Estadistica PDF

Excelencia Acadmica
5
INDICE
Pg.
Fascculo 1
Autoaprendizaje 8 horas

ESTADISTICA, GENERALIDADES, ORGANIZACIN DE DATOS Y GRAFICOS

1. Definicin de Estadstica 9
2. Clases de Estadstica 10
3. Conceptos Bsicos 10
4. Variable y tipos 12
5. Regla de redondeo 16
6. Notacin cientfica 17
7. Cifras Significativas 17
8. Sumatoria 18
9. Tabla de Frecuencia 20
10. Clases de Frecuencia 20
11. Tabla de Frecuencia para Variables Cualitativas 21
12. Tabla de Frecuencia para Variables Cuantitativas 22
13. Construccin de Intervalos o Reduccin de Datos 24
14. Grficos 30
15. Clases de Grficos 30
16. Anlisis Exploratorio de datos 33

Fascculo 2

ESTADISTICA DESCRIPTIVA: MEDIDAS DE TENDENCIA CENTRAL, DE
DISPERSIN, DE ASIMETRA Y DE APUNTAMIENTO

1. Medidas de tendencia central o de posicin 41
2. La media o promedio aritmtico 42
3. Mediana 43
4. Moda 48
5. Relacin entre promedio aritmtico, mediana, moda 52
6. Media Geomtrica 55
7. Media Armnica 57
8. Relaciones entre los Promedios 59
Excelencia Acadmica

6
9. Cuartiles 59
10. Deciles 61
11. Percentiles 61
12. Aplicacin de Cuartiles, Deciles y Percentiles 61
13. Medidas de Dispersin o Variabilidad. 65
14. Rango. 65
15. Desviacin Media. 66
16. Varianza. 67
17. Desviacin Estndar. 69
18. Caractersticas de la varianza y Desviacin Estndar. 70
19. Coeficiente de variacin. 71
20. Variable estandarizada. 71
21. Medida de Asimetra. 72
22. Medida de Apuntamiento. 75

Fascculo 3

PROBABILIDAD

1. Introduccin a la teora de la probabilidad 81
2. Concepto de Probabilidad 81
3. Experimento 82
4. Espacio Maestral 82
5. Evento o suceso 83
6. Anlisis Combinatorio 88
7. Factorial de un Nmero 91
8. Permutacin 91
9. Variacin 93
10. Combinacin 94
11. Diagramas de rbol 95
12. Definicin clsica de Probabilidad. 97
13. Probabilidad de Frecuencia relativa. 101
14. Probabilidad Subjetiva. 104
15. Probabilidad Frente a Apuestas. 104
16. Probabilidades de Espacios Muestrales Finitos. 105
17. Probabilidad Condicional. 107
18. Sucesos Independientes. 110
19. Teorema de BAYES 111
Excelencia Acadmica

7
Fascculo 4

DISTRIBUCIN DE PROBABILIDAD

1. Variables Aleatorias 117
2. Clases de Variables Aleatorias 117
3. Distribucin de Probabilidad 118
4. Distribucin Binomial 119
5. Distribucin de Poisson 123
6. Distribucin Geomtrica 125
7. Distribucin Hipergeomtrica 128
8. Distribucin Multinomial 130
9. Distribucin Normal Z 131
10. Distribucin de Student t 131

Fascculo 5

ESTADISTICA INFERENCIAL: MUESTREO, DISTRIBUCIN DE MUESTREO,
ESTIMACIN, PRUEBA DE HIPOTESIS, PRUEBA DEL CHI CUADRADO Y
ANALISIS DE VARIANZA

1. Muestreo 141
2. Seleccin de un mtodo de muestreo 142
3. Ventajas y limitaciones del muestreo sobre el censo 142
4. Etapas de la encuesta por muestreo 142
5. Diferencias entre poblacin y muestra 143
6. Tipos de muestreo 143
7. Tamao de una muestra 144
8. Terminologa convencional con que se designa las estadisticas
muestrales 146
9. Inferencia Estadstica Estimacin 147
10. Concepto de Error Estndar 147
11. Teorema de Lmite Central 149
12. Estimacin usando la Distribucin Normal 151
Excelencia Acadmica

8
13. Intervalo de confianza para la media usando la Distribucin t 153
14. Prueba de Hiptesis 154
15. Prueba de Hiptesis para las deferencias entre dos medias o dos
proporciones 159
16. La prueba Chi Cuadrado x2 161
17. Anlisis de Varianza 166
18. Anlisis de Varianza para una clase o factor 167
19. Anlisis de Varianza para dos clases o factores 170

Fascculo 6

CORRELACIN, REGRESIN, NMEROS INDICES Y SOFTWARE
ESTADSTICO

1. Correlacin. 179
2. Coeficiente de correlacin. 180
3. Regresin. 183
4. Serie de Tendencia Rectilnea. 183
5. Serie de Tendencia Parablica. 185
6. Aplicacin de la Ecuacin Exponencial. 189
7. Nmeros ndices 190
8. Precio ndice mediante la suma 191
9. Promedio simple de precios relativos 193
10. ndice ponderado de Laspeyres 194
11. ndice ponderado de Paasche 195
12. ndice ideal de Fishers 196
13. Software Estadsticos 197
Excelencia Acadmica

9

Unidad Temtica I
DISTICA
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. 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
Excelencia Acadmica

10
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 DESCRIPTIVA Y 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.
Ejemplo. El conjunto de Insectos

El conjunto de estudiantes

Excelencia Acadmica

11

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 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

3.5. DATO
Es el valor, respuesta o registro que adquiere una caracterstica o 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:
Excelencia Acadmica

12
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.

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.
Excelencia Acadmica

13
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.

4.2. Segn la relacin entre variables
a) Variables Dependientes
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.
Excelencia Acadmica

14
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.

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.
Excelencia Acadmica

15
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.
ESTADISTICAESTADISTICA
b) Variables Colectivas
Son aquellas que se refieren a caractersticas de las unidades
cuando estas son colectivas, conjuntos o grupos (ciudades,
empresas, escuelas, etc.)
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.

N 1.1

* 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.

Excelencia Acadmica

16
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:

5.2. Cuando al nmero que se quiere redondear le sigue una cifra menor que 5,
se quedar en el mismo valor.
Ejemplo:

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:

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

Not
a: En la prctica por lo general, cuando a la cifra que se desea redondear
le sigue 5, pasa al inmediato superior
57,8 58 (redondear al entero)
1,036 1,04 (redondear a 2 decimales)
Excelencia Acadmica

17
6. NOTACIN SISTMICA O CIENTFICA
La notacin cientfica se utiliza cuando una informacin es seguida o antecedida
de ceros.
Ejemplos:

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.

Ejemplo:

) ( 10 80 80000000
10 67 , 5 000000567 , 0
10 8 , 3 00038 , 0
10 3 , 9 930000000
10 8 80000000
6
7
4
8
7
cientfica notacin es no =
=
=
=
=
Excelencia Acadmica

18

N 1.2

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 ( )

1. Redondear al entero

a) 4,97 b) 38,49 c) 127,511
d) 36,59 e) 288,71

2. Redondear a un decimal

a) 36,55 b) 123,45 c) 0,06

3. Redondear a 3 decimales

a) 0,0034 b) 137,0056 c) 0,01351

4. Realizar la notacin cientfica de:

a) 7 000 000 b) 9 430 000
c) 0,002 937 d) 0,000 005

5. Cuntas cifras significativas tienen los siguientes nmeros:

a) 23,000 2 b) 0,23
c) 90,000 00 d) 0,000 895 4

Excelencia Acadmica

19
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.

B) Desarrollar:

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.

C) Desarrollar:
|
|
.
|
\
|
3
0 k
k n
a
k
n

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.

3 2 1 0
3
0
3 2 1 0

=
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
=
|
|
.
|
\
|
n n n n
k
k n
a
n
a
n
a
n
a
n
a
k
n

N 1.3

1. Desarrollar 2. Desarrollar

3. Desarrollar

=
+ + + =
7
4
7 6 5 4
7 6 5 4
a
a
x x x x ax
( )
=
+
4
0
1
1
k
k k
x
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
5 4 3 2
5 4 4 3 3 2 2
1 4 4 1 3 3 1 2 2 1 1 1 1 0 0
4
0
1
1 1 1 1
1 1 1 1 1 1
x x x x x
x x x x x
x x x x x x
k
k k
+ + + + =
+ + + + =
+ + + + =
+ + + + +
=
+
=
9
3 b
b
by
( )
6
1
1 1
2
P
P P
y
|
|
.
|
\
|
4
0 M
x M
c
x
M
Excelencia Acadmica

20
9. TABLA DE FRECUENCIA
Representacin organizada de los datos que muestra el nmero de
observaciones del conjunto de datos que caen dentro de cada conjunto de
clases mutuamente excluyentes
La tabla de frecuencia consta de:

a) Clase y Marca de Clase

Clase
Est 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 lmite inferior ( Li ) y limite superior ( Ls ) de cada
intervalo de clase.

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 clase 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.
2
Ls Li
Xi
+
=
Excelencia Acadmica

21
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 (
) 1 (
F )
Sirven para decir si son iguales o menores.
- Frecuencia Absoluta Acumulada Ascendente (
) 2 (
F )
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 (
) 1 (
H )
Nos indica la fraccin de los datos que son iguales o menores.
- Frecuencia Relativa Acumulada Descendente (
) 2 (
H )
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 fi hi Pi (%)
m
C
C
C
C
3
2
1

m
f
f
f
f
3
2
1

m
h
h
h
h
3
2
1

m
P
P
P
P
3
2
1

Total n 1.00 100

Excelencia Acadmica

22
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.
12. TABLA DE FRECUENCIA PARA VARIABLES CUANTITATIVAS

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:
Clase fi hi Pi (%)
Varn
Mujer
30
20
0.6
0.4
60
40
Total 50 1.0 100

Clase fi
hi
) 1 (
F
) 2 (
F
) 1 (
H
) 2 (
H
1
C
1
f
1
h
1
1
) 1 (
f F = n F =
1
) 2 (

1
1
) 1 (
h H = 0 . 1
1
) 2 (
= H
2
C
2
f
2
h
2 1
2
) 1 (
f f F + =
1
2
) 2 (
f n F =
2 1
2
) 1 (
h h H =
1
2
) 2 (
0 . 1 h H =
3
C
3
f
3
h
3
1
) 1 (
3
) 1 (
f F F + =
2
2
) 2 (
3
) 2 (
f F F + =
3
2
) 1 (
3
) 1 (
h H H + =
2
2
) 2 (
3
) 2 (
h H H =

m
C
m
f
m
h n F
m
=
) 1 (

m
m
f F =
) 2 (
0 . 1
) 1 (
=
m
H
m
m
h H =
) 2 (

Total n 1.0

1 4 3 5 5 2 5 4 2 3 5 3 5
1 3 5 3 3 7 5 2 4 5 8 3 4
2 3 8 5 7 7 4 3 3 4 5 5 5
4 2 3 3 2 4 1 5 4 4 2 2 5
5 2 4 3 4 4 6 5 5 2 6 4
6 2 4 6 5 2 4 7 6 2 3 6
4 4 1 3 3 2 1 5 8 6 4 4
5 6 4 5 3 3 4 4 7 6 6 4

Excelencia Acadmica

23
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:

Xi fi hi Pi (%)
1 5 0,05 5
2 14 0,14 14
3 18 0,18 18
4 25 0,25 25
5 20 0,20 20
6 10 0,10 10
7 5 0,05 5
8 3 0,03 3
Total 100 1.00 100

34,51 31,54 35,40 38,24 34,60 38,20 35,61 36,70
35,47 31,60 36,57 34,50 37,85 33,15 30,16
36,96 35,93 33,80 36,80 33,29 36,88 34,00
40,00 31,57 37,10 32,91 36,23 34,90 33,00
33,20 36,20 30,00 34,55 33,98 38,10 36,00

Distancia
Recorrida
Xi fi
hi Pi (%)
[ 30,00 - 31,25 ] 30,6250 2 0,0556 5,6
[ 31,25 - 32,50 ] 31,8750 3 0,0833 8,3
[ 32,50 - 33,75 ] 33,1250 5 0,1389 13,9
[ 33,75 - 35,00 ] 34,3750 8 0,2222 22,2
[ 35,00 - 36,25 ] 35,6250 7 0,1944 19,4
[ 36,25 - 37,50 ] 36,8750 6 0,1667 16,7
[ 37,50 - 38,75 ] 38,1250 4 0,1111 11,1
[ 38,75 - 40,00 ] 39,3750 1 0,0278 2,8
TOTAL 36 1,0000 100

Excelencia Acadmica

24

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 lmite
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 ( max X )
Valor mnimo ( min X )

3. Calcular el Rango( R )
1 min max + + = X X R para variable discreta
min max X X R + = para variable continua

4. Determinar el nmero de clases o intervalos (m)

Mtodo de STURGES ( 50 s n )
) log( 322 , 3 1 n m + =

Mtodo de PORTUGAL
) 100 50 ( s s n
) log( 991 , 3 8914 , 1 n m + =
) 100 ( > n
) log( 815 , 5 766 , 2 n m + =
fi = Cantidad de Autos
2
Ls Li
Xi
+
= Marca de Clase
Excelencia Acadmica

25

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

OBSERVACIN
mdebe ser entero (
+
Z ), si sale decimal se redondea.
1. Calcular la amplitud Intervlica ( a )
m
R
a =
2. Correccin ( D): R a m D = ) * (
Si el resultado de D es:

Se Continua
Se rehace (En la amplitud intervlica se redondea por
exceso)
3. Intervalo de Clase
a X Ii + = min
Ejemplo:
Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA
siguientes; dados en metros:
<
)
`
>
=
0
0
0
1,73 1,80 1,70 1,74 1,87 1,59
1,70 1,87 1,72 1,70 1,75
1,71 1,87 1,70 1,78 1,75
1,70 1,87 1,71 1,71 1,75
1,60 1,55 1,65 1,60 1,86
1,65 1,55 1,60 1,85 1,73
1,61 1,51 1,67 1,82 1,57
1,64 1,55 1,68 1,80 1,75

Excelencia Acadmica

26
A continuacin vamos a aplicar la regla para construir los intervalos y elaborar la
tabla de frecuencia.

Tambin, se puede aplicar el mtodo de la RAIZ, por ser muestra pequea.
ESTADISTICA
) ( 6
4 , 6 41
entero m
m
n m
=
= =
=

