Beruflich Dokumente
Kultur Dokumente
ESTADISTICA Y PROBABILIDADES
CON APLICACIONES
INDICE
INTRODUCCION
Qu es la estadstica?
CAPITULO I
Distribucin de Frecuencias
CAPITULO II
10
CAPITULO III
15
22
CAPITULO IV
Medidas de Dispersin
26
CAPITULO V
Correlacin
37
CAPITULO VI
46
CAPITULO VII
Probabilidades
Teorema de Bayes
56
65
CAPITULO VIII
Variables Aleatorias
EXAMEN
Prueba Final
PRUEBAS
69
73
76
2
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
INTRODUCCION
ORIGEN.
QUE ES LA ESTADISTICA.
conclusiones que sobrepasen los limites de los conocimientos aportados por los
datos.
Por lo tanto el mtodo estadstico es una herramienta utilizada por el
hombre para comprender los hechos de la vida real.
Las aplicaciones de la Estadstica se dan en casi todos los campos de la
investigacin tales como: ciencias naturales, sociales, econmicas, etc.
4
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO I
DISTRIBUCION DE FRECUENCIAS
Algunos conceptos ms usados en la Estadstica son:
a) Datos: Son los hechos que observamos por ejemplo: el peso de un nio, la
nota de un alumno, el sueldo de un empleado.
Los datos pueden ser Cualitativos y Cuantitativos.
Datos Cualitativos: Son aquellas observaciones que expresan atributos por
ejemplo: profesin, nacionalidad.
Datos Cuantitativos: Son aquellas observaciones que pueden ser expresadas
numricamente, por ejemplo: la estatura de una persona, las calificaciones de un
empleado.
b) Variables: Los datos se denominan variables que se denotan por las letras Xi,
Yi , Z i .
Por ejemplo: cuando queremos obtener alguna informacin de los sueldos de los
funcionarios de una unidad la variable es el sueldo.
Las variables pueden ser Discretas o Continuas.
Variable Discreta: Es aquella que toma un numero finito o infinito contable de
valores, siendo un conjunto contable aquel que se puede formar en
correspondencia uno a uno con los nmeros naturales.
Ejemplo:
Presentacin de Datos.
Simblicamente
En la tercera columna colocamos las frecuencias absolutas acumuladas, que
denotamos por la letra Ni, y como su nombre lo indica se obtiene sumando las
frecuencias absolutas hasta el punto que uno desee, as por ejemplo:
N1 = n1
N2 = n1 + n2
N3 = n1 + n2 + n3
En la cuarta columna se colocan las frecuencias relativas que lo denotamos por la letra
fi y se define como el cuociente entre las frecuencias absolutas y el tamao de la
muestra, es decir:
fi =
Adems la suma de las frecuencias relativas es siempre igual a uno.
Simblicamente
En la quinta columna estar la frecuencia relativa acumulada que denotamos por
Fi y corresponde a la suma de las frecuencias relativas hasta cada punto de la
variable que se desee.
6
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Solucin:
Xi
0
1
2
3
4
5
ni
3
6
8
5
2
1
Ni
3
9
17
22
24
25
fi
0,12
0,24
0,32
0,20
0,08
0,04
Fi
0,12
0,36
0,68
0,88
0,96
1,00
f i%
12
24
32
20
8
4
F i%
12
36
68
88
96
100
ni
3
Ni
fi
Fi
f i%
F i%
7
0,14
0,68
50
8
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Xi
60
80
100
120
140
ni
5
9
11
8
7
Luego X0+3c=110
Ni
5
14
25
33
40
fi
0,125
0,225
0,275
0,20
0,175
50+3c=110
Fi
0,125
0,350
0,625
0,825
1,00
f i%
12,5
22,5
27,5
20
17,5
F i%
12,5
35
62,5
82,5
100
c=20
Xi
5
10
15
20
25
ni
Ni
2
fi
Fi
f i%
F i%
0,3
0,3
0,85
9
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO II
REPRESENTACION GRAFICA DE DISTRIBUCION DE FRECUENCIAS
La representacin grfica nos ayuda a visualizar las caractersticas de una
distribucin de frecuencia y comparar una distribucin con otra.
La mayora de los grficos utilizados con fines de presentacin de datos
estadsticos se basa en un sistema de ejes perpendiculares orientados, en los que
se anotan los distintos valore de las variables independientes en el eje horizontal y
las frecuencias en el eje vertical.
La representacin graficas ms utilizadas son:
I) Para variables discretas grficos de: Barras, segmentos verticales, Barras
subdivididas y circulares.
II) Para variables continuas: Histograma, polgono de frecuencia y ojiva.
a) Grafico de Barras
Este grafico esta formado por barras paralelas donde el ancho y la
separacin entre ellas es uniforme. La altura de las barras es proporcional a los
valores representados.
b) Grafico de segmentos verticales
Esta formado por barras paralelas donde el ancho es una lnea y la
separacin entre ellas es uniforme. La altura de las barras es proporcional a los
valores representado s.
c) Barras subdivididas
Esta formado por barras paralelas donde el ancho y la separacin entre
ellas es uniforme. La altura de las barras es la misma para todas, la diferencia esta
en que se van representando los datos en el interior de las barras, achurando los
valores correspondientes proporcionalmente.
Ejemplo 6: Consideremos la poblacin de Chile en los siguientes decenios para
luego graficarlo con respecto a los grficos a, b y c.
Ao
1940
10
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
1950
1960
1970
1980
6,0
7,4
8,9
11,2
Solucin:
i)
Grafico de Barras.
Aos
Poblacin
ii)
Segmentos verticales
Aos
Poblacin
iii)
Barras Subdivididas
Aos
Poblacin
d) Grafico Circular
11
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
ni
fi =
X=fi*360
H
M
E
942
763
371
0,453
0,367
0,179
163 08
132 18
64 34
e) Histograma
Es un grafico de barras unidas. Sirve para representar una distribucin de
frecuencias. Cada barra tiene como base la amplitud del intervalo y como altura su
frecuencia.
f) Polgono de frecuencias
En el eje X o eje horizontal se marcan los puntos medios de los intervalos y
en el eje Y o eje vertical las frecuencias absolutas.
Las frecuencias correspondientes, a cada punto medio de un intervalo se
marcan con un punto y luego los puntos consecutivos se unen por lneas rectas.
Es conveniente tomar un intervalo adicional en cada extremo para una mejor
terminacin de la poligonal.
Ejemplo 8:
12
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Xi
La curva simtrica que representa el grafico, es la figura en forma de
campana, llamada curva normal.
b) Curvas Asimtricas
Son aquellas que representan dominancia de frecuencias a uno u otro lado
de la curva.
Se dice que la distribucin tiene asimetra negativa cuando los puntajes se
acumulan en los valores altos del lado derecho.
