Estadistica Descriptiva Programa 2010 (Libro)

Universidad Autnoma de Nayarit
rea Econmico Administrativa

ndice
Programa de Estudio por Competencias Profesionales Integradas
1. DATOS DE IDENTIFICACIN
NOMBRE Y CLAVE DE LA UNIDAD DE APRENDIZAJE
ESTADISTICA TBEA209
DOCENTE(S) RESPONSABLE(S)
Hermilio Hernndez Ayn, Guillermo Meseguer Valenzuela, Josu Salvador Snchez Rodrguez, Alma Cecilia Quezada
Snchez, Sal Eduardo Hernndez Ayn, Ricardo Gmez lvarez, Carlos Alberto Polanco Gmez, Diana Isabel
Maldonado Parra, Alejandro Acebo Gutirrez, Fco. Javier Hernndez Ayn, Ernesto Navarrete Mndez y Genaro Flores
Camarena
TIPO DE UNIDAD DE APRENDIZAJE ACADEMIA
Bsica Estadstica de rea
REA DE FORMACIN
LNEA DE FORMACIN T.U.D.C.
Bsica de rea Bsica y transversal Curso, Taller
Horas
teora
Horas
Practica
Horas de estudio
independiente
Total de
horas
Valor en
crditos
96 32 32 128 8
FECHA DE ELABORACIN FECHA DE ACTUALIZACIN
10 de junio del 2009 13 de agosto de 2010
Elaborado por: Actualizado por:
Hermilio Hernndez Ayn, Guillermo Meseguer
Valenzuela, Josu Salvador Snchez Rodrguez, Sal
Eduardo Hernndez Ayn, Ricardo Gmez lvarez, Carlos
Alberto Polanco Gmez.
Hermilio Hernndez Ayn, Guillermo Meseguer Valenzuela,
Josu Salvador Snchez Rodrguez, Alma Cecilia Quezada
Snchez, Sal Eduardo Hernndez Ayn, Ricardo Gmez
lvarez, Carlos Alberto Polanco Gmez, Diana Isabel
Maldonado Parra, Alejandro Acebo Gutirrez, Fco. Javier
Hernndez Ayn, Ernesto Navarrete Mndez y Genaro
Flores Camarena
Hernndez Ayn, H y Casillas Barajas, A 1
2. PRESENTACIN
Justificacin: La estadstica es hoy por hoy uno de los mtodos ms recomendados para realizar
investigaciones en el rea Econmico Administrativa, ya que ofrece grandes ventajas al permitir
trabajar sobre muestras en lugar de poblaciones, lo que ahorra tiempo, dinero y esfuerzo. En este
sentido, el conocimiento y manejo de la estadstica permiten al profesional, formado en alguna de
las carreras pertenecientes al rea econmico administrativa, resolver con metodologa cientfica
los problemas de las diversas organizaciones sociales.
Ubicacin: El curso de Estadstica, se ubica en el tercer ciclo del plan 2009 y pertenece a las
unidades de aprendizaje de rea.
Lnea de formacin que fortalece: Es una asignatura complementaria y transversal, es decir,
sirve de apoyo y herramienta de anlisis para el resto de unidades de aprendizaje.
Relacin con el perfil de egreso: El curso de estadstica junto con el de metodologa de la
investigacin, forman parte del eje metodolgico que permite al egresado analizar, interpretar y
resolver la problemtica de los diversos sectores de la poblacin, as como adiestrarse en los
procesos de la investigacin.
Definicin de la unidad de aprendizaje: La estadstica es una rama de la matemtica que se
utiliza para acopiar, organizar, analizarla e interpretar informacin, para la toma de decisiones.