) ( 6
3 , 6 41 5 , 2
5 , 2
4
4
entero m
m
n m
=
= =
=

Regla:
1. Ordenamiento de Datos
Se obvia por ser una muestra pequea
2. Determinar
mt 1.87 max = X
mt 1.55 min = X
3 Calcular el Rango ( R )
min max X X R = (variable continua).
32 , 0 55 , 1 87 , 1 = = R
4 Determinar el numero de clases; ( m) por ser n <50 aplicamos el
mtodo de STURGES
) ( 6
4 , 6
) 613 , 1 ( 322 , 3 1
41 log 322 , 3 1
log 322 , 3 1
entero ser que Tiene m
m
m
m
n m
=
=
+ =
+ =
+ =

5 Calcular la Amplitud Intervlica ( a )

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

27

1,548 1,872
R=0,324
Teniendo los datos siguientes se elabora la tabla de frecuencia:
6
054 , 0
872 , 1 max
548 , 1 min
=
=
=
=
m
mt a
mt X
mt X

7 Intervalo de Clase

602 , 1
054 , 0 548 , 1
min
1
1
=
+ =
+ =
I
I
a X I
i
6 Correccin ( D)
) ( 002 , 0
32 , 0 318 , 0
032 , 0 ) 053 , 0 6 (
) (
negativo ser por rehace Se D
D
D
R a m D
=
=
=
=

Entonces se corrige 054 , 0 = a
) ( 004 , 0
32 , 0 324 , 0
32 , 0 ) 054 , 0 6 (
continua se positivo es D
D
D
=
=
=

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
+0,002
1,87 1,872
Excelencia Acadmica

28
Tabulacin: Es ubicar los datos de la muestra en la clase intervlica
correspondiente.

N 1.4

1. Los hbitos de trabajo de la mano de obra( llevan trabajo a casa) en
Huancayo se muestran a continuacin:
c b a b a c b c a a
a b a a a d d a b b
b a c b d b b c b b
a b b c c a c a c a
c a d b a d a d d 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

Talla(Intervalo) Tabulacin
fi
hi ) 1 (
F
) 2 (
F
) 1 (
H
) 2 (
H
Xi
[ 1.548 - 1.602 ] ||||| |||| 9 0.22 9 41 0.22 1.00 1.575
[ 1.602 - 1.656 ] |||| 4 0.10 13 32 0.32 0.78 1.629
[ 1.656 - 1.710 ] ||||| || 7 0.17 20 28 0.49 0.68 1.683
[ 1.710 - 1.764 ] ||||| ||||| | 11 0.27 31 21 0.76 0.51 1.737
[ 1.764 - 1.818 ] ||| 3 0.07 34 10 0.83 0.24 1.791
[ 1.818 - 1.872 ] ||||| || 7 0.17 41 7 1.00 0.17 1.845
TOTAL 41 1.00

Excelencia Acadmica

29

2. En una muestra de 40 pequeas empresas se recoge informacin acerca del
nmero de trabajadores en cada una de ellas. Los datos fueron los siguientes:

16 15 14 14 14 13 13 14 14 15 12 15 16 12 12 13 14
17 15 13 14 13 13 14 14 15 17 16 18 13 13 14 14 15
16 15 14 16 15 14

Complete la siguiente tabla de frecuencias.

Nmero de Trabajadores Empresas( fi ) hi pi
12
13
14
15
16
17
18
Totales

2. En el departamento de produccin de una fbrica los sueldos mensuales de
los empleados son los siguientes,

440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
224 340 558 460 560 607 382 667 512 492
450 530 501 417 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382

Excelencia Acadmica

30
Complete la siguiente tabla de frecuencias
Sueldo Mensual Xi Conteo
Empleados fi
) 1 (
F

i
h

) 1 (
H

i
p

i
P

TOTAL

14. GRAFICAS
Es otra forma de presentar los datos referentes a un fenmeno.
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
0
20
40
60
80
100

Excelencia Acadmica

31
b) Histograma

0
5
10
15
20
25
30
35
40
45
50

c) Polgono de Frecuencia

0
5
10
15
20
25
30
35
40
45
50
Marca de clase

d) Polgono de Frecuencia Acumulada u OJIVA

0
10
20
30
40
50
60
70
80
90
100
0 2 4 6 8
Punto de equilibrio

Excelencia Acadmica

32
e) Diagrama de Barra
Simple
0
20
40
60
80
100
S
o
l
t
e
r
o
C
a
s
a
d
o
V
i
u
d
o
D
i
v
o
r
c
i
a
d
o
C
a
n
t
i
d
a
d

Compuesta
0
20
40
60
80
100
120
1995 2000
C
a
n
t
i
d
a
d
Exportacin
Demanda Interna
Produccin
Demanda de Algodon

Agrupadas
0
5
10
15
20
25
30
35
40
45
2000 2001
C
a
n
t
i
d
a
d
Varon
Mujer
Asistencia al Cine

15.2. Grafica No Ortogonales
a) De Superficie Circular o Torta
S ie r r a
3 0 %
Cos ta
1 0 %
S e lva
6 0 %

Excelencia Acadmica

33
b) Pictrica

N 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:

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 1 6 4
7 8 0 4 2 3 6 0 7
8 3 8 1 3 6
9 3 7 1
10 0

10
20
40
0 10 20 30 40 50
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86

Excelencia Acadmica

34
Para entender un poco ms, 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)
3
f
d)
4
) 2 (
F
b)
4
h
e)
6
) 1 (
H
c)
5
) 1 (
F f)
5
) 2 (
H

TABLA DE FRECUENCIA DE SALARIOS POR TRABAJADOR

i Salario(Intervalo)
fi
hi ) 1 (
F
) 2 (
F
) 1 (
H
) 2 (
H
1 [ 82 - 89 ] 4 0.05 4 80 0.05 1.00
2 [ 89 - 96 ] 6 0.08 10 76 0.13 0.95
3 [ 96 - 103 ] 9 0.11 19 70 0.24 0.88
4 [ 103 - 110 ] 13 0.16 32 61 0.40 0.76
5 [ 110 - 117 ] 15 0.19 47 48 0.59 0.60
6 [ 117 - 124 ] 13 0.16 60 33 0.75 0.41
7 [ 124 - 131 ] 12 0.15 72 20 0.90 0.25
8 [ 131 - 138 ] 5 0.06 77 8 0.96 0.10
9 [ 138 - 145 ] 3 0.04 80 3 1.00 0.04
TOTAL 80 1.00

Excelencia Acadmica

35
Respuesta:
a)
3
f = Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos soles.
3
f = Hay 9 trabajadores que tienen un salario de 96 a 102.99 nuevos soles.
b)
4
h = El 16% de los trabajadores ganan de 103 109.99 nuevos soles.
c)
5
) 1 (
F = 47 trabajadores ganan menos de 117 nuevos soles.
d)
4
) 2 (
F = 61 trabajadores ganan ms o igual a 103 nuevos soles.
e)
6
) 1 (
H = 75% de los trabajadores ganan menos de 124 nuevos soles.
f)
5
) 2 (
H = 60% de los trabajadores ganan ms o igual que 110 nuevos soles.

Una distribucin de frecuencia consta de 5 intervalos de igual amplitud y de ella
se conoce los siguientes datos: n=110; lmite inferior de la 1 clase 12.5; f
4
-f
5
=10;
f
4
-f
1
=0; f
2
=f
4
; f
1
=f
5
y L
4
f
4
=975, donde L
4
es el lmite superior de la cuarta clase.

Elaborar la tabla de frecuencia

Entonces:
50
100 ) ( 2
100 2 2
1 4
1 4
1 4
= +
= +
= +
f f
f f
f f

30
30 10 50
2 2 4
4 1 4 1 4
= =
= = = +
f f f Si
f f f y f f Si

100
100 10
10 0
10 10
1 4 4 1 4 2 5 1
5 4 2 1 3
3 1 4 1 3 4
1 4 5 1 5 4
= + + + = =
= + + + =
= = =
= = =
f f f f f f y f f Si
f f f f f Si
f f f f f f Si
f f f f y f f Si
i Intervalo
fi
hi
%
i
P
1 [ 12.5 - 17.5 ] 20 0.1818 18.18
2 [ 17.5 - 22.5 ] 30 0.2727 27.27
3 [ 22.5 - 27.5 ] 10 0.0909 9.091
4 [ 27.5 - 32.5 ] 30 0.2727 27.27
5 [ 32.5 - 37.5 ] 20 0.1818 18.18
TOTAL 110 1.0000 100.00

Excelencia Acadmica

36
Luego 20
5 1
= = f f
5 . 32
30
975
975
4 4 4
= = = L f L Si
Entonces
5
4
20
0 . 20 5 . 12 5 . 32
4
= =
= =
a
R

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

- 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.

Excelencia Acadmica

37
Autoevaluacinformativa
Autoevaluacinformativa Autoevaluacinformativa

En el siguiente fascculo se calculara los estadgrafos de la estadstica descriptiva y
se explicara las caractersticas y empleo de estas medidas.

N 01

1. Determinar la clase de variable que nos dan los datos de los siguientes
fenmenos o hechos:

2. De los 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.

a) Colores b) Nivel de desempleo
c) Accidentes de Trnsito d) Orientacin en el tiempo

Excelencia Acadmica

38
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:

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:

a)
=
7
2 a
a
y abcx

b) ( )
5
3
2
3
N
N N
x

c)
=
|
|
.
|
\
|
6
1 M
MY
k
Y
M

PE IK KR PE PE IK IK PE CC CC
IK PE IK IK PE PE KR CC IK KR
O KR CC KR IK PE PE IK O CC
PE O PE PE CC CC KR CC PE IK
IK IK CC PE KR IK IK PE PE CC

Excelencia Acadmica

39

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 30 31 60 45 34 54
38 35 27 45 40 45 83
30 40 46 105 29 102 60
82 72 63 36 70 31 81
65 80 25 70 108 24 85
45 120 65 39 83 72 60
70 100 55 50 64 61

a) Elabore una tabla de frecuencia.
b) Que significa:
4
f ;
5
h ;
3
) 1 (
F ;
5
) 2 (
F ;
4
) 1 (
H ;
5
) 1 (
H
c) Represente la tabla mediante un polgono de frecuencia

Donde
IK= Inca Kola PE= Pepsi O= otras
CC= Coca Cola KR= Kola Real

Excelencia Acadmica

40

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.
ESTADISTICA
ESTADISTICA
Excelencia Acadmica

41

Unidad Temtica II

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
Excelencia Acadmica

42
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 para una muestra y para la poblacin

2.1. La Media simple
n
x x x x
n
x
x
n
n
i
i
+ + + +
= =

=

3 2 1 1

Ejemplo:
x : 1 8 , 2 4 , 4 5 , 1 2, 8 9 , 1 2
3 3 . 3 3
6
1 2 8 9 1 2 4 5 2 4 1 8
=
+ + + + +
= x

2.2. La Media Ponderada

Ejemplo:
x: es la talla de 65 obreros de una empresa, se quiere saber cul es la
estatura promedia.

. 6 8 . 1 6 7 9 . 1
6 5
1 5 . 1 0 9
1
m t x
n
f x
x
n
i
i i
= = =
=

=

El promedio de la estatura de los obreros de la empresa, es de 1.68
metros.

n
f x
x
n
i
i i
=
=
1
Excelencia Acadmica

43
2.3.- Propiedades de la Media Aritmtica c c =
a) La media de una constante es la misma constante.
b) La media del producto de una constante por una variable es igual al
producto de la constante por la media de la variable. x c cx =
c) La media de una variable ms o menos una constante, es igual a la
media de la variable ms o menos la constante. c x c x =
d) La media de la suma o diferencia de dos o ms variables e igual a la
suma o diferencia de las medias de cada una de las variables.
y x y x =

N 2.1

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 fbrica,
extrayendo datos de la tabla de frecuencia:

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.

i Salario(S/.)
fi
i
x
i i
f x
1 [ 70 80 | 20
2 [ 80 90 | 30
3 [ 90 100 | 60
4 [ 100 - 110| 90
5 [ 110 - 120| 100
6 [ 120 - 130| 85
7 [ 130 - 140| 70
TOTAL

Excelencia Acadmica

44
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
2
1 +
=
n
x Me

Ejemplo:
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.
140
. /
4
2
1 7
2
1
S
n
x x x Me = = = =
+ +

Interpretacin: el 50% gastan menos de s/140 y el otro 50% restante
gasta ms de s/140

b) Datos Par
|
|
.
|
\
|
+ =
+
2
2
2
2
1
n n
x x Me

Ejemplo:
Se tiene los pesos de 8 personas siguientes:
x: 70, 65, 83, 62, 94, 75, 79, 86 kg
Calcular la mediana.
Excelencia Acadmica

45
ESTADISTICA
Solucin
PASOS:
1. Se ordenan los datos
x: 62, 65, 70, 75, 79, 83, 86, 94
kg

2. Se aplica la formula
k
k
f
F
n
a Li Me
) 1 (
1
2

+ =

Interpretacin: el 50% de personas pesan menos de 77kg y el restante 50%
pesan ms de 77kg.

3.3. La Mediana Agrupada o Ponderado

Li = limite inferior de la clase mediana
a = intervalo de clase
n = nmero de elementos (tamao de la muestra)
) 1 (
1 k
F = frecuencia absoluta acumulada ascendente anterior a la clase
mediana.
k
f = frecuencia absoluta de la clase mediana.

PASOS PARA HALLAR LA MEDIANA
1.Determinar la clase mediana, a travs del cociente de
2
n
cuyo resultado se la
ubica en la frecuencia acumulada absoluta ascendente,
) 1 (
F que le
contenga ms prximo.

2.determinar la amplitud del Intervalo a , restando el Lmite superior menos el
Lmite inferior de la clase mediana.
Li Ls a =

O si se tuviera la marca de clase, restar una de ella con respecto al siguiente
inmediato.
i i
X X a =
+ 1
( ) ( )
Kg Me
x x Me
x x x x Me
n n
77
2
154
79 75
2
1
2
1
2
1
2
1
5 4
2
2 8
2
8
2
2
2
= =
+ = + =
|
|
.
|
\
|
+ =
|
|
.
|
\
|
+ =
+ +
Excelencia Acadmica

46
3.Determinar en la clase mediana el Lmite inferior del intervalo o clase.
| | Ls Li

Si solo tuviera la marca de clase
i
x
entonces el lmite inferior seria:
2
a
Xi Li =

= valor de la marca de clase de la clase mediana.
= amplitud del intervalo
) 1 (
1 k
F

4.Determinar la Frecuencia Acumulada Absoluta ascendente anterior a la clase
mediana
k
f

5.Determinar la frecuencia absoluta simple de la clase mediana
6.Remplazar los valores en la formula de la mediana.

