ESTADISTICA - Probabilidades

Excelencia Acadmica
INDICE
UNIDAD ACADMICA I
1.
2.
3.
4.
5.
6.
7.
8.
ESTADSTICA GENERALIDADES
Definicin de Estadstica
Clases de Estadstica
Conceptos Bsicos
Variable y tipos
Regla de Redondeo
Notacin Cientfica
Cifras Significativas
Sumatoria
07
08
08
10
14
15
15
16
UNIDAD ACADMICA II
1.
2.
3.
4.
5.
6.
7.
8.
ORGANIZACIN DE DATOS Y GRFICOS

Tabla de Frecuencia
Clases de Frecuencias
Tabla de Frecuencia para Variables Cualitativas
Tabla de Frecuencia para Variables Cuantitativas
Construccin de Intervalos o Reduccin de Datos
Grficos
Clases de Grficos
Anlisis Exploratorio de Datos
19
20
21
21
23
28
28
31
UNIDAD ACADMICA III
1.
2.
3.
4.
MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (I)

La Medida o Promedio Aritmtico
Mediana
La Moda
Relacin Entre en Promedio Aritmtico, Mediana y Moda
37
39
43
47
UNIDAD ACADMICA IV
1.
2.
3.
4.
5.
6.
7.
MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (II)

Media Geomtrica
Media Armnica
Relaciones Entre los Promedios
Cuarteles
Deciles
Percentiles
Aplicacin de Cuartiles, Deciles y Percentiles
53
55
56
57
58
58
59
Excelencia Acadmica
UNIDAD ACADMICA V
DISPERSIN, ASIMETRA Y APUNTAMIENTO

1. Medidas de Dispersin o Variabilidad
2. Rango
3. Desviacin Media
4. Varianza
5. Desviacin Estndar
6. Caractersticas de la Varianza y Desviacin Estndar
7. Coeficiente de Variacin
8. Variable Estandarizada
9. Medida de Asimetra
Medida de Apuntamiento
065
066
066
068
070
071
072
073
073
076
UNIDAD ACADMICA VI
1.
2.
3.
4.
5.
6.
CORRELACIN Y REGRESIN
Correlacin
Coeficiente de Correlacin
Regresin
Serie de Tendencia Rectilnea
Serie de Tendencia Parablica
Aplicacin de la Ecuacin Exponencial
079
080
082
082
084
087
UNIDAD ACADMICA VII
PROBABILIDAD (I)
1. Introduccin a la Teora de la Probabilidad
2. Concepto de Probabilidad
3. Experimento
4. Espacio Muestral
5. Evento o Suceso
6. Anlisis Combinatorio
7. Factorial de un Nmero
8. Permutacin
9. Variacin
10.
Combinacin
11.
Diagramas de rbol
091
091
092
092
093
098
101
101
104
105
106
UNIDAD ACADMICA VIII
1.
2.
3.
4.
5.
6.
7.
8.
PROBABILIDAD (II)
Definicin Clsica de Probabilidades
Probabilidad de Frecuencia Relativa
Probabilidad Subjetiva
Probabilidad Frente a Apuestas
Probabilidades de Espacios Muestrales Finitos
Probabilidad Condicional
Sucesos Independientes
Teorema de Bayes
6
111
115
118
118
119
121
124
125
Excelencia Acadmica
ESTADSTICA GENERALIDADES
Este primer fascculo esta diseado para ayudar al lector a hacerse una idea de la
estadstica, para que sepa los principales conceptos, variables y sus tipos, regla de
redondeo, notacin cientfica y cifras significativas.
Hoy las estadsticas estn presentes en casi todas las profesiones, se han convertido en
una herramienta de suma utilidad.
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.
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
7
Excelencia Acadmica
deriva del latn STATUS que significa situacin mientras que algunos autores afirman
que procede del alemn STAAT cuyo significado es Estado por su funcin de registrar:
poblacin, nacimiento, defuncin, etc. Y finalmente, otros autores dicen que proviene de
una voz italiana STATISTA que significa estadista y que acuo Gottfried Achenwall
(1719 1772), un profesor en Marlborough y Gottingen.
2. Clases de Estadstica
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.
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
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.
Excelencia Acadmica
Ejemplo.
El conjunto de Insectos
El conjunto de estudiantes
Tamao de la poblacin: es el nmero total de elementos que tiene la poblacin

estudiada y se denota con la letra N (ene mayscula).
Muestra
Es un subconjunto de la poblacin a la cual se le efecta la medicin con el fin de
estudiar las propiedades con el fin de estudiar las propiedades de la poblacin de
la cual es obtenida.
Ejemplo. Un grupo de alumnos del total de estudiantes de la UPLA.
Tamao de la muestra: Es el nmero de elementos de la muestra y se denota con
la letra n (ene minscula).
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
Estadgrafo o Estadstico
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 x
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.
9
Excelencia Acadmica
Los datos pueden ser:

A. Segn su naturaleza
a. Datos cuantitativos: Consiste en nmeros que representan conteos o
mediciones.
Ejemplo.
El nmero de soldados del Per

La talla de los estudiantes de la UPLA
b. Datos Cualitativos: Se pueden dividir en diferentes categoras que se

distinguen por alguna caracterstica no numrica.
Ejemplo.
Los grados del ejrcito

Los colores del arco iris
B. Segn su procedencia.
a. Datos Primarios: Son aquellos que se obtienen directamente de la misma
realidad, sin sufrir ningn proceso de elaboracin previa.
Ejemplo:
Lo que se recoge directamente de un muestreo o de un censo.
b. Datos Secundarios: Son registros escritos que proceden tambien 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
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.
10
Excelencia Acadmica
b) Variables Cuantitativas
Cuando el valor de la variable se expresa por una cantidad, es de carcter
numrico. El dato o valor puede resultar de la operacin de contar o medir.
Ejemplo:
Nmero de hijos, ingresos, talla, peso, produccin, edad, utilidades,

etc.
Las variables cuantitativas pueden ser Discretas y Continuas

b.1. Variable Discreta
Cuando el valor de una variable resulta de la operacin de contar, su valor
est representado solo por nmeros naturales (entero positivo).
Ejemplo:
Nmero de hijos, habitaciones por vivienda, poblacin por pas.

Etc.
b.2. Variable Continua

Cuando la variable es susceptible de medirse, es toda variable cuyo valor
se obtiene por medicin o comprobacin con una unidad o patrn de
medida. Se expresa por cualquier nmero real.
Ejemplo:
rea de terreno, ingresos monetarios, peso, estatura, tiempo,

etc.
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.
11
Excelencia Acadmica
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.
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:
12
Accidentes de trnsito, edad, peso, ingresos, nmero de hijos, etc.
Excelencia Acadmica
Segn Amplitud de las Unidades de Observacin

a) Variables Individuales
Son referidas a caractersticas de individuos o personas, una empresa, centro
educativo, etc. Son variables para estudio de casos, donde se pueden
subdividir en variables pblicas y privadas.
a.1. Variables Pblicas
Son aquellas en que los valores individuales son conocidos por otras
personas y se saben que son conocidos.
Ejemplo:
Edad, sexo, ocupacin, estado civil, etc.
a.2. Variables Privadas

Son aquellos valores individuales que pueden ser conocidos por otros,
una vez averiguados.
Ejemplo:
Coeficiente de inteligencia, opiniones frente a la poltica,

conducta de consumo, etc.
b) Variables Colectivas
Son aquellas que se refieren a caractersticas de las unidades cuando estas
son colectivas, conjuntos o grupos (ciudades, empresas, escuelas, etc.)
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.
1.1
Determinar la clase de variable que nos dan los datos de las siguientes fenmenos o
hechos:
13
Excelencia Acadmica
a) Temperatura.
b) Razas.
c) Nacionalidad.
d) Precio del dlar en un mes.
e) Nmero de habitaciones por familia.
5. Regla de Redondeo
Cuando el nmero que se quiere redondear le sigue una cifra mayor que 5, este tomar
el valor inmediato superior.
Ejemplo:
57,8
58
(redondear al entero)
1,036
1,04
(redondear a 2 decimales)
36,8079
36,808
Cuando al nmero que se quiere redondear le sigue una cifra menor que 5, se quedar
en el mismo valor.
Ejemplo:
74,3
74
1,254
1,25
53,6182
53,618
Cuando al nmero que se quiere redondear le sigue una cifra igual que 5, se tomar dos
criterios:
a) Si la cifra es par, queda sin alterar.
Ejemplo:
24,5
24
2,385
2,38
137,612
137,6125
b) Si la cifra es impar, pasa al inmediato superior.

Ejemplo:
85,5
14
86
En la
prctica
por lo
general,
cuando a la
cifra que se
desea
redondear
le sigue 5
Excelencia Acadmica
1,315
1,32
57,5435
57,544
6. Notacin Sistmica o Cientfica

La notacin cientfica se utiliza cuando una informacin es seguida o antecedida de
ceros.
Ejemplos:
80000000
930000000
8 10 7
9,3 10 8
4
0,00038
3,8 10
0,000000567 5,67 10 7
80000000
80 10 6
(no es notacin cientfica )
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:
1,630
0,008
2,003
1,0000
4 cifras significativas
1.2
1. Redondear al entero
a) 4,97
d) 36,59
b) 38,49
e) 288,71
c) 127,511
b) 123,45
c) 0,06
b) 137,0056
c) 0,01351
2. Redondear a un decimal
a) 36,55
3. Redondear a 3 decimales
a) 0,0034
15
Excelencia Acadmica
4. Realizar la notacin cientfica de:

a) 7 000 000
c) 0,002 937
b) 9 430 000
d) 0,000 005
5. Cuntas cifras significativas tienen los siguientes nmeros:

a) 23,000 2
c) 90,000 00
b) 0,23
d) 0,000 895 4
8. Sumatoria
Es un operador que representa una suma de trminos cuyos elementos se encuentran
formados de acuerdo a una ley dada.
NOTACIN: El operador sumatoria vienen representado por la letra griega sigma ( )
Ejemplo:
7
a) Desarrollar:
ax a
a 4
La expresin dada tiene la siguiente lectura: Sumatoria de a por x elevado a la

a, variando a desde 4 hasta 7.
7
ax a 4 x 4 5 x 5 6 x 6 7 x 7
a4
b) Desarrollar:
x k 1
k 0
La expresin dada tiene la siguiente lectura: Sumatoria de -1 elevado a la k por x

elevado a la (k+1), variando k desde 0 hasta 4.
4
1k x k 1 10 x 0 1 11 x11 12 x 2 1 13 x 3 1 14 x 4 1
k 0
x 1 x 2 12 x 3 13 x 4 14 x 5
x x 2 x3 x 4 x5
3
c) Desarrollar:
k a n k
k 0
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.
16
Excelencia Acadmica
k a n k 0 a n 0 1 a n 1 2 a n 2 3 a n 3
k 0
1.3
1. Desarrollar
by b
b 3
6
2. Desarrollar
2 P 1 y P 1
P 1
4
3. Desarrollar
x c M x
M 0
En este fascculo estudiamos la definicin de Estadstica como ciencia y sus clases, como la
Estadstica Descriptiva y la Estadstica Inferencial. Tambin se analiz los conceptos
bsicos de poblacin, muestra, parmetro, estadgrafo y dato; asimismo, de variable y sus
tipos.
Luego se plante la Regla de Redondeo, la Notacin cientfica y cifras significativas.
AVILA A., Roberto. Estadstica Elemental. Editorial R.A. Lima, 1998.

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.
17
Excelencia Acadmica
En el siguiente fascculo estudiaremos la organizacin de datos a travs de la Tabla de

Frecuencias, la interpretacin de los cuadros y los grficos.
Se desarrollar los pasos para elaborar una tabla de Frecuencia.
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Determinar la clase de variable que nos dan los datos de los siguientes fenmenos o
hechos:
a) Colores
b) Nivel de desempleo
c) Accidentes de Trnsito
d) Orientacin en el tiempo
2. De los siguientes enunciados. Cul probablemente exija el empleo de la Estadstica
Descriptiva y cul de la Estadstica Inferencial?
a) En un campeonato de ftbol se desea conocer el promedio de goles de los equipos
que participan.
b) Un comit para la prevencin de la contaminacin del aire, analiza la disminucin del
trfico automotriz y el grado de polucin.
c) Un psiclogo estudia el efecto de la asesora personal sobre el rendimiento de un
estudiante.
d) Un Economista registra el crecimiento de la poblacin en un rea determinada.
3. Redondear los siguientes nmeros a las cifras significativas siguientes:
a) 23,5 a 2 cifras significativas
b) 0,0008532 a 1 cifra significativa
c) 0,05 a un decimal y una cifra significativa
d) 90000455 a 7 cifras significativas
4. Desarrollar:
5
a)
abcx a y
a2
b)
3N x N 2
N 3
5. Por qu la Estadstica es probabilstica e Inferencial?

