y con el auxilio de un pirmetro se han encontrado las siguientes temperaturas.
Es una parbola
174
Excelencia Acadmica
Estadstica
2 Aplicamos la ecuacin y = a + bx + cx 2
3 Hallamos los parmetros a, b y c, a partir de los datos y componentes de las ecuaciones.
175
Estadstica
Luego y = 1.1 + 1.2x + 0.22x 2
Excelencia Acadmica
Ahora si queremos saber cuanto seria la temperatura en una pared de 9dm. y = 1.1 + 1.2(9) + 0.22(9)2 y = 1.1 + 10.8 + 17.82 y = 29.72
Interpretacin: en un horno de 9 dm. De grosor de la pared, la temperatura se elevara a 29.72 centenares de c
La densidad del agua d varia con la temperatura t (en grados centgrados), tal como se muestra en el cuadro.
6.APLICACIN DE LA ECUACION EXPONENCIAL 6.1.Caso Poblaci

Deduccin de Formulas
r=t t=
Pt -1 P0
log Pt - log Po log(1 + r )
176
Excelencia Acadmica
Estadstica
La tasa de crecimiento medio r puede ser negativo, si una ciudad baja su poblacin.
6.1.
Caso de Inters Compuesto
Ejemplo: La poblacin del departamento de Junn hipotticamente en 1983 fue 849300 habitantes y en 1998 fue de 1010700 habitantes. Cunto seria la poblacin en el 2005? 1 Hallamos la tasa de crecimiento medio.
Proyectamos t = 2005 - 1998 = 7 Pt = 1010700 Po = 0.0117
Pt = Po ( 1+ r)
t 7
Luego, la poblacin crece a 1.17% promedio anual y en el 2005, Junn tendra 109643 habitantes.
P2005 = 1010700( 1 + 0.0117 ) P2005 = 1096439 habitantes
177
Estadstica 7. NUMEROS INDICES
Excelencia Acadmica
Resultan al relacionar por cociente diferentes datos, relativos a un mismo asunto, durante diversos periodos de tiempo, usando uno de los datos como elemento de comparacin. Ejemplo:
Interpretacin: En 2001 se exporto 1,11 veces de lo exportado en 2000 En 2002 se exporto 1,28 veces de lo exportado en 2000
8. PRECIO NDICE MEDIANTE LA SUMA Este precio ndice se encuentra dividiendo la suma de los precios de ciertos artculos en determinado perodo, entre la suma de los precios de los mismos durante el perodo que se desea usar como trmino de comparacin, la siguiente frmula sintetiza lo expresado.
I=
p p
n 0
(si se multiplica por 100 da en porcentaje)
I = nmero ndice
p n = precio dado en cierto perodo p0 = precio base a usase como trmino de comparacin
Ejemplo: Para los siguientes artculos alimenticios, expresar mediante un nmero ndice la variacin que han experimentado sus precios (hipottico), usando los precios del ao 1999 como trminos de comparacin.
178
Excelencia Acadmica
Estadstica
El aumento de precios de 2003 respecto a 1999 ha sido de 2.08 veces mas, o sea 208.4%
Expresar mediante nmero ndice la variacin que han experimentado sus precios los rubros del cuadro siguiente, usando los precios del ao 2000 como trmino de comparacin.
9. PROMEDIO SIMPLE DE PRECIOS RELATIVOS Este tipo de ndice se encuentra dividiendo la suma de los precios relativos entre el nmero de objetos considerados y multiplicado el cociente por cien, entendindose por precio relativo al cociente de cada precio entre el precio que tuvo el objeto durante el perodo tomado como base, expresado mediante una frmula resulta lo siguiente:
179
Estadstica Ejemplo Sea el siguiente cuadro:
Excelencia Acadmica
Con los datos del cuadro de la actividad 6.3 determinar, el ndice del promedio simple de precios relativos 10. INDICE PONDERADO DE LASPEYRES Este ndice es ms cercano a la realidad que los dos ndices considerados anteriormente, en los cuales no se toma para nada en cuenta la cantidad relativa de cada sustancia consumida, lo cual conducira a errores graves si es el caso que para efecto de hallar el nmero ndice se incluyen sustancias de muy poco consumo y que hayan subido desproporcionadamente de precio, por ejemplo, el chorizo especial, este producto no es de consumo masivo, sino de raro empleo dentro de las clases pudientes, por lo cual no influira su caresta en una subida real del ndice general de precios, el ndice de Laspeyres representa el cociente de:
IL =
dinero gastado en cierta cantidad de artculos en cualquier perodo dinero gastado en cierta cantidad de artculos en el perodo bsico
180
Excelencia Acadmica
Estadstica
Lo cual se traducira en la siguiente formula:
IL =
P Q P Q
n 0
(Si se multiplica por 100 da en porcentaje)
I L = nmero ndice de Laspeyres

