VARIANZA O VARIANCIA:

Es una medida estadística que mide el grado de dispersión y se define

como la media aritmética de las desviaciones o diferencias
cuadráticas de los valores con respecto a su media aritmética.
 ( X  X ) 2
Fórmulas: s2 
Datos sin Agrupar n 1 S² =  ( x - X ) ²
n-1
Ejemplo Serie Simple:

B (x-X) (x-X)² C (x-X) (x-X)²

13 -2 4 1 -14 196
20 5 25 1 -14 196
12 -3 9 43 28 784
45 0 38 45 0 1176

S² = 38 = 19 S² = 1176 = 588
3 -1 3 -1
Ejercicio

Calcular la varianza para la muestra {6, 3, 8, 5, 3}

 Paso 1. Calcula Σx
 Paso 2. Calcula x
 Paso 3. Calcula x – x
 Paso 4. Calcula Σ(x – x)2
 Paso 5. Calcula la varianza
Varianza
 La fórmula para la varianza poblacional es:
( X   ) 2
 
2

 La fórmula para la varianza muestral es:

( X  X ) 2
s 
2

n 1
Varianza de la población  ( X   ) 2
2 
N

 La varianza de la población es la media aritmética de

las desviaciones al cuadrado de la media poblacional.
 Todos los valores son utilizados en el cálculo.
 No está influido por valores extremos.
 Las unidades están desproporcionadas, son los
cuadrados de la unidad original.
La desviación estándar poblacional

 La desviación estándar poblacional (  raíz

) es la
cuadrada de la varianza poblacional.

  2

 La desviación estándar muestral ( ) es s

la raíz
cuadrada de la varianza muestral.

s s 2
 Tablas de distribución de frecuencias

Cuando trabajamos con datos estadísticos debemos ordenarlos en

sentido creciente, contabilizarlos y organizarlos. Para ello lo más
práctico es usar una tabla de distribución de frecuencias:
•Cuando se han recogido los datos correspondientes a una variable estadística, hay que
tabularlos; es decir, hay que confeccionar con ellos una tabla en la que aparezcan
ordenadamente:

•Los valores de la variable que se está estudiando.

•El número de veces que aparece cada valor; es decir, su frecuencia.

•La frecuencia absoluta es el número de veces que se presenta un valor al estudiar una
variable.

•Para hacer el recuento, se leen los datos uno a uno y se marca una señal en el
correspondiente valor. Si las señales se agrupan, de cinco en cinco por ejemplo, es más
fácil contarlas
•El manejo de la información requiere de la ordenación
de datos de tal forma que permita la obtención de una
forma más fácil de conclusiones acerca de la muestra.

•Una primera ordenación se realiza mediante el

manejo de tablas, en las que se ordenan los datos de
acuerdo a ciertas características de los datos
 Presentación de datos
PROCEDIMIENTO PARA DETERMINAR FRECUENCIAS DE DATOS
Sea: “x” : número de hermanos

TABLA N° 01
CLASIFICACION DE ALUMNOS DE LA ESC. “SAN JOSE” DE SAN JOSE 2010, SEGÚN EL
NÚMERO DE HERMANOS

FUENTE: Entrevista obtenida en clase

“x” : es la variable, número de hermanos
CONTEO DE DATOS O TABULACION: son las marcas de los datos
Tipos de frecuencias
FRECUENCIA ABSOLUTA SIMPLE: (fi)
Es el número de veces que se repite dicho valor en un conjunto de datos.

f1 + f2 + f3 + … + fi = n

Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n

Interpretación:
f3 : 8 alumnos han declarado tener 2 hermanos.
f5 : 4 alumnos han declarado tener 4 hermanos.