13
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
(-)
Xi
La distribucin tiene asimetra positiva cuando los puntajes se acumulan
hacia los valores ms bajos de la variable (lado izquierdo)
(+)
Xi
c) Curvas en Forma de U
Son aquellas que tienen valores mximos en los extremos de la
distribucin.
Xi
Ejemplo 10:
Grafique la tabla de distribucin del ejemplo 5 para el histograma, ojiva y
polgono de frecuencia.
Ejemplo 11:
Grafique la tabla de distribucin del ejemplo 1 para el grafico de barras,
barras subdivididas y segmentos verticales.
Ejemplo 12:
Haga un grafico circular con la informacin de las horas de vuelo de una
lnea comercial.
-Hora de vuelo efectivas 9000.
-Hora de vuelo por realizar 4000.
-Hora de vuelo efectuadas 17000.
14
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO III
MEDIDAS DE TENDENCIA CENTRAL
Cuando las observaciones de las distribuciones de frecuencias tienen a
concentrarse alrededor de un sector de la variable; existen criterios para
representar con un solo valor de la distribucin esta tendencia de las
observaciones, que recibe el nombre de medidas de tendencia central.
Los criterios mas usados para determinar las medidas de tendencia central
son:
a) La moda
b) La medida aritmtica o promedio
c) La mediana
a) La Moda (Mo)
Se define como aquel valor de la variable que representa la mayor
frecuencia en una distribucin.
Ejemplo 13:
Sean las calificaciones que obtiene un grupo de trabajadores de una
empresa:
2; 4; 5; 2; 3; 4; 6; 4; 7
La moda es 4 pues hay tres trabajadores con la calificacin 4 que es una
moda unimodal, pero si tenemos 2, 1, 2, 4, 5, 4, 7 la moda es 2 y 4 que es una
moda bimodal, por lo tanto la moda no es nica.
Si tenemos una tabla de distribucin con intervalos la moda la calculamos
de la siguiente forma:
Primero debemos saber en que intervalo se encuentra, para ello se ubica la mayor
frecuencia absoluta y luego aplicamos la formula.
15
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
16
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 16:
Supongamos que un supermercado se venden 3 marcas distintas de leche
a 130; 160 y 140 pesos la caja. Al final del mes se quiere saber el promedio del
precio de la leche vendida durante el mes.
Aparentemente el promedio es:
Este promedio seria correcto si las distintas marcas de leche hubiesen sido
vendidas en igual cantidad. Pero generalmente esto no ocurre.
Supongamos que se vendieron 23, 72 y 5
respectivamente.
Solucin:
i)
Xi-1 X1
20 26
27 33
34 40
41 47
48 54
55 61
62 - 68
Xi
23
30
37
44
51
58
65
ni
7
8
5
4
2
3
1
fi
0,233
0,266
0,166
0,133
0,066
0,10
0,033
n=30
ii)
Ejemplo 18:
18
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
b) C2 = 0,4C
N2 = 0,8N
Ejemplo 19:
El sueldo promedio pagado a todo el personal de una empresa es de
100.00 pesos.
Los sueldos promedios mensuales pagados a los obreros y a los
empleados de la empresa son:
84.000 y 106.000 pesos respectivamente. Cual es el tanto por ciento de
obreros y empleados que trabaja en la empresa.
Solucin:
19
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 20:
La media aritmtica de 55 casos es 83. Si se suprimen tres casos de los
datos con valores 82; 115 y 130.
Cul es la nueva media aritmtica?
Solucin:
=
Luego
83 * 55 =
As
Propiedades del Promedio
1)
Solucin:
=
2)
Solucin:
3)
20
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
4)
5) Promedio Total
Si tenemos tres conjuntos de observaciones de los cuales el primero
tiene n1 elementos y promedio X1 el segundo tiene n2 elementos y promedio X2 y el
tercero tiene n3 elementos con promedio X3 entonces la media aritmtica de los
tres conjuntos es:
Generalizando
Solucin:
Xi-1 X1
3500 - 4500
4500 - 5500
5500 - 6500
6500 - 7500
7500 - 8500
8500 - 9500
9500 10.500
Xi
4000
5000
6000
7000
8000
9000
10.000
ni
12
21
24
36
24
21
12
Ni
12
33
57
93
117
138
150
fi
0,08
0,14
0,16
0,24
0,16
0,14
0,08
Fi
0,08
0,22
0,38
0,62
0,78
0,52
1,00
Xi n i
48.000
n = 150
x1 = 4000 pues n7 = 0,08 * 150 = 12 = n1 (simetra)
Si X4 = 7000
4000 + 3c = 7000
c = 1000
As
(Definicin de M.C.)
22
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Luego
Mo = ?
Me =
Es decir el 50% de las familias tiene un ingreso per cpita entre 3.500 y
7.000 dlares y el otro 50 % tiene un ingreso per cpita entre 7.000 y 10.500
dlares.
MEDIDAS DE POSICION
Las medidas tendencia Central solo nos entregan una cantidad limitada de
informacin entonces a travs de las medidas de posicin tendremos una mayor
informacin de una tabla de distribucin de frecuencias.
Las medidas de posicin mas usadas son:
a) Los Cuartiles (Qx)
Los Cuartiles: Son tres que denotamos por Q1, Q2 y Q3. Estas medidas de
posicin dividen a la muestra en cuatro partes iguales.
El primer cuartil Q1 deja bajo si el 25% de los elementos de la muestra.
El segundo cuartil Q2 es equivalente a la mediana.
El tercer cuartil Q3 deja bajo si el 75% de los elementos de la muestra.
Percentiles: Los denotaremos por P x. Los percentiles dividen la muestra en 100
partes iguales dejando bajo cada percentil desde el 1% hasta 99% de los
elementos de la muestra.
Observacin:
Para realizar los clculos de los cuartiles y percentiles se hace de la misma
forma de cmo se calculaba la mediana, salvo que se debe tener presente que
hay un cambio en el porcentaje del tamao de la muestra.
Por ejemplo Q1 =
23
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
P86 =
Ejemplo 23:
Utilizar la tabla del ejemplo 3.
a) Calcular , Me Q1, P40,
b) Si estas recaudaciones contienen el 15% de multa. Cul es la recaudacin
promedio sin incluir el 15% de multa?
c) Que orden de percentil representa la recaudacin 108.
Solucin:
a) i)
ii)
La mediana
y en la columna de los Ni el menor valor que lo contiene es 25, por lo
tanto el intervalo donde esta Me, es 90 110.
Luego Me =
iii)
Luego Q1 =
iv)
Luego P40 =
b) La recaudacin promedio sin incluir el 15% de multa es:
24
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 24:
Sean los nmeros 2, 4, 6, 12, 18.
Entonces la media geomtrica es:
M.G. =
Observacin:
La M.G. es til para el clculo de tasas de crecimiento.