Pe s o
i
x
i
f
) 1 (
F
5 0 5 5
5 5 1 5 2 0
6 0 2 8 4 8
) 1 (
1 k
F
6 5 2 2 7 0 C l a s e
me di a n a
7 0 1 9 8 9
7 5 1 1 1 0 0
8 0 1 0 1 1 0
1 1 0
k
k
f
F
n
a L i M e
) 1 (
1
2

+ =

Excelencia Acadmica

47
PASOS
55
2
110
2
= =
n

55 esta contenido
F = 7 1 ,
(1 )
este determina la clase mediana.
ESTADISTICA
1 2 1 1 1 1
x x x x x x a
i i
= = =
+ +
5 5 0 5 5 = = a
2
a
x L i
i
=

5 . 2 6 5
2
5
6 5 = = L i
K g L i 5 . 6 2 =
4 8
) 1 (
1
=
k
F
2 2 =
k
f
2 2
4 8 5 5
5 5 . 6 2

+ = M e
K g M e 1 . 6 4 0 9 . 6 4 = =

Interpretacin: el 50% de los obreros pesan menos de 64.1 kg y el
otro 50% de los obreros pesan mas de 64.1 kg

N 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

Excelencia Acadmica

48
2. hallar la mediana de las alturas de 100 alumnos de la UPLA

Altura (m)
Intervalo
i
f
) 1 (
F
[ 1.57 - 1.61 [ 4
[ 1.61 - 1.65 [ 28
[ 1.65 - 1.69 [ 43
[ 1.69 - 1.73 [ 18
[ 1.73 - 1.77 ] 7
TOTAL 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.
ESTADISTICA
4.1. 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)
Excelencia Acadmica

49

4.2. La Moda serie Ponderada o agrupada:
2 1
1
A + A
A
+ = a Li Mo

= Limite inferior de la clase modal
= Amplitud del intervalo de clase
= Variacin 1
= Variacin 2

PASOS PARA HALLAR LA MODA

1.Determinar la clase modal, a travs de la frecuencia absoluta simple mayor.
Li Ls a =

2.Determinar la amplitud del intervalo a restando el lmite superior menos el
lmite inferior de la clase modal.
Li Ls a =

O si se tuviera la marca de clase, restar una de ella con respecto al siguiente
inmediato.
i i
X X a =
+ 1

3.Determinar en la clase modal el lmite inferior de la clase.
| | Ls Li

Si solo tuviera la marca de clase X
1
entonces el lmite inferior seria:
2
a
Xi Li =

i
x = valor de la marca de clase de la clase mediana.
a = amplitud del intervalo

4.Determinar la variacin 1,
1
A , restando el valor de la frecuencia absoluta simple
de la clase modal menos la frecuencia de la clase anterior inmediata.
1 1
= A
Mo Mo
f f

Excelencia Acadmica

50
5.Determinar la variacin 2,
1
A , restando el valor de la frecuencia absoluta simple
de la clase modal menos la frecuencia de la clase posterior inmediata.
1 2 +
= A
Mo Mo
f f

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.
ESTA
T e mp e r a t u r a s
( C )
i
f
5 1 2
1 0 8
1 5 1 6 C l a s e mo d a l
2 0 7
2 5 5
3 0 4
2 1
1
A + A
A
+ = a L i M o

PASOS
1. La clase modal queda determinada por la frecuencia absoluta simple que ms
veces se repite, en este caso es 16.
ISTICA
2.
3 4 3 1 3 1
x x x x x x a
i i
= = =
+ +

5 15 20 = = a

3.
2
a
x Li
i
=
5 . 2 15
2
5
15 = = Li
C Li 5 . 12 =

4.
1 1
= A
Mo Mo
f f
8 16
1
= A
8
1
= A
Excelencia Acadmica

51
5.
1 2 +
= A
Mo Mo
f f
7 16
2
= A
9
2
= A

6. Reemplazando en la frmula
C Mo
Mo
85 . 14
9 8
8
5 5 . 12
=
+
+ =

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.

N 2.3

1. Al finalizar sus estudios de Derecho, 60 estudiantes tenan 22 aos, 50 tenan 23
aos, 17 tenan 24aos, y 8 tenan 25 aos. Hallar la moda de las edades.
ESTADISTICA

2. Hallar la moda del cuadro siguiente:
Intervalo
i
f
[ 220 - 240 [ 48
[ 240 - 260 [ 60
[ 260 - 280 [ 60
[ 280 - 300 ] 30
TOTAL 198

Excelencia Acadmica

52
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 - M o = 3 ( X - M e )

b) Cuando la curva de frecuencia es unimodal y simtrica:
X = M e = M o

c) La Mediana aritmtica est 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 ms
de una.

REFORZAMIENTO DE APRENDIZAJE
1. La inversin anual (en niveles de soles) de un grupo de pequeas empresas de la
ciudad fueron:

10 38 30 16 25 30 30 18 23 25 38
13 21 14 27 14 13 18 30 25 18 37
12 10 15 20 28 26 10 17 26 28
17 14 19 22 11 15 20 39 23 38

Calcular:
a) Media
b) Mediana
c) Moda

Solucin:
Tenemos que desarrollar una tabla de frecuencia

Excelencia Acadmica

53
1. min max X X R =
29 10 39 = = R

2. n m log 322 . 3 1 + =
42 log 322 . 3 1 + = m
6 4 . 6 = = m

3.
6
29
= =
m
R
a
83 . 4 = a

4. R a m D = ) (
29 ) 83 . 4 6 ( = D
02 . 0 29 98 . 28 = = D
Por ser negativo se rehace
Entonces 84 . 4 = a
29 ) 84 . 4 6 ( = D
= =
02 . 0
02 . 0
04 . 0 29 04 . 29 D

-0 ,0 0 2
9 .9 8 1 0
+ 0 ,0 0 2
3 9 3 9 .0 2

Resumen:

6
84 . 4
02 . 39 max
98 . 9 min
=
=
=
=
m
a
X
X

Excelencia Acadmica

54
Tabla de Frecuencia
Intervalo Tabulacin fi
) 1 (
F
Xi
i i
f X
[ 9.98 - 14.82 [ ||||| ||||| 10 10 12.40 124.00
[ 14.82 - 19.66 [ ||||| |||| 9 19 17.24 155.16
[ 19.66 - 24.5 [ ||||| | 6 25 22.08 132.48
[ 24.5 - 29.34 [ ||||| ||| 8 33 26.92 215.36
[ 29.34 - 34.18 [ |||| 4 37 31.76 127.04
[ 34.18 - 39.02 ] ||||| 5 42 36.60 183.00
TOTAL 42 937.04

Luego, calculamos:
a) La Media
n
f x
x
n
i
i i
=
=
1

En la tabla determinamos
i i
f x

soles de miles x
x
31 . 22
42
04 . 937
=
=

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
k
k
f
F
n
a Li Me
) 1 (
1
2

+ =

21
2
42
2
= =
n
Determina la clase mediana en de la tabla que es 25

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
Excelencia Acadmica

55
ESTADISTICA
c) La Moda
2 1
1
A + A
A
+ = a Li Mo

Determinamos la clase modas en F
1
mayor = 10
1 9 1 0
1 0 0 1 0
9 8 . 9
8 4 . 4
2
1
= = A
= = A
=
=
L i
a
s o l e s d e m i l e s M o
M o
3 8 . 1 4
1 1 0
1 0
8 4 . 4 9 8 . 9
=
+
+ =

Interpretacin: la inversin ms 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.

n
n
x x x x g X =
3 2 1

Ejemplo:
Hallar la media geomtrica de los nmeros 3, 9 y 27
9
729
27 9 3
3
3
=
=
=
g X
g X
g X

Para simplificar los clculos es necesario aplicar logaritmos (recurdense que
con logaritmos, la multiplicacin se transforma en suma y la raz en divisin).

Excelencia Acadmica

56
6.1. Media Geomtrica Serie Simple
n
x
anti g X
n
i
i
=
=
1
log
log

Ejemplo:
x: 2, 4, 6, 8, 10
2 1 . 5
7 1 6 8 7 . 0 l o g
5
5 8 4 3 3 , 3
l o g
=
=
=
g X
a n t i g X
a n t i g X

6.2. La Media Geomtrica serie Ponderada
n
f x
anti g X
n
i
i i
=
=
1
) (log
log
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.
ESTADISTICA
Excelencia Acadmica

57
5
70182 . 0 log
44
88002 . 30
log
=
=
=
g X
anti g X
anti g X

N 2.4

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. MEDIA ARMONICA
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
1
1
1
(
(
(
(
=

n
x
a X
n
i
i

Excelencia Acadmica

58
E je m p l o :
x: 2 , 4 , 6 , 8 , 1 0

7.2. La Media Armnica Serie Ponderada
1
1
1
(
(
(
(
=

n
f x
a X
n
i
i i

Ejemplo:

45 . 7
078 . 12
90
90
078 . 12
1
=
=
(
=

a X
a X
a X

Excelencia Acadmica

59

N 2.5

Hallar la media armnica de los problemas de la actividad 2.4

8. RELACIONES ENTRE LOS PROMEDIOS
El promedio aritmtico est 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.
a X g X x > >

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 (Q
1
) y los otros segundo cuartil (Q
2
) y el tercer cuartil
(Q
3
). El segundo cuartil es igual a la mediana.

O sea Me Q =
2

9.1. Cuartiles Serie Simple

a) Primer Cuartil
1
Q
4
1
1
=
n
Q

n es el nmero de trminos

b) Segundo Cuartel
2
1
2
+
=
n
Q

c) Tercer Cuartel
4
) 1 ( 3
3
+
=
n
Q
Excelencia Acadmica

60
Ejemplo:
x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26

4
1 11
1
+
= Q = 3 trmino de la serie
6
1
= Q

2
1 11
2
+
14
2
= Q

4
) 1 11 ( 3
3
+
21
3
= Q

9.2. Cuartiles Serie Ponderada

a) Primer Cuartil
k
k
f
F
n
a Li Q
) 1 (
1
1
4

+ =

b) Segundo Cuartil (Mediana)
k
k
f
F
n
a Li Q
) 1 (
1
2
2

+ =
c) Tercer Cuartil
fk
F
n
a Li Q
k
) 1 (
1
3
4
3
+ =

Los pasos de solucin de los problemas de cuartiles, son iguales a los
aplicados para obtener la mediana.

Excelencia Acadmica

61
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:

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 nmero de trminos.

Para percentiles de serie ponderada la formula es:

La solucin es igual a los pasos de la Mediana

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:
ESTADISTICA

Excelencia Acadmica

62
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
- 15
4
60
4
= =
n

La clase se ubica en la frecuencia acumulada 24 por contener a 15

1 2
1 2
4 1 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
s o l e s N u e v o s Q
Q
f
F
n
a L i Q
k
k
5 0 . 4 3 1
1 2
1 2
4
6 0
5 0 4 1 9
4
1
1
) 1 (
1
1
=
+ =
+ =

b) Cuartil 3

- Hallamos la clase cuartil 3
45
4
) 60 ( 3
4
3
= =
n


1 0
3 5
5 1 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
s o l e s nu e v o s Q
Q
f k
F
n
a L i Q
k
0 0 . 5 6 9
1 0
3 5
4
) 6 0 ( 3
5 0 5 1 9
4
3
3
3
) 1 (
1
3
=
+ =
+ =

Excelencia Acadmica

63

c) Decil 3
- Hallamos la clase decil 3
18
10
) 60 ( 3
10
3
= =
n


1 2
1 2
4 1 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
s o l e s N u e v o s D
D
f
F
n
a L i D
k
k
d
0 0 . 4 4 4
1 2
1 2
1 0
) 6 0 ( 3
5 0 4 1 9
1 0
3
3
3
) 1 (
1
=
+ =
+ =

d) Decil 8
- Hallamos la clase decil 8
48
10
) 60 ( 8
10
= =
dn


9
45
569
50
) 1 (
1
=
=
=
=
k
k
f
F
Li
a

soles Nuevos D
D
f
F
dn
a Li D
k
k
d
67 . 585
9
45
10
) 60 ( 8
50 569
10
8
8
) 1 (
1
=
+ =
+ =

Excelencia Acadmica

64
e) Percentil 27
- Hallamos la clase percentil 27
20 . 16
100
) 60 ( 27
100
= =
pn

La clase se ubica en la frecuencia acumulada 24 por contener a 16.20.
1 2
1 2
4 1 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
s o l e s N u e v o s P
P
f
F
p n
a L i P
k
k
p
5 0 . 4 3 6
1 2
1 2
1 0 0
) 6 0 ( 2 7
5 0 4 1 9
1 0 0
2 7
2 7
) 1 (
1
=
+ =
+ =

f) Percentil 83
80 . 49
100
) 60 ( 83
100
= =
pn

La clase se ubica en la frecuencia acumulada 54 por contener a 49.80
9
4 5
5 6 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
s o l e s N u e v o s P
P
f
F
p n
a L i P
k
k
p
6 7 . 5 9 5
9
4 5
1 0 0
) 6 0 ( 8 3
5 0 5 6 9
1 0 0
8 3
8 3
) 1 (
1
=
+ =
+ =

g) Percentil 1
60 . 0
100
) 60 ( 1
100
= =
pn

La clase se ubica en la frecuencia acumulada 4 por contener a 0.60
4
0
3 1 9
5 0
) 1 (
1
=
=
=
=
k
k
f
F
L i
a
so l e s N u e v o s P
P
f
F
p n
a L i P
k
k
p
50 . 3 2 6
4
0
1 0 0
) 6 0 ( 1
5 0 3 1 9
1 0 0
1
1
) 1 (
1
=
+ =
+ =

Excelencia Acadmica

65
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.
min max X X R =

Ejemplo:
Hallar el rango de la siguiente serie de nmeros: 4, 5, 7, 9.9, 10, 12, 15
11
4 15
=
=
R
R

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.

Excelencia Acadmica

66
15. DESVIACION MEDIA (DM)
La desviacin media es una buena medida de dispersin.