Espacios curriculares con los que se vincula: La estadstica se vincula horizontalmente con
bases tericas de la investigacin cientfica y metodologa de la investigacin; verticalmente con
lenguaje y pensamiento matemtico, matemticas bsicas, matemticas financieras, estadstica
aplicada e investigacin de operaciones.
4. UNIDADES DE COMPETENCIA
Al trmino del curso de estadstica, el estudiante ser lo suficientemente competente para
reconocer las diversas fuentes que le proporcionan informacin en forma de datos;
organizar, analizar e interpretar la informacin utilizando las herramientas de la estadstica
descriptiva, as como utilizar ciertos mtodos probabilsticos que le permitan realizar
inferencias y/o proyecciones para la toma de decisiones.
5. ATRIBUTOS O SABERES
Saberes
Tericos
Conoce los alcances y aplicaciones de la Estadstica.
Identifica fuentes generadoras de informacin
Domina el concepto y la clasificacin de variable.
Clasifica, analiza e interpreta informacin estadstica.
Organiza y presenta datos a partir del anlisis de frecuencias,
tabulacin y graficacin.
Conoce y aplica las tcnicas de tendencia central y dispersin para
el anlisis estadstico de datos simples y datos agrupados.
Domina el concepto de probabilidad, sus modelos y reglas de
probabilidad.
Maneja el concepto de esperanza matemtica y distribucin de
probabilidad continua y distribucin de probabilidad discreta
Resuelve casos prcticos utilizando las tcnicas de la distribucin
binomial, hipergeomtrica, Poisson y normal.
Entiende los alcances y limitaciones de las distribuciones de
probabilidad que utilice.
Saberes
prcticos
Investiga la importancia y aplicacin de la Estadstica descriptiva e
inferencial.
Maneja las variables y escalas de medicin.
Aplica los criterios de presentacin de datos a partir de tablas y
grficas.
Analiza e interpreta los resultados estadsticos.
Utiliza el concepto de probabilidad y de valor esperado para tomar
decisiones.
Decide que distribucin de probabilidad utilizar, y como encontrar
sus valores.
Saberes
formativos
Fomenta el uso de las tcnicas estadsticas para la toma de
decisiones.
Fomenta la capacidad de observacin, acopio y anlisis de datos.
Valora la ventaja de la interpretacin y presentacin de datos.
Fomenta el uso de la inferencia estadstica en procesos de
investigacin.
Fomenta el trabajo en equipo, la inter y multidisciplina
Asume el compromiso discrecional y tico del uso de la
informacin estadstica.
6. DESGLOSE DE CONTENIDOS TERICO PRCTICOS (temtica)
1. INTRODUCCIN Y CONCEPTOS BSICOS
1.1. Origen de la estadstica y conceptos bsicos.
1.2. Surgimiento de la estadstica.
1.3. La estadstica y su relacin con otras disciplinas.
1.4. Clasificacin de la estadstica.
1.5. Tipos de estudios estadsticos.
1.6. Aplicaciones de la estadstica.
1.7. Fuentes generadoras de informacin.
1.8. La estadstica en el proceso de investigacin.
1.9. Mtodos para generar informacin estadstica.
1.10. Concepto de variable.
1.11. Niveles y escalas de medicin: nominal, ordinal, de intervalo y de razn o proporcin.
1.12. Escala de intervalo y escala de razn.
1.13. Prctica.
1.14. Ejercicios
2. ANLISIS DE DATOS Y DISTRIBUCIN DE FRECUENCIAS
2.1. Distribucin de frecuencias.
2.2. Representacin grfica.
2.2.1. Grfico poligonal y ojiva
2.2.2. Grfico de barras.
2.2.3. Grafico circular o de pastel.
2.2.4. Histograma.
2.3. Prctica.
2.4. Ejercicios.
3. MEDIDAS DE TENDENCIA CENTRAL (datos simples)
3.1. Media aritmtica.
3.2. Mediana.
3.3. Moda.
3.4. Rango medio.
3.5. Media geomtrica.
3.6. Media armnica.
3.7. Ejercicios.
4. MEDIDAS DE DISPERSIN (datos simples)
4.1. Rango.
4.2. Varianza.
4.3. Desviacin estndar.
4.4. Regla emprica para la desviacin estndar.
4.5. Coeficiente de variacin.
4.6. La forma en un conjunto de datos.
4.6.1. Asimetra.
4.6.2. Curtosis.
4.7. Ejercicios.
5. ANALISIS ESTADSTICO PARA DATOS AGRUPADOS
5.1. Media aritmtica.
5.2. Moda.
5.3. Mediana.
5.4. Media geomtrica.
5.5. Media armnica.
5.6. Medidas de dispersin para datos agrupados
5.6.1. Varianza
5.6.2. Desviacin estndar
5.6.3. Coeficiente de variacin.
5.7. Ejercicios.
6. PROBABILIDAD
6.1. Fundamentos bsicos de probabilidad.
6.2. Modelo subjetivo, clsico y de frecuencias relativas.
6.3. Teora de conjuntos.
6.4. Reglas de probabilidad
6.5. Tablas de contingencias y de probabilidades
6.6. Teorema de Bayes
6.7. Tcnicas de Conteo
6.8. Ejercicios.
7. DISTRIBUCION DE PROBABILIDADES: VARIABLES ALEATORIAS DISCRETAS
7.1. Concepto de esperanza matemtica
7.2. Distribucin Binomial
7.3. Distribucin Hipergeomtrica
7.4. Distribucin de Poisson
7.5. Ejercicios.
8. DISTRIBUCION DE PROBABILIDADES: VARIABLES ALEATORIAS CONTINUAS
8.1. Distribucin Normal o curva de Gauss
8.2. Clculo de reas bajo la curva normal
8.3. Ejercicios
7. ACCIONES
Cada unidad temtica est diseada con una parte terica y una prctica. En la primer parte del
curso, el alumno aplica tres tcnicas de recopilacin de informacin: censo, encuesta y
experimentacin. Las dos primeras prcticas se realizan en binas y la ltima es de manera
individual. Los alumnos exponen los resultados encontrados en equipos ante el resto del grupo.
Una segunda parte de trabajo prctico al momento de analizar una serie de datos de una variable
cuantitativa, la cual someten al anlisis descriptivo de datos agrupados. Dicho trabajo lo entregan
individualmente. Una tercera parte prctica es la resolucin de problemas con aplicacin en la
estadstica inferencial, particularmente la distribucin binomial, hipergeomtrica, Poisson y normal
estndar. La primera parte se pondera en el rubro de investigacin y el resto forma parte del
portafolio, esto para fines de la evaluacin final del curso.