6. De 4 Ejemplos de variable discreta
7. De 4 Ejemplos de Variable continua
18
c)
Y k MY
M 1
Excelencia Acadmica
ORGANIZACIN DE DATOS Y GRFICAS

Los datos recogidos sobre una variable conducen, muchas veces, a una gran cantidad de
nmeros que presentados directamente dificultan su interpretacin. Este problema se evita
si la informacin se presenta en las llamadas TABLAS DE FRECUENCIA. Estas tablas
permiten analizar la distribucin de los elementos de la poblacin de acuerdo al carcter en
estudio y ayudan en la bsqueda del modelo terico que mejor ajustar a los datos. A partir
de la tabla de frecuencia se puede hacer representaciones grficas.
- 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. 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
Esta constituido por nmeros o descritos por algn atributo cualitativo o cuantitativo
de muestras de objetos. La informacin conforme a caractersticas cualitativas son:
raza, religin y sexo. As mismo, puede estar formado por intervalo de clase.
Marca de Clase ( Xi )
Es la semisuma del limite inferior ( Li ) y limite superior ( Ls ) de cada intervalo de
clase.
Xi
Li Ls
2
19
Excelencia Acadmica
Los atributos cualitativos y cuantitativos deben ser exhaustivos y mutuamente excluyentes.

b) Frecuencia
Es el nmero de observaciones provenientes del conjunto de datos que caen dentro
de cada una de las clases. Si podemos determinar la frecuencia con que ocurren los
valores en cada clases de un conjunto de datos, estaremos en condiciones de
construir una distribucin de frecuencia.
2. Clases de Frecuencias
a) Frecuencia Absoluta Simple ( fi )
Es el nmero de observaciones que presentan una modalidad perteneciente a la
clase.
b) Frecuencia Absoluta Acumulada ( Fi )
Representacin tabular de los datos que muestra cuantas observaciones se hallan
encima o debajo de ciertos valores. Estas son ascendente y descendente.
-
Frecuencia Absoluta Acumulada Ascendente ( F(1) )

Sirven para decir si son iguales o menores.
Frecuencia Absoluta Acumulada Desscendente ( F( 2) )

Sirven para decir si son iguales o mayores
c) Frecuencia Relativa Simple ( hi )

Son datos que muestran la fraccin del conjunto total de datos que caen dentro de
cada conjunto de clases mutuamente excluyente.
d) Frecuencia Relativa Acumulada ( Hi )
Es el tanto por uno de los elementos de la poblacin que estn en alguna clase y que
presentan una modalidad inferior o superior a la clase. Estas son ascendente y
descendente.
- Frecuencia Relativa Acumulada Ascendente ( H (1) )
Nos indica la fraccin de los datos que son iguales o menores.
- Frecuencia Relativa Acumulada Descendente ( H ( 2) )
Indica la fraccin de los datos que son iguales o mayores.
20
Excelencia Acadmica
e) Frecuencia Porcentual ( Pi )
Es el producto de las frecuencias relativas por 100.
3. Tabla de Frecuencia para Variables Cualitativas

Clase
fi
hi
Pi (%)
C1
f1
h1
P1
C2
f2
h2
P2
C3
f3
h3
P3
Cm
fm
hm
Pm
Total
1.00
100
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.
Clase
fi
hi
Varn
Mujer
Total
30
20
50
0.6
0.4
1.0
Pi (%)
60
40
100
4. Tabla de Frecuencia para Variables Cuantitativas

Clase
fi
hi
C1
f1
h1
F(11) f1
C2
f2
h2
C3
f3
Cm
fm
F(1)
F( 2)
H(1)
H ( 2)
F(12 ) n
H (11) h1
H (12 ) 1.0
F(12) f1 f 2
F( 22 ) n f1
H (21 ) h1 h 2
H (22 ) 1.0 h1
h3
F(13) F(11) f 3
F( 32 ) F( 22 ) f 2
H (31) H (21) h3
H (32 ) H (22 ) h2
hm
F(1m) n
F(m2 ) f m
H (m1) 1.0
H (m2 ) hm
n 1.0
Total
Ejemplo: Caso cuantitativo discreto
Para estudiar la produccin de artculos de una fbrica se tomaron 100 lotes de 250
artculos cada uno. El nmero de artculos defectuosos en cada lote fue como sigue:
1
1
2
4
5
6
4
5
4
3
3
2
2
2
4
6
3
5
8
3
4
4
1
4
5
3
5
3
3
6
3
5
5
3
7
2
4
5
3
3
2
7
7
4
4
2
2
3
5
5
4
1
6
4
1
4
4
2
3
5
5
7
5
4
2
4
3
4
5
6
8
7
3
5
4
4
2
2
6
6
5
8
5
2
6
3
4
6
3
3
5
2
4
6
4
4
5
4
5
5
21
Excelencia Acadmica
Xi
fi
hi
1
2
3
4
5
6
7
8
Total
5
14
18
25
20
10
5
3
100
0,05
0,14
0,18
0,25
0,20
0,10
0,05
0,03
1.00
Pi (%)
5
14
18
25
20
10
5
3
100
Ejemplo: Caso cuantitativo contino

Se desea estudiar la cantidad de kilmetro que recorre un automvil modelo A por cada
galn de gasolina que consume; para tal fin se anotaron las distancias recorridas por 36
automviles de tal modelo usando un galn de gasolina. Los resultados, en kilmetros
fueron as:
34,51
35,47
36,96
40,00
33,20
31,54
31,60
35,93
31,57
36,20
35,40
36,57
33,80
37,10
30,00
Distancia Recorrida
Xi
fi
38,20
33,15
36,88
34,90
38,10
hi
35,61
30,16
34,00
33,00
36,00
36,70
Pi (%)
30,6250
0,0556
5,6
[ 31,25 - 32,50 [
31,8750
0,0833
8,3
[ 32,50 - 33,75 [
33,1250
0,1389
13,9
[ 33,75 - 35,00 [
34,3750
0,2222
22,2
[ 35,00 - 36,25 [
35,6250
0,1944
19,4
[ 36,25 - 37,50 [
36,8750
0,1667
16,7
[ 37,50 - 38,75 [
38,1250
0,1111
11,1
[ 38,75 - 40,00 ]
39,3750
0,0278
2,8
36
1,0000
100
fi = Cantidad de Autos
22
34,60
37,85
33,29
36,23
33,98
[ 30,00 - 31,25 [
TOTAL
Xi
38,24
34,50
36,80
32,91
34,55
Li Ls
Marca de Clase
2
Excelencia Acadmica
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.
5. Construccin de Intervalos o Reduccin de Datos

Regla:
1. Ordenamiento de datos (segn magnitud) en forma creciente o decreciente.
2. Determinar
-
Valor mximo ( X max )
Valor mnimo ( X min )
3. Calcular el Rango( R )
R X max X min 1
para variable discreta
R X max X min
para variable continua
4. Determinar el numero de clases o intervalos (m)

-
Mtodo de STURGES ( n 50 )
m 1 3,322 log(n)
-
Mtodo de PORTUGAL
(50 n 100)
m 1,8914 3,991 log(n)
(n 100)
m 2,766 5,815 log(n)
-
Mtodo de la RAIZ
m 2,5 4 n
23
Excelencia Acadmica
m n
m debe ser entero ( ), si sale decimal se redondea.

5. Calcular la amplitud Intervlica ( a )
R
m
6. Correccin ( D )
D (m * a) R
Si el resultado de D es:
0
0
Se Continua
Se rehace (En la amplitud intervlica se redondea por exceso)
7. Intervalo de Clase
Ii X min a
Ejemplo:
Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA siguientes;
dados en metros:
1,73
1,70
1,71
1,70
1,60
1,65
1,61
1,64
1,80
1,87
1,87
1,87
1,55
1,55
1,55
1,55
1,70
1,72
1,70
1,71
1,65
1,60
1,67
1,68
1,74
1,70
1,78
1,71
1,60
1,85
1,82
1,80
1,87
1,75
1,75
1,75
1,86
1,73
1,57
1,75
1,59
A continuacin vamos a aplicar la regla para construir los intervalos y elaborar la

tabla de frecuencia.
Regla:
24
Excelencia Acadmica
1. Ordenamiento de Datos
Se obvia por ser una muestra pequea
2. Determinar
X max 1.87 mt
X min 1.55 mt
3 Calcular el Rango ( R )
R X max X min (variable continua).
R 1,87 1,55 0,32

4 Determinar el numero de clases; ( m ) por ser
n <50
aplicamos el mtodo de
STURGES
m 1 3 , 322 log n
m 1 3 , 322 log 41
m 1 3 , 322 (1 , 613 )
m 6 ,4
m 6
( Tiene
que ser entero )
Tambin, se puede aplicar el mtodo de la RAIZ, por ser muestra pequea
m n
m 2,5 4 n
m 41 6,4
m 2,5 4 41 6,3
m 6 (entero)
m 6 (entero )
5 Calcular la Amplitud Intervlica ( a )
R
m
0,32
a
0,0533 0,053 (regla redondeo )
6
a 0,053
a
6 Correccin ( D )
25
Excelencia Acadmica
D (m a ) R
D (6 0,053) 0,032
D 0,318 0,32
D 0,002 ( Se rehace por ser negativo)
Entonces se corrige a 0,054
D (6 0,054) 0,32
D 0,324 0,32
D 0,004 (es positivo se continua)
El valor 0,004 se distribuye en la variable mximo y mnimo (se suma y se resta
para ampliar el rango)
-0,002
1,548
+0,002
1,55
1,87
1,872
R=0,324
1,548
1,872
Teniendo los datos siguientes se elabora la tabla de frecuencia:
X min 1,548 mt
X max 1,872 mt
a 0,054 mt
m6
7 Intervalo de Clase
I i X min a
I1 1,548 0,054
I1 1,602
Talla(Intervalo)
Tabulacin
fi
hi
F(1)
F( 2)
H(1)
H ( 2)
Xi
[ 1.548 - 1.602 [ ||||| ||||
0.22
41
0.22
1.00 1.575
[ 1.602 - 1.656 [ ||||
0.10
13
32
0.32
0.78 1.629
[ 1.656 - 1.710 [ ||||| ||
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
0.07
34
10
0.83
0.24 1.791
[ 1.764 - 1.818 [ |||
26
Excelencia Acadmica
[ 1.818 - 1.872 ] ||||| ||

TOTAL
Tabulacin:
0.17
41
1.00
41
1.00
0.17 1.845
es ubicar los datos de la muestra en la clase intervlica correspondiente.
2.1
1. Los hbitos de trabajo de la mano de obra( llevan trabajo a casa) en Huancayo se

muestran a continuacin:
c
a
b
a
c
b
b
a
b
a
a
a
c
b
d
b
a
b
c
b
a
a
d
c
a
c
d
b
a
d
b
d
b
c
a
c
a
c
a
d
a
b
b
c
d
a
b
b
a
a
Donde a= Nunca, b= Menos de una vez al mes, c= Una vez al mes, d= todos los das.
Construya un cuadro que presente la informacin recolectada.
LLEVAN EL TRABAJO A CASA
N de trabajadores ( fi )
hi
pi
Nunca
Menos de una vez al mes
Una vez al mes
Todos los das
TOTAL
2. En una muestra de 40 pequeas empresas se recoge informacin a cerca del nmero de
trabajadores en cada una de ellas. Los datos fueron los siguientes:
16 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
27
Excelencia Acadmica
17
18
Totales
3. En el departamento de produccin de una fbrica los sueldos mensuales de los
empleados son los siguientes
440
453
570
224
450
574
560
650
430
340
530
500
335
407
618
558
501
462
587
376
537
460
417
380
613
470
409
560
660
518
400
560
600
607
470
480
424
321
550
382
364
625
466
500
432
667
634
507
F(1)
hi
565
528
591
512
580
645
393
526
428
492
450
382
Complete la siguiente tabla de frecuencias
Sueldo Mensual
Xi
Conteo
Empleado
s
H(1)
pi
TOTAL
6. 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.
7. Clases de Graficas
Grafica de Coordenadas Ortogonales o Cartesianos
a) Diagrama de Segmentos
28
Excelencia Acadmica
100
80
60
40
20
0
b) Histograma
50
40
30
20
10
0
c) Polgono de Frecuencia
Marca de clas
50
40
30
20
10
0
d) Polgono de Frecuencia Acumulada u OJIVA