Pn = precio unitario en cierto periodo P0 = precio unitario base Q0 = cantidad de cada objeto consumido durante el periodo base.
Ejemplo:
11.
INDICE PONDERADO DE PAASCHE Solamente difiere del ndice de Laspeyres en que ste ndice considera los gastos individuales actuales, o sea, la relacin entre lo que se gasta hoy de acuerdo a consumos actuales, entre lo que se hubiera gastado ayer consumiendo hoy, de donde la frmula toma la siguiente forma:
IP =
(P Q ) (P Q )
n 0 n n
(Si se multiplica por 100 da en porcentaje)
181
Estadstica
Excelencia Acadmica
12.- INDICE IDEAL DE FISHERS El ndice ideal de Fishers, se encuentra tomando la raz cuadrada al producto de los ndices de Laspeyres y de Paasche, o sea:
Considerando el cuadro hipottico siguiente determinar el ndice de Fishers
182
Excelencia Acadmica
Estadstica
13.
SOFTWARE STADISTICOS Las computadoras desempean actualmente un papel importante en casi todos los aspectos del anlisis estadstico, la amplia disponibilidad de computadoras y paquetes de software no solo ha hecho posible el uso de la estadstica por parte de personas con muy distintos niveles de conocimientos matemticos. A.- STATDISK Este software tiene dos ventajas importantes a) Es un programa fcil de usar, b) Es gratuito para las universidades B.- MINITAB Es un paquete estadstico de ms alto nivel, pero tambin es relativamente fcil de usar. El minitab como el statdisk, pueden realizar las operaciones mas importantes de la estadstica C.- SPSS El SPSS (Statistical Package for the Social Sciences) es un programa estadstico informtico muy usado en las ciencias sociales y empresas de investigacin de mercado. Originalmente SPSS era el acrnimo de "Statistical Package for the Social Sciences". En la actualidad la sigla designa tanto el programa como la empresa que lo produce
AVILA ., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998. CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966. GALDOS, L. Dominando las Matemticas: Calculo y Estadstica II y III, tomo 15 y 16, Edicin El Popular, Lima-Per, 2005. JONSON, Robert. Estadstica Elemental, Editorial Trillas. 2 edicin. Mxico. 1991.
183
Estadstica
Excelencia Acadmica
LEVIN, Richard. Estadstica para Administradores, Editorial, Prentice Hall. 2 edicin. Mexico 1988. LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Coleccin Serie Schaum. Colombia. 1970 MOOD, Alexander M. Introduccin a la Teora Estadstica. Editorial Aguilar. Madrid 1972. MOYA, Rufino y SARAVIA, G. Probabilidad e Inferencia Estadstica. Editorial San Marcos. 2 edicin, Lima. TRIOLA, Mario. Estadstica Elemental. Editorial Addison Wesley Longman. 7 Edicin, Mexico 2000. VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2 Edicin. Lima 1993.
184
Excelencia Acadmica
Estadstica
1. Los gastos de publicidad de una empresa y las ventas efectuadas vienen dadas por la siguiente tabla(los datos estn expresados en millones de nuevos soles).
a) Obtenerla recta de regresin. b) Calcular e interpretar el coeficiente de correlacin. c) Calcular las ventas estimadas si se invierten 10 millones de nuevos soles en posibilidad.
2. Demostrar que la correlacin es perfecta entre el tiempo y el capital de s/100 impuesto a una tasa de inters del 6% anual a inters compuesto.
3. La poblacin de Jauja hipotticamente fue de 42350 habitantes en 1993 y para el ao 2000 tuvo 38970 habitantes. a) Cunto ha sido su tasa de crecimiento medio anual? b) Cunto seria la poblacin en el ao 2006? 4.- Dado el siguiente cuadro hipottico:
185
Estadstica
Excelencia Acadmica
Hallar los ndices de Laspeyres, Paasche, y Fishers
5.
Dado el siguiente cuadro hipottico
a) Hallar el precio ndice mediante la suma b) El promedio simple de precio relativo
186