Ejemplo 25:
Si el crecimiento en las horas de trabajo de una cierta empresa en los
ltimos 3 aos fue 26%, 32% y 28%. Hallar M.G.
Solucin:
M.G. =
Es decir, la media anual fue de un 28,6%
Media Armnica: (H)
La medida armnica de una serie de nmeros es el reciproco de la media
aritmtica de los recprocos de los nmeros de las serie.
As si los nmeros son X1, X2, X3,, Xn
La media armnica se obtiene de la relacin:
25
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 26:
Hallar la H de los nmeros 4, 5 y 8.
Solucin:
= 0,191
Ejemplo 27:
Un obrero puede pintar una casa en 6 das y otro en 8 das. Se pide hallar
el rendimiento de un obrero cuyo resultado sea representativo del rendimiento de
ambos obreros.
Solucin:
X=24
26
Xi
27
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Propiedades de la Varianza
1)
2)
3)
4)
Var (X) =
Var de (KX) = K Var (X); K = C
Var (K1X + K2) = K1x K1 y K2 C
Varianza Total = Intravarianza + Intervarianza
entonces
As
Var (X) =
Var (X) =
Demostracin de la Propiedad 2
28
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Var (KX) =
Var (KX) = K
b) La Desviacin Estndar
Se define como la raz cuadrada de la varianza. Y se denota por
Simblicamente se define:
Observacin:
La desviacin estndar o desviacin tpica es el ndice de dispersin mas
utilizado y de mayor confianza, es decir, es el que varia menos cuando se calcula
para distintas muestras extradas de una misma poblacin.
Ejemplo 28:
La siguiente informacin corresponde a los sueldos semanales que paga
una empresa constructora a sus obreros.
X0 = 4, X5 = 6, I = 5, n5 = 8, N2 = 20, N4 = 42, F1 = 0,12, F3 = 0,60
29
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
i)
ii)
iii)
iv)
Solucin:
i)
Xi-1 X1
4 4+c
6
4 + 5c = 60
N4 + n5 = n
Xi
ni
Ni
fi
Fi
0,12
fi%
F i%
fi%
12
28
20
24
16
F i%
12
40
60
84
100
20
0,60
42
8
c = 0,4
42 + 8 = 50 = n
Luego
Xi-1 X1
4 4,4
4,4 4,8
4,8 5,2
5,2 5,6
5,6 6,o
Xi
4,2
4,6
5,0
5,4
5,8
ni
6
14
10
12
8
Ni
6
20
30
42
50
n = 50
fi
0,12
0,28
0,20
0,24
0,16
Fi
0,12
0,40
0,60
0,84
1,00
ii)
5,016 + 0,511
4,505
5,527
Ejemplo 29:
Diga si es verdadero o falso, justifique.
Si todas las observaciones de una distribucin de frecuencias se dividen por 3, la
nueva varianza disminuye en un 89% respecto de la original.
Solucin: Es verdadero, en efecto.
Sea Var (X) si las observaciones se dividen por 3 tenemos
Var (X/3) =
Luego
Ejemplo 30:
Se aplica una prueba de ortografa a 25 personas de 10 palabras, todas
escribieron 9 en forma correcta entonces la distribucin de puntajes de ortografa
es una de las siguientes alternativas.
31
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
=0
a)
b)
=0
c) Mo = 0
Justifique
Ejemplo 31:
Una industria automotriz fabrica mensualmente 12 autos tipo A, 24 autos
tipos B y 14 autos tipos C. Se sabe que los kilmetros (Km) recorridos por cada
litro de bencina en los Autos tipo A (X A) y los Km recorridos por cada litro de
bencina de los autos tipo B (BB) estn relacionados por la formula:
XB = 2XA - 9
Se observo que el promedio de kilmetros recorridos por los autos tipo C
fue 10 Km por litro y el promedio de 50 autos fue de 11,68 Km por litro.
La desviacin estndar de los autos tipo C fue de un 30% para los Km
recorridos por litro. Calcular la desviacin estndar de los Km por litro de bencina
de todos los autos sin importar la marca.
Solucin:
Datos: nA = 12 autos tipos A
nB = 24 autos tipos B
nC = 14 autos tipos C
n = 50
c = 10, T = 11,68
= 12
Var (XA) = 4
XB = 2XA - 9
Debemos encontrar
Var (Xc) = 9
Var (XT) =
Por otra parte
11,68 * 50 = 12
= 11 y
+ 24 (2
9) + 14 * 10
= 13
32
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
c) Coeficiente de Variacin
Lo denotaremos por C.V.(X). Nos permite comparar la dispersin o
variabilidad entre dos muestras con medias aritmticas diferentes.
Se define como: C.V.(X) =
Y su coeficiente de variacin total es: C.V.(X) =
Ejemplo 32:
Un estudiante obtuvo una puntuacin en el examen final de matemticas de
84, con una puntuacin media en la asignatura de 76 y una desviacin tpica de 10
para el curso. En el examen final de estadstica con una media general de 82 y
una desviacin estndar de 16 para el curso, el obtuvo una puntuacin de 90. Se
pide, en que asignatura se presenta mayor:
a) Coeficiente de variacin o Dispersin relativa
Solucin:
Matemtica
Xm = 84
a)
Estadstica
XE = 90
b) C.V.(XE) =
= 0,195
equivale a 19,5%
C.V.(XM) =
= 0,131
equivale a 13,1%
33
4,5/0,15
K = 5 es en lo que debemos aumentar la graduacin
alcohlica.
Ejemplo 34:
Dos estudiantes se dedican a calcular el promedio de los ingresos ganados
por un mismo grupo de obreros.
Los valores obtenidos difieren en 1000 pesos y se sabe que el valor mayor
es el correcto. El alumno que obtuvo el valor incorrecto
le
falto
agregar 1000 pesos a cada X i, tambin calculo la
varianza
igual a 11.877.500 valor que no tiene error numrico. En base a esta informacin,
Cul es el coeficiente de variacin correcto de los ingresos ganados por el grupo
de obreros?
Solucin:
Tenemos
Luego
34
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Var (X2) =
= Var (X1)
Luego
As C.V.(X) =
Ejemplo 35:
Se tomo una muestra de 200 motores de los cuales 110 son
restantes son de
H.P.
H.P. y los
Se observo que la vida til media de los 200 motores fue de 11,1 aos y
que la desviacin estndar de la vida til de los motores de
H.P. es 2 aos.
Calcular el C.V.(X) de la vida til de todos los motores.
Ejemplo 36:
Un grupo de 10 obreros construyeron un camino.
Los primeros 500 metros los construyeron a razn de 10 metros diarios, los
500 metros siguientes los construyeron a razn de 25 metros diarios.
La empresa contratista decidi pagar salarios por metros diarios
construidos, gastando un promedio diario de 6.000 pesos en jornales en la
construccin de todo el camino.