100
80
60
Punto de equ
40
20
0
0
e) Diagrama de Barra
- Simple
- Compuesta
- Agrupadas
Simple
29
Excelencia Acadmica
Cantidad
100
80
60
40
20
0
Compuesta
120
Cantidad
100
Demanda de Alg
80
Exportacin
60
Demanda Interna
40
Produccin
20
0
1995
2000
Cantidad
Agrupadas
45
40
35
30
25
20
15
10
5
0
Asistencia al
Varon
2000
Grafica No Ortogonales
a) De Superficie Circular o Torta
30
2001
Mujer
Excelencia Acadmica
Costa
10%
Selva
60%
Sierra
30%
b) Pictrica
40
20
10
0
10
20
30
40
50
Con los problemas de la actividad 2.1 elaborar graficas
8. 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 se basa en la ordenacin de los datos a manera de grafico, pero sin
llegar a ello, utilizando las decenas y las unidades.
Ejemplo:
Los siguientes datos son las calificaciones obtenidas en una prueba de Historia:
78
66
93
73
61
76
100
81
70
83
83
64
88
91
74
70
97
77
72
86
31
Excelencia Acadmica
La representacin del tallo y hoja se elabora de manera que las decenas se pondrn en
una columna, en forma vertical y las unidades a la derecha:
6
7
8
9
10
1
8
3
3
0
6
0
8
7
4
4
1
1
2
3
3
6
Para entender un poco mas, hemos de decir que le primer rengln que dice 6|1 6 4
quiere decir que entre la lista de datos se encuentran los valores 61, 66, 64.
La representacin de Tallo y Hoja, donde cada rengln es una posicin de tallo y cada digito
de la derecha es una hoja.
Reforzamiento del Aprendizaje

1. Dado la siguiente tabla de frecuencia que significa:
a) f 3
d) F(42 )
b) h4
e) H(61)
c) F(15)
f) H (52)
TABLA DE FRECUENCIA DE SALARIOS POR TRABAJADOR
32
Salario(Intervalo)
fi
hi
F(1)
F( 2)
H(1)
H ( 2)
1 [
82 -
89 [
0.05
80
0.05
1.00
2 [
89 -
96 [
0.08
10
76
0.13
0.95
3 [
96 -
103 [
0.11
19
70
0.24
0.87
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
Excelencia Acadmica
8 [
131 -
138 [
0.06
77
0.96
0.10
9 [
138 -
145 ]
0.04
80
1.00
0.04
80
1.00
TOTAL
Respuesta:
a)
f3 =
Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos soles.
f3 =
Hay 9 trabajadores que tienen un salario de 96 a 102.99 nuevos soles.
b) h4 =
c)
El 16% de los trabajadores ganan de 103 109.99 nuevos soles.
F(15) = 47 trabajadores ganan menos de 117 nuevos soles.
d) F(42) = 61 trabajadores ganan ms o igual a 103 nuevos soles.

e) H(61) = 75% de los trabajadores ganan menos de 124 nuevos soles.
f)
H (52) = 60% de los trabajadores ganan ms o igual que 110 nuevos soles.
2. Una distribucin de frecuencia consta de 5 intervalos de igual amplitud y de ella se

conoce los siguientes datos: n=110; limite inferior de la 1 clase 12.5; f4-f5=10; f4-f1=0;
f2=f4; f1=f5 y L4f4=975, donde L4 es el limite superior de la cuarta clase.
Elaborar la tabla de frecuencia
Intervalo
fi
hi
Pi %
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
Si f 4 f 5 10 y f1 f 5 f 4 f1 10
Si f 4 f 3 f1 0 f 4 f1 f 3 10
Si f 3 10 f1 f 2 f 4 f 5 100
Si f1 f 5 y f 2 f 4 f1 f 4 f 4 f1 100
33
Excelencia Acadmica
Entonces:
2 f 4 2 f1 100
2( f 4 f1 ) 100
f 4 f1 50
Si f 4 f1 50 y f 4 f1 10 f 4 30
Si f 4 f 2 f 2 30
Luego f1 f 5 20
Si L4 f 4 975 L4
975
32.5
30
Entonces
R4 32.5 12.5 20.0

a
20
5
4
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

CALZADA B., Jos. Estadstica General. Editorial Jurdica S.A., Lima, 1966.
34
Excelencia Acadmica
Edicin. Lima 1993.
En el siguiente fascculo se calcular los estadgrafos de posicin o de tendencia central y

se explicara las caractersticas y empleo de estas medidas.
N 2
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Se realiza una encuesta a los alumnos de la UPLA acerca de la preferencia de marcas
de gaseosas, los resultados fueron los siguientes:
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
Donde
IK= Inca Kola
CC= Coca Cola
a)
b)
c)
d)
2. los
PE= Pepsi
KR= Kola Real
O= otras
Construya una tabla de frecuencia

Qu porcentaje de estudiantes de la UPLA prefiere Kola Real?
Cuntos estudiantes prefieren otras gaseosas?
Realizar un tipo de grafico
siguientes datos muestran velocidades en km/h de 48 carros que pasaron por un
punto de control de velocidad.

60
30
31
60
45
38
35
27
45
40
30
40
46
105
29
82
72
63
36
70
65
80
25
70
108
45
120
65
39
83
70
100
55
50
64
a) Elabore una tabla de frecuencia.
b) Que significa: f 4 ; h5 ; F(13) ; F(52 ) ; H(41) ; H(51)
34
45
102
31
24
72
61
54
83
60
81
85
60
c) Represente la tabla mediante un polgono de frecuencia

35
Excelencia Acadmica
3. Los puntajes de una 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 intervalos es igual al primero mas 0.10 y la frecuencia absoluta
acumulada del sexto intervalo es igual a 60.
Completar la distribucin de frecuencias.
36
Excelencia Acadmica
37
Excelencia Acadmica
MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (I)

En el fascculo anterior aprendimos a construir tablas y grficos donde se usaba datos
brutos. Las representaciones resultantes de las distribuciones de frecuencia nos permitieron
discernir las tendencias y patrones de datos.
Los valores mas caracterizados corresponden a la parte central de la distribucin, pero entre
ellas iniciamos en este fascculo la Media o promedio aritmtico, la mediana y la moda.
Calcula e interpreta la media aritmtica, la mediana y la moda.
Explica las caractersticas y propiedades de las medidas.
Relacin de media, la mediana y la moda.
Las medidas de centralizacin son valores que tienden a situarse en el centro del conjunto
de datos ordenados segn magnitud.
1. La Media o Promedio Aritmtico

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 x para una muestra y para la poblacin
La Media simple
n
x
i 1
x1 x2 x3 xn
n
Ejemplo:
x: 18, 24, 45, 12, 89, 12
38
18 24 45 12 89 12
33.33
6
Excelencia Acadmica
La Media Ponderada
n
x f
i
i 1
Ejemplo:
x: es la talla de 65 obreros de una empresa, se quiere saber cual es la estatura
promedia.
X i (metros)
fi
xi f i
1.55
4.65
1.60
12.8
1.65
22
36.3
1.70
17
28.9
1.75
10
17.5
1.80
9.00
65
109.15
x f
i 1
n
109.15
x
1.679 1.68 mt.
65
El promedio de la estatura de los obreros de la empresa, es de 1.68 metros.
Propiedades de la Media Aritmtica
a) La media de una constante es la misma constante.
cc
b) La media del producto de una constante por una variable es igual al producto de la
constante por la media de la variable.
cx c x
c) La media de una variable mas o menos una constante, es igual a la media de la
variable mas o menos la constante.
xc xc
d) La media de la suma o diferencia de dos o mas variables e igual a la suma o
diferencia de las medias de cada una de las variables.
x y x y
39
Excelencia Acadmica
3.1
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 fabrica,
extrayendo datos de la tabla de frecuencia:
xi
fi
Salario(S/.)
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
xi f i
TOTAL
2. 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.
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.
La Mediana simple o No Agrupados

a) Datos Impar
Me x n 1
2
40
Excelencia Acadmica
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 centradle acuerdo a la formula.
Me x n 1 x 7 1 x 4 S / . 140
2
Interpretacin: el 50% gastan menos de s/140 y el otro 50% restante gasta

mas de s/140
b) Datos Par
1
Me x n x n 2
2 2
2
Ejemplo:
Se tiene los pesos de 8 personas siguientes:
x: 70, 65, 83, 62, 94, 75, 79, 86 kg
Calcular la mediana.
Solucin
PASOS:
1. Se ordenan los datos
x: 62, 65, 70, 75, 79, 83, 86, 94 kg
2. Se aplica la formula
1
Me x n x n 2 x 8 x 8 2
2 2
2 2
2
2
1
1
Me x4 x5 75 79
2
2
154
Me
77 Kg
2
41
Excelencia Acadmica
Interpretacin: el 50% de personas pesan menos de 77kg y el restante

50% pesan mas de 77kg.
La Mediana Agrupada o Ponderado
n
Fk(11)
Me Li a 2
fk
Li
= limite inferior de la clase mediana
a
n
= intervalo de clase
= nmero de elementos (tamao de la muestra)
Fk(11) = frecuencia absoluta acumulada ascendente anterior a la clase mediana.

fk
= frecuencia absoluta de la clase mediana.
Pasos Para Hallar la Mediana

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

mas prximo.
2. determinar la amplitud del Intervalo a , restando el Limite superior menos el
Limite inferior de la clase mediana.
a Ls Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente

inmediato.
a X i 1 X i
3. Determinar en la clase mediana el Lmite inferior del intervalo o clase.
Li Ls
Si solo tuviera la marca de clase x i entonces el lmite inferior seria:
Li Xi
a
2
x i = valor de la marca de clase de la clase mediana.
a
42
= amplitud del intervalo
Excelencia Acadmica
4. Determinar la Frecuencia Acumulada Absoluta ascendente anterior a la clase

(1)
mediana Fk 1
5. Determinar la frecuencia absoluta simple de la clase mediana f k
6. Remplazar los valores en la formula de la mediana.
Ejemplo:
Se tiene la tabulacin de los pesos en kg., de 110 obreros de una fabrica se pide
determinar la mediana.
Peso
xi
F(1)
fi
50
55
60
5
15
28
5
20
48
65
70
75
80
22
19
11
10
110
70
89
100
110
Fk(11)
Clase mediana
n
Fk(11)
2
Me Li a
fk
PASOS
1.
n 110
55
2
2
55 esta contenido F(1) 70 este determina la clase mediana.
2. a xi 1 xi x11 x1 x 2 x1
a 55 50 5
3. Li xi
a
2
5
Li 65 65 2.5
2
Li 62.5 Kg
4. Fk 1 48
(1)
43
Excelencia Acadmica
5. f k 22
6. Me 62.5 5
55 48
22
Me 64.09 64.1 Kg
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
3.2
1. Hallar la mediana de los salarios mensuales de 6 trabajadores:

s/1000, s/1300, s/1100, s/1150, s/1200, s/970
2. hallar la mediana de las alturas de 100 alumnos de la UPLA
Altura (m)
Intervalo
F(1)
fi
[ 1.57 - 1.61 [
[ 1.61 - 1.65 [
28
[ 1.65 - 1.69 [
43
[ 1.69 - 1.73 [
18
[ 1.73 - 1.77 ]
TOTAL
100
3. 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.
3.1. La Moda Serie Simple
Ejemplo:
Hallar la moda de los nmeros: 2, 2, 3, 4, 5, 5, 5, 5, 6, 6, 7
44
Excelencia Acadmica
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)
3.2. La Moda serie Ponderada o agrupada:
Mo Li a
1
1 2
Li
= 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.
2. Determinar la amplitud del intervalo a restando el limite superior menos el limite
inferior de la clase modal.
a Ls Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente
inmediato.
a X i 1 X i
3. Determinar en la clase modal el limite inferior de la clase.
45
Excelencia Acadmica
Li Ls
Si solo tuviera la marca de clase x i entonces el lmite inferior seria:
Li Xi
a
2
x i = valor de la marca de clase de la clase modal.
= amplitud del intervalo
4. Determinar la variacin 1, 1 , restando el valor de la frecuencia absoluta simple de la

clase modal menos la frecuencia de la clase anterior inmediata.
1 f Mo f Mo 1
5. Determinar la variacin 2, 2 , restando el valor de la frecuencia absoluta simple de
la clase modal menos la frecuencia de la clase posterior inmediata.
2 f Mo f Mo 1
6. Remplazar los valores en la formula.
Ejemplo:
Las temperaturas tomadas en la ciudad de Huancayo, cada semana, durante un ao,
hallar la temperatura Moda.
Temperaturas
(C)
5
10
15
20
25
30
fi
12
8
16
7
5
4
Clase modal
Mo Li a
1
1 2
PASOS
1.
La clase modal queda determinada por la frecuencia absoluta simple que mas
veces se repite, en este caso es 16.
46
Excelencia Acadmica
2.
a xi 1 xi x31 x3 x 4 x3
a 20 15 5
3.
Li xi
a
2
5
Li 15 15 2.5
2
Li 12.5 C
4.
1 f Mo f Mo 1
1 16 8
1 8
5.
2 f Mo f Mo 1
2 16 7
2 9
6.
Reemplazando en la frmula
8
89
Mo 14.85 C
Mo 12.5 5
Interpretacin: la temperatura que mayor veces se repite en el ao es 14.85C
Cuando en una frecuencia absoluta simple ( f i ) existen 2 o mas frecuencias mayores

iguales, se toma cualquiera para determinar la clase modal.
3.3
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.
2. Hallar la moda del cuadro siguiente:
47
Excelencia Acadmica
Intervalo
fi
220 -
240 [
48
240 -
260 [
60
260 -
280 [
60
280 -
300 ]
30
TOTAL
198
4. Relacion Entre el Promedio Aritmtico, Mediana y Moda

a) Para curvas de frecuencias unimodales que sean ligeramente asimtricas, se tiene la
siguiente relacin emprica:
x Mo 3( x Me)
b) Cuando la curva de frecuencia es unimodal y simtrica:
x Me Mo
c) La Media aritmtica esta influenciada por los valores extremos, en cambio la
Mediana y la Moda no lo estn.
d) Una curva de distribucin solo tiene una x y una Me , pero puede tener mas de una
Mo .
Reforzamiento de Aprendizaje
1. La inversin anual ( en niveles de soles) de un grupo de pequeas empresas de la
ciudad fueron:
10
13
12
17
Calcular:
a) Media
b) Mediana
c) Moda
48
38
21
10
14
30
14
15
19
16
27
20
22
25
14
28
11
30
13
26
15
30
18
10
20
18
30
17
39
23
25
26
23
25
18
28
38
38
37
Excelencia Acadmica
Solucin
Tenemos que desarrollar una tabla de frecuencia
1. R X max X min
R 39 10 29
2. m 1 3.322 logn
m 1 3.322 log42
m 6 .4 6
3. a
R 29
m 6
a 4 . 83
4. D (m a) R
D (6 4.83) 29
D 28 .98 29 0 .02
Por ser negativo se rehace