15.1. Desviacin Media Simple

n
x x
D M
n
i
i
=
=
1
( Va l o r A b s o l u to )

i
x = 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:

5 6 . 1
5
5 3 . 1 6 2 . 1 6 0 . 1 5 8 . 1 4 7 . 1
=
+ + + +
=
x
x
m e t ro s D M
D M
D M
D M
0 4 8 . 0
5
2 4 . 0
5
0 3 . 0 0 6 . 0 0 4 . 0 0 2 . 0 0 9 . 0
5
0 3 . 0 0 6 . 0 0 4 . 0 0 2 . 0 0 9 . 0
5
5 6 . 1 5 3 . 1 5 6 . 1 6 2 . 1 5 6 . 1 6 0 . 1 5 6 . 1 5 8 . 1 5 6 . 1 4 7 . 1
=
=
+ + + +
=
+ + + +
=
+ + + +
=

15.2. Desviacin Media Ponderada

n
f x x
DM
i
n
i
i
=
=
1

Excelencia Acadmica

67
Ejemplo:
Kg peso Xi =
i
f
i i
f x
x x
i

i i
f x x
40 4 160 5.88 23.52
43 5 215 2.88 14.40
46 8 368 0.12 0.96
49 6 294 3.12 18.72
52 3 156 6.12 18.36
Total 26 1193 75.96

Hallamos:
1
Kg x
n
f x
x
n
i
i i
88 . 45
26
1193
1
= =
=

=

2
Kg DM
DM
n
f x x
DM
i
n
i
i
92 . 2
26
96 . 75
1
=
=
=

=

16.- VARIANZA

16.1. Varianza Simple

a) Varianza de una Poblacin
( )
N
x
N
i
i
=
=
1
2
2
o

b) Varianza de una Muestra
( )
n
x x
S
n
i
i
=
=
=
1
2
2

Excelencia Acadmica

68
Ejemplo:
Calcular la varianza de 4, 5, 6, y 7.

n
x
x
i
=
5 . 5
4
2 2
4
7 6 5 4
= =
+ + +
= x

( )
n
x x
S
n
i
i
=
=
=
1
2
2
2 5 . 1
3
5
4
2 5 . 2 2 5 . 0 2 5 . 0 2 5 . 2
4
5 . 5 7 5 . 5 6 5 . 5 5 5 . 5 4
2
2
2 2 2 2
2
=
=
+ + +
=
+ + +
=
S
S
S

16.2. Varianza Ponderada

a) Varianza de Una Poblacin
( )
N
f x
N
i
i i
=
=
=
1
2
2
o

b) Varianza de Una Muestra
( )
( )
30
1
30
1
2
2
1
2
2
<
=
=
>
=
=
=
=
n para
n
f x x
S
n para
n
f x x
S
n
i
i i
n
i
i i

Excelencia Acadmica

69
Ejemplo:

Talla(mts)
i
x
i
f
i i
f x x x
i

( )
2
x x
i
( )
i i
f x x
2

1.52 3 4.56 -0.08 0.0064 0.0192
1.56 5 7.80 -0.04 0.0016 0.0080
1.60 9 14.40 0 0 0
1.64 6 9.84 0.04 0.0016 0.0096
1.68 4 6.72 0.08 0.0064 0.0256
Total 27 43.32 0.0624

6 0 . 1
2 7
3 2 . 4 3
1
= = =

=
n
f x
x
n
i
i i
( )
m e t ro s S
S
n s e r p o r
n
f x x
S
n
i
i i
0 0 2 4 . 0
2 6
0 6 2 4 . 0
1 2 7
0 6 2 4 . 0
3 0
1
2
2
1
2
2
=
=
=
<
=
=

=

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.
2
S S = para muestra

2
o o = Para poblacin

Ejemplo: (de los ejemplos de la varianza)
12 . 1
25 . 1
2
=
=
=
S
S
S S

Excelencia Acadmica

70
Ejemplo:
metros S
S
S S
049 . 0
0024 . 0
2
=
=
=

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.

% 73 . 99 3
% 46 . 95 2
% 26 . 68
=
=
=
S x
S x
S x

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.

Excelencia Acadmica

71
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.
( ) 100
o
= CV para poblacin
( ) 100
x
S
CV = Para muestra
Ejemplo:
Si la desviacin estndar de la poblacin P es 5 y media poblacin es 40 el
coeficiente de variacin es:
( )
% 5 . 12
100
40
5
=
=
CV
CV

20. VARIABLE ESTANDARIZADA
La variable estandarizada se calcula:

o

=
i
i
x
Z Para poblacin

S
x x
Z
i
i
= para muestra
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
o

=
i
i
x
Z
2 5 . 1
6 . 1
2
6 . 1
1 4 1 2
1
=
= Z
8 7 . 1
6 . 1
3
6 . 1
1 4 1 7
2
= =
= Z
7 . 3
6 . 1
6
6 . 1
1 4 2 0
3
= =
= Z
6 2 5 . 0
6 . 1
1
6 . 1
1 4 1 3
1
=
= Z

Excelencia Acadmica

72

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:

E
Ventas
i
x
Dias
i
f
Calcular:
a) Rango
b) Desviacin Media
c) Desviacin Estndar
d) Varianza
e) coeficiente de Variacin

[ 20 - 24 ] 9
[ 24 - 28 ] 12
[ 28 - 32 ] 8
[ 32 - 36 ] 3
[ 36 - 40 ] 3
[ 40 - 44 ] 2
TOTAL 37

i f
)1(F

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 ( Mo Me x = = )
Excelencia Acadmica

73
21.1. Tipo de Medida de Asimetra.
a) Curva asimtrica positiva o con cola a la derecha, hay predominio de los
valores menores.
0
20
40
60
80
100
0 5 10 15

b) Curva asimtrica negativa o con cola a la izquierda, indica predominio de los
valores mayores.
0
20
40
60
80
100
0 5 10 15

c) Curva simtrica o campana de GAUSS (curva terica de anlisis).
ESTADISTICA
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20

21.2.- Coeficiente de Asimetra de PEARSON
a) En funcin de la moda.
S
Mo x
As

=
1

Excelencia Acadmica

74
x = Media aritmtica
Mo = Moda
S = desviacin estandar

Resultados:
- Si el valor es cero, la curva es simtrica.
- Si el valor es igual a, la curva es asimtrica moderada positiva o
negativa.
- Si el valor es igual a, la curva es asimtrica muy marcada positiva
o negativa.
- Si el valor es igual a, 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
3 . 0
00 . 4
30 . 108 50 . 109
1
1
=
=
As
As

Como el valor es positivo es una curva asimtrica positiva muy
marcada.

b) En Funcin de la Mediana
S
Me x
As
) ( 3
2
=

x = Media aritmtica
Me = Mediana
S = desviacin 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.

Excelencia Acadmica

75
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.
57 . 2
5 . 3
9
5 . 3
) 71 68 ( 3
2
2
=
=
As
As

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.
ESTADISTICA
0
20
40
60
80
100
120
140
0 5 10 15 20
LK
MK
PK

Excelencia Acadmica

76
22.2. Coeficiente de Kurtosis

3
Q = Cuantil 3

3
Q = Cuantil 2

90
P = Percentil 90

10
P = Percentil 10

Resultados:
El valor de K no pasa de 1 tampoco puede ser negativo.

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:
90
P = 1.77m y
10
P =1.53m Calcular el coeficiente de
kurtosis.
El valor se encuentra en intervalo de mesokurtosis.

N 2.7

La inversin anual (miles de dlares) de un grupo de empresarios de Huancayo,
fueron:
12 10 16 28 32 18 40
14 16 27 13 19 38 18
13 32 22 31 10 37
18 15 24 14 23 36
42 14 27 28 21 37
22 19 15 17 29 25

Excelencia Acadmica

77
Determinar e interpretar.
a) Coeficiente de Kurtosis
b) Coeficiente de Pearson
- Por la moda
- Por la mediana
ESTADISTICA

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.

Excelencia Acadmica

78

N 02

1. En el departamento de produccin de una fbrica tienen los siguientes sueldos
hasta fines del mes de julio.
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.
ESTADISTICA
22.7 7.6 29.5 15.19 31.9
19.9 26.6 16.2 27.9 23.2
24.6 30.9 5.0 32.1 4.0
47.4 24.0 17.0 15.1 18.8
29.9 34.2 43.4 57.0 12.3
33.7 27.1 36.3 25.0
17.7 27.9 20.5 32.5
27.8 42.9 18.1 32.0
29.7 19.2 10.0 30.3
23.5 11.6 29.4 33.5

Sueldo Mensual
(S/.)
Empleados
485 - 585 15
585 - 685 25
685 - 785 30
785 - 885 20
885 - 985 5
985 - 1085 5
TOTAL

Excelencia Acadmica

79
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda

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.

Clases i
f
[ 45 - 50 ] 2
[ 50 - 55 ] 7
[ 55 - 60 ] 18
[ 60 - 65 ] 36
[ 65 - 70 ] 59
[ 70 - 75 ] 74
[ 75 - 80 ] 88
[ 80 - 85 ] 72
[ 85 - 90 ] 44
[ 90 - 95 ] 30
[ 95 100 ] 11
[ 100 105 ] 5
[ 105 110 ] 3
TOTAL 449

i f
Excelencia Acadmica

80
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
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
81

Unidad Temtica III

PROBALIDAD

- 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.

Excelencia Acadmica
82
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.
3. EXPERIMENTO
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

Excelencia Acadmica
83
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.A
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}

Cualquier suceso que sea igual al conjunto vaci 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.

Excelencia Acadmica
84
- En el lanzamiento de un dado:
Obtener un nmero negativo es un suceso imposible
Obtener un nmero menor que siete es un suceso seguro.

N 3.1

* 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.
Estudiaremos brevemente las siguientes operaciones:

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

B A

Excelencia Acadmica
85
c) Complemento de un Evento
El complemento de a se denota con A , A o
c
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
c
A
A

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}

Se tiene:
K L = {2, 3, 4, 6}
K L = {6}
K =K = {1, 3, 5}
L = L = {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

Excelencia Acadmica
86
b) Conmutatividad
A B = B A
A B = B A

c) Simplificacin
A (B A) = A
A (B A) = A

d) de Impotencia
A A = A
A A = A

e) Complementacin
A A=
A A=

f) Universal e nfimo
A =
A = A
A = A
A =

g) Distributiva
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)

h) Leyes de Morgan
(A B)=A B
(A B)=A B

Se lanzan 2 monedas. Sean:
A = {salgan 2caras}
B = {salgan 2 sellos}
C = {salgan una cara y un sello}

Excelencia Acadmica
87
Obtener los siguientes sucesos:
a) A B b) A C c) A-B
d) A e) C f) (A B)
g) A B C h) A B C

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.
Ac B

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:
A B =

Ejemplo:
No puede ocurrir que un abogado sea analfabeto.
Abogados y analfabetos son sucesos excluyentes.
ESTADISTICA
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 A
1,
A
2
,

A
3,
etc.
S solo s cumple las siguientes condiciones:

Excelencia Acadmica
88
1 A
1
, A
2
, A
3
,
Esto quiere decir que tiene ocurrencias
2 A
1
A
2
= , A
1
A
3
= , A
2
A
3
= ,
O sea que no comparten ocurrencias, no tienen elementos
comunes.
3 A
1
A
2
A
3
=
Es la unin de todos al unir todos los elementos y dar como
resultado el espacio muestral.

A
1

A
2
A
3

A
4

e) Potencia de un Suceso o Algebra de Elemento (2
5
)
Ejemplo: { } S
S
c =
A
A
2
Experimento= {lanzar una moneda}
s c S , = O =
4 2 2
2
= =
S
s c s c
S
, , , , 2 C =

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

Excelencia Acadmica
89
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 m = 5
Jirones 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
ESTADISTICA
- Cuantos nmeros pares de 3 cifras diferentes, se pueden formar con los
dgitos 2, 3, 4, 5, y 6.

La cantidad de nmero de 3 cifras diferentes es: 3 4 3 = 36

- Dado los dgitos 0, 1, 3, 5, 6, 8:

Excelencia Acadmica
90
* Cuantos nmeros de 4 cifras se pueden escribir

* Cuantos nmeros de 4 cifras mltiplos de 5 se pueden escribir

* Cuantos nmeros de 4 cifras impares se pueden escribir

1. Con los 10 dgitos (0, 1 9)

a) Cuantos nmeros de 3 cifras se pueden escribir.
b) 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?

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?

Excelencia Acadmica
91
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
P
m
= m!

Ejemplos:
- Cuantos nmeros de 4 cifras diferentes se pueden escribir con los dgitos
3, 4, 5 y 6

P
4
= 4! = 4 3 2 1

P
4
= 24

- De cuantas maneras diferentes pueden colocarse, en un estante 5 libros
diferentes de Estadstica y tres de Biologa.

Excelencia Acadmica
92

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)

P
m
= m!
P
8
= 8! = 8 7 6 5 4 3 2 1
P
8
= 40320 maneras

b) Libros de EstadsticaP
5
(bloque)
Libros de BiologaP
3
(bloque)

Entre grupos de libros de Estadstica y de Biologa. P
2

P
5
P
3
P
2
= 5! 3! 2! = 120 6 2 = 1440

c) Los libros de Biologa permutan entre 3 y forman un solo bloque P
3

Los libros de Estadstica permuta entre los 5 y tambin permuta con
el bloque de Biologa. P
6

P
3
P
6
= 3! 6! = 6 720 = 4320

8.2. PERMUTACION CIRCULAR
P
m
C = (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) Si pueden sentarse de cualquier forma.
b) Dos ministros determinados deben estar juntos.
c) Dos ministros determinados no deben estar juntos.

Excelencia Acadmica
93
Solucin
a) P
m
C = P
10
C = (10-1)! = 9! = 362880 formas
b) Dos ministros siempre juntos se considera como 1. Pero permutan en
ellos P
2
y luego permutan con los 8 restantes formando como si fueran
9 ministros.
c)
formas P C P 80640 ! 2 ! 8 ! 2 )! 1 9 (
2 9
= = =

a) ( ) 282240 80640 362880
2 9 10
= = P C P C P

8.3. PERMUTACION CON REPETICION
! !
!
2 1
2 1
m m
m
P
m
m m
=
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

Por extensin:
5 7 7 5 7 5 5 7
5 7 5 7 7 5 7 5
5 5 7 7 7 7 5 5

- 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.
maneras P 15
48
720
2 24
720
! 2 ! 4
! 6
6
2 , 4
= =
= =
9. VARIACION
Es una forma de permutacin, en el cual no interviene todos los elementos.

