Beruflich Dokumente
Kultur Dokumente
Colaboradores:
Mtra. Claudia Gonzlez Olgun
Mtro. Romualdo Aguilar Cortes
QFB. Zulima E. De Dios Feria
Pgina | 1
Gastronoma
NDICE
Pgina
1.1 Introduccin
1.3.3.
1.3.4
1.4
1.5
11
1.6
Representaciones grficas
12
1.6.1 Histograma
12
13
1.6.3.
15
1.6.4
Ojiva
17
19
23
23
1.8.1.1.
24
1.8.1.2 Clculo de media aritmtica para datos agrupados con frecuencia asociada.
25
1.8.2. Mediana.
26
27
29
1.8.3. Moda
30
31
31
32
Gastronoma
1.9. Medidas de dispersin.
34
34
35
1.9.3. Varianza
36
37
38
39
1.10. Sesgo.
40
44
2. ESTADSTICA INFERENCIAL
2.1 Teora del Muestreo
44
44
45
46
46
47
47
54
57
58
; Con
Anlisis de tendencias
Desconocida
62
65
65
65
66
66
69
ANEXOS
PROBLEMAS COMPLEMENTARIOS
73
BIBLIOGRAFA
93
Gastronoma
I
Estadstica Descriptiva
1.1 Introduccin
La Estadstica la podemos definir como la ciencia que se ocupa de la recopilacin, clasificacin,
presentacin e interpretacin de datos y que tiene por objeto agrupar metdicamente a grandes
conjuntos numricos. desempea un papel importante en casi todas la facetas del progreso
humano; su nombre procede de que anteriormente solo se aplicaba a los asuntos de Estado, pero
en la actualidad se ha convertido en un mtodo cientfico de anlisis, aplicado a todas las ciencias
sociales y naturales; su uso incluye el clculo del promedio de calificaciones, en la medicin de
distribucin de las radiaciones nucleares de los cuerpos, en la medicina para probar la eficiencia de
un medicamento, en las elecciones de cualquier tipo en la administracin para analizar las
tendencias comerciales.
La estadstica contempla tres fases:
1. La recoleccin de datos
2. La ordenacin de los mismos
3. Las conclusiones del anlisis
Para desarrollar lo anterior la Estadstica se divide en dos grandes reas:
1. La Estadstica descriptiva y
2. La Estadstica inferencial
La primera contempla la recopilacin, presentacin y descripcin de los datos; la segunda se
refiere a las tcnicas de interpretacin de los valores resultantes y a su utilizacin posterior para la
toma de decisiones.
Gastronoma
DATO: Es el valor que toma la variable asociado a un elemento de una poblacin o una
muestra. Ejemplo: Pedro tiene 18 aos, su cabello es castao, mide 1.72 m y pesa 78 kg.
Cada medicin es un valor o un dato de cada una de las cuatro variables de respuesta
medidas para Pedro.
DATO CUALITATIVO O ATRIBUTO: Es el resultado de un proceso que categoriza o
describe un elemento de una poblacin. Ejemplo el tipo de cabello (lacio, rizado,
ondulado), el color de un automvil, el funcionamiento del vehculo (bueno, regular, malo),
etc.
DATO CUANTITATIVO O NUMRICO: Es el resultado de un proceso que cuantifica, es
decir, que cuenta o mide; los datos se subdividen en:
a) Datos cuantitativos discretos. Son los que se producen siempre por conteo, son
nmeros enteros. Ejemplo: El nmero de autos, el nmero de insectos, etc.
b) Datos cuantitativos continuos. Son los que resultan de medir. Ejemplo: El peso, la
estatura, etc.
EXPERIMENTO: es una accin perfectamente planificada basada en la teora del
muestreo con el fin de obtener un conjunto de datos
PARMETRO: Caracterstica numrica de una poblacin. Ejemplo: El promedio de edad al
momento de la admisin de los estudiantes que hayan asistido a secundaria. Un parmetro
es un valor que describe a toda una poblacin
ESTADSTICA: Caracterstica numrica de una muestra.
EJERCICIOS
1. Un fabricante de medicamentos desea conocer la proporcin de personas cuya
hipertensin (alta presin sangunea) puede ser controlada con un nuevo producto. Al
realizar un estudio en 5000 individuos hipertensos se encontr que 80 % de ellos pudo
controlar su hipertensin utilizando el nuevo medicamento. Suponiendo que esas 5000
personas son representativas del grupos de pacientes con hipertensin, conteste las
siguientes preguntas:
a) Cul es la poblacin?
b) Cul es la muestra?
c) Identifique el parmetro de inters
d) Identifique la estadstica e indique cul es su valor
e) Se conoce el valor del parmetro?
2. Un tcnico de control de calidad selecciona partes de una lnea de ensamble de aparatos
elctricos y anota para cada una de ellas la siguiente informacin
a) Si est o no defectuosa
b) El nmero de identificacin de la persona que arm la pieza
c) El peso de la pieza
Clasifique las respuestas para cada parte como dato cualitativo o atributo, dato de variable
discreta o dato de variable continua
3. Relacione las dos columnas, colocando en el parntesis de la columna de la derecha, la
letra que corresponde.
5
Gastronoma
a) Dato discreto
b) Muestra
c) Parmetro
d) Poblacin
e) Datos
f)
Variable
g) Estadstica
h) Dato continuo
4. Identifique cada uno de los siguientes casos como ejemplos de variables y escriba el
nmero correspondiente en el parntesis de la derecha
i. Atributo
ii. Discreta
iii. Continua
a) El resultado de la encuesta hecha a un grupo de votantes posibles (
)
acerca del candidato de su preferencia
b) El tiempo necesario para que una herida cicatrice cuando se utiliza un (
)
nuevo medicamento
c) El nmero de llamadas telefnicas recibidas en un conmutador cada 10 (
)
minutos
d) La distancia a la que puede llegar un baln de ftbol al ser pateado
(
)
e) El nmero de pginas escritas por cada trabajo
f)
Gastronoma
1.3.1 Frecuencia absoluta (
Una distribucin de frecuencia no agrupada (no agrupada significa que los valores de x no se
combinan para formar grupos, sino que cada x es un grupo en s). En la siguiente tabla se
muestra una distribucin de frecuencia, donde es la frecuencia absoluta, frecuencia o el nmero
de veces que ocurre el valor de x en la muestra y la suma de las frecuencias debe ser igual al
nmero de datos.
x
Total
15
O en porcentaje
Donde:
Frecuencia absoluta o frecuencia
n= nmero total de observaciones
As la frecuencia relativa del primer intervalo es:
1.3.4.
Gastronoma
Es una muestra ordenada de menor a mayor y representa la suma de todas las frecuencias
correspondientes a los datos o valores de la muestra que son menores o iguales que x.
Cuando i = 1; F1 = f1
Cuando i = 2; F1 = f1 + f2
Cuando i = 3; F1 = f1 + f2 + f3
Cuando i = n; Fn = f1 + f2 + f3+ + fn
1.6.5
En el ejemplo de arrojar un dado 15 veces, calcule: la frecuencia relativa (f r), la frecuencia relativa
en porcentaje (fr(%)), la frecuencia acumulada (Fi), la frecuencia relativa acumulada (F r) y la
frecuencia relativa acumulada en porcentaje Fr (%).
Solucin:
X
fi
fr
fr (%)
Fi
Fr
Fr (%)
0.1333
13.33
0.133
13.33
0.2000
20.00
0.333
33.33
0.2000
20.00
0.533
53.33
0.2000
20.00
11
0.733
73.33
0.0667
6.67
12
0.800
80.00
0.2000
20.00
15
1.000
100.00
1.0000
100.00
n = 15
EJERCICIOS
Gastronoma
En cada uno de los casos siguientes, elabore una distribucin de frecuencias de la muestra dada,
que incluya la frecuencia absoluta (f i), el porcentaje de frecuencia relativa (f r(%)), la frecuencia
acumulada (Fi), la frecuencia relativa acumulada (Fr) y la frecuencia relativa acumulada en
porcentaje Fr (%).
a) Calificaciones de 20 estudiantes de Qumica.
87
86
85
87
86
87
86
81
77
85
86
84
83
82
84
83
79
82
79
83
10
Empleado
10
NC = 1 +3.3 logn
Gastronoma
Donde:
4. Se calcula el ancho de los intervalos de clase, que es la diferencia entre un lmite inferior
de clase y el lmite inferior de clase y el lmite inferior de la siguiente clase, con la
expresin:
49
37
31
26
19
46
37
31
26
18
46
37
30
25
16
15
44
35
30
24
32
21
39
31
27
20
33
27
21
39
38
31
27
48
27
43
35
29
23
43
34
29
23
41
20
45
36
30
24
33
28
22
41
Solucin:
1. Se buscan los datos menor y mayor:
2. El rango:
3. El nmero de clases:
Xmx = 49
Xmn = 15
R = 49 15 = 34
NC = 1+ 3.3 log(53) = 6.7
NR = 5(7) = 35
NMERO DE
RESPUESTAS
fi
10
Gastronoma
9
10
11
9
5
5
Total
53
Total
DE
fi
MARCA DE
CLASE
17
22
10
27
11
32
37
42
47
53
EJERCICIOS
1. Enseguida aparecen los pesos en libras de 40 estudiantes. Elabore una distribucin de
frecuencias con datos agrupados y encuentre las marcas de clase.