Entonces a 4 . 84
D (6 4.84) 29
0.02
D 29.04 29 0.04
0.02
-0,002
9.98
10
+0,002
39
39.02
Resumen:
X min 9.98
X max 39.02
a 4.84
m6
Tabla de Frecuencia
49
Excelencia Acadmica
Intervalo
[
Tabulacin
F(1)
fi
Xi
X i fi
9.98 - 14.82 [ |||||
10
10
12.40 124.00
[ 14.82 - 19.66 [ ||||| ||||
19
17.24 155.16
[ 19.66 -
25
22.08 132.48
33
26.92 215.36
[ 29.34 - 34.18 [ ||||
37
31.76 127.04
[ 34.18 - 39.02 ] |||||
42
36.60 183.00
24.5 [ ||||| |
24.5 - 29.34 [ ||||| |||
TOTAL
42
937.04
Luego, calculamos:
a) La Media
n
x f
i
i 1
En la tabla determinamos
x f
i
937.04
42
x 22.31 miles de soles
x
Interpretacin: la inversin anual de las pequeas empresas de la ciudad fue de

22.31 (miles de soles) = s/22,310.00
b) La Mediana
n
Fk(11)
Me Li a 2
fk
n 42
21 Determina la clase mediana en F(1) de la tabla que es 25
2 2
a 4.84
Li 19.66
Fk(11) 19
fk 6
50
Excelencia Acadmica
2119
6
Me 21.27 miles de nuevos soles
Me 19.66 4.84
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
c) La Moda
Mo Li a
1
1 2
Determinamos la clase modas en f i mayor = 10
a 4.84
Li 9.98
1 10 0 10
2 10 9 1
10
10 1
Mo 14.38 miles de soles
Mo 9.98 4.84
Interpretacin: la inversin mas frecuente es de 14.38 (miles de soles) =

s/14,380.00

Edicin. Lima 1993.
51
Excelencia Acadmica
En el siguiente fascculo continuamos con medidas de posicin, como otros promedios,

cuartiles, deciles y percentiles.
N 3
Nombre____________________________________________________________
Apellidos_________________________________________Fecha ______________
Ciudad _______________________________________Semestre______________
1. En el departamento de produccin de una fbrica tienen los siguientes sueldos hasta
fines del mes de julio.
Sueldo Mensual (S/.)
Empleados
485 -
585
15
585 -
685
25
685 -
785
30
785 -
885
20
885 -
985
985 TOTAL
1085
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
d)
2. Los siguientes datos dan las cantidades gastadas (en nuevos soles) en alimentacin de
una muestra de familia.
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
52
Excelencia Acadmica
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
53
Excelencia Acadmica
MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (II)

Continuando con las medidas de tendencia central, en el presente fascculo se desarrolla
otros tipos de promedios como la geomtrica y la armnica, luego complementaran con
otras medidas como cuartiles, deciles y percentiles cuyos valores dividen a la distribucin en
grupos de igual numero de trminos.
Identifica y aplica los medios geomtricos y armnica.
Reconoce y calcula los conceptos de cuartil, decil y percentil.
1. Media Geomtrica
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.
Xg
x1 x 2 x 3 x n
Ejemplo:
Hallar la media geomtrica de los nmeros 3, 9 y 27
X g 3 3 9 27
X g 3 729
Xg 9
Para simplificar los clculos es necesario aplicar logaritmos (recurdense que con
logaritmos, la multiplicacin se transforma en suma y la raz en divisin).
54
Excelencia Acadmica
Media Geomtrica Serie Simple

n
X g anti log
log x
i 1
Ejemplo:
x: 2, 4, 6, 8, 10
log xi
xi
2
4
6
8
10
Total
0.30103
0.60206
0.77815
0.90309
1.00000
3.58433
3,58433
5
X g anti log 0.71687
X g anti log
X g 5.21
La Media Geomtrica serie Ponderada
n
X g anti log
(log x ) f
i
i 1
Ejemplo:
En un examen de Psicologa, 6 alumnos obtuvieron un 3; 8 obtuvieron un 4; 13 un
5; 8 un 6; 5 un 7; 3 un 8 y 1 un 9.
Hallar la media geomtrica.
Calificacin
Alumnos
xi
fi
3
4
5
6
7
8
9
Total
6
8
13
8
5
3
1
44
log xi
(log xi ) f i
0.47712
0.60206
0.69897
0.77815
0.84510
0.90309
0.95424
2.86272
4.81648
9.08661
6.22520
4.22550
2.70927
0.95424
30.88002
55
Excelencia Acadmica
30.88002
44
X g anti log 0.70182
X g anti log
Xg 5
4.1
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?
2. Media Armnica
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.
2.1. La Media Armnica Serie Simple
n 1
xi
X a i 1
n
Ejemplo:
x: 2, 4, 6, 8, 10
56
xi
xi1
2
4
6
8
0.500
0.250
0.167
0.125
1.142
Xa
5
5
Xa
1.142
Excelencia Acadmica
10
0.100
1.142
Total
2.2. La Media Armnica Serie Ponderada
n 1
xi f i
X a i 1
n
Ejemplo
xi
3
6
9
12
15
Total
xi1
fi
8
22
30
25
5
90
xi1 f i
0.333
0.167
0.111
0.083
0.067
12.078
Xa
90
90
Xa
12.078
X a 7.45
2.664
3.674
3.330
2.075
0.335
12.078
4.2
Hallar la media armnica de los problemas de la actividad 4.1
3. Relaciones Entre los Promedios

El promedio aritmtico esta ms influenciado por los elementos grandes de la serie, que
el promedio geomtrico y el promedio armnico.
Los tres promedios quedan ordenados por su magnitud del siguiente modo.
x X g Xa
57
Excelencia Acadmica
4. Cuartiles
Los cuartiles, son tres valores que dividen la distribucin (ordenada en forma creciente)
en cuatro grupos de igual nmero de trminos. El primer valor se denomina primer cuartil
( Q1 ) y los otros segundo cuartil ( Q 2 ) y el tercer cuartil ( Q3 ). El segundo cuartil es igual a
la mediana.
O sea Q2 Me
Cuartiles Serie Simple
a) Primer Cuartil
Q1
n 1
4
es el nmero de trminos
b) Segundo Cuartil
Q2
n 1
2
c) Tercer Cuartil
Q3
3(n 1)
4
Ejemplo:
x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26
Q1
11 1
= 3 trmino de la serie
4
Q1 6
Q2
11 1
2
Q2 14
Q3
3 (11 1)
4
Q3 21
58
Excelencia Acadmica
Cuartiles Serie Ponderada

a) Primer Cuartil
n
Fk(11)
4
Q1 Li a
fk
b) Segundo Cuartil (Mediana)
n
Fk(11)
Q2 Li a 2
fk
c) Tercer Cuartil
3n
Fk(11)
Q3 Li a 4
fk
Los pasos de solucin de los problemas de cuartiles, son iguales a los aplicados
para obtener la mediana.
5. 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:
dn
Fk(11)
Dd Li a 10
fk
La solucin es igual a los pasos de la Mediana
6. Percentiles
Los percentiles son 99 valores que se dividen la distribucin (ordenada en forma
creciente) en 100 grupos de igual numero de trminos.
Para percentiles de serie ponderada la formula es:
59
Excelencia Acadmica
pn
Fk(11)
Pp Li a 100
fk
La solucin es igual a los pasos de la Mediana
7. 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:
Sueldo Mensual
(S/.)
319 -
369 [
344
369 -
419 [
394
12
419 -
469 [
444
12
24
469 -
519 [
494
11
35
519 -
569 [
544
10
45
569 -
619 [
594
54
619 -
669 ]
644
60
Halla:
a) Cuartil 1
b) Cuartil 3
c) Decil 3
d) Decil 8
e) Percentil 27
Percentil 83
g) Percentil 1
Solucin
a) Cuartil 1
60
F(1)
fi
TOTAL
f)
xi
Hallamos la clase cuartil 1
60
Excelencia Acadmica
n 60
15
4 4
La clase se ubica en la frecuencia acumulada 24 por contener a 15
a 50
Li 419
Fk(11) 12
f k 12
n
Fk(11)
Q1 Li a 4
fk
60
12
Q1 419 50 4
12
Q1 431.50 Nuevos soles
b) Cuartil 3
-
Hallamos la clase cuartil 3
3n 3 (60)
45
4
4
a 50
Li 519
Fk(11) 35
f k 10
3n
Fk(11)
4
Q3 Li a
fk
3 (60)
35
4
Q3 519 50
10
Q3 569.00 nuevos soles
c) Decil 3
-
Hallamos la clase decil 3
3n 3 (60)
18
10
10
61
Excelencia Acadmica
a 50
Li 419
Fk(11) 12
f k 12
3n
Fk(11)
10
Dd Li a
fk
3(60)
12
D3 419 50 10
12
D3 444.00 Nuevos soles
d) Decil 8
-
Hallamos la clase decil 8
dn 8 (60)
48
10
10
a 50
Li 569
Fk(11) 45
fk 9
dn
Fk(11)
10
Dd Li a
fk
8(60)
45
D8 569 50 10
9
D8 585.67 Nuevos soles
e) Percentil 27
-
Hallamos la clase percentil 27
pn 27 (60)
16.20
100
100
La clase se ubica en la frecuencia acumulada 24 por contener a 16.20
62
Excelencia Acadmica
a 50
Li 419
Fk(11) 12
f k 12
pn
Fk(11)
100
Pp Li a
fk
27(60)
12
P27 419 50 100
12
P27 436.50 Nuevos soles
f)
Percentil 83
-
pn 83 (60)
49.80
100
100
a 50
Li 569
Fk(11) 45
fk 9
pn
Fk(11)
100
Pp Li a
fk
83(60)
45
100
P83 569 50
9
g) Percentil 1
-
pn 1 (60)
0.60
100 100
a 50
Li 319
Fk(11) 0
fk 4
63
Excelencia Acadmica
pn
Fk(11)
Pp Li a 100
fk
1(60)
0
P1 319 50 100
4

Edicin. Lima 1993.
En el siguiente fascculo estudiaremos las medidas de variabilidad o estadgrafos de

dispersin, medidas de asimetra y de apuntamiento, sus conceptos, frmulas y solucin de
problemas.
64
Excelencia Acadmica
N 4
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Dado la distribucin de frecuencia de alturas de 449 plantas en centmetros.
f
[
[
[
[
[
[
[
[
[
[
[
[
Clases
45 50
50 55
55 60
60 65
65 70
70 75
75 80
80 85
85 90
90 95
95 - 100
100 - 105
105 -
TOTAL
fi
[
[
[
[
[
[
[
[
[
[
[
[
2
7
18
36
59
74
88
72
44
30
11
5
110 ]
3
449
En forma hipottica calcular:

a) Media geomtrica
b) Media armnica
c) Media aritmtica
d) Cuartil 1
e) Cuartil 3
f)
Decil 4
g) Decil 7
h) Percentil 2
i)
Percentil 93
j)
La Moda y Cuartil 2
65
Excelencia Acadmica
MEDIDAS DE DISPERSIN, ASIMETRA Y APUNTAMIENTO

Una de las caractersticas comn a todas las poblaciones es la variabilidad, dispersin o
falta de uniformidad de datos de los individuos que constituyen las poblaciones.
Para conocer el tipo de curva de una distribucin, es necesario calcular tres valores. El
primero es la medida del grado en que los datos de la distribucin discrepan del valor central
o promedio, esto se consigue con la determinacin de la Desviacin Estndar. El segundo
valor es la medida del grado de asimetra de la distribucin, o sea la falta de equilibrio sobre
el promedio aritmtico. El tercer valor es la medida de la Kurtosis o grado de concentracin
en los valores centrales de la curva.
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 Dispersin o Variabilidad