9.1. VARIACION SIMPLE O GENERAL
)! (
!
n m
m
V
m
n
=

Excelencia Acadmica
94
m = todos los elementos
n = parte de m
ESTAD
Ejemplos:
- De cuantas maneras diferentes se pueden presentar a, b, c y d
tomados de dos en dos.

maneras V 12
2
24
)! 2 4 (
! 4
4
2
= =
=

- De un conjunto de 6 candidatos, de cuantas maneras se pueden
elegir 3, Presidente, secretario y tesorero.

maneras V 120
6
720
)! 3 6 (
! 6
6
3
= =
=

9.2. VARIACION CON REPETICION
n m
n
m r V =

Ejemplos:
- De cuantas maneras diferentes pueden presentarse a, b, y c
tomados de dos en dos con repeticin.
9 3
2 3
2
= = r V maneras

- Cuantos nmeros de dos cifras, con repeticin se pueden escribir
con 5, 6, 7 y 8

16 4
2 4
2
= = r V 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
)! ( !
!
n m n
m
C
m
n
=
m = t o t a l d e e l e me n t o s
n = p a r t e d e m

Excelencia Acadmica
95
Ejemplos:
- En una reunin hay 15 personas. Cuantos apretones de manos se darn al
saludarse todos ellos entre s.

= =
=
1 3 1 2
1 3 1 4 1 5
! 1 3 ! 2
! 1 5
) ! 2 1 5 ( ! 2
! 1 5
15
2
C
( s e p u e d e s i m p l i f i c a r )
=
2 1 0
5
1 0 5 ap r e t o n e s
=

ESTADISTICA
- 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
3
C
Forma de escoger damas
6
2
C
En al fila se pueden permutar entre 5
5
P
Total de maneras = !
5
6
2
10
3
P C C

= ! 5
)! 2 6 ( ! 2
! 6
)! 3 10 ( ! 3
! 10

= 216000 120 15 120 =

10.2. COMBINACION CON REPETICIO
Ejemplo:
- Cuantas combinaciones con repeticin, obtendremos dados 4
smbolos diferentes, tomados de tres en tres.

nes combinacio
r C
20
36
720
! 3 ! 3
! 6
! 3 )! 1 4 (
)! 1 3 4 (
4
3
=
= =
+ +
=

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.

Excelencia Acadmica
96
A
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.

N 3.4

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?

Excelencia Acadmica
97
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?

N 3.5

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?
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)
( )
O
= =
#
# A
posibles casos de Nmero
favorables casos de Nmero
P
A

Ejemplo:
- Al lanzar un dado cual es la probabilidad de obtener un nmero par.

= S = {1, 2, 3, 4, 5 ,6} #S = 6
A = {2, 4, 6} #A = 3

- 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?
( )
5 . 0
2
1
6
3
#
#
S
A
P
A
= = =

Excelencia Acadmica
98
S= {N, N, N, R, R, R, R}
A= {R}

12.1. Axiomas de Probabilidad
a) La probabilidad de cualquier evento es un nmero no negativo
) (
0
A
P s

b) La probabilidad del espacio muestral es 1
1
) (
=
S
P

c) La probabilidad de un evento vaco es igual a cero
0
) (
=
C
P

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

ESTADISTICA
Entonces:
) ( ) ( ) ( B P A P B A P + =

12.2. Teoremas de Probabilidad.
a) La probabilidad del complementote un evento es igual a unin menos la
probabilidad de dicho evento.
) ( 1 ) ' ( A P A P =

b) Si Ay B E2
5
(algebra de los elementos) y AB entonces:
) ( ) ( A P B P >

c) Si Ay B E2
5

entonces
) ( ) ( ) ( B A P A P B A P =

d) Si Ay B E2
5
entonces
) ( ) ( ) ( ) ( B A P B P A P B A P + =

( )
57 . 0
7
4
#
#
S
A
P
A
= =

Excelencia Acadmica
99
Ejemplos:
- Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
10 . 0 ) (
30 . 0 ) (
20 . 0 ) (
=
=
=
B A P
B P
A P

A B
0.10
0.10
0.20
S
Hallar:
a) ) ' ( A P
b) ) ' ' ( B A P
c) ) ' ' ( B A P
d) ) ' ( B A P
e) ) ' ( B A P
f) ) ' ( B A P

Solucin:
a)
80 . 0
20 . 0 1
) ( 1 ) ' (
=
=
= A P A P

) ' ' ( B A P
b )

D e l a l e y d e M o r g a n
) ' ( ' ' B A B A =
) ' ( ) ' ' ( B A P B A P =
P e r o d e :
6 0 . 0
4 0 . 0 1
) ( 1 ) ' (
=
=
= B A P B A P

Excelencia Acadmica
100
) ' ' ( B A P
9 0 . 0
6 0 . 0 7 0 . 0 8 0 . 0
) ' ' ( ) ' ( ) ' ( ) ' ' (
=
+ =
+ = B A P B P A P B A P
C )
d )
e )
e )
O t r a f o r ma d e o b t e n e r :
D e l a l e y d e M o r g a n
9 0 . 0
1 0 . 0 1
) ( 1
)' ( ) ' ' (
=
=
=
=
B A P
B A P B A P
) ' ( B A P
2 0 . 0
1 0 . 0 3 0 . 0
) ( ) ( ) (
) ' ( ) ' (
=
=
= =
=
t e o re m a B A P B P A B P
i g u a l e s s i g n i f i c a B A P B A P
) ' ( B A P
1 0 . 0
1 0 . 0 2 0 . 0
) ( ) ( ) ( ) ' (
=
=
= = B A P A P B A P B A P
) ' ( B A P
9 0 . 0
2 0 . 0 3 0 . 0 8 0 . 0
) ' ( ) ( ) ' ( ) ' (
=
+ =
+ = B A P B P A P B A P

N 3.6

Sean A y B cualesquiera, tal que:

4
1
3
2
4
3
) (
) ' (
) (
=
=
=
B A P
A P
B A P

Excelencia Acadmica
101
Hallar:
1. ) ( B P
2. ) ' ( B A P
3. ) ' ' ( B A P
4. ) ' ( B A P

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
S
A 2 e

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
i
h ,
entonces la frecuencia relativa (
A
f ) del evento A esta dado por:
h =
A
f
h
A
= P ( A)

Luego:
1 1 0 s s
A
h
2 La frecuencia relativa de todo el espacio muestral ser:
1 = = =
n
n
n
f
h
S
S
B A B A
h h h + =

Ejemplos:
- Al escoger al azar un trabajador de la tabla Cul es laprobalidad de que este
gane de S/. 205 a S/. 233 ?

Excelencia Acadmica
102
Tabla de Frecuencia de Salarios de Trabajadores

i Salario
i
f
i
h
1
[ 319 369 ] 4 0.06
2
[ 369 419 ] 6 0.08
3
[ 419 469 ] 9 0.13
4
[ 469 519 ] 13 0.18
5
[ 519 569 ] 15 0.21
6
[ 569 619 ] 13 0.18
7
[ 619 669 ] 12 0.17

TOTAL 72 1

% 39 39 . 0
21 . 0 18 . 0
) ( ) ( ) (
5 4
5 4 5 4
~ =
+ =
+ =
I + I = I I
h h
P P P

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 El numero de aos que estn trabajando en la empresa.

2 Su respuesta a la pregunta Desea usted ir a la huelga para obtener un
aumento de salario.

Excelencia Acadmica
103
N me r o d e A o s d e la E mp r e s a
Re s p u e s t a
M e n o s
d e 1
a o
1 a 3 4 a 1 0
M s d e
1 0
T o t al
S i 2 7 5 4 13 7 28 2 4 6
No 1 4 1 8 34 3 6 9
No s e 3 2 1 0 6
T o t al 4 4 7 4 17 2 31 3 2 1
A B C D

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) % 05 . 23 2305 . 0
321
74
) ( = = = B P
b) % 77 7663 . 0
321
246
) ( = = = M P
c) % 17 1682 . 0
321
54
) ( = = = B M P
d)
( ) | | ( ) ( ) | |
% 4 . 51 514 . 0
321
165
321
28
321
137
) ( ) (
= = =
+ =
+ =
=
D M P C M P
D M C M P D C M P

Excelencia Acadmica
104

N 3.7

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
6 + 3
5
8
=

Interpretacin: de 8 ocurrencias, 5 es a favor de A.

Excelencia Acadmica
105
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?.
5
1
4 1
1
) (
8
3
5 3
3
) (
=
+
=
=
+
=
B P
A P

Pero como son mutuamente excluyentes
% 5 . 57 575 . 0
40
23
5
1
8
3
) ( ) ( ) (
= = =
+ =
+ = B P A P B A P

N 3.8

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?
16. PROBABILIDADES DE ESPACIOS FINITOS
Otro mtodo para asignar probabilidades en espacios muestrales finitos.
{ }
n
W W W W S , , ,
3 2 1
=

donde =finito
Se asigna a cada una Wi probabilidad Pi, tal que la probabilidad de,
1
1
= |
.
|
\
|
=
n
i
i
W P

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.

Excelencia Acadmica
106
a) Cuales son las probabilidades de ganar de cada uno de los caballos.
b) Cual es la probabilidad de que B o C gane.
ESTADISTICA
S= {gana A, gana B, gana C, gana D}

Este espacio muestral lo reemplazamos por:

S= {
4 3 2 1
, , , W W W W }

a) 1 ) ( ) ( ) ( ) (
4 3 2 1
= + + + W P W P W P W P

Pero
x W P
x W P
x W P
x W P
8 ) (
4 ) (
2 ) (
) (
1
2
3
4
=
=
=
=
1 5
1
1 1 5
1 8 4 2
=
=
= + + +
x
x
x x x x

Todos tienen la misma capacidad de ganar, as tenemos:
( )
( )
( ) % 53 53 . 0 8 8 ) (
% 27 27 . 0 4 4 ) (
% 13 13 . 0 2 2 ) (
% 7 067 . 0
15
1
) (
15
2
15
1
1
15
2
15
1
2
15
2
15
1
3
4
= = = = =
= = = = =
= = = = =
= = =
x W P
x W P
x W P
W P

b)
% 40 4 . 0
15
6
15
2
15
4
) ( ) ( ) (
3 2 3 2
= = =
+ =
+ = W P W P W W P

Excelencia Acadmica
107

N 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:
( )
) (
) (
A P
B A P
A
B
P

=

6.1.- Axiomas

I) Para cualquier suceso E
( ) 0
) (
) (
>
=
A P
A E P
A
E
P

Por ser cociente de nmeros no negativos.

II) Sean B y C dos sucesos incompatibles (B C = ). Entonces:

Excelencia Acadmica
108
( )
( ) | |
( ) ( ) | |
( ) ( )
A
C
P
A
B
P
A P
A C A B P
A P
A C B P
A
C B
P
+ =

=

=
) (
) (

TADISTICA
III) ( )
( )
1
) (
) (
) (
= =
O
=
O
A P
A P
A P
A P
A
P

Por ser A A = O

6.2. Probabilidad de la Interseccin de dos sucesos.
Consecuencia: ( ) ( )
A
B
P A P B A P = ) (

Ejemplo:
En una encuesta que se hace a 112 personas sobre el color de los ojos se
obtiene la siguiente tabla de resultado.
Asunto Ojos Azules
(A)
Ojos Negros
(N)
Total
Varones (V) 20 30 50
Mujeres (M) 22 40 62
Total 42 70 112

Si la eleccin se hace sin condiciones, la probabilidad de elegir una persona
con los ojos azules es:
8
3
112
42
) ( = = A P

De elegir una persona con los ojos negros ser:
8
5
112
70
) ( = = N P

Sin embargo, si la eleccin la hacemos solo entre los varones, la
probabilidad de ojos azules y los ojos negros respectivamente son:

Excelencia Acadmica
109

5
2
50
20
) ( = = A P Y
5
3
50
30
) ( = = N P

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:
( )
( )
5
3
5
2
=
=
V
N
P
V
A
P

Considerando lo anterior se dan otras probabilidades condicionadas,
ejemplo:
( )
( )
7
3
70
30
31
11
62
22
= =
= =
N
V
P
M
A
P

Luego, podemos ver:
( )
( )
28
5
112
20
56
25
112
50
) (
5
2
= =
= =
=
V A P
V P
V
A
P

Entonces:
( )
( )
( )
( )
5
2
5
2
) 28 ( 25
) 56 ( 5
56
25
28
5
=
= = =
=
V
A
P
V P
V A P
V
A
P

- 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 o sea ambas cartas son

Excelencia Acadmica
110
reyes.
( )
221
1
51
3
52
4
) ( ) (
=
=
=
A
B
P A P B A P

La probabilidad es de
221
1

N 3.10

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
( ) ( ) B P
A
B
P =

es decir, el suceso A no influya en B por lo tanto: diremos que A y B son
independientes cuando ocurre que:
) ( ) ( ) ( B P A P B A P =

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:

Excelencia Acadmica
111
) ( ) ( ) ( B P A P B A P =
2
1
) ( = A P
2
1
) ( = B P

Los casos favorables de B A par en la primera e impar en la segunda
es:
( ) ( ) ( ) ( ) { } 3 , 4 , 1 , 4 , 3 , 2 , 1 , 2 = B A

ESTADISTICA
En total son 4 casos de un total de 16 4
2
2 , 4
= = VR

Casos posibles, por tanto
4
1
16
4
) ( = = B A P

Luego
) ( ) (
4
1
2
1
2
1
4
1
) ( B P A P B A P = = = =

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:
( )
|
.
|
\
|
=
|
.
|
\
|
=
i
n
i
i
i
i
A
B
P A P
Ai
B
P A P
B
A
P
1
) (
) (

Donde:
n i
A A A , , ,
2
Son sucesos tales que
, E A A A
n
=
2 1
siendo E el espacio muestral
Y donde C =
j i
A A si , y V es un suceso del que se conocen las
probabilidades condicionales
|
.
|
\
|
i
A
B
P , adems de conocerse las
probabilidades . ( )
i
A P

Excelencia Acadmica
112
Ejemplo:
El parte meteorolgico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieva: probabilidad de 30%
c) Si hay niebla: probabilidad de accidente 20%

Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un
accidente es la siguiente:
a) si llueve: probabilidad de accidente 10%
b) si nieva: probabilidad de accidente 20%
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
714 . 0
) 05 . 0 20 . 0 ( ) 10 . 0 30 . 0 ( ) 20 . 0 50 . 0 (
20 . 0 50 . 0
=
+ +

=
|
.
|
\
|
B
A
P
i

La probabilidad de que efectivamente estuviera lloviendo el da del
accidente (probabilidad posteriori) es del 71.4%

Excelencia Acadmica
113
b) Probabilidad de que estuviera nevando

214 . 0
) 05 . 0 20 . 0 ( ) 10 . 0 30 . 0 ( ) 20 . 0 50 . 0 (
10 . 0 30 . 0
=
+ +

=
|
.
|
\
|
B
A
P
i

La probabilidad de que estuviera nevando es 21.4%

c) Probabilidad de que hubiera niebla

071 . 0
) 05 . 0 20 . 0 ( ) 10 . 0 30 . 0 ( ) 20 . 0 50 . 0 (
05 . 0 20 . 0
=
+ +

=
|
.
|
\
|
B
A
P
i

ESTADISTICA
La probabilidad de que hubiera niebla es del 7.1%

N 3.11

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?