11
Gastronoma
138
164
150
144
132
157
149
125
140
158
146
147
144
152
148
136
161
158
145
142
150
128
145
158
146
173
147
142
153
135
135
140
168
126
175
138
163
119
154
165
164
150
144
132
157
149
125
140
158
146
147
144
152
148
136
161
158
145
142
150
128
145
158
146
173
147
142
153
135
135
140
168
126
175
138
163
119
154
165
DE
fi
4
9
10
11
9
5
12
Gastronoma
5
Total
53
DE
fi
MARCA DE
CLASE
17
22
10
27
11
32
13
Gastronoma
Total
37
42
47
53
14
Gastronoma
1.6.4.
En estas grficas, la altura de cada barra representa el nmero total de observaciones que son
menores o iguales al lmite superior de la clase respectiva. Las distribuciones acumuladas tambin
son tiles en la interpretacin de datos.
Ejemplo:
Realizar la grfica de distribucin de frecuencia de los datos presentados:
Nmero de
respuestas
fi
Fi
15-19
20-24
13
25-29
10
23
30-34
11
34
35-39
43
40-44
48
45-49
53
Total
53
15
Gastronoma
Las distribuciones acumuladas tambin son tiles en la interpretacin de datos; en la figura anterior
puede leerse de inmediato que existen aproximadamente 43 puntuaciones menores o iguales a 39
respuestas.
Con respecto a la distribucin acumulada de frecuencia relativa, quedara de la siguiente manera:
Nmero de
respuestas
fi
Fi
Fr (%)
15-19
7.5
20-24
13
24.5
25-29
10
23
43.4
30-34
11
34
64.2
35-39
43
81.1
40-44
48
90.6
45-49
53
100
Total
53
16
Gastronoma
1.9.4
Ojiva
Una ojiva es una grfica de una distribucin de frecuencias acumuladas (o de frecuencias relativas
acumuladas).
Es una grfica de lnea continua y se traza uniendo las marcas de clase y su frecuencia acumulada
o acumulada relativa, segn sea el caso. Esta se inicia y termina en un punto hipottico antes de
los intervalos.
Ejemplo:
Realizar la ojiva de la distribucin de frecuencia acumulada y acumulada relativa.
Nmero de
respuestas
fi
Fi
Fr (%)
MARCA
DE CLASE
15-19
7.5
17
20-24
13
24.5
22
25-29
10
23
43.4
27
30-34
11
34
64.2
32
35-39
43
81.1
37
40-44
48
90.6
42
45-49
53
100
47
17
Gastronoma
Total
53
18
Gastronoma
25
37
24
39
20
36
45
31
31
39
24
29
23
41
40
33
24
34
40
Se seleccionan primero los tallos, que en nuestro caso son las cifras de decenas, es decir, 2, 3 y 4.
A continuacin efectuamos un recuento y vamos aadiendo cada hoja a su tallo:
Tallo Hoja
2
4
19
Gastronoma
3
4
0
0
1
5
Los expertos dirn que dicha representacin es un histograma y, en efecto, as es. Sin embargo,
los diagramas de tallos y hojas, adems de ser fciles de elaborar, presentan ms informacin que
los histogramas. Esta tcnica funciona bien para los conjuntos de datos que no tienen una
dispersin muy grande.
EJERCICIOS
1. Las edades de 50 bailarinas que se presentaron a un concurso de seleccin para una
comedia musical fueron
21
19
22
19
18
20
23
19
19
20
19
20
21
22
21
20
22
20
21
20
21
19
21
21
19
19
20
19
19
19
20
20
19
21
21
22
19
19
21
19
18
21
19
18
22
21
24
20
24
17
42
60
79
58
48
68
33
54
66
58
35
78
63
26
64
35
79
33
54
58
41
48
81
24
47
58
51
57
45
55
27
32
72
45
18
22
36
30
55
47
13
45
57
82
35
53
45
66
37
44
Gastronoma
3. Del ejercicio 2 realizar el diagrama de tallo y hoja
4. La siguiente es la distribucin de los pesos de 125 muestras de minerales recolectadas en
una investigacin de campo:
Peso en gramos
Nmero de especmenes
0.0-19.9
16
20.0-39.9
38
40.0-59.9
35
60.0-79.9
20
80.0-99.9
11
100.0-119.9
120.0-139.9
Total
125
63
81
60
77
73
74
72
70
76
72
94
83
65
85
63
68
49
37
58
76
74
97
90
52
65
88
87
91
31
87
66
89
47
77
72
69
63
38
75
21
Gastronoma
quedarse dormida una persona. Las muestras de fumadores y no fumadores producen
estas observaciones sobre x:
NO FUMADORES
FUMADORES
46
55
64
59
60
48
54
62
59
57
61
64
59
61
46
62
59
62
52
56
43
61
59
74
76
67
62
56
56
67
56
59
50
66
55
51
45
55
49
63
52
63
59
57
52
78
62
49
60
58
57
65
55
52
61
64
53
61
60
41
57
57
60
68
58
73
60
52
47
66
63
65
63
61
63
60
63
64
57
58
65
58
71
53
62
66
64
51
43
69
59
48
53
58
55
63
58
53
42
61
60
53
63
58
54
60
61
64
65
56
47
51
62
66
56
64
67
55
54
22
Gastronoma
1.8 Medidas de tendencia central
Despus de considerar los datos de una poblacin o de una muestra y hecha la distribucin de
frecuencias de donde obtenemos informacin preliminar de inters, debemos reducir los valores
hasta obtener uno solo que represente al conjunto de datos de manera descriptiva; a ese valor se
le llama VALOR MEDIO.
El valor medio debe cumplir la condicin de ser representativo de conjunto, es por eso, que alos
datos se les llama medidas de TENDENCIA CENTRAL, en donde se incluye:
El promedio
La media aritmtica
La mediana
La moda
Donde:
xi = xn = Es la variable que suele utilizarse para representar los valores de los datos individuales.
= sumatoria de un conjunto de valores.
n = Representa el nmero de valores de una muestra.
N = Representa el nmero de valores de una poblacin.
= Media de un conjunto de datos de una muestra.
23
Gastronoma
= Media de un conjunto de datos de una poblacin.
Ejemplo:
Halle la media entre los nmeros 3, 3, 4, 5, 7, 8,9
=
= 5.57
Total de
trabajadores
17
25
15
ao en un restaurante,
24
Gastronoma
Nmero de das
Total de trabajadores
x1
f1
17
(0)(17) =0
25
(1)(25)= 25
15
(2)(15) = 30
(3)(7) = 21
(4)(4) = 16
(5)(2) = 10
(6)(2) = 12
f1= 72
x1 f1
x1 f1= 114
= 1.6
Interpretacin: cada uno de los 72 trabajadores del restaurante, faltaron a su trabajo 1.6 das en el
mes; por lo tanto, durante el mes considerado, los trabajadores faltaron1.6 das en promedio.
1.8.1.2 Clculo de media aritmtica para datos agrupados con frecuencia asociada.
Cuando se tiene una distribucin de frecuencias con datos agrupados, el valor de x ser la marca
de clase y se sigue la frmula anterior modificando x por m.
Ejemplo:
Nmero de clase
Lmites de clase
Marcas de clase
22-32
27
27
33-43
38
76
25
Gastronoma
3
44-54
49
245
55-65
60
120
66-76
71
639
77-87
82
738
88-98
10
93
930
99-109
104
520
110-120
115
345
10
121-131
126
504
Suma
50
4144
= 82.88 = 82.9
Una desventaja de la media es su sensibilidad a cada valor, de modo que un puntaje excepcional
puede afectarla de manera drstica. La mediana resuelve, en gran parte, esa desventaja.
1.8.2. Mediana.
Mediana: medida de tendencia central que implica el valor que est en medio, cuando los
valores originales de los datos se presentan en orden de magnitud creciente (o decreciente).
Para calcular la mediana, primero clasifique los valores (acomodndolos en orden) luego siga uno
de estos dos procedimientos:
1. Si el nmero de valores es impar, la mediana es el nmero que se localiza exactamente a
la mitad de la lista.
Ejemplo: Los datos 6, 3, 8, 5, 3 son ordenados de menor a mayor, o sea, 3, 3, 5, 6, 8. El 5 est en
la tercera posicin, que es la central de los cinco nmeros. Por lo tanto, la mediana es igual a 5.
2. Si el nmero de valores es par, la mediana se obtiene calculando la media de los dos
nmeros que estn a la mitad.
26
Gastronoma
Ejemplo: Sean los nmeros 6, 7, 8, 9, 9, 10 aqu n = 6, entonces el valor de la mediana, se
calcular sumando los dos valores centrales, dividindolos entre 2 (media).
Me = 8 + 9/2 = 8.5
valor posicional.
ao en un restaurante,
27
Gastronoma
Nmero de
das
Total de
trabajadores
17
25
15
Total de
trabajadores
F1
17
17
25
42
15
57
64
68
70
72
28
Gastronoma
Como el valor de la mediana corresponde al valor central de los datos, localizamos en que clase se
encuentra el valor de sta, utilizando la siguiente frmula: n/2.
n/2 = 72/2= 36
Este dato se halla en el 42, que acumula hasta la categora 2. Por lo tanto el valor de la mediana
se encuentra en esta categora.
Me = 1 da
Interpretacin. Por lo menos, la mitad de los trabajadores en el restaurante se ausentaron 1 da a
sus labores durante el mes.
).I
Donde:
Li = lmite inferior de la clase mediana
n = nmero de valores observados
Fa = frecuencia acumulada anterior a la clase donde se encuentra la mediana.