Las medidas de dispersin dan idea de la separacin de los datos numricos alrededor
de un valor medio (estadgrafos de posicin), 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
66
Excelencia Acadmica
a) Coeficiente de Variacin
b) Variable Estandarizada
2. Rango (R)
El rango o recorrido es la diferencia entre los valores extremos, mximo y mnimo.
R X max X min
Ejemplo:
Hallar el rango de la siguiente serie de nmeros: 4, 5, 7, 9.9, 10, 12, 15
R 15 4
R 11
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.
3. Desviacin Media (DM)

La desviacin media es una buena medida de dispersin.
Desviacin Media Simple
n
DM
x
i 1
xi
= elementos o la observacin
= media
= nmero de elementos
(Valor Absoluto)
Ejemplo:
Hallar la desviacin media de las tallas 1.47; 1.58; 1.60; 1.62; 1.53 metros.
Hallamos:
67
Excelencia Acadmica
1.47 1.58 1.60 1.62 1.53

5
x 1.56
DM
DM
1.47 1.56 1.58 1.56 1.60 1.56 1.62 1.56 1.53 1.56
5
0.09 0.02 0.04 0.06 0.03
5
0.09 0.02 0.04 0.06 0.03 0.24
DM
5
5
DM 0.048 metros
Desviacin Media Ponderada
n
DM
x
i 1
x fi
Ejemplo:
Xi peso Kg
Total
fi
xi f i
4
160
5.88
23.52
43
215
2.88
14.40
46
368
0.12
0.96
49
294
3.12
18.72
52
156
6.12
18.36
26
1193
1.
n
x
i 1
fi
n
1193
x
45.88 Kg
26
68
xi x f i
40
Hallamos:
2.
xi x
75.96
Excelencia Acadmica
DM
i 1
x fi
n
75.96
DM
26
DM 2.92 Kg
4. Varianza
La varianza es la medida del cuadrado de la distancia promedio entre las media y cada
elemento de la poblacin.
Varianza Simple
a) Varianza de una Poblacin
N
x
i 1
b) Varianza de una Muestra
x
n
S2
i 1
Ejemplo:
Calcular la varianza de 4, 5, 6, y 7.
4 5 6 7 22
5.5
4
4
x
n
S2
i 1
69
Excelencia Acadmica
S2
4 5.52 5 5.52 6 5.52 7 5.52
4
2
.
25
0
.
25
0
.
25
2
.25 5
S2
4
3
2
S 1.25
Varianza Ponderada
a) Varianza de Una Poblacin
x
N
i 1
fi
b) Varianza de Una Muestra
x
n
S2
i 1
x
n
S2
x fi
i 1
x fi
n 1
para n 30
para n 30
Ejemplo:
Talla(mts)
fi
xi
Total
70
xi f i
xi x 2
xi x
x fi
2
1.52
4.56
-0.08
0.0064
0.0192
1.56
7.80
-0.04
0.0016
0.0080
1.60
14.40
1.64
9.84
0.04
0.0016
0.0096
1.68
6.72
0.08
0.0064
0.0256
27
43.32
0.0624
Excelencia Acadmica
x f
i
i 1
S2
43.32
1.60
27
x fi
2
por ser n 30
n 1
0.0624 0.0624
S2
27 1
26
2
S 0.0024 metros
i 1
5. Desviacin 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 para poblacin
S S 2 para muestra
Ejemplo: (de los ejemplos de la varianza)
S S2
S 1.25
S 1.12
Ejemplo:
S S2
S 0.0024
S 0.049 metros
71
Excelencia Acadmica
Las formulas de las Desviacin Estndar son iguales a la Varianza pero aplicndole la raz
cuadrada.
6. Caractersticas de la Varianza y Desviacin Estandar

a) Son siempre un valor positivo.
b) Son influenciado por todos los valores de la muestra o poblacin.
c) Mayor influencia ejercen los valores extremos que los que estn prximo a los
promedios.
d) Si en una distribucin normal se levanta una ordenada a uno y otro lado del
promedio a una distancia igual a la desviacin estndar.
x S 68.26%
x 2 S 95.46%
x 3S 99.73%
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 la 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.
7. Coeficiente de Variacin (CV)

Es una medida relativa de dispersin, semejante entre las distribuciones, que expresa la
desviacin estndar en un porcentaje de la media.
72
CV
100
para poblacin
CV
S
100
x
para muestra
Excelencia Acadmica
Ejemplo:
Si la desviacin estndar de la poblacin P es 5 y media poblacin es 40 el coeficiente
de variacin es:
5
100
40
CV 12.5%
CV
8. Variable Estandarizada
La variable estandarizada se calcula:
Zi
Zi
xi
xi x
S
para poblacin
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
Zi
xi
Z1
12 14 2
1.25
1.6
1.6
Z2
17 14 3
1.87
1.6
1.6
Z3
20 14 6
3.7
1.6
1.6
Z1
13 14 1
0.625
1.6
1.6
La variable estandarizada se aplica en la probabilidad de la Distribucin Normal.
73
Excelencia Acadmica
5.1
1) Las ventas diarias (miles de dlares) de una tienda de artefactos elctricos es:
Ventas
Dias
xi
fi
F
(
Calcular:
20 -
24 [
24 -
28 [
12
28 -
32 [
c) Desviacin Estndar
32 -
36 [
d) Varianza
36 -
40 [
e) coeficiente de Variacin
40 -
44 ]
TOTAL
a) Rango
b) Desviacin Media
37
2) Las estaturas de 12 estudiantes de una clase son: 165, 160, 164, 155, 160 y162 cm.
Calcular:
a) Rango
b) Desviacin Estndar
c) Coeficiente de Variacin
9. Medida de Asimetra
La medida o estadgrafo de asimetra indica el grado de deformacin de la curva de
frecuencia, puede ser inclinada a la derecha o izquierda. La curva de frecuencia puede
ser simtrica, caso determinado por la posicin de la media, mediana y moda (
x Me Mo )
Tipo de Medida de Asimetra.
a) Curva asimtrica positiva o con cola a la derecha, hay predominio de los
valores menores.
74
Excelencia Acadmica
100
90
80
70
60
50
40
30
20
10
0
0
0.5
1.5
f x
b) Curva asimtrica negativa o con cola a la izquierda, indica predominio de los
valores mayores.
100
90
80
70
60
50
40
30
20
10
0
0
0.5
1.5
c) Curva simtrica o campana de GAUSS (curva terica de anlisis).

90
80
70
60
50
40
30
20
10
0
0
0.5
1.5
Coeficiente de Asimetra de PEARSON

a) En funcin de la moda.
As1
x Mo
S
= Media aritmtica
75
Excelencia Acadmica
Mo
= Moda
= desviacin estandar
Resultados:
Si el valor es cero, la curva es simtrica.
Si el valor es igual a 0 . 1 , la curva es asimtrica moderada positiva o

negativa.
Si el valor es igual a 0 . 3 , la curva es asimtrica muy marcada positiva o
negativa.
Si el valor es igual a 1 , la curva es asimtrica mxima positiva o negativa.
Ejemplo:
La media de los salarios es s/.109.50, la moda s/.108.30 y su desviacin
estndar s/.4,00 calcular el coeficiente de asimetra
109.50 108.30
4.00
As1 0.3
As1
Como el valor es positivo es una curva asimtrica positiva muy marcada.

b) En Funcin de la Mediana
As2
3( x Me)
S
= Media aritmtica
Me
= Mediana
= 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.
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.
76
Excelencia Acadmica
3(68 71) 9
3.5
3.5
As2 2.57
As2
Como el valor es menor que cero, la curva es asimtrica negativa.
10.
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.
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.
140
120
100
80
60
40
20
0
LK
MK
PK
0
0.5
1.5
Coeficiente de Kurtosis
K
Q3
Q3 Q1
2P90 P10
= Cuantil 3
Q3 = Cuantil 1
P90 = Percentil 90
P10 = Percentil 10
Resultados
El valor de K no pasa de 1 tampoco puede ser negativo.
77
Excelencia Acadmica
PK
MK
1
8
LK
1
4
Si K esta de cero a1/8 la curva es platikurtica

Si K esta de 1/8 a 3/8 la curva es mesokurtica
Si K esta de 3/8 a1/2 la curva es leptokurtica
Ejemplo:
Se tienen las tallas de los estudiantes de la UPLA, cuyos cuartiles 1 y 3 son 1.575 y
1.725 metros, respectivamente, y los percentiles calculados son: P90 = 1.77m y P10
=1.53m Calcular el coeficiente de kurtosis.
1.7525 1.575 0.15
21.77 1.53 0.48

K 0.3125
K
El valor se encuentra en intervalo de mesokurtosis
5.2
La inversin anual (miles de dlares) de un grupo de empresarios de Huancayo, fueron:

12
14
13
18
42
22
Determinar e interpretar.
a) Coeficiente de Kurtosis
b) Coeficiente de Pearson
78
Por la moda
Por la mediana
10
16
32
15
14
19
16
27
22
24
27
15
28
13
31
14
28
17
32
19
10
23
21
29
18
38
37
36
37
25
40
18
Excelencia Acadmica

Edicin. Lima 1993.
En el siguiente fascculo estudiaremos las relaciones que
existen entre variables y los
ajustes de curvas para poder inferenciar.
N 5
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. El consumo mensual de agua en m3 de 80 familias se tabul en una distribucin de
frecuencias de 7 intervalos de amplitud iguales a 3, siendo la marca de clase del cuarto
intervalo igual a 19. Si las frecuencias del primer y tercer intervalo son iguales al 5% y 15%
del total respectivamente, y si la quinta frecuencia porcentual acumulada es 85% del total.
Calcule e interprete:
a) Rango.
b) Desviacin Media.
c) Varianza.
d) Desviacin Estndar.
e) Coeficiente de Variacin.
f) Coeficiente de Asimetra de Pearson.
g) Coeficiente de Kurtosis.
79
Excelencia Acadmica
CORRELACIN Y REGRESIN
En el presente fascculo se estudiara el caso en el que tomar dos variables o caractersticas,
una puede ser considerada como independiente y la otra como dependiente de la anterior.
Por medio de la correlacin se puede estudiar la interrelacin entre dos caractersticas con
el fin de medir el grado de asociacin que existe entre ellos.
Con frecuencia se desea saber si las variaciones de una caracterstica provocan variaciones
en la magnitud de otra caracterstica, esta se puede representar de acuerdo a su tendencia:
lineal o parablica, finalmente, se estudiar la aplicacin de la ecuacin exponencial.
Define, calcula e interpreta al coeficiente de correlacin.
Calcula, interpreta e infiere las tendencias de las variables o caractersticas.
Calcula e interpreta la aplicacin de la ecuacin exponencial.
1. Correlacin
Se llama correlacin entre las variables a la relacin que existe entre las variables de
una distribucin bidimensional.
Dependiendo de esta aproximacin de la nube de puntos a la recta de regresin,
tendremos tres clases de correlacin.
a) Correlacin Positiva
Es cuando al aumentar una variable, la otra tambin aumenta. La recta de regresin
en este caso es una recta creciente.
y
300
250
200
150
100
50
0
0
80
0.5
1.5x
Excelencia Acadmica
b) Correlacin negativa
Es cuando aumentan una de las variables, la otra disminuye. En este caso la recta
de regresin es decreciente.
y
300
250
200
150
100
50
0
0
0.5
1.5
c) Correlacin Nula
Se da cuando no hay dependencia de ningn tipo entre las variables.
y
250
200
150
100
50
0
0
0.5
1.5
2. Coeficiente de Correlacin
Trata de determinar matemticamente la existencia de la relacin entre dos factores o
fenmenos, averiguar si uno de ellos influye en el otro o si no hay ninguna relacin o
dependencia entre un hecho y el otro.
Ejemplo:
Se trata de establecer si estn relacionados:
El alcoholismo y la criminalidad
El analfabetismo y el bajo ingreso.
La temperatura veraniega y enfermedades intestinales.
La edad y la presin arterial.
81
Excelencia Acadmica
x y
( xy )
Donde:
r = Coeficiente correlacin
= Variable independiente
y = Variable dependiente
= numero de datos
Resultados:
El coeficiente de correlacin vara de los valores 1 para la correlacin perfecta al valor
cero, para ausencia absoluta de correlacin.
Ejemplo:
Hallar la correlacin entre los siguientes datos referentes a edades y presin sangunea
de un grupo de mujeres.
Edad
Presin Sangunea
x2
y2
56
147
8232
3136
21609
42
125
5250
1764
15625
72
160
11520
5184
25600
36
118
4248
1296
13924
63
149
9387
3969
22201
47
128
6016
2209
16384
55
150
8250
3025
22500
49
145
7105
2401
21025
38
115
4370
1444
13225
10
42
140
5880
1764
19600
11
68
152
10336
4624
23104
12
60
155
9300
3600
24025
Total
628
1684
89894
34416
238822
Aplicando la formula
82
xy
Excelencia Acadmica
89894
34416
6282
12
6281684
12
238822
16842
12
1765
1550.7 2501
r 0 .896
Interpretacin: existe una fuerte relacin entre la edad y la presin sangunea por que
0.896 esta cerca de 1
6.1
Experimentalmente se han encontrado las siguientes cifras, durante el proceso de estudio

