Beruflich Dokumente
Kultur Dokumente
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.
19
20
21
21
23
28
28
31
1.
2.
3.
4.
37
39
43
47
UNIDAD ACADMICA IV
1.
2.
3.
4.
5.
6.
7.
53
55
56
57
58
58
59
Excelencia Acadmica
UNIDAD ACADMICA V
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
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
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.
1. Definicin de Estadstica
La Estadstica es la ciencia de la:
-
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:
-
Excelencia Acadmica
Ejemplo.
El conjunto de Insectos
El conjunto de estudiantes
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:
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
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:
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:
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:
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:
Excelencia Acadmica
Ejemplo:
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:
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:
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
Excelencia Acadmica
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:
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
(redondear a 3 decimales)
Cuando al nmero que se quiere redondear le sigue una cifra menor que 5, se quedar
en el mismo valor.
Ejemplo:
74,3
74
(redondear al entero)
1,254
1,25
(redondear a 2 decimales)
53,6182
53,618
(redondear a 3 decimales)
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
(redondear al entero)
2,385
2,38
(redondear a 2 decimales)
137,612
(redondear a 3 decimales)
137,6125
86
(redondear al entero)
En la
prctica
por lo
general,
cuando a la
cifra que se
desea
redondear
le sigue 5
Excelencia Acadmica
1,315
1,32
(redondear a 2 decimales)
57,5435
57,544
(redondear a 3 decimales)
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
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 cifras significativas
4 cifras significativas
5 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
b) 9 430 000
d) 0,000 005
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
ax a 4 x 4 5 x 5 6 x 6 7 x 7
a4
b) Desarrollar:
x k 1
k 0
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
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.
17
Excelencia Acadmica
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Determinar la clase de variable que nos dan los datos de los siguientes fenmenos o
hechos:
a) Colores
b) Nivel de desempleo
c) 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
c)
Y k MY
M 1
Excelencia Acadmica
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
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.
-
20
Excelencia Acadmica
e) Frecuencia Porcentual ( Pi )
Es el producto de las frecuencias relativas por 100.
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
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
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.
3. Calcular el Rango( R )
R X max X min 1
R X max X min
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
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
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).
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
m n
m 2,5 4 n
m 41 6,4
m 2,5 4 41 6,3
m 6 (entero)
m 6 (entero )
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
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
0.22
41
0.22
1.00 1.575
0.10
13
32
0.32
0.78 1.629
0.17
20
28
0.49
0.68 1.683
11
0.27
31
21
0.76
0.51 1.737
0.07
34
10
0.83
0.24 1.791
26
Excelencia Acadmica
0.17
41
1.00
41
1.00
0.17 1.845
2.1
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
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
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
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.
d) F(42 )
b) h4
e) H(61)
c) F(15)
f) H (52)
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 =
f3 =
b) h4 =
c)
H (52) = 60% de los trabajadores ganan ms o igual que 110 nuevos soles.
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
20
5
4
Excelencia Acadmica
VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2
Edicin. Lima 1993.
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
34
45
102
31
24
72
61
54
83
60
81
85
60
Excelencia Acadmica
36
Excelencia Acadmica
37
Excelencia Acadmica
Las medidas de centralizacin son valores que tienden a situarse en el centro del conjunto
de datos ordenados segn magnitud.
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)
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
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
n
Fk(11)
Me Li a 2
fk
Li
a
n
= intervalo de clase
= nmero de elementos (tamao de la muestra)
n
cuyo resultado se la
2
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
a
42
Excelencia Acadmica
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:
3.2
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
Mo Li a
1
1 2
Li
= Variacin 1
= Variacin 2
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
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
3.3
47
Excelencia Acadmica
Intervalo
fi
220 -
240 [
48
240 -
260 [
60
260 -
280 [
60
280 -
300 ]
30
TOTAL
198
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
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
10
10
12.40 124.00
19
17.24 155.16
[ 19.66 -
25
22.08 132.48
33
26.92 215.36
37
31.76 127.04
42
36.60 183.00
24.5 [ ||||| |
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
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
Mo Li a
1
1 2
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
51
Excelencia Acadmica
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
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
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
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
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
= 6 trmino de la serie
2
Q2 14
Q3
3 (11 1)
= 9 trmino de la serie
4
Q3 21
58
Excelencia Acadmica
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
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
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
-
3n 3 (60)
45
4
4
La clase se ubica en la frecuencia acumulada 45 por contener a 45
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
-
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
-
dn 8 (60)
48
10
10
La clase se ubica en la frecuencia acumulada 54 por contener a 48
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
-
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
La clase se ubica en la frecuencia acumulada 54 por contener a 49.80
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
P83 595.67 Nuevos soles
g) Percentil 1
-
pn 1 (60)
0.60
100 100
La clase se ubica en la frecuencia acumulada 4 por contener a 0.60
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
P1 326.50 Nuevos soles
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
Decil 4
g) Decil 7
h) Percentil 2
i)
Percentil 93
j)
La Moda y Cuartil 2
65
Excelencia Acadmica
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.