I = valor del intervalo.
fm = frecuencia de la clase donde se encuentra la mediana.
Ejemplo:
Obtenga la mediana para los datos de la siguiente tabla.
29
Gastronoma
Pesos (libra)
Datos: n= 40
(f i)
Frecuencia
acumulada
(Fi)
118-126
127-135
136-144
17
145-153
12
29
154-162
34
163-171
38
172-180
40
Li = 144.5
frecuencia
Fa= 17
fm = 12
I = 154-145
n/2 =20
Solucin:
Me = 144.5 + (
) . 9 = 146.75
1.8.3. Moda
La moda es el valor de que ocurre con mayor frecuencia o el que ms se repite.
Cuando dos valores ocurren con la misma frecuencia y sta es la ms alta, ambos valores
son modas, por lo que el conjunto de datos es bimodal.
Cuando ms de dos valores ocurren con la misma frecuencia y sta es la ms alta, todos
los valores son modas, por lo que el conjunto de datos es multimodal.
1.10
27
2
0.42
27
3
0.73
55
6
0.48
55
7
1.10
55
8
88
9
88
10
99
Solucin.
a. El nmero 1.10 es la moda, ya que es el valor que ocurre con mayor frecuencia.
30
Gastronoma
b. Los nmeros 27 y 55 son modas, ya que ambos ocurren con la frecuencia ms alta. Este
conjunto de datos es bimodal, porque tiene dos modas.
c. No hay moda, ya que ningn valor se repite.
1.8.3.1. Calculo de moda para datos simples con frecuencia asociada.
Volvamos al ejemplo de los trabajadores que se ausentaron en cierto mes del ao a trabajar a un
restaurante.
Nmero de
das
Total de
trabajadores
17
25
15
Dnde:
Li = lmite inferior de la clase modal (clase que tiene la mxima frecuencia).
1 = Diferencia entre la mayor frecuencia y la frecuencia anterior.
2 = Diferencia entre la mayor frecuencia que le sigue.
I = Intervalo de clase.
Ejemplo. Halle la moda para la siguiente distribucin de frecuencias.
31
Gastronoma
X
fi
50-60
60-70
10
70-80
16
80-90
14
90-100
10
5
100-110
110-120
La moda es:
Moda: 69.5 + [
]10 = 77
)= 8.
EJERCICIOS.
1) Realice una tabla, que contenga las medidas de tendencia central y las frmulas que empleara
cuando se tengan datos simples, datos simples con frecuencia asociada y datos agrupados con
frecuencia asociada.
2) La siguiente tabla muestra un conjunto de datos agrupados en una distribucin de frecuencia,
que representa la estancia de 72 turistas en hoteles de categora una a cinco estrellas en Cancn,
Quintana Roo. Con base en los datos:
a) Calcular la media aritmtica e interpretar el resultado.
b) Calcular el valor de la mediana mediante la aplicacin de la frmula y por la ojiva.
Interpretar el resultado.
32
Gastronoma
c) Calcular el valor de la moda. Interpretar el resultado.
d) Obtener el histograma de frecuencia.
Clase
fi
(estancia)
(nmero de turistas)
14
58
6 12
13 16
17 20
14
21 24
18
22 -28
12
29 32
33 36
37 40
$ 39000
$ 37500
$ 36750
$ 35250
$ 31500
$ 31500
$ 31500
$ 31500
$ 22500
Hallar:
a) La media de los precios
b) La mediana de los precios
33
Gastronoma
6) Alumnado segn tiempo dedicado al estudio fuera de clase.
Horas
semanales
Alumnos
Total= 188
1-3
4-6
7-9
10-12
13-15
16-18
19-21
22-28
50
38
26
36
19
7
7
5
Amplitud o rango
Desviacin media
Desviacin estndar
Varianza
34
Gastronoma
Ejemplo:
Sea 3, 3, 5, 6, 8, entonces la amplitud es 8 3 = 5.
El rango es fcil de calcular, pero slo nos proporciona una medida, relativamente inexacta, de la
dispersin, pues el rango mide en realidad la dispersin slo de los datos extremos y no la de los
intermedios.
Las otras medidas de dispersin, desviacin media, desviacin estndar y varianza en realidad
son medidas de separacin con respecto a la media.
Ejemplo:
Sea la serie 2, 10, 12, 16 se DM ser:
|
DM = =
10
12
16
= 40
= 16
= 10
=
=4
Ejercicios:
1. Halle la desviacin media del conjunto 2, 3, 6, 8, 11.
2. Halle el rango y la DM y diga cul tiene mayor dispersin.
a. 12, 6, 7, 3, 15, 10, 18, 5
b. 9, 3, 8, 8, 9, 8, 9, 18.
35
Gastronoma
1.9.3. Varianza
Usamos el trmino variacin, como una descripcin general de la cantidad que varan los valores
entre s. El trmino varianza, se refiere a una definicin especfica:
Varianza (de un conjunto de valores): es la suma de los cuadrados de las desviaciones entre el
nmero total de datos, y est dada y representada por la frmula:
s
2=
s = varianza de la muestra
n = tamao de la muestra.
Procedimiento para calcular la varianza:
1. Calcule la media.
2. Reste la media de cada valor individual para tener una lista de desviaciones de la forma
(x -).
2
3. Eleve al cuadrado cada una de las diferencias obtenidas en el paso 2. (x - ) .
4. Sume todos los cuadrados obtenidos en el paso 3.
5. Divida el total del paso 4 entre n.
Ejemplos:
Calcule la varianza de la serie 6, 3, 8, 5, 3.
1. Calcular la media
=5
X
6
65=1
3 5 = -2
85=3
55=0
35=-2
x = 25
=0
= 18
36
Gastronoma
s
2=
= 3.6
=4
2
clase
i
(x- )
(x - )
3 4 = -1
64=2
1 4 = -3
2 4 = -2
5
6
7
5
74=3
54=1
9
1
= 28
2=
= 4.66
2=
Ejemplos: Obtenga la varianza para los siguientes datos con las frecuencias dadas:
Primero: calcule la media:
=
=5.33
x
fi
xfi
(x - )
12
35.33 = -2.33
5.4889
4(5.4889)=21.7156
20
4- 5.33 =-1.33
1.7689
5(1.7689)=8.8445
fi
37
Gastronoma
5
30
5-5.33= -0.33
0.1089
6(0.1089)=0.6534
42
6-5.33 = 0.67
0.4489
7(0.4489)=3.1423
56
7- 5.33 = 1.67
2.7889
8(2.7889)=22.3112
Totales
30
=160
La varianza es =
= 56.667
= 1.8889
S =[
]-
S =[
]-
Ejemplos:
1. Halle la varianza de los siguientes datos: 2, 10, 12, 16.
2
S =[
=[
]-
]
]-[
] =
-( ) = 26
fi
45 -55
55 65
65 -75
75 85
85 95
Total
3
4
6
5
2
20
Marca de clase
xi
50
60
70
80
90
xifi
3(50)=150
4(60)=240
6(70)=210
5(80)=400
2(90)=180
1390
fi
2
y obtenga el total.
38
Gastronoma
2
S =[
2
S =[
]]-[
]
] = 144
Ejercicios:
1. Halle la media muestral, la mediana, la varianza
siguientes resultados.
80
65
85
95
72
76
75
60
74
75
63
78
93
84
87
90
70
2. Halle la media muestral, la mediana, la varianza y la desviacin estndar para los datos:
a. 4, 6, 6, 7, 9, 10.
39
Gastronoma
b. 8, 7, 12, 5, 6, 7, 4.
1.10. Sesgo.
Una comparacin de la media, mediana y la moda puede revelar informacin acerca de las
caractersticas de sesgo, que se define a continuacin.
Una distribucin de datos es sesgada si no es simtrica y se extiende ms hacia un lado que
hacia otro. (Una distribucin de datos es simtrica si la mitad izquierda de su histograma es
aproximadamente una imagen en espejo de su mitad derecha).
Los datos sesgados a la izquierda (que tambin se denomina sesgo negativo) poseen una cola
izquierda ms larga, en tanto que la media y la mediana se encuentran a la izquierda de la moda.
Aunque no siempre es posible predecirlo, los datos sesgados a la izquierda suelen tener una
media menor a la mediana.
Media
Moda
Mediana
Los datos sesgados a la derecha (lo que tambin se denomina sesgo positivo) poseen una cola
derecha ms larga, mientras que la media y la mediana se encuentran a la derecha de la moda,
aunque no siempre es posible predecirlo.
Moda
Media
Mediana
Cuando la distribucin de datos es simtrica (sesgo cero), la media, la mediana y la moda son
iguales.
40
Gastronoma
Media Mediana Moda
Este coeficiente toma generalmente valores entre -3 y +3; cuando la distribucin es simtrica su
valor es cero.
Ejemplo:
En la siguiente distribucin de calificaciones de un examen, calcule el coeficiente de asimetra.