Cul es el promedio diario pagado en jornales a estos obreros en la construccin
de cada tramo del camino?
Solucin:
35
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
H = 15.789 metros/diarios
Luego por un metro diario se gasta
Por lo tanto:
En el primer tramo del camino se gasta 380 * 10 = 3800 pesos
En el segundo tramo del camino se gasta 380 * 20 = 7600 pesos
En el tercer tramo del camino se gasta 380 * 25 = 9500 pesos
Ejercicios
1) Las remuneraciones diarias en UF correspondiente a 20 operarios son:
Xi
fi
?
0,15
?
0,20
?
0,35
?
0,25
26
0,05
ni (meses)
10
5
?
?
Var (Xi)
?
25
CV (Xi)
0,16
0,25
36
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
a) Su puntaje es 72
b) Su rango percentil es 85
Cul respuesta lo deja mas tranquilo?
4) En un test de 100 puntos, tres participantes obtuvieron puntajes de 95, 92 y 91,
mientras que los otros 22 participantes tuvieron puntajes que fluctuaron entre 49 y
67.
La medida de tendencia central que mejor describe el rendimiento de este
grupo es:
a) La moda
b) La mediana
c) El promedio
5) Si una distribucin de puntajes esta sesgada negativamente entonces podemos
decir:
a) La media es mas grande que la mediana
b) La mediana es mas grande que la media
c) La moda es igual a la mediana
6) Cual de las siguientes variables es continua
a) Estado civil de los padres
b) Numero de hermanos
c) Tiempo demorado en contestar una prueba
7) El polgono de frecuencias no es recomendable para representar distribuciones
de frecuencias de variables discreta porque:
a) En el eje horizontal se ubican los puntos medios de cada intervalo
b) En el eje vertical se colocan las frecuencias absolutas
c) Los valores extremos de la variable quedan sin representacin
d) La lnea poligonal da la idea de los valores continuos
8) En un grupo de empresas se tiene la siguiente informacin:
a) Ninguna empresa tiene ms de 7 obreros o menos de 5
b) La mayora tiene 5 obreros
c) El 25% de las empresas tiene 6 obreros
d) Una de cada 10 empresas tiene 7 obreros
Hallar:
a) Promedio de obreros por empresa.
b) La mediana de obreros por empresa
37
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO V
CORRELACION
En los captulos anteriores hemos analizado solamente la distribucin de los
valores con respecto a una sola variable, pero muchos sucesos y variables de
naturaleza estn relacionados entre si, por ejemplo.
a) Si sale el sol, la temperatura aumenta
b) Si conocemos el C.I. de un individuo se puede predecir en cierta forma su
futuro intelectual.
Este tipo de relaciones entre dos o ms variables se llama Correlaciones.
Las correlaciones pueden ser:
i)
ii)
iii)
ii)
iii)
Ejemplo 37:
a) Si tenemos las variables altitud y presin, tenemos: A mayor altitud menor
es la presin.
Entonces decimos que estas dos variables tienen una correlacin negativa
pues una variable aumenta y la otra disminuye.
38
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
39
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Donde
COV(X,Y) = covarianza de X e Y.
Ejemplo 38:
Calcular la relacin que existe en el rendimiento de las asignaturas de
Ingles y Francs donde los puntajes obtenidos por 7 alumnos de un cierto instituto
se muestran en la siguiente tabla.
Solucin:
Sea
Xi = calificaciones en ingles
Yi = calificaciones en francs
alumnos
Xi
Yi
A
B
C
D
E
F
G
n=7
2
4
6
8
10
12
14
56
8
5
14
17
11
23
20
93
-6
-4
-2
0
2
4
6
-6
-9
0
3
-3
9
6
36
16
4
0
4
16
36
112
36
81
0
9
9
81
36
252
=8
= 14
40
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
36
36
0
0
-6
36
36
138
Ejemplo 39:
La siguiente tabla de doble entrada (tiene dos variables) muestra las
frecuencias conjuntas absolutas no acumuladas cuyas variables son:
X = monto de los prestamos solicitados por los clientes a un Banco en pesos.
Y = tasas de inters mensual que cobra el Banco.
Y
X
50 x < 60
60 X < 70
70 X < 80
8
0
16
0
16
0
8
0
24
0
8
0
Se pide determinar
a) Cuantos clientes solicitaron prestamos por menos de 70.000 a una tasa de
no ms del 4% mensual.
Solucin: N C. = 8+0+8+16+0 = 32
b) Que porcentaje de clientes solicitaron un prstamo entre 60.000 y 70.000 al
3% de inters mensual.
Solucin:
c) Que porcentaje de estos clientes solicitaron prstamos entre 70.000 y
80.000 en cualquier tasa de inters.
Solucin:
d) Cual es el prstamo promedio que solicitaron estos clientes a cualquier tasa
de inters.
41
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Yi
2
3
4
5
Xi
55
65
75
ni
16
24
40
n = 80
ni
24
16
32
8
Ni
fi
80
Fi
1.00
1.00
Ni
fi
Fi
1.00
n = 80
as
42
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Luego
Ejemplo 40:
Dos evaluaciones han dado puntuaciones a 6 caractersticas que
consideran importante en el desempeo profesional de un individuo en una cierta
empresa.
Determine la correlacin que existe entre las puntuaciones dadas por los 2
jueces.
caractersticas
A
B
C
D
E
F
Juez X
2
1
4
3
6
5
Juez Y
1
2
5
6
4
3
Ejemplo 41:
La siguiente tabla de doble entrada contiene las frecuencias relativas
conjuntas no acumuladas correspondientes a un grupo de operarios de acuerdo a
las siguientes variables:
X = Numero de horas extraordinarias de trabajo realizadas por los operarios.
Y = Numero de unidades terminadas en un proceso de fabricacin.
X
0
0
0
0,2
0,1
0,1
0,2
0,2
Y
0
1
43
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
0,1
0,1
Se pide determinar:
a) Porcentajes de operarios que trabajan 2 horas extraordinarias sin importar
el nmero de unidades producidas.
b) Cual es el nmero de horas promedio de trabajo extraordinario de estos
operarios.
c) Supongamos que el nmero de operarios en este trabajo es igual a 40.
En tal caso, el administrativo A informa a gerencia que se debe cancelar 1,5 UF
por cada hora extraordinaria de trabajo, mientras que el administrativo B informa
que es ms conveniente pagar 5 UF por cada unidad terminada y que el total debe
ser repartido entre todos los operarios.
Qu proposicin le conviene ms a la empresa?
Cul es el coeficiente de correlacin entre X e Y?
Coeficiente de Correlacin de Spearman
El coeficiente de correlacin de Pearson permite ver la relacin existente
entre 2 variables numerables. Pero cuando una o las dos variables no son
numerables, por ejemplo: habilidad atltica, habilidad en ventas, adaptacin social,
etc., no se puede aplicar este coeficiente ya que para este tipo de variables se
aplica el coeficiente de correlacin de Spearman, que dice que para este tipo de
variables cualitativas antes de analizar su relacin debemos ordenarlas por merito
que comnmente se conoce como rango de la variable.