del secado de cierta madera por el mtodo del vapor recalentado, el tiempo ha sido medido
en medias horas.
Tiempo
Contenido de humedad
0
50%
1
34%
2
24%
3
18%
4
14%
5
11%
Calcular e interpretar el coeficiente de correlacin.
3. Regresin
Proceso general de predecir una variable a partir de otra con medios estadsticos,
usando datos anteriores.
Regresin Lineal
Lnea ajustada a un conjunto de puntos de datos para estimar la relacin entre dos
variables.
4. Series de Tendencia Rectilinea

y a bx
Ecuacin General
83
Excelencia Acadmica
variable dependiente
x
ayb
variable independiente
parmetros
Para hallar los parmetros a y b, aplicamos:
a
b
y b x
n
n xy y x
n x 2 x x
Ejemplo:
En el cuadro representa las ventas anuales el los aos indicados.
Aos
1998 1999 2000 2001 2002 2003
Venta (millones de soles)
4
6
8
10
12
14
Ao
Ventas Anuales (millones de soles)
x1
x2
xy
1998
1999
12
2000
24
2001
10
40
16
2002
12
60
25
2003
14
84
36
54
21
224
91
Los aos con la finalidad de reducir nmeros grandes se remplaza por la serie
correlativa de 1 al, siempre que los aos seas correlativo de 1 en 1.
Definir siempre, que variable es dependiente e independiente.
Graficar los datos, con la finalidad de determinar la tendencia de la serie.
Para encontrar los parmetros a y b determinamos los componentes de las frmulas en

el cuadro y luego planteamos la ecuacin general.
84
Excelencia Acadmica
6224 54(21)
6(91) 21(21)
1344 1134 210
b
546 441 105

b2
b
54 2(21)
6
54 42 12
a
6
6
a2
a
Ecuacin general
y a bx
y 2 2x
Si uno desea proyectar las ventas, por ejemplo al 2005, se hace lo siguiente.
y 2005 2 2(8)
Como se denota en el cuadro:
Al 2001 le corresponde el 4
Al 2004 seria el 7
Al 2005 es el 8
y 2005 2 2(8) 18
Interpretacin:
las ventas al 2005 seria de 18 millones de soles.
5. Serie de Tendencia Parablica

Si despus de graficar una serie estadstica en un plano coordenado y unir los diversos
puntos, observamos que ha formado una figura parablica, la ecuacin de ajuste ser.
y a bx cx 2
Ecuacin General
Para hallar los parmetros aplicamos.
85
Excelencia Acadmica
y c x
a
xy
x
n x y x y
c
n x x x
Ejemplo:
Las paredes de un horno de una ladrillera varia de espesor y con el auxilio de un
pirmetro se han encontrado las siguientes temperaturas.
Temperatura
(En centenar C)
Espesor de la pared
(dm) x
0
1
2
3
4
5
1.0
1.3
2.0
3.1
4.6
6.5
1. Graficamos
7
6
5
4
3
2
1
0
0
0.5
1.5
Es una parbola
2 Aplicamos la ecuacin
y a bx cx 2
3 Hallamos los parmetros a, b y c, a partir de los datos y componentes de las
ecuaciones.
86
Excelencia Acadmica
Espesor Temperatura
x2
xy
x4
x2y
1.0
1.3
1.3
1.3
2.0
4.0
8.0
16
3.1
9.3
27.9
81
4.6
18.4
16
73.6
256
6.5
32.5
25
162.5
625
15
18.5
65.5
55
273.3
979
Total
n x 2 y x 2 y
n x 4 x 2 x 2
6( 273 .3) 55(18.5)

6(979 ) 55(55)
1639.8 1017.5 622.3
5874.0 3025.0 2849.0
c 0 . 22
y c x
a
18.5 0.22(55)
6
18.5 12.1 6.4
6
6
a 1 .1
xy
x
65.5
55
b 1 .2
Luego
y 1.1 1.2 x 0.22 x 2
87
Excelencia Acadmica
Ahora si queremos saber cuanto seria la temperatura en una pared de 9dm.
y 1.1 1.2(9) 0.22(9) 2

y 1.1 10.8 17.82
y 29.72
Interpretacin: en un horno de 9 dm. De grosor de la pared, la temperatura se elevara
a 29.72 centenares de c
6.2
La densidad del agua d varia con la temperatura t (en grados centgrados), tal como se
muestra en el cuadro.
d
0.9998
0.9999
0.9997
0.9992
0.9983
0.9971
0
5
10
15
20
25
Hallar e interpretar
a) El coeficiente de correlacin.
b) Cuanto seria la densidad del agua a una
temperatura de 30c
6. Aplicacin de la Ecuacin Exponencial

Caso Poblacin
Pt Po 1 r
Pt
= poblacin final
Po
= poblacin ao base
= tasa de crecimiento medio poblacional
= nmero de periodos
Deduccin de Formulas
rt
t
88
Pt
1
P0
log Pt log Po
log(1 r )
Excelencia Acadmica
La tasa de crecimiento medio r puede ser negativo, si una ciudad baja su poblacin.
Caso de Inters Compuesto
M C1 i
M
= Monto
= Capital
= Tasa de intereses
= numero de periodos
Ejemplo:
La poblacin del departamento de Junn hipotticamente en 1983 fue 849300
habitantes y en 1998 fue de 1010700 habitantes. Cunto seria la poblacin en el
2005?
1
Hallamos la tasa de crecimiento medio.
t 1998 1983 15
Pt 1010700
Po 849300
rt
Pt
1
Po
1010700
1
849300
r 0.0117 ( se multiplica por 100)
r 1.17% de crecimiento promedio anual
r 15
Proyectamos
t 2005 1998 7
Pt 1010700
Po 0.0117
Pt Po 1 r
P2005 10107001 0.0117
P2005 1096439 habitantes

89
Excelencia Acadmica
Luego, la poblacin crece a 1.17% promedio anual y en el 2005, Junn tendra

109643 habitantes.

Edicin. Lima 1993.
En el siguiente fascculo iniciamos el estudio de la teora de la probabilidad, conceptos

bsicos; anlisis combinatorio y diagrama de rbol.
90
Excelencia Acadmica
N 6
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Los gastos de publicidad de una empresa y las ventas efectuadas vienen dadas por la
siguiente tabla(los datos estn expresados en millones de nuevos soles).
Publicidad
Venta
1
10
2
12
5
15
6
16
7
17
9
18
12
22
14
24
a) Obtenerla recta de regresin.

b) Calcular e interpretar el coeficiente de correlacin.
c) Calcular las ventas estimadas si se invierten 10 millones de nuevos soles en
publicidad.
2. Demostrar que la correlacin es perfecta entre el tiempo y el capital de s/1,00 impuesto a

una tasa de inters del 6% anual a inters compuesto.
Ao
Monto a inters
compuesto
1.00
1.060
1.124
1.191
1.262
1.338
1.419
3. La poblacin de Jauja hipotticamente fue de 42350 habitantes en 1993 y para el ao

2000 tuvo 38970 habitantes.
a) Cunto ha sido su tasa de crecimiento medio anual?
b) Cunto seria la poblacin en el ao 2006?
91
Excelencia Acadmica
PROBABILIDAD (I)
El propsito de este fascculo es determinar los modelos matemticos que permita descubrir
concretamente las pruebas regidas por el azar y que proporcione un apoyo terico en el
tratamiento de la Estadstica Inferencial.
En esta primera parte nos orientaremos a la teora de la probabilidad, a los principales
conceptos y al anlisis combinatorio.
Define lo que es probabilidad.
Explica los trminos experimento, espacio muestral 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.
1. Introduccin a la Teora 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, Marquis 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 ms 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
92
Excelencia Acadmica
significa que algo nunca ocurrir; una probabilidad de 1 indica que algo suceder
siempre.
La nocin de probabilidad viene de la necesidad de medir de alguna manera la certeza o
la duda de que algn suceso ocurra o no.
El fin de la teora de probabilidades es examinar las formas y los medios de obtener esas
medidas de certeza, as como encontrar los mtodos para combinarlos cuando
intervienen 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.
93
Excelencia Acadmica
Ejemplo:
Experimento E: lanzar un dado

Espacio Muestral S: {1, 2, 3, 4, 5, 6}
E: lanzar dos monedas

S:{(cara, cara), (sello, sello), (cara, sello), (sello, cara)}
E: elegir una persona en la calle, en cuanto a su estado civil

S:{casado, soltero, viudo, divorciado, conviviente}
5. Evento o Suceso (A)

El evento o suceso es el resultado de cada una de las realizaciones del experimento
aleatorio; o sea, un resultado que presenta cierto atributo o caracterstica que nos
interesa para su anlisis.
El evento o suceso en un subconjunto del Espacio Muestral.
Ejemplos:
Al lanzar una moneda y un dado, obtener cara y un nmero 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= {ABDC, 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:
94
Excelencia Acadmica
Obtener cara y sello es un suceso imposible.

Obtener cara o sello es un suceso seguro.
-
En el lanzamiento de un dado:
Obtener un nmero negativo es un suceso imposible
Obtener un nmero menor que siete es un suceso seguro.
7.1
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 conjunto de 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.
AB
b) Interseccin de Eventos
Es la designacin por A B o AB, es el evento formado por los elementos
comunes a A y B.
95
Excelencia Acadmica
AB
c) Complemento de un Evento
El complemento de A se denota con A ,A o A c , 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.
c
A ,A o 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:
KL
= {2, 3, 4, 6}
KL
= {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 AB =
96
Excelencia Acadmica
5.2. Propiedades
a) Asociatividad
A (B C) = (A B) C
A (B C) = (A B) C
b) Conmutatividad
AB = BA
AB = BA
c) Simplificacin
A (B A) = A
A (B A) = A
d) Idempotencia
AA = A
AA = 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
7.2
Se lanzan 2 monedas. Sean:

97
Excelencia Acadmica
A = {salgan 2caras}
B = {salgan 2 sellos}
C = {salgan una cara y un sello}
Obtener los siguientes sucesos:
a) A B
b) A C
d) A
e) C
g) A B C
h) A B C
5.3. Relaciones Entre Sucesos O Eventos
c) A-B
f) (A B)
a) Inclusin de Suceso
Diremos que el suceso A esta incluido en B si todas las ocurrencias de A esta
incluido en B si todas las ocurrencias de A son tambin ocurrencias de B, se
escribe
AB
Ejemplo:
A= {1, 2, 3}
B= {1, 2, 3, 4, 5, 6}
AB
b) Suceso Mutuamente Excluyente

Dos sucesos A y B son mutuamente excluyentes cuando no tiene ocurrencias
comunes. Se escribe:
AB =
Ejemplo:
No puede ocurrir que un abogado sea analfabeto.
Abogados y analfabetos son sucesos excluyentes.
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
98
Excelencia Acadmica
Diremos que el espacio muestral esta particionado en A1, A2, A3, etc. .S solo s
cumple las siguientes condiciones:
1
A1 , A2 , A3 ,
Esto quiere decir que tiene ocurrencias
A1 A2 = , A1 A3 = , A2 A3 = ,
O sea que no comparten ocurrencias, no tienen elementos comunes.
A1 A2 A3=
Es la unin de todos al unir todos los elementos y dar como resultado el
espacio muestral.
A1
A3
A2
A4
e) Potencia de un Suceso o Algebra de Elemento (2S)
2 S A A S
Ejemplo:
Experimento= {lanzar una moneda}
S c, s
2S 22 4
2 S , c, s, c, s
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
99
Excelencia Acadmica
Consiste en que dado dos o ms sucesos mutuamente excluyente puede ocurrir de

la primera o segunda forma.
#A = m
#B = n
Ocurrencia de A o B = m+n maneras

Ejemplos:
-
Se viaja de Lima a Huancayo, hay 2 compaas areas y 12 empresas terrestres.