Calificacin
Li
Ls
3
4
3.9
4.9
fi
Marca
de
clase
xi
fi Xi
Fi
xi x
(xi x)
4
4
3.5
4.5
14
18
4
8
-3.5
-2.5
12.25
6.25
fi (xi x)
49
25
41
Gastronoma
5
6
7
8
9
5.9
6.9
7.9
8.9
9.9
5
8
13
11
5
50
5.5
6.5
7.5
8.5
9.5
27
52
97
93
47
348
13
21
34
45
50
-1.5
-0.5
0.5
1.5
2.5
2.25
0.25
0.25
2.25
6.25
11.25
2
3.25
24.75
31.25
146.5
= 6.96
S=
=
=7+(
) 1.0 = 7.3
= 1.71
=
= -0.596
EJERCICIOS:
1. De acuerdo a la tabla siguiente, elabore en Excel:
a) El histograma de frecuencias relativas en porcentaje, as como el polgono
correspondiente.
b) La ojiva porcentual.
c) El dimetro promedio (media) e interpretacin de resultados.
d) La mediana de los dimetros e interpretacin.
e) El dimetro que tienen la mayora de los cuchillos chef (moda) e interpretacin del
resultado.
f) La variabilidad (varianza y desviacin estndar).
g) Las medidas de variacin parecen indicar que la variacin tiene un nivel aceptable, si la
medida estndar del cuchillo chef es de 8 pulgadas. Es la variacin un indicador para
rechazar o aceptar las medidas del cuchillo?
Dimetro en pulgadas de cuchillos chef
Nmero de cuchillos chef
7.80 7.85
7.86 7.91
7.92 7-97
16
7.98 8.03
28
8.04 8.09
13
8.10 8.15
42
Gastronoma
8.16 8.21
2. El gerente local de una tienda de autoservicio est interesada en el nmero de veces que
un cliente compra en su almacn durante un perodo de dos semanas. Las respuestas de
51 clientes fueron:
5
6
3
11
9
3
3
1
4
4
5
6
4
2
6
6
7
1
1
14
1
2
4
4
4
5
6
5
3
4
5
6
8
4
7
6
5
9
3
12
4
7
6
5
15
1
1
10
8
2
12
a. Comenzando con el 0 como el lmite inferior de la primera clase y utilizando un
intervalo de clase 3, organice los datos en una distribucin de frecuencias.
b. Describa la distribucin dnde tiende a agruparse los datos?
c. Convierta la distribucin en una distribucin de frecuencias relativas.
d. Calcule la media, mediana y moda e interprete cada una de ellas.
3. Los siguientes datos presentan las cantidades semanales gastadas (en pesos) en
comestibles de un grupo de alumnos de gastronoma.
371
463
259
176
327
437
395
412
350
379
305 379
a.
b.
c.
d.
e.
366
299
277
262
332
403
292
281
421
409
346
378
150
141
435
216
200
251
340
574
397
270
288
420
529
394
670
442
379
335
534
223
425
43
Gastronoma
II Estadstica Inferencial
2.1 Teora del Muestreo
Uno de los propsitos de la estadstica inferencial es estimar las caractersticas poblacionales
desconocidas, examinando la informacin obtenida de una muestra, de una poblacin. El punto de
inters es la muestra, la cual debe ser representativa de la poblacin objeto de estudio.
Se seguirn ciertos procedimientos de seleccin para asegurar de que las muestras reflejen
observaciones a la poblacin de la que proceden, ya que solo se pueden hacer observaciones
probabilsticas sobre una poblacin cuando se usan muestras representativas de la misma.
Una poblacin est formada por la totalidad de las observaciones en las cuales se tiene cierto
observa.
Una muestra es un subconjunto de observaciones seleccionadas de una poblacin.
2.1.1 Muestras Aleatorias
Cuando nos interesa estudiar las caractersticas de poblaciones grandes, se utilizan muestras por
muchas razones; una enumeracin completa de la poblacin, llamada censo, puede ser
econmicamente imposible, o no se cuenta con el tiempo suficiente.
A continuacin se ver algunos usos del muestreo en diversos campos:
1. Poltica. Las muestras de las opiniones de los votantes se usan para que los candidatos
midan la opinin pblica y el apoyo en las elecciones.
2. Educacin. Las muestras de las calificaciones de los exmenes de estudiantes se usan
para determinar la eficiencia de una tcnica o programa de enseanza.
3. Industria. Muestras de los productos de una lnea de ensamble sirve para controlar la
calidad.
4. Medicina. Muestras de medidas de azcar en la sangre de pacientes diabticos prueban la
eficacia de una tcnica o de un frmaco nuevo.
5. Agricultura. Las muestras del maz cosechado en una parcela proyectan en la produccin
los efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los votantes se usara para determinar los criterios
del pblico sobre cuestiones relacionadas con el bienestar y la seguridad nacional.
44
Gastronoma
2.1.1.1 Errores en el Muestreo
Cuando se utilizan valores muestrales, o estadsticos para estimar valores poblacionales,
o parmetros, pueden ocurrir dos tipos generales de errores: el error muestral y el error no
muestral.
El error muestral se refiere a la variacin natural existente entre muestras tomadas de la misma
poblacin.
Cuando una muestra no es una copia exacta de la poblacin; an si se ha tenido gran cuidado
para asegurar que dos muestras del mismo tamao sean representativas de una cierta poblacin,
no esperaramos que las dos sean idnticas en todos sus detalles. El error muestral es un
concepto importante que ayudar a entender mejor la naturaleza de la estadstica inferencial.
Los errores que surgen al tomar las muestras no pueden clasificarse como errores muestrales y se
denominan errores no muestrales.
El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se refiere a una
tendencia sistemtica inherente a un mtodo de muestreo que da estimaciones de un parmetro
que son, en promedio, menores (sesgo negativo), o mayores (sesgo positivo) que el parmetro
real.
El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorizacin.
La aleatorizacin se refiere a cualquier proceso de seleccin de una muestra de la poblacin en el
que la seleccin es imparcial o no est sesgada; una muestra elegida con procedimientos
aleatorios se llama muestra aleatoria.
Los tipos ms comunes de tcnicas de muestreo aleatorios son el muestreo aleatorio simple, el
muestreo estratificado, el muestreo por conglomerados y el muestreo sistemtico.
Si una muestra aleatoria se elige de tal forma que todos los elementos de la poblacin tengan la
misma probabilidad de ser seleccionados, la llamamos muestra aleatoria simple.
Ejemplo
Supongamos que nos interesa elegir una muestra aleatoria de 5 estudiantes en un grupo de
estadstica de 20 alumnos. 20C5 da el nmero total de formas de elegir una muestra no ordenada y
este resultado es 15,504 maneras diferentes de tomar la muestra. Si listamos las 15,504 en trozos
separados de papel, una tarea tremenda, luego los colocamos en un recipiente y despus los
revolvemos, entonces podremos tener una muestra aleatoria de 5 si seleccionamos un trozo de
papel con cinco nombres. Un procedimiento ms simple para elegir una muestra aleatoria sera
escribir cada uno de los 20 nombres en pedazos separados de papel, colocarlos en un recipiente,
revolverlos y despus extraer cinco papeles al mismo tiempo.
45
Gastronoma
Otro mtodo para obtener una muestra aleatoria de 5 estudiantes en un grupo de 20 utiliza una
tabla de nmeros aleatorios. Se puede construir la tabla usando una calculadora o una
computadora. Tambin se puede prescindir de estas y hacer la tabla escribiendo diez dgitos del 0
al 9 en tiras de papel, las colocamos en un recipiente y los revolvemos, de ah, la primera tira
seleccionada determina el primer nmero de la tabla, se regresa al recipiente y despus de
revolver otra vez se selecciona la seguida tira que determina el segundo nmero de la tabla; el
proceso contina hasta obtener una tabla de dgitos aleatorios con tantos nmeros como se desee.
Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco prctico, imposible o
no deseado; aunque sera deseable usar muestras aleatorias simples para las encuestas
nacionales de opinin sobre productos o sobre elecciones presidenciales, sera muy costoso o
tardado.
2.1.2 Muestreo Estratificado
El muestreo estratificado requiere de separar a la poblacin segn grupos que no se traslapen
llamados estratos, y de elegir despus una muestra aleatoria simple en cada estrato. La
informacin de las muestras aleatorias simples de cada estrato constituira entonces una muestra
global.
Ejemplo
Supongamos que nos interesa obtener una muestra de las opiniones de los profesores de una gran
universidad. Puede ser difcil obtener una muestra con todos los profesores, as que supongamos
que elegimos una muestra aleatoria de cada colegio, o departamento acadmico; los estratos
vendran a ser los colegios, o departamentos acadmicos.
2.1.3 Muestreo por Conglomerados
El muestreo por conglomerados requiere de elegir una muestra aleatoria simple de unidades
heterogneas entre s de la poblacin llamadas conglomerados. Cada elemento de la poblacin
pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son
usualmente heterogneos o dismiles.
Ejemplo
Supongamos que una compaa de servicio de televisin por cable est pensando en abrir una
sucursal en una ciudad grande; la compaa planea realizar un estudio para determinar el
porcentaje de familias que utilizaran sus servicios, como no es prctico preguntar en cada casa, la
empresa decide seleccionar una parte de la ciudad al azar, la cual forma un conglomerado.
En el muestreo por conglomerados, stos se forman para representar, tan fielmente como sea
posible, a toda la poblacin; entonces se usa una muestra aleatoria simple de conglomerados para
estudiarla. Los estudios de instituciones sociales como iglesias, hospitales, escuelas y prisiones se
realizan, generalmente, con base en el muestreo por conglomerados.
46
Gastronoma
2.1.4 Muestreo Sistemtico
El muestreo sistemtico es una tcnica de muestreo que requiere de una seleccin aleatoria inicial
de observaciones seguida de otra seleccin de observaciones obtenida usando algn sistema o
regla.