El coeficiente de correlacin de Spearman
Se define
Donde D es la diferencia de rango.
Ejemplo 42:
Supongamos conocido el C.I. de los distintos integrantes de un curso de
inteligencia. Se desea calcular la correlacin que hay entre el C.I. y el don da
mando que posee cada alumno del curso de inteligencia.
Solucin:
El C.I. es una variable cuantitativa, no es as el don de mando, pero
conforme a las actuaciones de liderazgo de cada alumno han sido ordenados
44
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
desde el que tiene mayor aptitud hasta el que tiene menor actitud. De igual modo
hemos ordenado a los estudiantes de acuerdo a su C.I.
alumno
Rango C.I.
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Rango Don de
Mando
4
2
9
1
7
10
8
13
5
3
11
6
12
15
14
-3
0
-6
3
-2
-4
-1
-5
4
7
0
6
1
-1
1
9
0
36
9
4
16
1
25
16
49
0
36
1
1
1
204
0
Aplicando la formula
45
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
X
15
18
22
17
19
20
16
21
Y
50
52
60
55
53
56
51
51
46
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO VI
CURVA DE AJUSTE. METODO DE MINIMOS CUADRADOS Y REGRESION
Para llegar a determinar una ecuacin que relacione las variables, un primer
paso que nos sirve de ayuda es la coleccin de datos que muestran los
correspondientes valores de las variables considerados.
Por ejemplo, supngase que X e Y denotan la altura y peso
respectivamente de un grupo de hombres.
Entonces una muestra de n individuos dara las alturas.
X1, X2,, Xn y los pesos correspondientes Y1, Y2,, Yn
El siguiente paso es representar los puntos (X 1, Y1), (X2, Y2), (Xn, Yn) en un
sistema de coordenadas rectangulares. En sistema de puntos resultados se llama
diagrama de dispersin. Con este diagrama es posible representar una curva
que se aproxima a los datos. Tal curva se llama Curva de Aproximacin.
Consideremos los siguientes grficos:
a)
b)
47
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
ii) Un punto (X0, Y0) y una pendiente m que es el ngulo que forma la recta con el
eje X y se puede calcular por:
donde (X1, Y1) y (X2, Y2) son
puntos
dados. Entonces la formula para obtener la recta es: Y-Y o = m(X-X0) llamada
ecuacin de la recta punto pendiente.
Mtodo de Mnimos Cuadrados.
Para llegar a una posible definicin de la mejor recta de ajuste.
Consideremos la siguiente figura
Para un valor dado de X, por ejemplo X 1, habr una diferencia entre el valor
Y1 y el correspondiente valor de la curva C que denotaremos por D 1 que se
48
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
i)
ii)
que recibe el nombre de ecuaciones normales para la recta de mnimos
cuadrados.
Observaciones
El trabajo necesario para encontrar una recta de mnimos cuadrados puede
a veces simplificarse transformando los datos de forma que
49
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
En efecto
La ecuacin
(i)
(ii)
Restando ii de i tenemos
Reemplazo
Nos queda
Luego
Ejemplo 45:
Construir una recta que aproxime los datos de la tabla
X
Y
2
1
3
3
5
7
7
11
9
15
10
17
Solucin
X
Y
1
1
3
2
4
4
6
4
8
5
9
7
11
8
14
9
X
1
3
4
6
8
9
11
14
Y
1
2
4
4
5
7
8
9
X
1
9
16
36
64
81
121
196
XY
1
6
16
24
40
63
88
126
52
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Y
1
4
16
16
25
49
64
81
Luego
X
1
3
4
6
8
9
11
14
Y
1
2
4
4
5
7
8
9
-6
-4
-3
-1
1
2
4
7
-4
-3
-1
-1
0
2
3
4
XY
24
12
3
1
1
4
12
28
X
36
16
9
1
1
4
16
49
Y
16
9
1
1
0
4
12
16
53
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
54
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
X
-5
-4
-3
-2
-1
0
1
2
3
4
5
Y
23,2
31,4
39,8
50,2
62,9
76
92
105,7
122,8
131,7
151,1
X
25
16
9
4
1
0
1
4
9
16
25
X
-125
-64
-27
-8
-1
0
1
8
27
64
125
X
625
256
81
16
1
0
1
16
81
256
625
XY
-116
-125,6
-119,4
-100,4
-62,9
0
92
211,4
368,4
526,8
755,5
XY
580
502,4
358,2
200,8
62,9
0
92
422,8
1105,2
2107,2
3777,5
a0 = 76,64
a1 = 13
a2 = 0,3974
Produccin de Cobre
66,6
84,9
88,6
78
96,8
105,2
93,2
111,6
88,3
117
115,2
1953
61
1954
68
75
82
80
78
93
86
65
72
87
91
71
80
98
95
68
72
84
89
77
74
X = Algebra
Y = Fsica
a) Represente los datos
b) Hallar la ecuacin de la recta de mnimos cuadrados que se ajuste a los datos
c) Si un estudiante tiene una puntuacin de 75 en Algebra Cul es su puntuacin
de Fsica esperada?
d) Si un estudiante tiene una puntuacin de 95 en Fsica Cul es su puntuacin
de Algebra esperada?
Solucin:
a) Grafique
b) Y = 29,13 + 0,661X
c) 79
d) 95
CAPITULO VII
PROBABILIDADES
Probabilidad es el estudio de experimentos aleatorios o libres de
determinacin.
Por ejemplo si un dado es lanzado al aire, hay certeza de que caer, pero no
podemos afirmar que aparecer un 6. Sin embargo si repetimos el experimento de
lanzar el dado tendramos ni, nmeros de aciertos de que aparecer un 6 de un
nmero n de lanzamientos, es decir tendramos la relacin
llamada
frecuencia relativa, que tiende a estabilizar a la larga o sea que se aproxima a un
lmite. Esta estabilidad es la base de la teora de la Probabilidad.
57
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Observacin:
El conjunto de todos los resultados posibles de un experimento dado se
llama espacio muestral que lo denotamos por la letra S.
Un subconjunto de un espacio muestral S recibe el nombre de Evento que se
denota por las letras maysculas A, B, C.
Definicin:
La probabilidad de un evento A lo denotaremos por P(A) y se define como el
cuociente de casos favorables por casos posibles es decir
donde el orden no se tiene en cuenta. Se denota por el smbolo que se lee n sobre
k y se define:
Observacin:
El smbolo n! se lee n factorial y se define n! = 1*2*3*4*5 (n-2)(n-1)*n
Ejemplo 53:
3! = 1*2*3 = 6
0! = 1
1! = 1
4! = 1*2*3*4 = 24
5! = 1*2*3*4*5 = 120
Ejemplo 54:
1)
2)
3)
4)
Ejemplo 55:
De cuantas maneras puede escogerse un comit compuesto de 3
hombres y 2 mujeres de un grupo de 7 hombres y 5 mujeres?