FRECUENCIA ABSOLUTA ACUMULADA: (Fi)

Es la que resulta de sumar sucesivamente las frecuencias absolutas simples.
F1 = f1
F2 = f1 + f 2
F3 = f1 + f 2 + f3 ó F 3 = F2 + f3
Fi = f1 + f2 + … + fi

Ej.: F2 = 3 + 4 = 7 F4 = 15 + 8 = 23

Interpretación:
F2 : Que 7 alumnos han declarado tener entre o y 1 hermanos.
F4 : Que 23 alumnos han declarado tener entre 0 y 3 hermanos
 Tipos de frecuencias
FRECUENCIA ABSOLUTA SIMPLE: (fi)
Es el número de veces que se repite dicho valor en un conjunto de datos.
f1 + f2 + f3 + … + fi = n
Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n
Interpretación:
f3 : 8 alumnos han declarado tener 2 hermanos.
f5 : 4 alumnos han declarado tener 4 hermanos

12
FRECUENCIA ABSOLUTA ACUMULADA: (Fi)
Es la que resulta de sumar sucesivamente las frecuencias absolutas simples.
F1 = f1
F2 = f1 + f2
F3 = f1 + f2 + f3 ó F3 = F2 + f3
Fi = f1 + f2 + … + fi
Ej.: F2 = 3 + 4 = 7 F4 = 15 + 8 = 23
Interpretación:
F2 : Que 7 alumnos han declarado tener entre o y 1 hermanos.
F4 : Que 23 alumnos han declarado tener entre 0 y 3 hermanos

13
 TABLA N° 01
CLASIFICACION DE ALUMNOS DE LA I.E. “SAN JOSE” DE
SAN JOSE 2011, SEGÚN EL NÚMERO DE HERMANOS
3/30
3/30

FUENTE: Entrevista obtenida en clase

“x” : es la variable, número de hermanos
CONTEO DE DATOS O TABULACION: son las marcas de los datos

14
a) FRECUENCIA RELATIVA SIMPLE: (hi)
Es el cociente que resulta de dividir la frecuencia absoluta entre el tamaño
de la muestra (n)

Interpretación:
h3 : El 0,2667 tanto por uno de 30 alumnos, han declarado tener 2 hermanos.
h3 x 100: El 26,67% de 30 alumnos han declarado tener 2 hermanos

15
a)FRECUENCIA RELATIVA ACUMULADA: (H)
Es la que resulta de acumular sucesivamente las frecuencias relativas simples.

16
Teorema de Bayes

La probabilidad condicional se basa en el resultado de un

hecho para describir otra probabilidad específica.

Este concepto de puede extender cada vez que se tiene

nueva información con la cual determinar si una
probabilidad se debe a una causa específica.

Este procedimiento recibe el nombre de Teorema y Bayes

y se maneja así:
17
 Teorema de Bayes

Si A es un evento simple y Bi es una sucesión de eventos,

la probabilidad de que se cumpla el evento Bi dado que ya
se cumplió el evento A es:

P( A / Bi ) P( Bi )
P( Bi / A) 
P( A / B1 ) P( B1 )  P( A / B2 ) P( B2 )  ...  P( A / Bn ) P( Bn )

18
 En una fabrica se tiene dos maquinas que producen pantalones de vestir.
La maquina 1 produce 45 % del total de pantalones y la maquina 2 produce
el 55% restante. La maquina 1 produce 10 % de pantalones defectuosos y en la
maquina 2 el porcentaje de producción defectuosa es de 8%.Si se observa un
pantalón defectuoso ¿Cuál es la probabilidad de que haya sido producido por la
maquina 2? X 10%
D

MAQUINA1 45 %
YND 90%

XD 08%
MAQUINA 2 55 %

YND 92%

sustituyendo en la formula de la ley de Bayes tenemos

(.55)(.08) (0.044)
= = 0.49
(.08)(0.55)+(0.10)(0.45) (0.089)
La prob. de que el pantalón defectuoso halla sido producido por la máquina 2 es de 49%
Un equipo de béisbol juega 70 % de sus partidos por la noche y 30 % durante el día.
El equipo gana 50 % de sus juegos nocturnos y 90 % diurnos. De acuerdo con las
últimas noticias, ganó el ultimo fin de semana ¿Cuál es la probabilidad de que el
partido se halla desarrollado por la noche?