Ejemplo
Para obtener una muestra de suscriptores telefnicos en una ciudad grande, puede obtenerse
primero una muestra aleatoria de los nmeros de las pginas del directorio telefnico; al elegir el
vigsimo nombre de cada pgina obtendramos un muestreo sistemtico, tambin podemos
escoger un nombre de la primera pgina del directorio y despus seleccionar cada nombre del
lugar nmero cien a partir del ya seleccionado. Por ejemplo, podramos seleccionar un nmero al
azar entre los primeros 100; supongamos que el elegido es el 40, entonces seleccionamos los
nombres del directorio que corresponden a los nmeros 40, 140, 240, 340 y as sucesivamente.
EJERCICIOS
1. Defina los siguientes trminos de la manera ms precisa posible:
a) Muestreo aleatorio simple
b) Muestreo estratificado
c) Muestreo sistemtico
d) Muestreo por conglomerados
2. Realizar un cuadro comparativo de los siguientes trminos:
a) Fiabilidad del muestreo y efectividad del muestreo
b) Muestreo uniforme y muestreo proporcional
3. Determine la poblacin y proponga el diseo de muestreo ms adecuado para estudiar las
siguientes situaciones:
a) En una industria que produce embutidos, existen 500 mquinas que elaboran los
embutidos. De estas 500 mquinas, 250 son operadas manualmente; 150 son
semiautomticas y 100 son totalmente automticas.
b) Un restaurant est considerando la revisin del sistema vacacional de sus
empleados y desea determinar la proporcin de empleados que apoyan la nueva
propuesta. El restaurant cuenta con 50 sucursales separadas, localizadas en todo
el pas.
c) Un Chef desea hacer una encuesta acerca de la aceptacin de un nuevo platillo
para nios en cierta zona de la ciudad.
Gastronoma
todos los valores posibles de un estadstico. Tales distribuciones sern muy importantes en el
estudio de la estadstica inferencial, porque las inferencias sobre las poblaciones se harn usando
estadsticas muestrales. Como el anlisis de las distribuciones asociadas con los estadsticos
muestrales, podremos juzgar la confiabilidad de un estadstico muestral como un instrumento para
hacer inferencias sobre un parmetro poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria a otra, se le puede
considerar como una variable aleatoria con su correspondiente distribucin de frecuencias.
La distribucin de frecuencia de un estadstico muestral se denomina distribucin muestral. En
general, la distribucin muestral de un estadstico es la de todos sus valores posibles
calculados a partir de muestras del mismo tamao.
Supongamos que se han seleccionado muestras aleatorias de tamao 20 en una poblacin
grande. Se calcula la madia muestral x para cada muestra; la coleccin de todas estas medias
muestrales recibe el nombre de distribucin muestral de medias, lo que se puede ilustrar en la
siguiente figura:
Supongamos que se eligen muestras aleatorias de tamao 20, de una poblacin grande, y se
calcula la deviacin estndar de cada una. La coleccin de todas estas desviaciones estndar
muestrales se llama distribucin muestral de la desviacin estndar, y lo podemos ver en la
siguiente figura:
48
Gastronoma
Ejemplo
Se eligen muestras ordenadas de tamao 2, con reemplazo, de la poblacin de valores 0, 2, 4 y 6.
Encuentre:
, la media poblacional.
, la desviacin estndar poblacional.
x, la
x,
Adems, grafique las frecuencias para la poblacin y para la distribucin muestral de medias.
Solucin:
a. La media poblacional es:
49
Gastronoma
c.
50
Gastronoma
Distribuciones muestrales
Despus de haber realizado el ejercicio anterior se puede ver que una distribucin muestral se
genera extrayendo todas las posibles muestras del mismo tamao de la poblacin y calculndoles
a stas su estadstico.
Si la poblacin de la que se extraen las muestras es normal, la distribucin muestral de medias
ser normal sin importar el tamao de la muestra.
Gastronoma
. La aproximacin ser cada vez ms exacta a medida de que n sea cada vez mayor.
Ejemplo
Para la distribucin muestral de medias del ejercicio pasado, encuentre:
a. El error muestral de cada media
b. La media de los errores muestrales
c. La desviacin estndar de los errores muestrales.
Solucin:
a. En la tabla siguiente se ven las muestras, las medias de las muestras y los errores
muestrales:
52
Gastronoma
Muestra
(0,0)
0 - 3 = -3
(0,2)
1 - 3 = -2
(0,4)
2 - 3 = -1
(0,6)
33=0
(2,0)
1 3 = -2
(2,2)
2 3 = -1
(2,4)
33=0
(2,6)
43=1
(4,0)
2 3 = -1
(4,2)
33=0
(4,4)
43=1
(4,6)
53=2
(6,0)
33=0
(6,2)
43=1
(6,4)
53=2
(6,6)
63=3
c.
e,
es:
e, es
entonces:
Gastronoma
2.3 Distribucin Normal
La distribucin normal es una distribucin continua, en forma de campana en donde la media, la
mediana y la moda tienen un mismo valor y es simtrica.
Con esta distribucin podamos calcular la probabilidad de algn evento relacionado con la variable
aleatoria, mediante la siguiente frmula:
En donde z es una variable estandarizada con media igual a cero y varianza igual a uno. Con esta
frmula se pueden a hacer los clculos de probabilidad para cualquier ejercicio, utilizando la tabla
de la distribucin z.
Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien de cualquier tamao de
una poblacin normal, la distribucin muestral de medias tiene un comportamiento
aproximadamente normal, por lo que se puede utilizar la frmula de la distribucin normal
con
y
, entonces la frmula para calcular la probabilidad del comportamiento del
estadstico, en este caso la media de la muestra , quedara de la siguiente manera:
Ejemplo:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye aproximadamente
en forma normal, con media de 800 horas y desviacin estndar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos de 775
horas.
54
Gastronoma
Solucin:
La interpretacin sera que la probabilidad de que la media de la muestra de 16 focos sea menor a
775 horas es de 0.0062.
Ejemplo:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma normal con una
media de 174.5 centmetros y una desviacin estndar de 6.9 centmetros. Si se extraen 200
muestras aleatorias de tamao 25 sin reemplazo de esta poblacin, determine:
a. El nmero de las medias muestrales que caen entre 172.5 y 175.8 centmetros.
b. El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y un muestreo sin
reemplazo, por lo que se tendr que agregar el factor de correccin. Se proceder a calcular el
denominador de Z para slo sustituirlo en cada inciso.
a.
55
Gastronoma
b.
56
Gastronoma
a) Entre 10 y 12 imperfecciones.
b) Menos de 9 y ms de 15 imperfecciones.
3. En una prueba de aptitud la puntuacin media de los estudiantes es de 72 puntos y la
desviacin estndar es de 8 puntos. Cul es la probabilidad de:
a) 3 o ms puntos.
b) 6 o ms puntos.
c) Entre 2 y 5 puntos.
2.4 Teora de Pequeas Muestras
Utilizaremos muestras pequeas siempre y cuando la distribucin de donde proviene la muestra
tenga un comportamiento normal. Esta es una condicin para utilizar las tres distribuciones que se
2
manejarn en esta unidad; t de student, X ji-cuadrada y Fisher.
A la teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que tambin
la podemos utilizar con muestras aleatorias de tamao grande.
Veremos un nuevo concepto necesario, este concepto es "grados de libertad".
Para definir grados de libertad se har referencia a la varianza muestral:
Esta frmula est basada en n-1 grados de libertad (degrees of freedom). Esta terminologa
2
. . .
,
stas suman cero, as que especificar los valores de cualquier n-1 de las cantidades
determina el valor restante. Por ejemplo, si n=4 y
, as
57
Gastronoma
2.4.1
Supngase que se toma una muestra de una poblacin normal con media
. Si
y varianza
distribucin
poblacin
reemplaza
=0y
para
>2,
58
Gastronoma
1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que
4. A medida que
grados de libertad.
Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas normales con media
desviacin estndar
con
.
;
a la
59
Gastronoma
Para encontrar los valores de t se utilizar la tabla de valores crticos de la distribucin t del libro
Probabilidad y Estadstica para Ingenieros de los autores Walpole, Myers y Myers.
Ejemplo:
El valor t con
= 14 grados de libertad que deja un rea de 0.025 a la izquierda, y por tanto un
rea de 0.975 a la derecha, es
t0.975=-t0.025 = -2.145
Si se observa la tabla, el rea sombreada de la curva es de la cola derecha, es por esto que se
tiene que hacer la resta de
de
en el primer rengln de la tabla y luego buscar los grados de libertad en la primer columna
y donde se intercepten
se obtendr el valor de t.
Ejemplo:
Encuentre la probabilidad de t0.025 < t < t0.05.
Solucin:
Como t0.05 deja un rea de 0.05 a la derecha, y t0.025 deja un rea de 0.025 a la izquierda,
encontramos un rea total de 1-0.05-0.025 = 0.925.
60
Gastronoma
P( t0.025 < t < t0.05) = 0.925
Ejemplo:
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de tamao 15 que se
selecciona de una distribucin normal.
Solucin:
Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos damos cuenta que a este
valor le corresponde un rea de 0.05 a la izquierda, por ser negativo el valor. Entonces si se resta
0.05 y 0.045 se tiene un valor de 0.005, que equivale a
. Luego se busca el valor de 0.005 en
el primer rengln con 14 grados de libertad y se obtiene un valor de t = 2.977, pero como el valor
de
Ejemplo:
Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto proceso en lotes es
500 gramos por milmetro de materia prima. Para verificar esta afirmacin toma una muestra de 25
lotes cada mes. Si el valor de t calculado cae entre t0.05 y t0.05, queda satisfecho con su afirmacin.