Solucin:
De los siete hombres se pueden escoger 3 de
mujeres se puede escoger 2 de
escoger:
maneras y de las 5
59
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 56:
Una persona tiene que contestar 8 de 10 preguntas en un examen.
a) Cuantas maneras de escoger tiene
b) Cuantas maneras de escoger tiene si las 3 primeras preguntas son obligatorias.
c) Cuantas maneras de escoger tiene si tiene que contestar 4 de las 5 primeras
preguntas.
Solucin:
a)
b)
c) i)
ii)
Luego tiene 35 maneras diferentes de escoger.
Ejemplo 57:
Un vendedor de automviles tiene 10 autos nuevos: 3 de modelo A, 3 de
modelo B y 4 de modelo C. Cul es la probabilidad de vender?
a) 2 automviles del mismo modelo.
b) 2 automviles del distinto modelo.
c) 2 automviles del modelo A.
Solucin:
a) P (igual modelo) =
b) P (distinto modelo) =
c) P (modelo A) =
60
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Diagrama de rbol.
Son dibujos que se usan para enumerar todos los resultados posibles de
una serie de experimentos en donde cada experimento puede suceder en un
nmero finito de maneras.
Ejemplo 58:
Dos personas A y B, intervienen en un torneo de tenis, la primera persona
que gane dos partidos seguidos o que complete tres gana el torneo.
Solucin:
61
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 62:
Tres caballos A, B, C intervienen en una carrera A tiene doble posibilidad de
ganar que B y B doble de ganar que C.
63
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
y P(AB) =
Hallar
i) P(A)
ii) P(ABc)
Probabilidad Condicional.
Sea E un evento arbitrario de un espacio muestral S. La probabilidad de
que un evento A suceda una vez que E haya sucedido.
Simblicamente P(A\E) =
Ejemplo 65:
64
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 67:
Se lanza una moneda con P(C) = y P(S) = .
Si sale cara se escoge al azar un numero de 1 a 9, si sale sello se escoge
al azar un numero de 1 a 5.
Hallar la probabilidad de que se escoja un nmero par.
Independencia.
Sean A y B eventos, se dice que son independientes si P(A B) = P(A) *
P(B). De otro modo son dependientes.
Ejemplo 68:
La probabilidad de que un hombre viva 10 aos ms es y la probabilidad
de que su esposa viva 10 aos mas es un .
Hallar la probabilidad de que:
a) Ambos estn vivos dentro de 10 aos.
b) Al menos uno este vivo a los 10 aos.
c) Ninguno este vivo a los 10 aos.
d) Solamente la esposa este viva a los 10 aos.
Solucin:
Sea A = {El hombre este vivo a los 10 aos}
Sea B = {La esposa este viva a los 10 aos}
P(A) =
y
P(B) = .
a) Como A y B son independientes entonces
P(AB) = P(A) * P(B) = * = 1/12
b) P(AUB) = P(A) + P(B) - P(AB) = + - 1/12 =
c) P(AcBc) = P(Ac) P(Bc) = (1 P(A))(1 P(B)) =
d) P(AcB) = P(Ac) P(B) =
Teorema de Bayes.
66
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Sean los eventos A1, A2,, An forman una particin de un espacio muestral
S, es decir, los eventos son mutuamente exclusivos y su unin es S.
Sea B otro evento tal que
B = SB = (A1UA2UU An) B = (A1B) U (A2B) UU (AnB)
P(B) = P(A1B) + P(A2B) + + P(AnB)
/P
Ejemplo 69:
Tres maquinas A, B y C producen respectivamente 50%, 30% y 20% del
nmero total de artculos de una fabrica. Los porcentajes de desperfectos de
produccin de estas maquinas son 3%, 4% y 5% respectivamente. Si se
selecciona al azar un artculo. Hallar la probabilidad de que el articulo sea
defectuoso y adems producido por la maquina A?
Solucin:
Sea X = {El evento de que un articulo sea defectuoso}
Su diagrama de rbol es
Entonces
67
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ejemplo 70:
La caja A contiene 9 cartas numeradas de 1 a 9 y la caja B contiene 5
cartas numeradas de 1 a 5, se escoge una caja al azar y se saca una carta, si el
nmero es par. Hallar la probabilidad de que la carta proceda de la caja A?
Solucin:
El diagrama de rbol es
Debemos encontrar
La probabilidad de que se escoja la caja A y un nmero A es
P(AE) = * 4/9 = 2/9
y
P(E) = * 4/9 + * 2/5 = 19/45
Luego P(A\E) = 10/19
Ejemplo 71:
Un cierto artculo es manufacturado por tres fbricas F 1, F2 y F3.
Se sabe que F1 produce el doble de F2 y F3 produce la mitad de F2.
Adems se tiene que el 2% de los artculos producidos por F 1 y por F3 son
defectuosos, en tanto que F2 produce el 96% sin defectos.
Un da se selecciona un artculo de la produccin total sin poder distinguir su
procedencia (F1, F2 o F3)
68
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
70
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
CAPITULO VIII
VARIABLES ALEATORIAS
En este capitulo analizaremos las variables aleatorias unidimensional y
bidimensional para variables discretas y continuas.
Variable Aleatoria Unidimensional Discreta
La denotaremos estas variables aleatorias por X; Y .
Definicin
Una variable aleatoria X de un espacio muestral S es una funcin de S al
conjunto de los nmeros reales tal que la imagen inversa de cada intervalo de los
nmeros reales es un evento de S.