Excelencia Acadmica
114

AVILA A., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998.


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.


En el siguiente fascculo, estudiaremos las mas importantes Distribuciones de
Probabilidad, tanto de variables discreta como de variables continuas.
ESTADISTICA

Excelencia Acadmica
115

N 03

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?
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.

Excelencia Acadmica
116
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

8
5
) (
2
1
) (
=
=
B A P
A P

Hallar:
a) ) ' ' ( B A P
b) ) ' ( B A P 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

Excelencia Acadmica

117

Unidad Temtica IV

DISTRIBUCIN DE PROBALIDAD

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.

Excelencia Acadmica

118
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.

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.

= 1
) ( x
P 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.

1 0
) (
s s
x
P Para todos los valores de x

Ejemplo:
- Determina si
3
) (
x
P
x
= es una distribucin de probabilidad: donde x puede
ser 0, 1 o 2

Solucin:
Para la funcin vemos que:
3
2
3
1
3
0
) 2 (
) 1 (
) 0 (
=
=
=
P
P
P

Excelencia Acadmica

119
Si se trata de una distribucin de probabilidad debe cumplir con los requisitos:

a) 1
3
3
3
2
3
1
3
0
) (
= = + + =
x
P

b) Cada uno de los valores de esta entre 0 y 1

Respuesta
Cumple con los requisitos, por lo tanto es una distribucin de probabilidad.

B. CLASES DE DISTRIBUCIONES DE PROBABILIDAD

a) 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, 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.

Excelencia Acadmica

120
x n x
x
q p
x
n
P

|
|
.
|
\
|
=
) (
x n x
x
q p
x n x
n
P

=
)! ( !
!
) (

n = nmero de experimento o ensayo
q = probabilidad de acierto o xito
p = probabilidad de no acierto o fracaso
x = suceso que se busca

1 = + q p

Toda Distribucin Binomial tiene:

- Media o Esperanza Matemtica o Valor Esperado
np P x E x
x x
= = = =
) ( ) (

- Varianza
np P x E x
x x
= = = =
) ( ) (

- Desviacin estndar
npq V
x x
= =
) ( ) (
o

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
Excelencia Acadmica

121
a)
x n x
on x
q p
x n x
n
P

=
=
)! ( !
!
) var 1 (

25 . 0 ) 25 . 0 )( 5 . 0 ( 4
) 5 . 0 ( ) 5 . 0 (
1 2 3 1
1 2 3 4
) 5 . 0 ( ) 5 . 0 (
)! 1 4 ( ! 1
! 4
3 1
1 4 1
= =

=
=

La probabilidad de que haya un varn es del 25%

b)
3 4 3
) var 3 (
) 5 . 0 ( ) 5 . 0 (
)! 3 4 ( ! 3
! 4

=
=
ones x
P
25 . 0
) 5 . 0 )( 125 . 0 ( 4
) 5 . 0 ( ) 5 . 0 (
1 1 2 3
1 2 3 4
1 3
=
=

=

La probabilidad de que ninguno sea varn es del 25%.

c)
0 4 0
) var 0 (
) 5 . 0 ( ) 5 . 0 (
)! 0 4 ( ! 0
! 4

=
=
ones x
P
0625 . 0
) 0625 . 0 )( 1 ( 1
) 5 . 0 ( ) 5 . 0 (
1 2 3 4 1
1 2 3 4
4 1
=
=

=

La probabilidad de que ninguno sea varn es del 6.25%.

d)
=
2
0
) var 2 , 1 , 0 (
)! ( !
!
x
x n x
ones x
q p
x n x
n
P
6875 . 0
375 . 0 25 . 0 0625 . 0
) 25 . 0 )( 25 . 0 ( 6 ) 125 . 0 )( 5 . 0 ( 4 ) 0625 . 0 )( 1 ( 1
) 5 . 0 ( ) 5 . 0 (
1 2 1 2
1 2 3 4
) 5 . 0 ( ) 5 . 0 (
1 2 3 1
1 2 3 4
) 5 . 0 ( ) 5 . 0 (
1 2 3 4 1
1 2 3 4
) 5 . 0 ( ) 5 . 0 (
)! 2 4 ( ! 2
! 4
) 5 . 0 ( ) 5 . 0 (
)! 1 4 ( ! 1
! 4
) 5 . 0 ( ) 5 . 0 (
)! 0 4 ( ! 0
! 4
2 2 3 1 4 0
2 4 2 1 4 1 0 4 0
=
+ + =
+ + =

+

+

=
=

La probabilidad que a lo ms sean 2 varones es del 68.75%
Excelencia Acadmica

122

e)
3 4 3 2 4 2
) var 3 , 2 (
) 5 . 0 ( ) 5 . 0 (
)! 3 4 ( ! 3
! 4
) 5 . 0 ( ) 5 . 0 (
)! 2 4 ( ! 2
! 4

=
=
ones x
P
625 . 0
25 . 0 375 . 0
) 5 . 0 )( 125 . 0 ( 4 ) 25 . 0 )( 25 . 0 ( 6
) 5 . 0 ( ) 5 . 0 (
1 1 2 3
1 2 3 4
) 5 . 0 ( ) 5 . 0 (
1 2 1 2
1 2 3 4
1 3 2 2
=
+ =
+ =

+

=

La probabilidad que a lo mas seas 2 3 varones es del 62.5%

f) La media o valor esperado
2
) 5 . 0 ( 4
=
=
=
np

La desviacin estndar
1
1 ) 5 . 0 )( 5 . 0 ( 4
) (
) (
) (
=
= =
=
x
x
x
npq
o
o
o

N 4.1

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.

Excelencia Acadmica

123
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

La formula es:
np
x
e
P
x
x
=
=

!
) (

e=2.71828
X= es el suceso que se busca.

La distribucin de Poisson tiene los siguientes parmetros:

- Media o Esperanza Matemtica
= =
) ( x
E

- Varianza
o = =
) (
2
) ( x x
V

- Desviacin estndar
o =
) ( x

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
Excelencia Acadmica

124
Solucin:
n= 60 lmparas
p= 0.03 = 3%
q= 0.97 = 97%
p+q=1

a)
= np = 60 x 0,03 = 1,8

!
) 0 (
x
e
P
x
defectuosa x

=
=
1653 . 0
1
) 1653 . 0 ( 1
! 0
8 . 1
8 . 1 0
=
= =

e

La probabilidad de que ninguna lmpara sea defectuosa es del 16.53%

b)
1 2
) 1653 . 0 ( 24 . 3
! 0
8 . 1
8 . 1 2
) 2 (
= =

=
e
P
s defectuosa x

2678 . 0
2
5356 . 0
=
=

La probabilidad de que 2 lmparas sean defectuosas es del 26.78%

c)
<
=
2
0
) 3 (
!
x
x
s defectuosa x
x
e
P

73064 . 0
2678 . 0 29754 . 0 1653 . 0
1 2
) 1653 . 0 ( 24 . 3
1
) 1653 . 0 ( 8 . 1
1
) 1653 . 0 ( 1
! 2
8 . 1
! 1
8 . 1
! 0
8 . 1
!
8 . 1
8 . 1 2 8 . 1 1 8 . 1 0
2
0
8 . 1
=
+ + =

+ + =
+ + =
=

=
e e e
x
e
x
x

La probabilidad de que menos de 3 lmparas sean defectuosas es del
73.064%.

Excelencia Acadmica

125

N 4.2

A. Si tenemos = 4.2 en una distribucin de Poisson encuentre:
a) ) 2 ( s X P
b) ) 5 ( > X P
c) ) 8 ( = X P

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).

La distribucin Geomtrica tiene los siguientes parmetros:

- Media o Valor esperado
1
) (

=
x
x
pq P

- Varianza
p
E
x
1
) (
= =

- Desviacin Estndar
2
) (
2
) (
p
q
V
x x
= = o

Ejemplo:
p
q
x
=
) (
o

Excelencia Acadmica

126
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
000256 . 0
) 2 . 0 )( 8 . 0 (
) 2 . 0 )( 8 . 0 (
5
1 6
1
) 6 (
=
=
=
=
=
x
x
pq P

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
) ( x
E y desviacin estndar o
) 2 ( , ) 2 ( > s x P x P

a) Solucin:
3
2
3
1
=
=
q
p

0087 . 0
3
2
3
2
3
1
10
9
1 10
) 10 (
= =
|
.
|
\
|
|
.
|
\
|
=

= x
P

La probabilidad de que el dcimo nio sea el primero que responda
presente es de 0.87%

Excelencia Acadmica

127
b) 556 . 0
9
5
3
2
3
1
3
1
3
2
3
1
3
2
3
1
1 2 1 1
) 2 ( ) 1 ( ) 2 (
= =
|
.
|
\
|
|
.
|
\
|
+ =
|
.
|
\
|
+
|
.
|
\
|
= + =

= = s x x x
P P P

La probabilidad de que sea x 2 es del 55.6%
667 . 0
3
2
3
2
3
1
1 1 1
1 1
) 1 ( ) 2 ( ) 2 (
= =
|
.
|
\
|
= = =

= < > x x x
P P P

La probabilidad de que sea x 2 es del 66.7%

c)
p
E
x
1
) (
= =

3
3
1
1
) (
= =
x
E

La media es de 3 nios
2
2
p
q
= o
( )
6
3
1
3
2
2
2
= = o
45 . 2 6 = = o

La desviacin Estndar es de 2 nios.

N 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, la probabilidad que el objeto sea defectuoso es.
Determinar la distribucin de probabilidad.

Excelencia Acadmica

128
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.

|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= =
n
N
x n
M N
x
M
M n N x h P
x
) , , , (
) (
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
|
.
|
\
|
=
N
M
n E
x ) (

- Varianza
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
=
1
1
) (
N
n N
N
M
N
M
n V
x

- Desviacin Estndar
) ( x
V = o

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
Excelencia Acadmica

129

a)
4 , 3 , 2 , 1 , 0
)! 4 11 ( ! 4
! 11
)]! 4 ( 5 [ )! 4 (
! 5
)! 6 ( !
! 6
4
11
4
5 6
) 6 , 4 , 11 ; (
1
) (
=
|
|
.
|
\
|

|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= =
x
x x x x
x x
x h P
x

b)
)! 4 11 ( ! 4
! 11
)! 1 5 ( ! 1
! 5
)! 3 6 ( ! 3
! 6
4
11
1
5
3
6
) 3 (
|
|
.
|
\
|
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
= x
P
( ) ( )
( )
303 . 0
330
100
330
) 5 )( 20 (
1 2 3 4 5 6 7 1 2 3 4
1 2 3 4 5 6 7 8 9 10 11
1 2 3 4 1
1 2 3 4 5
1 2 3 1 2 3
1 2 3 4 5 6
= = =

|
|
.
|
\
|

|
|
.
|
\
|

=

La probabilidad de extraer 3 bolas rojas es de 30.3%

c) 18 . 2
11
24
11
6
4 = =
|
.
|
\
|
=

El nmero esperado de bolas rojas extradas es 2

N 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.

Excelencia Acadmica

130
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:
k
x
k
x x
k
k
P P P
x x x
n
x x x x P ...
! !... !
!
) ... , (
2 1
2 1
2 1
3 2 , 1
=
Donde:
=
=
k
i
i
n x
1

La distribucin multinomial tiene los siguientes parmetros:

- Media o Esperanza matemtica o valor esperado
npi x E
i
= ) (

- Varianza
k i p npi V
i x
i
,... 2 , 1 , ) 1 (
) (
= =

- Desviacin Estndar
) (
i i
x x
V = o

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
=
1
E Una declaracin de impuestos llevada correctamente
=
1
E Una declaracin de impuestos en error que favorezca al declarante

=
1
E Una declaracin de impuestos en error que favorezca al fisco
=
1
E Una declaracin de impuesto que contengan ambos tipos de error
Excelencia Acadmica

131

2 10 . 0 10 . 0 20 . 0 60 . 0
4 3 2 1
= = = = P P P P

) 4 , 3 , 2 , 1 ( = = i P
i

1 1 3 5
4 3 2 1
= = = = X X X X

k
x
k
x x
k
k
P P P
x x x
n
x x x x P ...
! !... !
!
) ... , (
2 1
2 1
2 1
3 2 , 1
=

032 . 0 ) 1 . 0 )( 1 . 0 ( ) 2 . 0 ( ) 60 . 0 (
! 1 ! 1 ! 3 ! 5
! 10
3 5
) 1 , 1 , 3 , 5 (
= = P

La probabilidad de que ocurran todos los eventos es de 3.2%

N 4.5

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.

Excelencia Acadmica

132
0
10
20
30
40
50
60
70
80
90
0 2 4 6 8 10 12 14 16 18 20 Curva Normal
Estandar
Curva Normal
0
x escala
Z escala
3 2 1 -1 -2 -3
68.26%
95.54
99.74

La Distribucin Normal Estndar es una distribucin con una media de 0 (M=O) y
una desviacin estndar de 1 ( 1 = o ).

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 (variable
estandarizada); a travs de

Luego se localiza al valor de Z en la tabla de rea para la distribucin normal
estndar.
o

=
x
Z

Ejemplo:
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

?
16 , 13 , 20 , 17 , 12
6 . 1
14
=
=
=
=
i
i
Z
x
o

Excelencia Acadmica

133
o

=
x
Z
25 . 1
6 . 1
2
6 . 1
14 12
1
=
= Z
875 . 1
6 . 1
3
6 . 1
14 17
2
= =
= Z
75 . 3
6 . 1
6
6 . 1
14 20
3
= =
= Z
625 . 0
6 . 1
1
6 . 1
14 13
4
=
= Z
25 . 1
6 . 1
2
6 . 1
14 16
5
= =
= Z

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.