M=2, n=12
Hay 14 formas de viajar (son excluyentes o mutuamente excluyentes).
Para ir
de un punto de la ciudad a otro hay avenidas
y jirones que son
excluyentes.
Si hay 5 avenidas y 2 jirones de cuantas maneras se puede desplazar.
Avenidas
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
Cuantos nmeros pares de 3 cifras diferentes, se pueden formar con los dgitos
2, 3, 4, 5, y 6.
100
Excelencia Acadmica
3
Dgitos pares
Restamos un dgito (Un dgito par se ubica al
final)
Restamos dos dgitos del total
La cantidad de nmero de 3 cifras diferentes es: 3 4 3 = 36

-
Dado los dgitos 0, 3, 5, 6, 8:
Cuantos nmeros de 4 cifras se pueden escribir
5
El cero no
puede ubicarse
5 6 6 6 =1080
Cuantos nmeros de 4 cifras mltiplos de 5 se pueden escribir
2
2 dgitos mltiplo
de 5 (el 0 y 5)
El cero no
puede ubicarse
5 6 6 2 =360
Cuantos nmeros de 4 cifras impares se pueden escribir
5
El cero no
puede ubicarse
3
Ubicacin de los
impares
101
Excelencia Acadmica
7.3
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?
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
OBSERVACIN
0!=1
8. Permutacin
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)
102
Excelencia Acadmica
8.1. Permutacin Ordinaria

Pm = m!
Ejemplos:
Cuantos nmeros de 4 cifras diferentes se pueden escribir con los dgitos 3, 4,

5y6
P4 = 4! = 4 3 2 1
P4 = 24
De cuantas maneras diferentes pueden colocarse, en un estante 5 libros

diferentes de Estadstica y tres de Biologa.
a) Si no hay ninguna condicin sobre las ubicaciones.
b) Si los libros de cada curso deben estar juntos.
c) Si solo los libros de Biologa deben estar juntos.
Solucin:
a) Pm = m!
P8 = 8! = 8 7 6 5 4 3 2 1
P8 = 40320 maneras
b) Libros de Estadstica
P5 (bloque)
Libros de Biologa
P3 (bloque)
Entre grupos de libros de Estadstica y de Biologa. P2

P5 P3 P2 = 5! 3! 2! = 120 6 2 = 1440
c) Los libros de Biologa permutan entre 3 y forman un solo bloque P3
Los libros de Estadstica permuta entre los 5 y tambin permuta con el
bloque de Biologa. P6
P5 P6 = 3! 3! = 6 7202 = 4320
103
Excelencia Acadmica
8.2. Permutacin Circular

PmC = (m-1)!
Se refiere al cambio de posicin pero en una circunferencia.
Se toma cualquier punto de referencia por que no hay centro.
Ejemplo:
De cuantas formas diferentes pueden sentarse 10 ministros alrededor de una mesa
si:
a) Si pueden sentarse de cualquier forma.
b) Dos ministros determinados deben estar juntos.
c) Dos ministros determinados no deben estar juntos.
Solucin
a) PmC = P10C = (10-1)! = 9! = 362880 formas
b) Dos ministros siempre juntos se considera como 1. Pero permutan en ellos P2 y
luego permutan con los 8 restantes formando como si fueran 9 ministros.
P9C P2 (9 1)! 2! 8! 2! 80640 formas

c)
P10 C P9 C P2 362880 80640 282240
8.3. Permutacin con Repeticin
Pmm1m2
m!
m1! m2 !
m = total de elementos
Repeticin: Por que los elementos pueden entrar varias veces en las
agrupaciones.
Ejemplo:
Cuantos numeros de cuatro cifras se pueden escribir con dos 5 y dos 7
Pmm1 ,m2 P24, 2

104
4!
24
6 maneras
2! 2! 4
Excelencia Acadmica
Por extensin:
5775
5757
5577
7557
7575
7755
Cuantos signos diferentes, cada una de 6 banderas, colocadas en lnea vertical

pueda formarse con un conjunto de 4 banderas rojas y 2 banderas blancas.
P46, 2
6!
720
720
15 maneras
4! 2! 24 2 48
9. Varicacin
Es una forma de permutacin, en el cual no interviene todos los elementos.
9.1. Variacin Simple o General
Vnm
m!
(m n)!
m = todos los elementos

n = parte de m
Ejemplos:
De cuantas maneras diferentes se pueden presentar a, b, c y d tomados de dos

en dos.
V24
4!
24
12 maneras
(4 2)! 2
De un conjunto de 6 candidatos, de cuantas maneras se pueden elegir 3,

Presidente, secretario y tesorero.
V36
6!
720
120 maneras
(6 3)!
6
9.2. Variacin con Repeticin
Vnm r m n
Ejemplos:
105
Excelencia Acadmica
De cuantas maneras diferentes pueden presentarse a, b, y c tomados de dos

en dos con repeticin.
V23 r = 32 = 9 maneras
Cuantos nmeros de dos cifras, con repeticin se pueden escribir con 5, 6, 7 y

8
V42 r = 42 = 16 maneras
10.
Combinacin
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
C nm
m!
n!( m n )!
m = total de elementos
n = parte de m
Ejemplos:
En una reunin hay 15 personas. Cuantos apretones de manos se darn al

saludarse todos ellos entre s.
C215
15!
15! 15 14 13 210
105apretones
2!(15 2)! 2! 13! 2 1 13
2
(se puede simplificar)
En una reunin hay 10 varones y 6 damas. De cuantas maneras pueden

colocarse en una fila de grupo de 5; de los cuales 3 sean varones y 2 mujeres.
Solucin:
Forma de escoger varones
C 310
Forma de escoger damas
C 26
En la fila se pueden permutar entre 5
P5
Total de maneras
= C3 C 2 P5 !
10
=
106
10!
6!
5!
3!(10 3)! 2!(6 2)!
Excelencia Acadmica
= 120 15 120 216

10.2. Combinacin Con Repeticin
Cnm r
(m n 1)!
(m 1)! n!
Ejemplo:
-
Cuantas combinaciones con repeticin, obtendremos dados 4 smbolos

diferentes, tomados de tres en tres.
C34 r
( 4 3 1)! 6! 720
( 4 1)! 3! 3! 3! 36
20 combinaciones
11.
Diagramas de Arbol
Un diagrama de rbol es el dibujo que se usa para enumerar todos los resultados
posibles de una serie de experimentos en donde cada experimento puede suceder en un
nmero finito de maneras. La construccin de diagramas de rbol se ilustra en los
siguientes ejemplos.
Ejemplo:
Marcos y Enrique intervienen en un torneo de tenis. La primera persona que gane dos
juegos seguidos o que complete tres gana el torneo. El diagrama siguiente muestra los
posibles resultados del torneo.
M
M
E
E
M
M
M
E
E
E
E
E
107
Excelencia Acadmica
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.
7.4
1. A una reunin asistieron, 2 damas y 3 caballeros.

a) De que maneras pueden sentarse en una fila?
b) De cuantas maneras se pueden sentar alrededor de una mesa circular?
c) De cuantas maneras pueden sentarse si las damas se sientan juntas y los
caballeros tambin?
d) De cuantas maneras pueden sentarse si las damas se sientan juntas y los
caballeros tambin, pero alrededor de una mesa circular?
e) De cuantas maneras pueden sentarse en fila si las damas siempre estn juntas?
2. En una carrera de caballos participan 19 ejemplares, si se trata de que usted acierte los
tres primeros puestos en la clasificacin final. De entre cuantas posibilidades tendra
que escoger una?
3. Con 6 consonantes y 5 vocales diferentes. Cuntas palabras pueden formarse, que
consta de tres consonantes y tres vocales?. NO interesando que las palabras as
formadas tengan significado.
4. Un estudiante tiene que contestar 8 de 10 preguntas en un examen.
a) De cuantas maneras tiene que escoger?
b) De cuantas maneras, si las tres primeras son obligatorias?
d) 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?
108
Excelencia Acadmica
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?
7.5
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?

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
Edicin. Lima 1993.
En el siguiente fascculo, continuaremos con la teora de probabilidades y estudiaremos:

probabilidad mtodo clsico, mtodo de la frecuencia relativa, probabilidad condicional y
teorema de BAYES.
109
Excelencia Acadmica
N 7
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. El testigo de un atropello recuerda que la placa del auto tiene 65 dgitos diferentes y
solamente ha memorizado los tres primeros que son: 3, 4, 7, Cuantos 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) Cuando como mnimo 3 mujeres?
3. En un examen de Estadstica, un estudiante debe responder 6 preguntas de 10 dadas.
De cuantas 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?
d) 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 invitar para su cumpleaos solamente a tres
De cuantas maneras debe hacer la invitacin, ni 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 solas que ocupen el primer y segundo lugar.
a) Liste los elementos del espacio muestral correspondiente al experimento al Elegir
las dos ganadoras
b) Liste el Evento o suceso Magna y Maria ganan los premios.
110
Excelencia Acadmica
111
Excelencia Acadmica
PROBABILIDAD (II)
Vivimos en un mundo donde somos incapaces de pronosticar el futuro con absoluta certeza.
La necesidad de sortear la incertidumbre nos lleva a estudiar y aplicar la teora de la
probabilidad.
En este fascculo continuamos con la teora de probabilidades a travs del mtodo clsico,
mtodo de frecuencia relativa, Mtodo subjetivo y probabilidades frente a apuestas y de
espacios muestrales finitos.
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. Definicin Clsica De Probabilidades

Si un espacio muestral tiene n eventos sencillos o elementales, todos igualmente
factibles, posibles o equiprobables entonces las probabilidad del evento A es igual al
nmero de casos favorables (elementos de A) sobre el numero de casos posibles
(elementos del espacio muestral)
P A
Nmero de casos favorables # A
#
Nmero de casos posibles
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
P A
112
#A 3 1
0.5
#S 6 2
Excelencia Acadmica
En una urna hay 3 bolas negras y 4 bolas rojas. Si se extrae una bola al azar. Cul
es la probabilidad de que esta sea roja?
S= {N, N, N, R, R, R, R}
A= {R}
P A
#A 4
0.57
#S 7
Axiomas de Probabilidad
a) La probabilidad de cualquier evento es un nmero no negativo
0 P( A)
b) La probabilidad del espacio muestral es 1
P( S ) 1
c) La probabilidad de un evento vaco es igual a cero
P() 0
d) Si A y B son dos eventos mutuamente excluyentes; esto es si:
A B
Entonces:
P( A B) P( A) P(B)
Teoremas de Probabilidad.
a) La probabilidad del complemento de un evento es igual a unin menos la
probabilidad de dicho evento.
P( A' ) 1 P( A)
b) Si Ay B 2 S (algebra de los elementos) y A B entonces:
113
Excelencia Acadmica
P(B) P( A)
c) Si Ay B 2 S entonces
P( A B) P( A) P( A B)
d) Si Ay B 2 S entonces
P( A B) P( A) P(B) P( A B)
Ejemplos:
-
Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
P ( A) 0.20
P ( B ) 0.30
P ( A B ) 0.10
S
B
0.10
0.10
Hallar:
a) P(A' )
b) P( A' B' )
c)
P( A' B' )
d) P( A' B)
e) P( A B' )
f)
P( A' B)
Solucin:
a)
P( A' ) 1 P( A)
1 0.20
0.80
b)
P( A' B' )
De la ley de Morgan
114
0.20
Excelencia Acadmica
A'B' ( A B)'
P( A'B' ) P( A B)'
Pero de:
P( A B)' 1 P( A B)
1 0.40
0.60
c)
P( A' B' )
P( A' B' ) P( A' ) P( B' ) P( A' B' )
0.80 0.70 0.60
0.90
Otra forma de obtener:
De la ley de Morgan
P ( A' B ' ) P ( A B )'

1 P( A B)
1 0.10
0.90
d) P( A' B)
P ( A' B) P( A' B )
significa iguales
P( B A) P ( B ) P ( A B ) teorema
0.30 0.10
0.20
e) P( A B' )
P( A B' ) P( A B) P( A) P( A B)
0.20 0.10
0.10
f)
P( A' B)
P( A' B) P( A' ) P( B) P( A'B)
0.80 0.30 0.20
0.90
115
Excelencia Acadmica
8.1
Sean A y B cualesquiera, tal que:
P( A B) 3 4
P( A' ) 23
P( A B)
Hallar:
a) P(B)
b) P( A B' )
c)
P( A'B' )
d) P( A' B)
2. Probabilidad De Frecuencia Relativa