Simblicamente se denota por: X: S R
Distribucin y Esperanza de una variable aleatoria finita
Sea X una variable aleatoria de un espacio muestral S cuyo conjunto
imagen finito lo denotaremos por X(S) = {x 1, x2, x3,, xn}. Se convierte X(S) en un
espacio de probabilidad definiendo la probabilidad de x i como P(X = xi) = f(xi) que
recibe el nombre de funcin de distribucin y que representamos en una tabla de
la siguiente forma:
xi
f(xi)
x1
f(x1)
x2
f(x2)
xn
f(xn)
i) f(xi) 0
ii)
Observacin:
La media o esperanza o valor esperado de una funcin de distribucin lo
denotaremos por E(x) y se define como E(x) =
Ejemplo 74:
Se lanza un par de dados y se definen las variables aleatorias X(a, b) =
max(a, b) e Y(a, b) = a + b
71
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Hallar
i) S
ii) X(S) e Y(S)
iii) La funcin de distribucin de X e Y
iv) E(X)
Solucin:
i) S = {(1, 1), (1, 2), (1, 3),, (6, 6) = 36 pares
ii) X(S) = {1, 2, 3, 4, 5, 6} Y(S) = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
iii) f(x1) = f(1) = P(X = 1) = P{(1, 1)} = 1/36
f(x2) = f(2) = P(X = 2) = P{(2, 1), (2, 2), (1, 2)} = 3/36
Entonces la tabla de distribucin para X:
xi
f(xi)
1
1/36
2
3/36
3
5/36
4
7/36
5
9/36
6
11/36
Y se tiene que
Anlogamente
g(y1) = g(2) = P(Y = 2) = P{1, 1)} = 1/36
g(y2) = g(3) = P(Y = 3) = P{1, 2), (2, 1)} = 2/36
Luego la tabla de distribucin para Y:
y1
g(y1)
2
3
4
1/36 2/36 3/36
5
4/36
6
5/36
7
8
6/36 5/36
9
10
4/36 3/36
11 12
2/36 1/36
Y se tiene que
72
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Hallar
i) S ii) X(S) e Y(S)
iii) la tabla de distribucin para X e Y
Solucin:
i) S = {(c, c, c), (c, c, s), (c, s, c), (c, s, s), (s, c, c), (s, c, s), (s, s, c), (s, s, s)}
P(c, c, c) = 2/3 * 2/3 * 2/3 = 8/27
P(c, c, s) = 2/3 * 2/3 * 1/3 = 4/27
P(c, s, c) = 2/3 * 1/3 * 2/3 = 4/27
P(c, s, s) = 2/3 * 1/3 * 1/3 = 2/27
ii) X(s, s, s) = 0
X(c, s, c) = 1; X(c, s, s) = 1; X(s, c, s) = 1; X(s, s, c) = 1
X(c, c, s) = 2; X(s, c, c) = 2;
X(c, c, c) = 3
Luego X(S) = {0, 1, 2, 3}
f(x1) = f(0) = P(X = 0) = P{(s, s, s)} = 1/27
f(x2) = f(1) = P(X = 1) = P{(c, s, c), (c, s, s), (s, c, s), (s, s, c)} = 4/27 + 2/27 + 2/27 +
2/27 = 10/27
f(x3) = f(2) = P(X = 2) = P{(c, c, s), (s, c, c)} = 4/27 + 4/27 = 8/27
f(x4) = f(3) = P(X = 3) = P{(c, c, c)} = 8/27
Luego la tabla de distribucin de la variable aleatoria X es:
xi
f(xi)
0
1/27
1
10/27
2
8/27
3
8/27
Y se tiene
En forma anloga para la variable aleatoria Y tenemos:
Y(s, s, s) = 3
Y(c, s, s) = 2; Y(s, c, s) = 2; Y(s, s, c) = 2
Y(c, s, c) = 1; Y(s, c, c) = 1
Y(c, c, c) = 0
Luego Y(S) = {0, 1, 2, 3}
Entonces
73
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
0
8/27
1
12/27
2
6/27
3
1/27
Y se tiene
Ejemplo 76:
Un jugador lanza un dado. Si sale un nmero primo gana dicho nmero de
dlares, pero si no sale un nmero primo entonces pierde esa cantidad de dlares.
Encuentre el valor esperado del juego y diga si el juego es favorable o
desfavorable para el jugador?
Solucin:
La informacin la tabulamos de la siguiente forma:
xi
f(xi)
2
1/6
3
1/6
5
1/6
-1
1/6
-4
1/6
-6
1/6
Y se tiene
Los nmeros -1, -4, -6 corresponden al hecho de que el jugador pierde si no sale
un nmero primo, por lo tanto:
E(X) = 2 * 1/6 + 3 * 1/6 + 5 * 1/6 1 * 1/6 4 * 1/6 6 *1/6 = -1/6
Esto quiere decir que el juegos es desfavorable para el jugador pues es negativo.
74
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
EXAMEN
PRUEBA FINAL
Pregunta 1:
En una empresa comercial se tabulan los 20 sueldos ms bajos en 5
intervalos. Se tiene adems la siguiente informacin:
X1 = 4;
X4 = 10;
N2 = 9;
N3 = 17;
N4 = 19;
F1 = 3f5
Se pide:
a) Construir una tabla
b) Me; Mo;
;
c) Grfico de la tabla de distribucin
d)
Pregunta 2:
Dos maquinas A y B producen el mismo tipo de artculos.
Se toman 2 muestras de tamaos 6 y 4 respectivamente, obtenindose la
produccin media de 6 unidades por hora en la maquina A y que en la otra es
menor que esta. Se sabe adems, que las sumas de cuadrados de las
observaciones son 226 y 54 respectivamente para las maquinas A y B, y la
intervarianza es 1,5.
Calcular la varianza total?
Pregunta 3:
Hay 2 cajas A y B. La caja A contiene 5 fichas rojas y 3 blancas, y la
caja B contiene una ficha roja y 2 blancas.
Se lanza un dado, si aparece un 3 o un 6, se saca una ficha de B y se pone
en A y luego se saca una ficha de A. De lo contrario, se saca una ficha de A y se
pone en B, y luego se saca una de B.
a) Cul es la probabilidad de que ambas fichas sean rojas?
b) Cul es la probabilidad de que ambas fichas sean blancas?
Pregunta 4:
75
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
3
2
5
3
6
4
8
6
9
5
11
8
Xi
3
5
7
9
11
ni
3
6
8
2
1
N=20
Ni
3
9
17
19
20
fi
0,15
Fi
0,15
Xi ni
9
30
56
18
11
124
Xi ni
27
150
392
162
121
852
b) Me = 6,25 UF
c) haga el grfico, por ejemplo un histograma.
d)
76
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Xi ni
343
3750
19208
13122
14621
51064
= 2953,76
Solucin 2:
n1 = 6; n2 = 4
Intervarianza =
Luego
Intravarianza =
PRUEBAS
SOLEMNE
1
El gerente de Finanzas de una empresa obtuvo informacin relativa a la
productividad (en miles de unidades) de cada trabajador y la cantidad de horas
extras realizadas durante el ltimo mes.