Qu conclusin extraera de una muestra que tiene una media de 518 gramos por milmetro y una
desviacin estndar de 40 gramos? Supongamos que la distribucin de rendimientos es
aproximadamente normal.
Solucin:
De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante
queda satisfecho con esta afirmacin si una muestra de 25 lotes rinde un valor t entre 1.711 y
1.711.
Se procede a calcular el valor de t:
61
Gastronoma
Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor
de t con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de
0.02. De aqu que es probable que el fabricante concluya que el proceso produce un mejor
producto del que piensa.
2.4.2 Intervalo de Confianza para
Si
; Con
Desconocida
y s son la media y la desviacin estndar de una muestra aleatoria de una poblacin normal
con varianza
(
donde
derecha.
)100% para
/2
es:
es el valor t con
/2 a la
desconocida y n
Gastronoma
cerca de la
real y de esta manera el teorema del lmite central sigue valiendo. Se debe hacer
nfasis en que esto es solo una aproximacin y que la calidad de este enfoque mejora a medida
que el tamao de la muestra crece ms.
Ejemplos:
1. El contenido de siete contenedores similares de cido sulfrico son 9.8, 10.2, 10.4, 9.8,
10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza del 95% para la media de todos
los contenedores si se supone una distribucin aproximadamente normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
10 y s= 0.283
En la tabla se encuentra que t0.025=2.447 con 6 grados de libertad, de aqu, el intervalo de
confianza de 95% para
es:
Con un nivel de confianza del 95% se sabe que el promedio del contenido de los
contenedores est entre 9.47 y 10.26 litros.
2. Un artculo publicado en el Journal of Testing and Evaluation presenta las siguientes 20
mediciones del tiempo de combustin residual en segundos de especmenes tratados de
ropa de dormir para nios:
9.85
9.93
9.75
9.77
9.67
9.87
9.67
9.94
9.85
9.75
9.83
9.92
9.74
9.99
9.88
63
Gastronoma
9.95
9.95
9.93
9.92
9.89
Se desea encontrar un nivel de confianza del 95% para el tiempo de combustin residual
promedio. Supngase que el tiempo de combustin residual sigue una distribucin normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
9.8525 y s= 0.0965
En la tabla se encuentra que t0.025=2.093 con 19 grados de libertad, de aqu, el intervalo de
confianza de 95% para
es:
Por lo tanto, se tiene una confianza del 95% de que el tiempo de combustin residual promedio se
encuentra entre 9.8073 y 9.8977 segundos.
64
Gastronoma
2.5 Anlisis de tendencias
2.5.1 Anlisis de Regresin y Correlacin
Un problema que se presenta con frecuencia en muchas de las actividades que realizamos, es
estimar la relacin entre dos variables. Por ejemplo el peso (y) de un beb sin duda est
relacionado con su edad(x); el salario (y) que percibe un individuo de edad determinada
probablemente est relacionada con el nmero de aos (x) de educacin formal que tenga; la
produccin de un terreno (y) con la cantidad de fertilizante usado. La teora de los mnimos
cuadrados y el mtodo de regresin se centran en el problema de estimar la relacin entre una
variable y, una variable x que vara independientemente(o ms de una x). La forma funcional
supuesta de la relacin y y x puede ser tericamente cualquier cosa; pero en estas notas solo se
hablara de la relacin lineal.
El anlisis de regresin se refiere a la formulacin de la ecuacin que describe la relacin entre las
variables, a su representacin grfica y a la estimacin de una variable dependiente a partir de
valores dados a las variables independientes. Mediante la utilizacin de la ecuacin mencionada
antes se emplea este mtodo de anlisis, es predecir o estimar el valor de una variable que
corresponde al valor dado de otra.
El anlisis de correlacin se refiere a la determinacin de coeficientes para medir el grado de
relacin entre variables.
El anlisis de regresin correlacin puede ser simple o mltiple. Es simple cuando se refiere a la
relacin entre dos variables una dependiente y la otra independiente. Es mltiple cuando se
relacionan varias variables entre s, una dependiente y las dems independientes.
Cuando el anlisis de regresin es simple se puede visualizar grficamente mediante una
representacin por puntos de las diferentes fases de datos la grfica correspondiente. Se llama
nube de puntos o diagrama de dispersin; cada punto corresponde a la representacin de un par
ordenado; el primer elemento x del par corresponde a una variable.
El diseo de nube de puntos permite tener en general una idea de la relacin que puede existir
entre dos variables.
Gastronoma
A partir del diagrama de dispersin es posible con frecuencia visualizar una curva suave que
aproxima los datos, tal curva se llama una curva aproximante. Si es una recta decimos que hay
una relacin lineal entre las variables en caso contrario es una relacin no lineal.
El problema general de hallar ecuaciones de curvas aproximantes que se ajusten a un conjunto de
datos se llama ajuste de curvas.
2.5.3 Ajuste de Curvas a Mano
A menudo puede recurrirse a la intuicin personal a la hora de dibujar una curva que ajuste un
conjunto de datos. Esto se conoce como mtodo de ajuste de curvas a mano. Si el tipo de
ecuacin de la curva es conocido, es posible obtener las constantes de la ecuacin eligiendo
tantos puntos de la curva como constantes haya en la ecuacin. Por ejemplo si la curva es una
recta son necesarios dos puntos, si es una parbola son precisos tres puntos.
El mtodo tiene la desventaja de que diferentes observadores obtendrn distintas curvas y
ecuaciones.
Es entonces necesario establecer un criterio estndar para definir la ecuacin de la curva
(ecuacin de regresin) el mtodo se llama de mnimos cuadrados.
El criterio de mnimos cuadrados implica que la recta elegida para ajustar los puntos del diagrama
de dispersin sea tal que la suma de los cuadrados de las distancias verticales entre los puntos y
la recta sea lo ms pequea posible.
2.5.4
Coeficiente de Correlacin
Se requiere una cantidad que nos d un nmero que media la magnitud de la relacin entre x e
y. La cantidad que se usa para este fin se conoce como coeficiente de correlacin de la muestra
simbolizada por la letra r y se da por la frmula:
r=
x x y y ... (I)
x x y y
2
66
Gastronoma
r=
n xy x y
x n y y
n x
2
(II)
Al analizar la formula II vemos que para calcular r es necesario calcular cinco sumas:
x, y, x , y y xy,
2
Contando con una calculadora, es posible obtener todas estas sumas en una secuencia de
operaciones.
EJEMPLO.
Calcular el coeficiente de correlacin de la muestra segn los datos siguientes:
X
Y
10
12
12
16
12
18
12
14
16
10
10
15
11
13
x2
y2
Xy
10
100
36
60
49
16
28
67
Gastronoma
12
144
49
84
12
144
64
96
10
81
100
90
16
256
49
112
12
10
144
100
120
18
15
324
225
270
64
25
40
12
144
36
72
14
11
196
121
154
16
13
256
169
208
102
1902
990
1334
146
x 146, y 102, x
, 1902, y 2 990 y
xy 1334
1334
146102
12
146
102
1902
990
12
12
r=
1334 1241
93
93
93
.747
126123 15498 124.5
68
Gastronoma
Los valores altos de y estn aunados a los valores altos de x y los valores bajos de y estn
aunados a los valores bajos de x.
Si no hay relacin lineal entre x e y entonces r tendr un valor cercano a cero. Al aumentar el valor
de 0 a +1 (o disminuir de 0 a -1) la relacin lineal entre los valores de x e y de la muestra, destaca
ms.
El coeficiente de correlacin muestral tiene las siguientes propiedades:
1. No tiene dimensin
2. Su valor absoluto no puede exceder la unidad, es decir: 1 r 1
3. Si todos los puntos de un diagrama de dispersin caen sobre una lnea recta (la lnea de
regresin, las dos variables estn en correlacin perfecta y r 1 ) segn que la
pendiente de la lnea sea positiva o negativa, respectivamente.
4. Si todos los puntos de un diagrama de dispersin no caen sobre la lnea de regresin es la
mejor representacin de los datos en una forma lineal y en un sentido cuadrticos medio
1<r<1
5. Si r>0, o la pendiente de la lnea de regresin asciende hacia a la derecha; si r<0 la
pendiente de la lnea de regresin desciende hacia la derecha.
6. Obsrvese que la magnitud de r no indica inclinacin o pendiente de la lnea de
concentracin de los puntos de los datos respecto a la lnea.
7. Si
es prximo a cero, los puntos del diagrama de dispersin no muestran una tendencia
significa que y aumenta 3 mientras que x aumenta una unidad etc. Si la pendiente es negativa,
Gastronoma
Pendiente
alza
trayectori a
Consideremos que la trayectoria es siempre hacia la derecha. Por tanto el alza ir hacia arriba si la
pendiente es positiva y hacia abajo si es negativa.
La ecuacin de la lnea cuya interseccin con el eje y es el nmero a y cuya pendiente es el
nmero b, ser:
Y=bx+a
A la inversa, la ecuacin es de la forma anterior. Tiene pendiente b y una interseccin con el eje y
igual a a.