Cuando nos planteamos ciertas preguntas
Cul es la Probabilidad de vender 2 cocinas en esta semana o de vender una cocina y
una refrigeradora?
Cul es la probabilidad de que Rubn apruebe la asignatura de Estadstica?
Para contestar estas dos preguntas no nos sirve la definicin clsica, en este caso
necesitamos ms informacin, para lo cual recurrimos a otros tipos de definiciones, por
ejemplo, a la definicin por frecuencia relativa, la cual se define de la siguiente manera:
Sea A 2 S
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 f A , entonces la frecuencia
relativa ( h i ) del evento A esta dado por:
Luego:
1 0 h A 1
116
hA
fA
P(A)
n
Excelencia Acadmica
2 La frecuencia relativa de todo el espacio muestral ser:
hS
fS n
1
n
n
3 h A B h A hB
Ejemplos:
Al escoger al azar un trabajador de la tabla Cul es la probabilidad de que este

gane de S/205 a S/233?
Tabla de Frecuencia de Salarios de Trabajadores
Salario
fi
hi
1 [ 163 - 177 [
4 0.06
2 [ 177 - 191 [
6 0.08
3 [ 191 - 205 [
9 0.12
4 [ 205 - 219 [
13 0.18
5 [ 219 - 233 [
15 0.21
6 [ 233 - 247 [
13 0.18
7 [ 247 - 261 ]
12 0.17
TOTAL
72
P ( 4 5 ) P ( 4 ) P ( 5 )
h4 h5
0.18 0.21
0.39 39%
La probabilidad de encontrar un trabajador que ganes de s/205 a s/233 es del 39%
El siguiente cuadro contiene la clasificacin de 321 obreros de una empresa

respecto a dos caractersticas:
1
El numero de aos que estn trabajando en la empresa.
Su respuesta a la pregunta Desea usted ir a la huelga para obtener un

aumento de salario.
Respuesta
Nmero de Aos de la Empresa
Total
117
Excelencia Acadmica
Si
No
No se
Total
Menos
de 1 ao
27
14
3
44
A
1a3
54
18
2
74
4 a 10
137
34
1
172
Ms de
10
28
3
0
31
D
246
69
6
321
Cul es la probabilidad de que un trabajador seleccionado al azar:

a) Tenga de 1 a 3 aos en la empresa.
b) Haya contestado si a la pregunta.
c) Contesto si y esta trabajando en la empresa de 1 a 3 aos
d) Contesta si y pertenece por lo menos 4 aos a la empresa.
Solucin:
Para facilitar la solucin ponemos letras maysculas a las filas y columnas.
a) P( B)
74
0.2305 23.05%
321
b) P( M )
c)
246
0.7663 77%
321
P(M B)
54
0.1682 17%
321
d)
PM C D PM C M D
P( M C ) P( M D)
137 28
321 321
165
0.514 51.4%
321
8.2
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:
118
Excelencia Acadmica
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
3. Probabilidad Subjetiva
En la vida diaria hay ciertas preguntas que se hacen ciertos especialistas.
Ejemplo:
a) Un medico investigador dir que al trmino 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 dio anteriormente y el 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).
4. 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)
Interpretacin:
5
5
53 8
de 8 ocurrencias, 5 es a favor de A.
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?.
119
Excelencia Acadmica
3
3
35 8
1
1
P( B)
1 4 5
P( A)
Pero como son mutuamente excluyentes
P ( A B ) P ( A) P ( B )
3 1

8 5
23
0.575 57.5%
40
8.3
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?
5. Probabilidades De Espacios Finitos

Otro mtodo para asignar probabilidades en espacios muestrales finitos.
S W1 , W 2 , W3 , W n
donde
n =finito
W 1 , la
Se asigna a cada W i una probabilidad Pi , tal que la probabilidad de P
i 1
suma de las probabilidades asignados a los elementos y espacio muestral es la unidad,

adems cada uno es mutuamente excluyente y relativamente exhaustivo.
Ejemplo:
En el hipdromo los caballos A, B, C, D compiten en una carrera. A tiene 2 veces mas
probabilidad de ganar que B; B tiene 2 veces mas probabilidad que C y C tiene 2 veces
mas probabilidad que D.
a) Cuales son las probabilidades de ganar de cada uno de los caballos.
b) Cual es la probabilidad de que B o C gane.
Solucin:
S= {gana A, gana B, gana C, gana D}
Este espacio muestral lo reemplazamos por:
120
Excelencia Acadmica
S= { W1 , W 2 , W3 , W 4 }
a) P (W1 ) P (W 2 ) P (W3 ) P (W 4 ) 1
Pero
P(W4 ) x
P(W3 ) 2 x
P(W2 ) 4 x
P(W1 ) 8 x
x 2 x 4 x 8x 1
15 x 1
x
1
15
Todos tienen la misma capacidad de ganar, as tenemos:
1
0.067 7%
15
P(W3 ) 2 x 2 115 215 0.13 13%
P(W4 )
P(W2 ) 4 x 4 415 215 0.27 27%

P(W1 ) 8 x 8 815 215 0.53 53%
b)
P(W2 W3 ) P(W2 ) P (W3 )

4 2
15 15
6
0.4 40%
15
8.4
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:
121
Excelencia Acadmica
a) Gane un joven
b) Gane una seorita
c) Gane un nio
d) Gane un nio o una seorita
6. 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 creo; y sea B cual suceso: se llama
probabilidad de B condicionado a A al cociente:
A P(PA(A)B)
PB
6.1. Axiomas
I)
Para cualquier suceso E
A P(PE(A)A) 0
PE
Por ser cociente de nmeros no negativos.
II)
Sean B y C dos sucesos incompatibles ( B C ) . Entonces:
P BC
PB P(CA) A
PB A C A
P ( A)
PB PC
A
A
III)
A PP(A)A PP(( AA)) 1
Por ser A A
122
Excelencia Acadmica
6.2. Probabilidad de la Interseccin de dos sucesos.

Consecuencia:
P ( A B ) P A P B
Ejemplo:
En una encuesta que se hace a 112 personas sobre el color de los ojos se obtiene
la siguiente tabla de resultado.
Asunto
Varones (V)
Mujeres (M)
Total
Ojos Azules
(A)
20
22
42
Ojos Negros
(N)
30
40
70
Total
50
62
112
Si la eleccin se hace sin condiciones, la probabilidad de elegir una persona con

los ojos azules es:
P( A)
42 3
112 8
De elegir una persona con los ojos negros ser:
P( N )
70 5
112 8
Sin embargo, si la eleccin la hacemos solo entre los varones, la probabilidad de

ojos azules y los ojos negros respectivamente son:
P( A)
20 2
50 5
P( N )
30 3
50 5
Lo anterior se denota que son probabilidades calculadas sobre el conjunto de los
V que se lee Probabilidad de A condicionada a V; por lo
varones, se escribe P A
tanto, las condicionadas son:
2
PA
V 5
3
PN
V 5
Considerando lo anterior se dan otras probabilidades condicionadas, ejemplo:
123
Excelencia Acadmica
22 11
M 62
31
30 3
P V
N 70 7
PA
Luego, podemos ver:
2
PA
V
5
50 25
P(V )
112 56
20
5
P A V
112 28
Entonces:
P A V
PA
V
P V
5
5(56)
2
28
25
25(28) 5
56
2
PA
V
5
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 A B
son reyes.
P( A B) P( A) P B
4 3
52 51
1
221
La probabilidad es de 1
8.5
124
221
o sea ambas cartas
Excelencia Acadmica
1. Una urna contiene 10 bolas rojas y 6 negras. Se sacan dos bolas sin posibilidad de
reemplazarlo. Cul es la probabilidad de que la segunda bola sea negra si se sabe que
la primera ha sido negra?
2. Calcular la probabilidad de obtener cuatro 2 al lanzar cuatro dados.
7. Sucesos Independientes
A PB es decir, el
Se dice que un suceso B es independiente de otro A cuando P B
suceso A no influya en B por lo tanto: diremos que A y B son independientes cuando

ocurre que:
P( A B) P( A) P( B)
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:
P( A B) P( A) P( B)
P( A)
1
2
P( B)
1
2
Los casos favorables de A B par en la primera e impar en la segunda es:
A B 2,1, 2,3, 4,1, 4,3

En total son 4 casos de un total de VR4, 2 4 2 16 casos posibles, por tanto
125
Excelencia Acadmica
P( A B)
4 1
16 4
Luego
P( A B)
1 1 1 1
P( A) P( B)
4 2 2 4
Los sucesos son independientes.
8. Teorema De Bayes
El teorema de Bayes viene a seguir el proceso inverso al teorema de probabilidad total.
El teorema de Bayes dice:
Ai
Ai
P ( Ai ) P B
P ( A ) P B A
n
i 1
Donde:
Ai , A2 , , An
son sucesos tales que
A1 A2 An E ,
siendo E el espacio muestral
Y donde Ai A j si i j , y V es un suceso del que se conocen las

probabilidades condicionales P B
, adems de conocerse las probabilidades
Ai
P Ai .
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 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%
126
Excelencia Acadmica
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 AB que se
denominan Probabilidades a posteriori.
Solucin:
Aplicamos la formula:
Ai
Ai
P ( Ai ) P B
P ( A ) P B A
n
i 1
a) La probabilidad de que estuviera lloviendo
Ai
0.50 0.20
B (0.50 0.20) (0.30 0.10) (0.20 0.05)

0.714
La probabilidad de que efectivamente estuviera lloviendo el da del accidente

(probabilidad posteriori) es del 71.4%
b) Probabilidad de que estuviera nevando
Ai
0.30 0.10
B (0.50 0.20) (0.30 0.10) (0.20 0.05)

0.214
127
Excelencia Acadmica
La probabilidad de que estuviera nevando es 21.4%

c) Probabilidad de que hubiera niebla
Ai
0.20 0.05
B (0.50 0.20) (0.30 0.10) (0.20 0.05)

0.071
La probabilidad de que hubiera niebla es del 7.1%
8.6
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?

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
128
Excelencia Acadmica
Edicin. Lima 1993.
N 8
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. 10 libros son colocados aleatoriamente en un estante. Determinar la probabilidad que 4
libros determinados sean colocados juntos.
2. En una carrera de caballos, el caballo Q 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?
3. 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.
4. Sean los eventos A y B
P ( A) 1
P( A B) 5
Hallar:
a) P( A' B' )
b) P( A' B)
5. 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
Regiones
Costa
Sierra
Autos
50
10
Repuestos
20
5
Artefactos
30
10
Total
100
25
129
Excelencia Acadmica
Selva
Total
130
1
61
0
25
4
44
5
130

ESTADISTICA - Probabilidades

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

ESTADISTICA - Probabilidades

Hochgeladen von

Copyright:

Verfügbare Formate

Excelencia Acadmica

ORGANIZACIN DE DATOS Y GRFICOS

UNIDAD ACADMICA III

MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (I)

MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL (II)

DISPERSIN, ASIMETRA Y APUNTAMIENTO

UNIDAD ACADMICA VII

UNIDAD ACADMICA VIII

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.

Sistematizacin, recogida, ordenacin y presentacin de datos referentes a un

deducir las leyes que rigen esos fenmenos,

Poblacin Finita: cuando se tiene un nmero determinado de elementos.

Poblacin Infinita: Cuando el nmero de elementos es indeterminado o tan

Tamao de la poblacin: es el nmero total de elementos que tiene la poblacin

La media aritmtica con

La media aritmtica con x

Los datos pueden ser:

El nmero de soldados del Per

b. Datos Cualitativos: Se pueden dividir en diferentes categoras que se

Los grados del ejrcito

Lo que se recoge directamente de un muestreo o de un censo.

b. Datos Secundarios: Son registros escritos que proceden tambien de un

Lo que se obtiene de textos, revistas, etc.

Estado civil, lugar de nacimiento, profesiones, causas de accidentes,

Nmero de hijos, ingresos, talla, peso, produccin, edad, utilidades,

Las variables cuantitativas pueden ser Discretas y Continuas

Nmero de hijos, habitaciones por vivienda, poblacin por pas.

b.2. Variable Continua

rea de terreno, ingresos monetarios, peso, estatura, tiempo,

Segn la relacin entre variables

El consumo. Esta variable depende de los ingresos personales.

Los ingresos personales, relacionado con el consumo.

c) Variables intervinientes o interferentes

El caso del Presupuesto familiar que es una variable dependiente,

Segn la escala de medicin

Sexo, estado civil, profesiones, lugar de nacimiento, deportes de

Grado de instruccin, clases sociales, rango de agresividad, orden

Coeficiente de inteligencia, temperatura, puntuacin obtenida en una

Accidentes de trnsito, edad, peso, ingresos, nmero de hijos, etc.

Segn Amplitud de las Unidades de Observacin

Edad, sexo, ocupacin, estado civil, etc.

a.2. Variables Privadas

Coeficiente de inteligencia, opiniones frente a la poltica,

Tasa de mortalidad, urbanizacin, tasa de crecimiento demogrfico,

Las variables dependientes en un momento o caso pueden ser variables independientes y

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

6. Notacin Sistmica o Cientfica

(no es notacin cientfica )

4. Realizar la notacin cientfica de:

5. Cuntas cifras significativas tienen los siguientes nmeros:

La expresin dada tiene la siguiente lectura: Sumatoria de a por x elevado a la

La expresin dada tiene la siguiente lectura: Sumatoria de -1 elevado a la k por x

La expresin dada tiene la siguiente lectura: Sumatoria del coeficiente binmico n

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

En el siguiente fascculo estudiaremos la organizacin de datos a travs de la Tabla de

5. Por qu la Estadstica es probabilstica e Inferencial?

ORGANIZACIN DE DATOS Y GRFICAS

- Organiza datos originales en una distribucin de frecuencia.

Los atributos cualitativos y cuantitativos deben ser exhaustivos y mutuamente excluyentes.