10 - 14
14 - 18
18 - 22
22 - 26
Total
8
5
3
16
9
3
4
16
2
10
12
24
1
9
16
26
20
27
35
82
Y Q horas
Extras
X
Productividad
4-6
6-8
8 - 10
Total
16
24
170 - 250
8
20
78
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
0
10
8 - 12
24
36
22
Xi
5
7
9
ni
20
27
35
Ni
20
47
82
Yi-1 Y1
10 14
14 18
18 22
22 26
Xi
12
16
20
24
ni
16
16
24
26
Ni
16
32
56
82
< 18
Xi
5
7
9
ni
17
8
7
> 18
Ni
17
25
32
ni
3
19
28
Ni
3
22
50
79
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
2) a)
Xi-1 X1
50 90
90 130
130 170
170 250
Xi
70
110
150
210
ni
40
64
64
32
Ni
40
104
168
200
b)
Yi-1 Y1
0-4
4-8
8 - 12
Xi
2
6
10
Xi-1 X1
50 90
90 130
130 170
170 250
ni
48
70
82
Xi
70
110
150
210
Ni
58
128
210
ni
40
64
64
32
80
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
Ni
40
104
168
200
c)
1
Los trabajadores del rea tributaria de una consultora estn clasificados segn
experiencia laboral en asistente y senior. La tabla siguiente resume la informacin
respecto de sus salarios (en M$)
Estratos
Asistentes
Seniors
Numero de
funcionarios
52
22
Salario medio
285
660
Desviacin
estndar
67
144
Y
N de
cajas
X
Edad
18 25
25 32
32 39
39 46
46 53
45 - 50
50 - 55
55 - 60
60 - 65
1
9
7
1
4
3
5
2
3
1
1
3
1
5
8
7
6
1
2
0
b)
82
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
2) a)
Xi-1 X1
45 50
50 55
55 60
60 - 65
Xi
47,5
52,5
57,5
62,5
ni
5
4
13
2
Ni
5
9
22
24
b)
Xi-1 X1
18 25
25 32
32 39
39 - 46
46 - 53
hasta 55
ni
4
14
9
4
5
Xi
21,5
28,5
35,5
42,5
49,5
Ni
4
18
27
31
36
mas 55
ni
8
9
2
7
8
Ni
8
17
19
26
34
c)
Xi-1 X1
45 50
50 55
55 60
60 - 65
Xi
47,5
52,5
57,5
62,5
ni
17
10
5
14
Ni
17
27
32
46
A lo menos 55
1
Una empresa exportadora empaca los artculos en cajas de 10 20 unidades. El
departamento de control de calidad, revis 3 cajas de 10 unidades y 12 cajas de
20 unidades. El promedio y varianza de unidades defectuosas por caja se resume
en el siguiente cuadro:
Tipo de Caja
10 unidades
20 unidades
Promedio
2
3
Varianza
0,5
1
Tendedores de lneas y
cables (en %)
15
20
30
20
15
100
32
Operadores de telfonos
(en %)
20
35
25
20
100
68
a) Compare la variabilidad del ingreso semanal entre los dos tipos de empleados.
b) Si los tendedores de lneas solicitan un reajuste de un 20% y los operadores
telefnicos un 30% Cul seria el salario promedio conjunto reajustado?
c) Si se considera el 50% de los operadores telefnicos que se ubican en el
extremo superior de los ingresos semanales en cuanto deberan reajustarse sus
ingresos para alcanzar un cifra de $37.500 semanal por empleado?
Solucin:
84
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
1)a)
b)
2) a)
Xi-1 X1
27 29
29 31
31 33
33 35
35 37
37 39
39 41
Xi
28
30
32
34
36
38
40
fit
0,15
0,20
0,30
0,20
0,15
Fit
0,15
0,35
0,65
0,85
1
fio
0,20
0,35
0,25
0,20
-
Fio
0,20
0,55
0,80
1
b)
c) se usa mediana
0,5 : 1 = 0,5
Xi-1 X1
30,71 31
31 33
33 35
Xi
30,85
32
34
fio
0,05
0,25
0,20
Fio
0,05
0,30
0,50
85
$37,500 = 32,68 + x
37,500 32,68 = x
4,82 = x
32,68 100%
4,82 x
14,7
1
De un total de 220 empleados pblicos, se asigno la distribucin de sueldos, de
acuerdo a ello tienen un descuento por actos indebidos de 2 U.T.M. en general, se
obtiene un valor que corresponde a la marca de clase X3 adems sabemos lo
siguiente.
Xi-1 X1
12,04 16,92
16,92 21,8
21,8 26,68
26,68 31,56
31,56 36,44
Calcule:
Xi
14,48
19,36
24,24
29,12
34
ni
26
35
44
53
62
Ni
26
61
105
158
220
fi
0,118
0,159
0,2
0,241
0,282
Fi
0,118
0,277
0,477
0,718
1
a) Moda
b) Mediana
c) Percentil 50
d) Si se quiere reajustar en un 2% los sueldos al 30% superior de la
muestra, determine los rangos de los sueldos que se acomodan a la
medida
e) Determine el quartil 2
Solucin:
a)
b) 220 : 2 = 110
d) 30%
superior 70%
0,70 * 220 = 154
86
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
e) Quartil 2 (50%) 0,50 * 220 = 110
2
En una fbrica de bebidas alcohlicas se emplean botellas de 250 CC. De
capacidad que contienen en promedio 23 grados de alcohol y un coeficiente de
variacin igual a 0,14. Una encuesta de marketing detecto que las preferencias del
pblico bajaron respecto de la bebida y se recomienda aumentar el grado
alcohlico de las bebidas en cuanto debe aumentarse la graduacin alcohlica
de modo que el coeficiente de variacin baje a 0,10?
Solucin:
X = 23C
C.V.= 0,14
Entonces C.V. (X) = 23 * 0,14 = 3,22
Xi
5
11
17
23
ni
30
10
20
5
Ni
30
40
60
65
87
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
3
Y
Vuelos
al ao
X
Edad
0 25
25 40
40 65
65 80
Calcular:
1-3
3-5
5 - 10
3
8
5
9
6
9
4
8
7
12
15
0
Solucin:
Xi-1 X1
0 25
25 40
40 65
65 80
Edad
Xi
12,5
32,5
52,5
72,5
ni
16
29
24
17
Ni
16
45
69
86
Xi-1 X1
13
35
5 10
Vuelos al ao
Xi
ni
2
25
4
27
7,5
34
Ni
25
52
86
a) Vuelos al ao
Edad
b) Var(X vuelos al ao) 28,42 23,04 = 5,38
88
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
d
2,49
22,08
4,80
7,11
42,26 +
62,44
(vuelos al ao)
(edades)
e)
89
ESTADISTICA Y PROBABILIDADES CON APLICACIONES
PUBLICACIONES
SERIE APUNTES DE CLASES
N1 Csar Manaka Jimnez
ADMINISTRACION
DE
LAS
FINANZAS PUBLICAS, Santiago, Julio
de 1998
APUNTES DE MICROECONOMIA
BASICA, Primera Parte, Santiago, Enero
CONTROL
DE
LA
GESTION
PUBLICA, Santiago, Junio de 1999
de 1999
ESTADISTICA Y PROBABILIDADES
CON APLICACION, Santiago, Agosto de
SERIE DOCUMENTOS DE
TRABAJO
1999
LA
PARTICIPACION
EN
EL
PROCESO DE MODERNIZACION
DE
LA
GESTION
PUBLICA
CHILENA, Santiago, Mayo de 1999
91
ESTADISTICA Y PROBABILIDADES CON APLICACIONES