Ahora bien, volvamos al problema de encontrar la recta que exprese mejor la relacin lineal entre
los valores de x e y. Las observaciones se hacen por pares. Hay n nmeros de valores x1, x2xn;
y n valores y; y1 y2yn; y1 corresponde a x1, y2 a x2, etc. Los n pares de observaciones pueden
expresarse como (x1,y1), ( x2, y2)(xn,yn)
Se define como recta de mejor ajuste la recta en que la suma de los cuadrados de las
desviaciones de los valores y pronosticados (que estn sobre la recta) de los valores y
observados, o sea un mnimo, se puede demostrar por mtodos avanzados de clculo (que no
haremos) que la ecuacin de la recta mnimos cuadrados est dado como:
Y= bx+a
Donde:
b=
n xy x y
2
2
n x x
y x x xy
a=
n x x
VI
...V
Si se utilizan estas frmulas para calcular a y b con los datos el ejemplo anterior tenemos:
b=
2
22824 21316 1508
121902 146
b=.74
70
Gastronoma
a=
a=-.504
Con lo que la ecuacin de mnimos cuadrados ser:
y= .74x-.504
Una vez que se determina la ecuacin de la recta de mnimos cuadrados es posible predecir para
otro valor de x, el valor correspondiente de y.
Ejercicio
Se realiza un experimento para determinar la relacin entre la precipitacin pluvial y el rendimiento
de trigo. Supngase que se obtienen los datos siguientes:
Precipitacin pluvial
Rendimiento de trigo
a) Ajstese una recta de mnimos cuadrados a los datos x como variable independiente y
grafique despus la recta sobre un diagrama de dispersin.
b) Estmese el rendimiento de trigo si la precipitacin pluvial es de 10 pulg.
SOLUCIN
a)
Construimos la tabla:
xy
16
25
20
71
Gastronoma
5
25
25
25
25
16
20
36
49
42
49
36
42
64
81
72
81
64
72
50
50
310
310
306
Calculando a y b se tiene:
n xy x y
b=
n x x
.933
2
3100 2500 600
10306 50
x y x xy 200 .333
a
600
n x x
2
72
Gastronoma
PROBLEMAS COMPLEMENTARIOS
1.
a)
b)
c)
d)
3. Un conjunto de datos consta de las edades que tenan al morir cada uno de los 41
presidentes anteriores de Estados Unidos.
a) Este conjunto de datos especficos es una poblacin o una muestra?
b) Cul es la variable que se est midiendo?
c) La variable del inciso b) es cuantitativa o cualitativa?
73
Gastronoma
5.
6.
7.
74
Gastronoma
Categora
Frecuencia
11
14
20
de
Frecuencia
Solteros
25
Casados
15
Divorciados
Viudos
Total
50
est
a)
b)
55
60
65
70
75
80
85
90
95
Fr (x)
10
Gastronoma
c)
12. Se seleccionaron aleatoriamente mil televidentes y se llev cabo una entrevista telefnica
para determinar el nivel educativo de aquellos que ven el noticiero vespertino. Se obtuvo la
siguiente informacin.
NIVEL EDUCATIVO
# DE ESPECTADORES
Escuela primaria
150
Secundaria o preparatoria
250
300
Universitarios graduados
150
100
Doctorado o equivalente
50
Total
1000
La poblacin de una ciudad, era de 10000 habitantes en 1955. En 1965 era de 20000.
14. Si la economa de los Estados Unidos crece un promedio del 4% anual, y es de 500
billones de dlares en 1962, En qu ao alcanzar los 700 billones?
15.
Los pesos de 5 estudiantes son como sigue: 120, 140, 150, 160, y 180 lbs.
a)
b)
16.
17. El promedio de peso de 6 toros seleccionados al azar en un enorme rancho ganadero debe
ser por lo menos 425 Kg. Ya se han seleccionado 5 toros y sus pesos han sido 408, 441, 418,
76
Gastronoma
429 y 422 Kg. Cunto debe pesar el ltimo toro para que el peso promedio de los 6 toros sea el
que se quiere?
18.
Clase
Lmite Inferior
Lmite Superior
Frecuencia Absoluta
115
145
6245
150
180
7264
185
215
11450
220
250
2923
255
285
8152
19.
Determine el tercer cuartil, el sptimo decil y el porcentil 29 de la siguiente tabla de
distribucin de frecuencias:
Clase
Lmite Inferior
Lmite Superior
Marca
Frecuencia
31
35
33
3758
36
40
38
3635
41
45
43
3084
46
50
48
3796
51
55
53
435
20.
A continuacin se presentan los valores de concentracin de grasa de leche condensada
azucarada (Exportacin).
8.39
8.51
8.52
8.40
8.42
8.43
8.52
8.43
8.51
8.50
8.37
8.39
8.43
8.41
8.45
8.35
8.32
8.52
8.49
8.51
8.36
8.44
8.54
8.48
8.46
8.48
8.55
8.48
8.20
8.50
8.47
8.50
8.33
8.48
8.55
8.50
8.52
8.48
8.44
8.40
77
Gastronoma
a)
b)
c)
d)
e)
21.
La siguiente tabla representa el anlisis de concentracin de cloro en agua potable durante
8 das, del que se obtuvieron los siguientes resultados (P. P. M.)
a)
b)
c)
d)
e)
0.6
0.5
0.8
0.8
1.0
0.5
0.8
0.2
0.8
0.7
0.6
0.6
1.0
0.5
0.6
0.6
0.8
0.8
0.9
0.6
1.2
0.6
0.6
0.4
0.6
0.6
0.5
0.6
0.8
0.6
0.9
0.6
0.6
0.6
0.5
0.6
0.8
0.6
1.0
0.6
0.4
0.6
0.4
0.6
0.6
0.5
0.8
0.6
22.
7258
7234
7243
7242
7238
7272
7234
7214
7214
7204
7256
7226
7230
7226
7258
7254
7206
7204
7226
7224
7246
7288
7242
7218
7225
7212
7212
7206
7232
7226
7245
7233
7205
7233
7250
7216
7210
7224
7228
7244
7204
7234
7220
7268
7210
7256
7210
7216
7224
7208
7218
7112
7252
7206
7230
7230
7210
7208
7210
7228
7226
7245
7232
7230
7250
7228
7212
7210
7244
7226
a)
b)
c)
d)
78
Gastronoma
23.
A continuacin se presentan los valores de concentracin de grasa de leche condensada
azucarada (Exportacin).
0.6
0.5
0.8
0.8
1.0
0.5
0.8
0.2
0.8
0.7
0.6
0.6
1.0
0.5
0.6
0.6
0.8
0.8
0.9
0.6
1.2
0.6
0.6
0.4
0.6
0.6
0.5
0.6
0.8
0.6
0.9
0.6
0.6
0.6
0.5
0.6
0.8
0.6
1.0
0.6
0.4
0.6
0.4
0.6
0.6
0.5
0.8
0.6
a)
b)
c)
Calcular la media.
Obtener la mediana.
Calcular la moda.
24.
La siguiente tabla representa el anlisis de concentracin de cloro en agua potable durante
8 das, del se obtuvieron los siguientes resultados (P. P. M.)
a)
b)
c)
0.6
0.5
0.8
0.8
1.0
0.5
0.8
0.2
0.8
0.7
0.6
0.6
1.0
0.5
0.6
0.6
0.8
0.8
0.9
0.6
1.2
0.6
0.6
0.4
0.6
0.6
0.5
0.6
0.8
0.6
0.9
0.6
0.6
0.6
0.5
0.6
0.8
0.6
1.0
0.6
0.4
0.6
0.4
0.6
0.6
0.5
0.8
0.6
Calcular la media.
Obtener la mediana.
Calcular la moda.
25.
Un ingeniero prob nueve muestras de cada uno de tres diseos de soporte para un nuevo
torno elctrico. Los datos que presentamos a continuacin corresponde al nmero de horas que
tard cada soporte en fallar teniendo el motor del torno funcionando continuamente a su mxima
potencia, con una carga en l equivalente a 1.9 veces su capacidad esperada.
DISEO
A
79
Gastronoma
a)
b)
16
18
31
16
27
16
53
23
42
15
21
20
31
22
18
17
26
17
14
39
16
30
17
15
20
28
19
26.
A continuacin se presentan los valores de concentracin de grasa de leche condensada
azucarada (Exportacin).
a)
0.6
0.5
0.8
0.8
1.0
0.5
0.8
0.2
0.8
0.7
0.6
0.6
1.0
0.5
0.6
0.6
0.8
0.8
0.9
0.6
1.2
0.6
0.6
0.4
0.6
0.6
0.5
0.6
0.8
0.6
0.9
0.6
0.6
0.6
0.5
0.6
0.8
06
1.0
0.6
0.4
0.6
0.4
0.6
0.6
0.5
0.8
0.6
27.
A continuacin presentamos los datos de una muestra de la tasa de produccin diaria de
lotes de leche condensada.
17
21
18
27
17
21
20
22
18
23
El gerente de produccin de la compaa siente que una desviacin estndar de ms de tres lotes
por da indica variaciones de tasas de produccin inaceptables. Deber preocuparse por las tasas
de produccin de la planta?
28.
Determine el coeficiente de correlacin y una ecuacin que describa la relacin entre la
frecuencia de accidentes y el nivel de educacin preventiva en la planta en lo referente a los
siguientes datos:
80
Gastronoma
HORAS-HOMBRE
POR MES DE
INSTRUCCIN
ACCIDENTES POR
MILLN DE
HORAS-HOMBRE
200
7.0
500
6.4
450
5.2
800
4.0
900
3.1
150
8.0
300
6.5
600
4.4
29.