50% gana
Donde:
A 70% P (A)=0.70
Xn P (X/A)=0.50
50% pierde P (Ā)=0.30
P (X/ Ā)=0.90
90% gana
Yd
B 30%
10% pierde

sustituyendo en la formula de la ley de Bayes tenemos

(.70)(.50) (0.35)
= = 0.5645
(.70)(0.50)+(0.30)(0.90) (0.62)
La prob. de que el partido se halla desarrollado por la noche es de 56.4 %
 El departamento de compras de una empresa de plásticos reporto lo siguiente :80%
de material de vinil recibido del proveedor A es de buena calidad mientras que solo
50% del material recibido del proveedor B es de la misma calidad . Sin embargo , la
capacidad de producción del proveedor A es limitada, razón por la cual solo 40% del
material de vinil adquirido por la empresa de plásticos proviene del proveedor A. El
restante 60 % procede del proveedor B. Al inspeccionar un embarque de material de
vinil , se encuentra que es de buena calidad ¿Cuál es la probabilidad de que el
material de vinil haya sido adquirido del proveedor A?
Bc
X 80%
A

A 40 %
YB 20% Mc

XA 50% Bc
B 60 %

50% Mc
sustituyendo en la formula de la ley de Bayes tenemos XB
(.40)(.80) (0.32)
= = 0.516
(.80)(0.40)+(0.60)(0.50) (0.62)
La prob. de que el material de vinil halla sido adquirido por el proveedor A es de 51.6%
 Un productor espera detectar los artículos de mala calidad para quitarlos de
los inventarios. Supón que en una determinada planta de manufactura, hacia el final
de la línea de producción, el inspector de calidad recoge algunos artículos que le
parecen de calidad sospechosa para someterlos a una inspección minuciosa. Si el 10%
de todos los artículos producidos son defectuosos, 60% de los defectuosos se
someten a una inspección minuciosa y solo 20% de los no defectuosos se someten a
una inspección minuciosa, calcula la probabilidad que un articulo sea defectuoso
dado que fue inspeccionado minuciosamente
20% XIM Donde:
ND 90 % P (D)=.10
Y 80% P (M/D)=0.60
P (~ D)=0.90
X 60% IM P (M/~ D)=0.20

D 10 %
Y 40%
sustituyendo en la formula de la ley de Bayes tenemos
(.10)(.60) (0.06)
= = 0.25
(.10)(0.60)+(0.90)(0.20) (0.24)
La probabilidad de que el articulo sea defectuoso dado que fue inspeccionado
minuciosamente es del 0.25
Bayes
El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El
75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas también,
mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto
directivo. ¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?
 Distribución de probabilidad binomial

• La distribución binomial tiene las siguientes

características:
– El resultado de cada ensayo de un experimento se clasifica
en una de dos categorías mutuamente excluyentes, a
saber: éxito o fracaso.
– La variable aleatoria cuenta el número de éxitos en una
cantidad fija de ensayos.
– La probabilidad de un éxito permanece igual en todos los
ensayos. Lo mismo sucede con la probabilidad de un
fracaso.
– Los ensayos son independientes.

UVM
 Utilidad
La distribución binomial se utiliza en situaciones cuya solución
tiene dos posibles resultados.

Por ejemplo:

Al nacer un/a bebé puede ser varón o mujer.

En pruebas de cierto o falso sólo hay dos alternativas.

Un tratamiento médico puede ser efectivo o inefectivo.
La meta de producción o ventas del mes se pueden o no lograr.

UVM
Distribución de probabilidad binomial

 Para construir una distribución binomial, sea:

C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
 es la probabilidad de éxito en cada
ensayo.

UVM
 Distribución de probabilidad binomial

• La fórmula para la distribución de probabilidad

binomial es:

P( x) n C x (1   ) x n x

C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
 es la probabilidad de éxito en cada ensayo.

UVM
 Ejemplo1

¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda

10 veces?
El número de aciertos es 6 Esto es x=6
El número de experimentos n son 10
La probabilidad de éxito   .50 es decir, que salga "cara" al
lanzar la moneda es 50% ó 0.50
La fórmula quedaría: P ( x)  n C x x (1   ) n  x

P (6) 10 C6 6

(1   )10 6
P (x = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .

UVM
 Ejemplo 2
• El departamento del trabajo
de Alabama registra que el P( x) n C x (1   ) x n x

20% de la fuerza de trabajo

en Mobile está
desempleada. Para una
P(3)14 C3 (1  .20) 3 143

muestra de 14 trabajadores,
calcule las siguientes
probabilidades:
– Exactamente 3 están C es una combinación.
desempleados. N es el número de ensayos.
X es el número de éxitos.
 es la probabilidad de éxito en cada ensayo.

UVM
 C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
 es la probabilidad de éxito en cada ensayo.

 La probabilidad de exactamente 3:

P(3)14 C 3(.20) (1  .20) 3 11

 (364)(.0080)(.0859)
 .2501

UVM
 Media y varianza de la distribución
binomial
• La media se calcula así:
  n
• La varianza se calcula así:

  n (1   )
2

UVM
 Ejemplo 3
• Del ejemplo 2, retomamos que  = .2 y n = 14.
• Por lo tanto, la media es: µ = n = 14(.2) = 2.8
• La varianza es: σ2 = n(1 –) = 14(.2)(.8) = 2.24

UVM
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al
lanzar un dado ocho veces?
El número de aciertos es 4. Esto es x=4
El número de experimentos n son 8
La probabilidad de éxito p (probabilidad de que salga un 3 al
tirar el dado) es 1 / 6 (= 0.1666)
La fórmula queda:
P (x= 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el números
3 al tirar un dado 8 veces es de 2.6%.
8 4
P(4)8 C4 (0.1666) (1  .1666) 4

C es una combinación.
n es el número de ensayos.
x es el número de éxitos.
 UVM
es la probabilidad de éxito en cada ensayo.
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.

UVM
En una fábrica de cámaras el 5% sale con defectos. Determine la
probabilidad de que en una muestra de 12 se encuentren 2 cámaras
defectuosas.

P(2)12 C2 (1  .05) 2 12 2

C es una combinación.
n es el número de ensayos. El resultado es 0.0988
x es el número de éxitos.
 es la probabilidad de éxito en cada ensayo.

UVM
Población finita
 Una población finita es una población que
consiste en un número fijo de individuos
conocidos, objetos o medidas, por ejemplo:
 El número de estudiantes en esta clase.
 El número de carros en el estacionamiento.
 El número de casas construidas en el
fraccionamiento Arboledas.

UVM
Distribución Hipergeométrica
 La distribución hipergeométrica tiene las
siguientes características:
 Hay sólo dos resultados posibles.
 La probabilidad de un éxito no es la misma en
cada ensayo.
 Ésta resulta de contar el número de éxitos en un
número fijo de ensayos.

UVM
 Distribución de probabilidad
hipergeométrica
 La fórmula para encontrar una probabilidad utilizando la
distribución hipergeométrica es:
( S Cx )( N  S Cn  x )
P( x ) 
N Cn

 Donde N es el tamaño de la población, S es el número de

éxitos en la población, x es el número de éxitos en una
muestra de n observaciones.
Numero de éxitos en la población S Numero de éxitos x
En una prueba
Tamaño de la población N Es la muestra de n observaciones n

UVM
Ejemplo 1
UVM
1.De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles
defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?,

Solución:
a) N = 10 proyectiles en total
S = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que
explotan entre la muestra que se dispara

( S Cx )( N  S Cn  x )
P( x ) 
N Cn
C4* 3 C0 ( 35 )( 1 ) 35
p( x  4; n  4 )  
7
  0.16667
10 C4 210 210

La probabilidad de que exploten 4 es de 0.1666

 UVM
Entre las 20 celdas solares que se presentan en una exposición comercial 12
son Celdas planas y las otras son celdas de concentración .Si una persona
que visita la exposición selecciona al azar 6 de las celdas solares para
revisarlos. Cuál es la probabilidad de que 3 de estas sean planas

220*56 = 0.3178
38760