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%
Excelencia Acadmica

134
Ejemplo de la distribucin Normal Z
Si la talla de 300 estudiantes se distribuye normalmente y 68 = pulgadas 3 = o 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
68 = pulgadas
3 = o pulgadas
300 = n estudiantes

a) ) 72 64 ( s s x P = ) (
2 1
Z Z Z P s s

Excelencia Acadmica

135

b)
( )
1
Z Z P > ) 72 ( > x P

3 Hallamos la variable estadarizada
33 . 1
3
68 72
2
1
=
=
o
x
Z

4 Hallamos el rea a travs de la tabla de la normal
1.33 = 0.4082
0918 . 0 4082 . 0 5000 . 0 ) 33 . 1 ( = = > Z P

La probabilidad de que las tallas sean mayores a 72 pulgadas es del 9.18%
3 Hallamos las variables estandarizadas
33 . 1
3
68 64
1
1
=
=
o
x
Z
33 . 1
3
68 72
2
2
=
=
o
x
Z

4 Hallamos las reas a travs de la tabla de la normal
-1.33 = 0.4082
1.33 = 0.4082

8164 . 0 4082 . 0 4082 . 0 ) 33 . 1 33 . 1 ( = + = s s Z P

La probabilidad es del 81.64%

Excelencia Acadmica

136

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) ) 64 ( s x P Reducir Tamao

3 Hallamos la variable estadarizada
33 . 1
3
68 64
2
1
=
=
o
x
Z

4 Hallamos el rea a travs de la tabla de la normal
1.33 = 0.4082
0918 . 0 4082 . 0 5000 . 0 ) 33 . 1 ( = = s Z P
La probabilidad de que las tallas sean menores o igual a 64 pulgadas es del
9.18%
d) ) (
) ( x
P n K =
) (
300
x
P K =
0918 . 0 4082 . 0 5000 . 0 ) 33 . 1 ( ) ( ) 72 (
1 ) (
= = > = > = > = Z P Z Z P x P P
x
28 54 . 27 0918 . 0 300 ~ = = K

El numero de estudiantes que tienen talla mayor a 72 pulgadas son 28.

Excelencia Acadmica

137

N 4.6

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
0
20
40
60
80
100
120
140
0 5 10 15 20
Normal
n=15
n=2
n
S
x
t

=

Grado de Libertad
Numero de valores de una muestra que podemos especificar libremente, una
vez que sepamos algo de ella.
1 = n gl
Excelencia Acadmica

138
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





LEVIN, Richard. Estadstica para Administradores, Editorial, Prentice Hall. 2 edicin.
Mexico 1988.


1972.

Excelencia Acadmica

139

Edicin, Mxico 2000.


1972.


Edicin, Mxico 2000.


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.

N 04

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.
Excelencia Acadmica

140

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 la dist. t al 10%
Excelencia Acadmica

141

Unidad Temtica V

ESTADSTICA INFERENCIAL: MUESTREO, DISTRIBUCIN
DE MUESTREO, PRUEBA DE HIPTESIS, PRUEBA DE
CHICUADRADO Y ANLISIS 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.

Excelencia Acadmica

142
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

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
Excelencia Acadmica

143
e) Preparacin del material para el anlisis
f) Procesamiento de la informacin obtenida
g) Preparacin del informe

5. DIFERENCIAS ENTRE POBLACIN Y MUESTRA
Asunto Poblacin Muestra
Definicin: Grupo de elementos que
van a ser considerados
Parte o proporcin de la
poblacin seleccionada
para el estudio
Caracterstica: Parmetros Estadsticos
Smbolos: Tamao Poblacin = N
Media =
Desviacin Standard de
la poblacin = o

Tamao Muestra = n
Media = x
Desviacin Estndar de
la muestra = S

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

Excelencia Acadmica

144
e) Al azar en etapas sucesivas
- Bietpico
- Trietpico

f) Al azar por experimentacin

B. Muestreo no aleatorio o de juicio o no probabilstico
a) Basado en criterio de expertos
b) Basado en juzgamiento de unidades tipo
c) Basado en cuotas
d) Basado en el acaso

N 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.

A. Obtencin del tamao de una muestra para estimar proporciones
2 2
2
NE PQ Z
NPQ Z
n
+
=

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%
Excelencia Acadmica

145
?
5 . 0
5 . 0
05 . 0
880
=
=
=
=
=
n
Q
P
E
N

Nivel de confianza del 95% Z = 1.96.

( ) ( )( )( )
( ) ( )( ) ( )
alumnos n
n
n
267
16 . 3
15 . 845
05 . 0 880 5 . 0 5 . 0 96 . 1
5 . 0 5 . 0 880 96 . 1
2 2
2
=
=
+
=

B. Tamao de una muestra considerando un tamao provisional
N
n
n
n
'
1
'
+
=

Tamao provisional de la Muestra ()
V
S
n
2
' =

Donde:
n = Tamao de la muestra
N = Tamao de la poblacin
o = error estndar
V = Varianza de la poblacin =
2
o
V = Varianza de la muestra = ) ( ) 1 ( Q P P P =

Ejemplo
Conociendo los siguientes datos determinar el tamao de la muestra

= N 1234 empresas
o = 0.015
= P 0.9

Excelencia Acadmica

146
( ) ( ) 09 . 0 9 . 0 1 9 . 0 1
2
= = = P P S
( ) 000225 . 0 015 . 0
2 2
= = = o V
400
000225 . 0
09 . 0
' = = n
302
1
400
1234
400
=
+
= n Empresas

El nivel de confianza ( | ) ms el nivel de significacin (o ) siempre es igual al
100% o 1.
o | | o = = 1 1

Ejemplo:
Si = o 0.05 5%, = | 0.95 95%

N 5.2

Hallar el tamao de una muestra, por los dos mtodos de un distrito de la
provincia donde reside.

8. TERMINOLOGIA CONVENCIONAL CON QUE SE DESIGNA LAS
ESTADISTICAS.

C u a n d o q u e r e m o s r e f e r i r n o s a : U s a m o s e l t r m i n o c o n v e n c i o n a l :
-
-
-
-

Excelencia Acadmica

147
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 x y ) 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 (
x
s ), difiere una de otra

x
Media

x
o Desviacin Estndar o error estndar
=
x

n
x
o
o = Error estndar de la media para poblacin infinita

1
=
N
n N
n
x
o
o Error estndar de la media para poblacin finita o sea
cuando N n 05 . 0 >

Poblacin Finita: Es la poblacin que posee un tamao formulado o limitado
Poblacin Infinita: oblacin que tericamente es imposible observar todos sus
elementos.
Excelencia Acadmica

148
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.
unidades
x
13 = =
8 . 1
25
9
= = =
n
x
o
o

b) Si la muestra n , es 49 en vez de 25
N n 05 . 0 >
37 49
) 740 ( 05 . 0 49
>
>

Entonces se aplica:
24 . 1
739
691
7
9
1 740
49 740
49
9
1
= =
=
N
n N
n
x
o
o

B. ERROR ESTNDAR DE LA PROPORCIN

n
P
P
= = (Proporcin de sucesos en la poblacin)

n
P P
P
) 1 (
= o (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:
4 . 0
100
40
= = = =
n
P
P

Excelencia Acadmica

149
El Error Estndar es:
( )
049 . 0
100
6 . 0 4 . 0 ) 1 (
= =
=
n
P P
P
o

11. TEOREMA DE LMITE CENTRAL
Cuando n 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
x
x
x
Z
o

= 0
20
40
0
2 0
4 0
6 0
8 0
1 0 0
1 2 0
1 4 0
0 5 1 0 1 5 2 0
D i s t r. M u e s t r a l d e l a m e d i a , n = 2
D i s t . M u e s t r a l d e l a m e d i a , n = 5
P o b l a c i n o r i g i n a l

60
Cuanto mayor es n , mas pequea es la amplitud o error estndar de la media.
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.
Excelencia Acadmica

150
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?.

0
2 0
4 0
6 0
8 0
1 0 0
0 5 1 0 1 5
0
2 0
4 0
6 0
8 0
1 0 0
0 5 1 0 1 5 2 0
1 5 0 0 0 1 5 7 5 0
20
1. Calcular el error Estndar
16 . 365 . /
477 . 5
2000
30
2000
S
n
x
= = = =
o
o

2. Distribucin Normal Estndar para =15780
x
x
Z
o

=
16 . 365
750
16 . 365
15000 15750
=
= Z
05 . 2 = Z
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.

N 5.3

* Con los datos del ejemplo anterior, determinar la probabilidad si fueran 70
cajeros de una poblacin de 800 cajeros.
Excelencia Acadmica

151
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 ( ) por que =
x
, donde
x
es el valor esperado x . La
desviacin estndar de la muestra S es una estimacin insesgada de o , y la
proporcin de la muestra P es una estimacin insesgada de P (la proporcin
de la poblacin con una caracterstica dada).

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 30
90% = 1.64
95% = 1.96
99% = 2.58

O para el Nivel de significacin:
10% = 1.64
5% = 1.96
1% = 2.58

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.
Excelencia Acadmica

152
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:

30 96 . 1 > = n puesta x
x
o
N n puesta
N
n N
n
x 5 . 0
1
96 . 1 >
=
o

o de estimacion como S usando
1 1000
144 1000
144
60
96 . 1 100
=

) 93 . 0 )( 5 ( 96 . 1 100 =
11 . 9 100 =

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,

P
Z P P o =
n
P P
Z P P
) 1 (
= suponiendo N n 05 . 0 <
100
) 6 . 0 ( 4 . 0
58 . 2 4 . 0 = usando P como estimacin de P
13 . 0 4 . 0
) 05 . 0 ( 58 . 2 4 . 0
~
~

Respuesta
La proporcin de graduados P esta entre 0.27 y 0.53 con un nivel de 99% de
confianza.

Excelencia Acadmica

153
13. INTERVALO DE CONFIANZA PARA LA MEDIA USANDO LA
DISTRIBUCION T
Cuando la poblacin tiene distribucin normal pero no se conoce o y n<30 se
emplear la distribucin t

Donde
Grado de libertad: 1 = n gl
Error Estndar:
n
s
n
x
= =
o
o
Intervalo de Confianza:
n
s
t x =

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.

?
?
1
9 1 10
5
10
% 95
=
=
=
= =
=
=
=
|
t
s
gl
x
n

0
10
20
30
40
50
60
70
80
90
0 5 10 15 20
95%
0.025
0.025
- 2.262 + 2.262
t t

Excelencia Acadmica

154
262 . 2 = t
=
=
=
71 . 5
29 . 4
71 . 0 5
) 316 . 0 ( 262 . 2 5
10
1
262 . 2 5

Respuesta:
El intervalo de confianza est entre 4.29 y 5.71 horas, con un grado del 95% de
confianza.

N 5.4

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.

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
Excelencia Acadmica

155
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 es igual a algn valor hipottico
0
, esto se representa
por:
0 0
: = H
0
H se denomina hiptesis nula.
0 1
: = H
1
H se denomina hiptesis alternativa.
0 1
0 1
:
:

<
>
H
H
(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
0
H ; de lo contrario, se
rechaza
0
H a favor de
1
H .

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
1000 :
1000 :
1
0
=
=
H
H

2 Paso
Como n>30 la distribucin muestral de la media es aproximadamente
normal.
Excelencia Acadmica

156
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.

0
10
20
30
40
50
60
70
80
90
0 5 10 15 20
0.025
0.025
0.95
-1.96 1.96
Regin Rechazo Regin Rechazo Regin Aceptacin
0

3 Paso
5 . 2
8
20
100
80
1000 980
0 0 0
=
=
n
S
x
n
x x
Z
x
o

o

Como la Z calculada cae en la regin de rechazo la compaa debe rechazar
0
H que 1000 = y acepta 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 n=
25 y halla que 520 = x gr y 75 = S gr.
La firma quiere probar si 500 > gr

1 Paso
500 :
500 :
1
0
>
=
H
H

Excelencia Acadmica

157
2 Paso
Como la distribucin de poblacin es normal, pero n < 30 y o 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
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20
0.05
0.95
1.711
Regin Rechazo Regin Aceptacin
0
t

3 Paso
33 . 1
15
20
25
75
500 520
= =
=
n
S
x
t

33 . 1 = t cae en la regin de aceptacin, aceptan la
0
H que 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

- Para la clase de 1999. la proporcin de xito 42 . 0
36
15
= = p y el error
estndar

08 . 0
36
) 4 . 0 )( 6 . 0 ( ) 1 (
= =
=
n
p p
P
p

Excelencia Acadmica

158
Tenemos:
1 Paso:
60 . 0 :
60 . 0 :
1
0
<
=
p H
p H

2 Paso
Esta es una prueba de cola izquierda
0
10
20
30
40
50
60
70
80
90
0 5 10 15 20
0.05
0.95
-1.645 0

3 Paso
25 . 2
08 . 0
60 . 0 42 . 0
=
=
p
p p
Z
o

-2.25 cae en la regin de rechazo. Rechazamos la H
o

Al nivel de significacin del 5% la clase de 1999 se desempea peor que
las clases anteriores.

N 5.5

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%.

Excelencia Acadmica

159
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:

2
2
2
1
2
1
2 1
n n
x x
o o
o + =
para probar si
2 1
=

( ) ( )
2 1
1 1
2 1
n
P P
n
P P
P P
o para probar si
2 1
P P =

Promedio ponderado de
1
P y
2
P :
2 1
2 2 1 1
n n
P n P n
P
+
+
=

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,
6
$
1
= x , 40 . 5
$
2
= x , 2
$
1
= S y 80 . 1
$
2
= S
y para
40
1
= n y 54
2
= n
y respectivamente.