Determine el coeficiente de correlacin y una ecuacin que describa la relacin de los
siguientes datos.
VENTAS (EN MILES)
201
17
225
20
305
21
380
23
560
25
600
24
685
27
735
27
510
22
725
30
450
21
370
19
150
15
81
Gastronoma
30.
Determine el coeficiente de correlacin y una ecuacin que describa la relacin de los
siguientes datos.
TAMAO
COSTO TOTAL
25
$2000
20
3500
40
1000
45
800
22
3000
63
1300
70
1500
60
1100
55
950
50
900
30
1600
31.
Calcule el rango, la varianza y la desviacin estndar de la siguiente tabla de distribucin
de frecuencias:
Clase
Lmite inferior
Lmite superior
Frecuencia absoluta
115
145
6245
150
180
7264
185
215
11450
220
250
2923
255
285
8152
32.
Calcule el rango, la varianza y la desviacin estndar de la siguiente tabla de distribucin
de frecuencias:
82
Gastronoma
Clase
Lmite inferior
Lmite superior
Frecuencia absoluta
1.15
1.45
6245
1.50
1.80
7264
1.85
2.15
11450
2.20
2.50
2923
2.55
2.85
8152
33.
El nmero de trabajadores que se presentaron tarde a trabajar durante un mes en una
maquiladora han sido agrupados en la siguiente distribucin de frecuencias.
Nmero de
Trabajadores que llegaron tarde
das
O
10
14
15
19
20
ms
Total de das
30
34.
35.
La gerencia de relaciones pblicas de un hotel recibi las siguientes estimaciones de 40
huspedes sobre el servicio del restaurante: muy bueno, bueno, bueno, regular, excelente, bueno,
bueno, bueno, muy bueno, malo, bueno, bueno, bueno, bueno, muy bueno, bueno, regular, bueno,
83
Gastronoma
bueno, muy malo, muy bueno, regular, bueno, bueno, excelente, muy bueno, bueno, bueno,
bueno, regular, regular, muy bueno, bueno, muy bueno, excelente, muy bueno, regular, bueno,
bueno y muy bueno.
b)
c)
d)
36.
La siguiente tabla muestra la distribucin de ganado bovino en unidades de produccin
rural en 1990.
Tipo de ganado
Cabezas
Corriente
6979316
Fino
6749269
de Cruza
9860167
Total de Cabezas
23588752
a)
1990
52472
45987
32782
79953
134357
1991
64567
55021
38862
77967
142411
1992
83724
68167
49590
95776
131812
1993
57636
52533
50534
98946
129854
1994
46816
26804
41962
92286
14517
1995
15624
9317
14985
28039
33414
Determina la produccin media de cada una de las empresas durante este periodo.
84
Gastronoma
39.
Los registros mensuales de precipitacin pluvial (en milmetros) de una regin varan por la
presencia de un huracn en septiembre del segundo ao.
Ao Ene. Feb. Mzo. Abr. Mayo Jun.
Jul. Ag. Sep. Oct.
Nov. Dic.
1996
17
31
26
24
120 158 198 203 177
54
49
32
1997
a)
b)
13
28
19
32
115
154
209
198
379
57
45
27
40.
En la fecha 28-04-01 turno B, planta chocolate, se obtuvo la siguiente muestra de pesos
para el producto super 8 de 32 gramos.
Se pide:
a)
b)
Peso 5(gr)
7:00
30,1
31,3
32,7
32,9
33,0
8:30
33,0
31,7
32,5
30,0
32,3
10:00
31,7
32,3
32,0
32,3
31,6
11:30
32,3
32,1
32,4
32,0
31,2
13:00
30,3
33,0
32,0
31,9
32,0
14:30
32,2
32,5
32,0
31,9
31,8
Promedio
(gr)
41.
El diario corresponde a muestras de peso para el producto margarina bolsa 1(Kg.). Para
esta distribucin de pesos, se pide:
a)
b)
c)
Diario
85
Gastronoma
1002,1
1000,5
1004,3
1004
1004,3
999,1
999,1
1000
1001,9
1001,2
1001,9
1003,1
996,2
1000,3
1001
1000,8
1002,3
1002
1000,5
1001,1
999,5
997,2
999,7
999,7
998,3
998,2
999,6
996,5
996,4
995,9
42.
a)
b)
c)
Diario
Hora
7:00
42,20
42,00
42,30
42,10
42,00
8:30
42,80
42,80
42,90
42,20
43,30
10:00
43,00
42,40
43,00
43,00
43,30
11:30
42,00
42,80
42,40
42,20
42,10
13:00
42,00
42,00
42,30
42,00
42,40
14:30
42,30
43,00
43,40
42,20
42,40
43.
Para el diario correspondiente al producto margarina sur (pote 500 gr), se pide calcular,
considerando los datos como variables discretas, lo siguiente:
a)
b)
c)
d)
moda
mediana
media aritmtica simple
desviacin estndar
86
Gastronoma
Diario
498,9
499,2
499,5
499,7
499,5
499.8
500
499,8
499,9
500,4
500,4
500,1
500,6
500,9
500,7
499,9
499,4
499,8
499,6
499,8
500,8
500,6
500,8
500,9
500,3
500,9
499,5
499,7
500,6
500,9
44.
Para el informe diario correspondiente al producto margarina LS Light 250(gr), se pide lo
siguiente:
a)
b)
c)
d)
peso promedio
desviacin estndar
tabla de frecuencias para variables discretas
representacin en el diagrama de barras
Diario
250,70
250,50
250,50
250,90
251,20
250,60
250,70
251,00
250,60
250,60
251,20
250,50
250,80
250,60
250,60
250,30
250,30
250,10
250,40
250,10
250,20
250,30
250,00
250,10
250,40
250,20
250,10
250,10
250,70
250,30
45.
En fecha 28/04/01 turno B, planta chocolate, se obtuvo la siguiente muestra de pesos para
el producto Classic tarro 67 (gr).
87
Gastronoma
Hora
Peso
1(gr)
Peso
2(gr)
Peso 3
(gr)
Peso
4(gr)
Peso 5(gr)
7:00
69,4
68,7
67,6
68,0
67,2
8:30
67,9
68,3
67,5
66,1
68,4
10:00
66,3
67,4
67,0
67,2
68,3
11:30
68,4
68,3
68,5
68,1
68,4
13:00
68,0
67,0
66,9
67,4
67,0
14:30
67,0
67,1
66,9
66,9
67,3
Promedio
(gr)
Se pide:
a)
b)
46.
Para el informe diario correspondiente a la galleta Vino, formato 31x165, se pide lo
siguiente:
a)
b)
c)
Diario
47.
172,10
166,80
169,50
165,40
168,90
162,00
169,80
174,50
175,20
173,80
163,20
163,50
165,70
159,70
157,80
162,20
163,60
159,30
159,00
159,80
162,20
162,30
168,00
158,90
158,60
88
Gastronoma
a)
b)
c)
Diario
1002,00
1001,00
1001,00
1001,00
998,00
997,00
1000,00
995,00
997,00
1000,00
1001,00
1000,00
998,00
1000,00
1000,00
998,00
1000,00
999,00
998,00
1002,00
1002,00
995,00
1003,00
1004,00
1004,00
1002,00
1005,00
1002,00
1000,00
1000,00
La siguiente tabla muestra los casos de SIDA que han sido registrados en Mxico por la secretara
de salud en el periodo 1989-1995
a)
b)
c)
Ao
1989
1990
1991
1992
1993
1994
1995
Casos
1605
2587
3155
3210
5057
4112
4310
50.
Un laboratorio investiga la efectividad de un medicamento para tratar el dolor y obtiene lo
siguientes porcentajes de alivio en relacin a la dosis:
Dosis(mg) %
Alivio
a)
b)
1
13.2
2
85.9
3
42.8
4
97.8
5
77.1
6
59
7
75.7
8
0.6
9
48.2
10
4.1
51. Los siguientes datos muestran las unidades demandadas de un producto y su precio en cinco
tiendas de autoservicio de la misma rea.
Precio X
Demanda Y
45
32
40
40
43
35
48
20
50
19
89
Gastronoma
a)
b)
90
Gastronoma
BIBLIOGRAFA
Bsica
Autor
Ao
Mode Elmer
2005
Castillo
Manrique,
Isabel
2006
Raya,
Mara
2004
2007
Jos
Blocker,
Linda;
Julia
Hill
Ciudad
Pas
Editorial
Barcelona
Espaa
Revert
Madrid
Espaa
Pearson
Educacin
Estadstica aplicada al
turismo
Madrid
Espaa
Prentice Hall
CulinaryMath
Washington
United
States
Project Manager
Complementaria
Autor
Haeussler,
Ernest F.
Arya, J.C.;
Lardner R.W.
Douglas, A.
Lind;
Marchall, W;
Masson, R.
Douglas, A.
Lind
Mendenhall,
William
Ao
(2008)
(2002)
(2004)
(2008)
2002
Estadstica para
administracin y
economa
Estadstica aplicada a
los negocios y
economa
Introduccin a la
probabilidad y
estadstica
Ciudad
Pas
Editorial
D.F.
Mxico
Pearson
Prentice Hall
D.F.
Mxico
Prentice Hall
D.F.
Mxico
Alfa Omega
editores
D.F.
Mxico
Mc Graw Hill
D.F.
Mxico
Thomposon
Corporation
91