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
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
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
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
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.
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)
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
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
0.5
1.5
As1
x Mo
S
= Media aritmtica
75
Excelencia Acadmica
Mo
= Moda
= desviacin estandar
Resultados:
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
As2
3( x Me)
S
= Media aritmtica
Me
= Mediana
= desviacin estandar
Resultados:
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
10.
Medida de Apuntamiento
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
5.2
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
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.
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
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
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.
Ecuacin General
83
Excelencia Acadmica
variable dependiente
x
ayb
variable independiente
parmetros
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
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.
84
Excelencia Acadmica
6224 54(21)
6(91) 21(21)
1344 1134 210
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 2002 le corresponde el 5
Al 2003 le corresponde el 6
Al 2004 seria el 7
Al 2005 es el 8
y 2005 2 2(8) 18
Interpretacin:
y a bx cx 2
Ecuacin General
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
c 0 . 22
y c x
a
18.5 0.22(55)
6
6
6
a 1 .1
xy
x
65.5
55
b 1 .2
Luego
87
Excelencia Acadmica
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
Pt Po 1 r
Pt
= poblacin final
Po
= poblacin ao base
= 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
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
Excelencia Acadmica
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
1.00
1.060
1.124
1.191
1.262
1.338
1.419
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.
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:
4. Espacio Muestral ( S ) ()
Espacio muestral es el conjunto de todos los resultados posibles de un experimento
aleatorio.
93
Excelencia Acadmica
Ejemplo:
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
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
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}
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
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
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
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
#A = m
#B = n
Para ir
excluyentes.
Si hay 5 avenidas y 2 jirones de cuantas maneras se puede desplazar.
Avenidas
m=5
Jirones
n=2
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
5
El cero no
puede ubicarse
5 6 6 6 =1080
2
2 dgitos mltiplo
de 5 (el 0 y 5)
El cero no
puede ubicarse
5 6 6 2 =360
5
El cero no
puede ubicarse
3
Ubicacin de los
impares
101
Excelencia Acadmica
7.3
7. Factorial de un Nmero
Se llama factorial
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
P5 (bloque)
Libros de Biologa
P3 (bloque)
103
Excelencia Acadmica
Pmm1m2
m!
m1! m2 !
m = total de elementos
Repeticin: Por que los elementos pueden entrar varias veces en las
agrupaciones.
Ejemplo:
4!
24
6 maneras
2! 2! 4
Excelencia Acadmica
Por extensin:
5775
5757
5577
7557
7575
7755
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)!
V24
4!
24
12 maneras
(4 2)! 2
V36
6!
720
120 maneras
(6 3)!
6
Vnm r m n
Ejemplos:
105
Excelencia Acadmica
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:
C215
15!
15! 15 14 13 210
105apretones
2!(15 2)! 2! 13! 2 1 13
2
C 310
C 26
P5
Total de maneras
= C3 C 2 P5 !
10
=
106
10!
6!
5!
3!(10 3)! 2!(6 2)!
Excelencia Acadmica
Cnm r
(m n 1)!
(m 1)! n!
Ejemplo:
-
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
Excelencia Acadmica
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?
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.
P A
#
Nmero de casos posibles
Ejemplo:
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:
-
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 )
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
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)
hA
fA
P(A)
n
Excelencia Acadmica
hS
fS n
1
n
n
3 h A B h A hB
Ejemplos:
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%
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
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
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).
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)
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?
S W1 , W 2 , W3 , W n
donde
n =finito
W 1 , la
i 1
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
1
0.067 7%
15
P(W3 ) 2 x 2 115 215 0.13 13%
P(W4 )
b)
0.4 40%
15
8.4
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)
A P(PE(A)A) 0
PE
II)
P BC
PB P(CA) A
PB A C A
P ( A)
PB PC
A
A
III)
Por ser A A
122
Excelencia Acadmica
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
P( A)
42 3
112 8
P( N )
70 5
112 8
P( A)
20 2
50 5
P( N )
30 3
50 5
varones, se escribe P A
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
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
P( A B) P( A) P B
4 3
52 51
1
221
La probabilidad es de 1
8.5
124
221
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
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
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
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
A1 A2 An E ,
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
Ai
Ai
P ( Ai ) P B
P ( A ) P B A
n
i 1
Ai
0.50 0.20
Ai
0.30 0.10
Excelencia Acadmica
Ai
0.20 0.05
8.6
Cuando el chofer est ebrio, el test proporciona resultado positivo en el 95% de los
casos.
Cul es la probabilidad de que el chofer est ebrio dado que el resultado fue positivo?
128
Excelencia Acadmica
VELIZ C., Carlos. Estadstica: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2
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