Las hiptesis que deben probar son:
0 : :
0 : :
2 1 0 2 1 1
2 1 0 2 1 0
= =
= =

H o H
H o H

Esta es una prueba de dos colas y la regin de aceptacin para se sita entre
1.96 bajo la curva normal estando:
Excelencia Acadmica

160
4 . 0 16 . 0 06 . 0 1 . 0
54
80 . 1
40
00 . 2
2 2
2
2
2
1
2
1
2
2
2
1
2
1
2 1
= = + = + =
+ ~ + =
n
S
n
S
n n
x x
o o
o

( ) ( ) ( )
5 . 1
4 . 0
6 . 0
0
2 1 2 1
2 1 2 1 2 1
= =

=

=
x x x x
x x x x
Z
o o

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
9 . 0
1
= p y 7 . 0
2
= p para 100
1
= n y 80
2
= n

Las hiptesis serian:
2 1 1
2 1 0
:
p p H
p p H
> =
=

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.
8 . 0
180
146
180
) 7 . 0 )( 80 ( ) 9 . 0 ( 100
2 1
2 2 1 1
= =
+
=
+
+
=
n n
p n p n
p

( ) ( )
06 . 0 0036 . 0 002 . 0 0016 . 0
80
) 2 . 0 )( 8 . 0 (
100
) 2 . 0 ( 8 . 0 1 1
2 1
2 1
= = + =
+ =
n
p p
n
p p
p p
o

( ) ( ) ( )
33 . 3
06 . 0
2 . 0
06 . 0
0 7 . 0 9 . 0
2 1
2 1 2 1
= =

=

=
p p
p p p p
Z
o

Excelencia Acadmica

161
Rechazamos
0
H y aceptamos la hiptesis de que
2 1
p p > al nivel de
significacin del 1%.

N 5.6

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
2
X
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
2
X CALCULADO DE LOS DATOS MUESTRALES

=
e
e
f
f f
X
2
0 2
) (

=
0
f frecuencias observadas
=
e
f frecuencias esperadas

Excelencia Acadmica

162

a) Si
2
X calculado es mayor
2
X tabulado, al nivel de significacin
especificado y los grados de libertad. La hiptesis nula
0
H se rechaza a
favor de la hiptesis alternativa
1
H
b) 0
2
0
= = X f f
e

B. GRADOS DE LIBERTAD DEL
2
X
a) Para pruebas de bondad de ajuste

1 = m c gl

c = numero de categoras
m = numero de parmetros de poblacin estimados a partir de
estadsticos muestrales.

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
n
c r
f
e

=

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.
Excelencia Acadmica

163
Ejemplo 1:
En el pasado, 30% de los refrigeradores vendidos por una tienda eran de
10 pies
3
, 40% eran de 12 pies
3
y 30% de 15 pies
3
, 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 pies
3
, 40 de 12 pies
3
y 40 de 15 pies
3
. 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.

Capacidad Total
10 pies
3
12 pies
3
15 pies
3

Patrn Observado
0
f 20 40 40 100
Patrn esperado
e
f 30 40 30 100

67 . 6
30
100
0
30
100
30
10
40
0
30
10
30
) 30 40 (
40
) 40 40 (
30
) 30 20 ( ) (
2 2 2
2 2 2 2
0 2
= + + = + +
=

e
e
f
f f
X

gl = c m 1 = 3 0 1 = 2

No se estimo parmetro alguno de poblacin m=0
= 0.005
gl = 2
Valor calculado de
2
X = 6.67
Valor tabulado de
2
X = 5.99

Respuesta
Como el valor calculado de
2
X = 6.67 es mayor que el valor tabulado de
2
X = 5.99, se rechaza
0
H

Excelencia Acadmica

164
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
Edad
Tipos de motocicleta Total
Importada Nacional
Menos de 30 aos 30 40 70
De 30 en adelante 20 80 100
Total 50 120 170

1 Elabora tabla de frecuencia esperados para la frecuencia observada
n
c r
f
e

=
21
170
) 50 )( 70 (
1
~ =
e
f
49
170
) 120 )( 70 (
2
~ =
e
f
29
170
) 50 )( 100 (
3
~ =
e
f
71
170
) 120 )( 100 (
4
= =
e
f

Tabla de frecuencia esperada para las frecuencias observadas

Edad
Tipos de motocicletas Total
Importado Nacional
Menos 30 21 49 70
Mayor 30 29 71 100
Total 50 120 170

Excelencia Acadmica

165
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
44 . 9
71
) 71 80 (
29
) 29 20 (
49
) 49 40 (
21
) 21 30 (
) (
2 2 2 2
2
0 2
=
=

e
e
f
f f
X

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)

N 5.7

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
Tipo de enfermedad Total
A B C D
o
f 3 5 6 3 17
e
f 6 6 3 2 17

Excelencia Acadmica

166
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.

Grupo de Edad Hombre Mujeres Total
Menores de 30 aos 10 10 20
Entre 30 -60 50 30 80
Mayores de 60 aos 30 20 50
90 60 150

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
MSE
MSA
muestras las de dentro Varianza
muestrales medidas las entre Varianza
F = =

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.

Excelencia Acadmica

167
18. ANLISIS DE VARIANZA PARA UNA CLASE O FACTOR

TABLA DE ANALISIS DE VARIANZA DE UNA CLASE O FACTOR

= j x media de la muestra j compuesta por r observacin
r
x
x
ij i
j

=

=
=
x media poblacional de todas las muestras c
rc
X
x
j i j
i

=
=

SSA= suma de cuadrados explicados por el factor A
|
.
|
\
|
=
=
2
x x r SSA j

SSE= suma de cuadrados de errores no explicados por el factor A
2
) (
j
ij
x X SSE

=

SST= Suma total de cuadrados
2
) (
=
=

x X SST
ij
= SSA + SSE

Fuente de
Variacin
Suma de cuadrados
Grados de
Libertad
Cuadrado
Media
Relacin
F
Entre las medias
(Explicado por el
factor A)
|
.
|
\
|
=
=
2
x x r SSA j 1 c
1
=
c
SSA
MSA
MSE
MSA

Dentro de las
muestras (Error
o inexplicado)
( )
=
2
j
ij
x x SSE ( ) c r 1
( ) c r
SSE
MSE
1
=
-
Total SSE SSA x x SST
ij
+ =
|
.
|
\
|
=
=
2
1 rc - -

Excelencia Acadmica

168
USO DE LA TABLA

En la tabla
05 . 0 = (el nmero superior)
01 . 0 = (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

Envoltura 1 Envoltura 2 Envoltura 3
87
83
79
81
80
78
81
79
82
80
90
91
84
82
88
410 400 435

Excelencia Acadmica

169
1 Planteamos la hiptesis
3 2 1 0
: = = H
3 2 1 1
: = = H

2 Hallamos las medias, donde:
82
5
401
1 = = x
80
5
400
2 = = x
87
5
435
3 = = x
83
) 3 ( 5
435 400 410
=
+ +
=
=
x

3 Determinamos la suma de cuadrados
130 ] ) 83 87 ( ) 83 80 ( ) 83 82 [( 5
2 2 2
= + + = SSA
110 ) 87 88 ( ) 87 82 ( ) 87 84 (
) 87 91 ( ) 87 90 ( ) 80 80 ( ) 80 82 ( ) 80 79 ( ) 80 81 (
) 80 78 ( ) 82 80 ( ) 82 81 ( ) 82 79 ( ) 82 83 ( ) 82 87 (
2 2 2
2 2 2 2 2 2
2 2 2 2 2
= + + +
+ + + + + + +
+ + + + + + = SSE

240 110 130
240 ) 83 88 ( ... ) 83 83 ( ) 83 87 (
2 2 2
= + = + =
= + + + =
SSE SSA SST
SST

Tabla de anlisis de Varianza para envoltura de Jabn
Excelencia Acadmica

170
F u e n t e d e
V a r i a c i n
S u m a d e
c u a d r a d o s
G r a d o s d e
L ib e r t a d
C u a d r a d o
M e d i a
R e l a c i n F
E x pl i c a d o p o r
l a s e nv ol t u r a s
( e n t r e
c o l um n a s)
1 3 0 = S S A 2 1 = c 65
2
1 3 0
= = M S A 0 9 . 7
1 7 . 9
6 5
= =
M S E
M S A
E r r o r o
i n ex p li c a d o
( d e n t r o d e l a
c o l um n a )
1 1 0 = S S E ( ) 1 2 1 = c r 1 7 . 9
1 2
1 1 0
= = M S E -
T o t a l 2 4 0 = S S T 1 4 1 = rc - -

F calculado = 7.09
F calculado = 3.88

g l d e l n u me r a d o r = 2
g l d e l d e n o mi n a d o r = 1 2
0 5 . 0 =
Respuesta:
Co mo l a rel aci n F cal culada es mayor que el valor tabul ado de F a ni vel de
si gni fi caci n del 5%, se rechaza l a hi ptesi s nul a
0
H a favor de l a hi ptesi s
al ternati va
1
H

19. ANLISIS DE VARIANZA PARA DOS CLASES O FACTORES

TABLA DE ANALISIS DE VARIANZA DE 2 CLASES O 2 FACTORES
F u e n t e d e
V a r i a c i n
S u m a d e c u ad r a d o s
G r a d o s d e
L ib e r t a d
C u a d r a d o
M e d i a
R e l a c i n
F
E n t r e l a s m e di a s
( Ex p li c a d o p o r el
f a ct o r A)
|
.
|
\
|
=
=
2
. x x r S S A
j
V a r i a ci n e n t r e c ol um n a
1 c
1
=
c
S S A
M S A
M S E
M S A
E n t r e l a s m e di a s
( Ex p li c a d o p o r el
f a ct o r B)
2
.
|
.
|
\
|
=
=
x x c S S B i
V a r i a ci n e n t r e f il a
1 r
1
=
r
S S B
M S B
M S E
M S B
E r r o r o
i n ex p li c a d o
S S B S S A S S T S S E = ( )( ) 1 1 c r
( )( ) 1 1
=
c r
S S E
M S E
-
T o t a l
|
.
|
\
|
=
=
2
x x S S T
i j
1 rc - -

Excelencia Acadmica

171

La media condicional vertical esta dado por
r
x
x
i
ij
j
= .
La media condicional horizontal esta dado por
c
x
x
j
ij
i
= .
La media poblacional esta dado por
c
x
r
x
x
j
i
. .

= =
=

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

Factores Fertilizante 1 Fertilizante 2 Fertilizante 3 Fertilizante 4
Pesticida 1 21 12 9 6
Pesticida 2 13 10 8 5
Pesticida 3 8 8 7 1

Excelencia Acadmica

172
1 Paso: Planteamos las hiptesis

Factor A

4 3 2 1 0
: = = = H
4 3 2 1 1
, , , : H no son iguales

Factor B

3 2 1 0
: = = H
3 2 1 1
, , : H no son iguales

2 Paso: Hallamos la media condicional Vertical
r
x
ij
j
= .
14
3
8 13 21
.
1
=
+ +
= x
10
3
8 10 12
.
2
=
+ +
= x
8
3
7 8 9
.
3
=
+ +
= x
4
3
1 5 6
.
4
=
+ +
= x

3 Paso: Hallamos la media condicional horizontal
c
X
x
ij
i

=
12
4
6 9 12 21
1 =
+ + +
= x
9
4
5 8 10 13
2 =
+ + +
= x
6
4
1 7 8 8
3 =
+ + +
= x

Excelencia Acadmica

173
4 Paso: Hallamos la Media Poblacional

c
x
r
x
x
j
i
. .

= =
=

9
4
4 8 10 14
=
+ + +
=
=
x 9
3
6 9 12
=
+ +
=
=
x

5 Paso: Hallamos la Suma de cuadrados

2
) (
=
=

x X SST
ij

161
1 ) 9 8 (
16 ) 9 13 (
144 ) 9 21 (
2
2
2
=
=
=

11
1 ) 9 8 (
1 ) 9 10 (
9 ) 9 12 (
2
2
2
=
=
=

5
4 ) 9 7 (
1 ) 9 8 (
0 ) 9 9 (
2
2
2
=
=
=

89
64 ) 9 1 (
16 ) 9 5 (
9 ) 9 6 (
2
2
2
=
=
=

SST = 161 + 11 + 5 + 89 = 266

6 Paso: Hallamos los grados de libertad

gl de SSA = c - 1 = 4 - 1= 3
gl de SSB = r - 1 = 3 - 1 = 2
gl de SSE = (r-1) (c-1) = 6
gl de SST = rc - 1 = 11

7 Paso: Hallamos los cuadrados medios

52
3
156
1
= =
=
c
SSA
MSA
36
2
72
1
= =
=
r
SSB
MSB
3 . 6
6
38
) 1 )( 1 (
= =

=
c r
SSE
MSE

Excelencia Acadmica

174
8 Paso: Hallamos la relacin F calculada

71 . 5
3 . 6
36
25 . 8
3 . 6
52
= = =
= = =
MSE
MSB
F
MSE
MSA
F
B
A

9 Paso: Determinamos la relacin F tabulada

Factor A:
Grados de libertad del numerador = 3

01 . 0 =
Grados de libertad del denominador = 6
78 . 9 =
A
F

92 . 10 =
B
F

Respuesta:
Para el factor A, como el F calculado es menor que el F tabulado, se acepta
la hiptesis nula
0
H
Para el factor B, como el F calculado es menor que el F tabulado, se acepta
la hiptesis nula
0
H

Factor B:
Grados de libertad del numerador = 2

01 . 0 =
92 . 10 =
B
F

Excelencia Acadmica

175

Respuesta:
Para el factor A, como el F calculado es menor que el F tabulado, se acepta
la hiptesis nula
0
H
Para el factor B, como el F calculado es menor que el F tabulado, se acepta
la hiptesis nula
0
H

N 5.8

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

Grupo de edad Hombres Mujeres Total
Menores de 30
Entre 10 60
Mayores de 60
10
50
30
10
30
20
20
80
50
90 60 150

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%.

Excelencia Acadmica

176
T a b l a d e P r o d u c c i n d e 8 a o s c o n 4 t i p o s d e a b o n o s
A b o n o 1 A b o n o 2 A b o n o 3 A b o n o 4
5 0
6 1
5 7
6 5
5 8
5 3
6 1
5 9
4 7
5 0
5 8
6 1
5 1
4 8
5 9
5 0
5 1
4 7
5 6
5 2
5 7
5 9
5 8
6 0
5 7
4 8
5 2
6 0
6 1
5 7
5 1
4 6
4 6 4 4 2 4 4 4 0 4 3 2





LEVIN, Richard. Estadstica para Administradores, Editorial, Prentice Hall. 2 edicin.
Mexico 1988.

Colombia. 1970

1972.

Excelencia Acadmica

177
Edicin, Mxico 2000.


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.

N 05

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?

Excelencia Acadmica

178

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?

Estadistica PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

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

Estadistica PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Excelencia Acadmica

= = (Proporcin de sucesos en la poblacin)

Das könnte Ihnen auch gefallen