Esta Di Stica 2009 Adm

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Esta Di Stica 2009 Adm

Hochgeladen von

Copyright:

Verfügbare Formate

FACULTAD DE CIENCIAS ADMINISTRATIVASY CONTABLES

Econ. Julio Nakandakare Ashitomi

ESTADISTICA, GENERALIDADES, ORGANIZACIN DE DATOS Y GRAFICOS

Universidad Peruana Los Andes

Universidad Peruana Los Andes

Es el valor, respuesta o registro que adquiere una caracterstica

Universidad Peruana Los Andes

Universidad Peruana Los Andes

Estadstica 4.2.Segn la relacin entre variables a)Variables Dependientes

Universidad Peruana Los Andes

Universidad Peruana Los Andes

Ejemplo:Tasa de mortalidad, urbanizacin, tasa de crecimiento demogrfico, escolaridad, etc.

Universidad Peruana Los Andes

(redondear al entero) (redondear a 2 decimales)

137,612 (redondear a 3 decimales)

b)Si la cifra es impar, pasa al inmediato superior. Ejemplo: 85,5

(redondear al entero) (redondear a 2 decimales) (redondear a 3 decimales)

Nota: La notacin cientfica solo tiene un entero

Universidad Peruana Los Andes

Universidad Peruana Los Andes

= (- 1) x 0+1 + (- 1) x1+1 + (- 1) x 2+1 + (- 1) x 3+1 + (- 1) x 4+1

ACTIVIDAD 1.3 1. Desarrollar

Universidad Peruana Los Andes

Estadstica a)Clase y Marca de Clase Clase

Universidad Peruana Los Andes

11.TABLA DE FRECUENCIA PARA VARIABLES CUALITATIVAS

Universidad Peruana Los Andes

0.6 0.4 1.0

12.TABLA DE FRECUENCIA PARA VARIABLES CUANTITATIVAS

H (1) H (11) = h1 H (2 1) = h1 - h2 H (31) = H (2 1) + h3

H ( 2) H (12 ) = 1.0 H (22 ) = 1.0 - h1 H (32 ) = H (22 ) - h2

Universidad Peruana Los Andes

0,05 0,14 0,18 0,25 0,20 0,10 0,05 0,03 1.00

Xi 30,6250 31,8750 33,1250 34,3750 35,6250 36,8750 38,1250 39,3750

hi 0,0556 0,0833 0,1389 0,2222 0,1944 0,1667 0,1111 0,0278 1,0000

Universidad Peruana Los Andes

4. Determinar el numero de clases o intervalos (m) Mtodo de STURGES ( n 50 ) m = 1 + 3,322 log(n)

Mtodo de la RAIZ m = 2,5 4 n m= n

Universidad Peruana Los Andes

m debe ser entero ( Z + ), si sale decimal se redondea.

1. Calcular la amplitud Intervlica ( a ) a= R m

Se Continua Se rehace (En la amplitud intervlica se redondea por exceso)

1,74 1,70 1,78 1,71 1,60 1,85 1,82 1,80

1,87 1,75 1,75 1,75 1,86 1,73 1,57 1,75

1,70 1,71 1,70 1,60 1,65 1,61 1,64

1,87 1,87 1,87 1,55 1,55 1,51 1,55

1,72 1,70 1,71 1,65 1,60 1,67 1,68

Universidad Peruana Los Andes

Tambin, se puede aplicar el mtodo de la RAIZ, por ser muestra pequea

5 Calcular la Amplitud Intervlica ( a )

R m 0,32 a= = 0,0533 = 0,053 (regla redondeo) 6 a = 0,053 a=

Universidad Peruana Los Andes

-0,002 1,548 1,55 1,87

Universidad Peruana Los Andes

hi 9 0.22 4 0.10 7 0.17

11 0.27 3 0.07 7 0.17 41 1.00

Tabulacin: es ubicar los datos de la muestra en la clase intervlica correspondiente

LLEVAN EL TRABAJO A CASA

Universidad Peruana Los Andes

Complete la siguiente tabla de frecuencias.

Complete la siguiente tabla de frecuencias

Universidad Peruana Los Andes

Estadstica 14.GRAFICAS Es otra forma de presentar los datos referentes a un fenmeno.

Universidad Peruana Los Andes