8. CAMPO DE APLICACIN
El curso se desarrolla en el aula. Para los trabajos de investigacin deben acudir al INEGI. El
trabajo independiente se pide que sea en la biblioteca, apoyndose en la bibliografa recomendada.
El curso requiere de una calculadora cientfica, adems se solicita un solo cuaderno para el curso
de estadstica, ya que se revisa al finalizar el curso. Tambin se pide que adquieran el Texto de
apoyo didctico de Estadstica Bsica, elaborado por los integrantes de la Academia de
Estadstica y editado por la UAN.
9. EVALUACIN DEL DESEMPEO DEL ALUMNO
Evidencias de desempeo Criterios de desempeo
Acudir y presentar estadsticas de una
poblacin estatal, nacional o mundial,
donde se sealen sus caractersticas
demogrficas ms importantes.
Realizar una encuesta a sus propios
compaeros respecto a determinada
variable.
Realizar una investigacin experimental
que les genere informacin y presentar
los resultados y el proceso.
Exponer los resultados de los diversos
trabajos en binas y/o individual.
Presentar documento con el anlisis
estadstico de datos agrupados sobre
cierta variable elegida previamente por
el profesor.
Resolver y presentar los problemas
elegidos al azar por el profesor.
Presentar libreta con apuntes del curso
Se toma en cuenta la observacin y el
anlisis que se haga de las diferentes
variables observadas en la poblacin
elegida.

Se toma en cuenta la variable, la
estructura de la encuesta, los resultados
obtenidos y el trabajo en equipo.
Se toma en cuenta la creatividad,
inventiva y genialidad para generar
informacin cuando no existe.
Se toma en cuenta la forma de exponer
los resultados encontrados
Se toma en cuenta la presentacin y
contenido de la descripcin del caso
analizado.
Se toma en cuenta el proceso y resultado
que se utiliz para resolucin de
problemas.
Se checa desde el programa, apuntes
completos, orden y notas sobre tareas e
interpretaciones individuales.
10. CALIFICACIN
Portafolio 30%
Participacin 20%
Examen de Conocimiento 40%
Investigacin temtica 10%
11. ACREDITACIN
Cumplir como mnimo con el 80 % de asistencia
Obtener como mnimo 60 puntos de calificacin en los exmenes aplicados.
12. BIBLIOGRAFA
BIBLIOGRAFA BSICA
1. ANDERSON, David R., Sweeney, Dennis J. y Williams, Thomas A. Estadstica para
Administracin y Economa. CENGAGE Learning. Mxico. 2008.
2. BERENSON, Mark L. y Levine, David M. Estadstica Bsica en administracin. Prentice Hall,
Mxico.1992.
3. CHAO, Lincoln L., Estadstica para las Ciencias Administrativas, Edit. McGraw-Hill
4. HERNANDEZ, Ayn H., Casillas Barajas, A. y cols. Estadstica Bsica. Texto de apoyo
didctico. UACyA. UAN. 2009.
5. KAZMIER, Leonard, Alfredo Daz Mata, Estadstica Aplicada a la Administracin y a la
Economa. Edit. McGraw-Hill
6. LEVIN, Richard, David S. Rubin, Estadstica para Administradores. Edit. Prentice Hall.
BIBLIOGRAFA COMPLEMENTARIA
a. ALLISTER, Harry E. Elementos de Estadstica en la Economa y los Negocios. ECASA
b. Centro de Investigacin y de Estudios Avanzados, Curso de Estadstica, I.P.N.
c. CHISTESEN, Howard B., Estadstica Paso a Paso, Edit. Trillas.
d. DANIEL, Wayne W., Estadstica Aplicada a las Ciencias Sociales y la Educacin, Edit.
McGraw-Hill
e. ELORZA, Haroldo, Estadstica para las Ciencias Sociales y el Comportamiento. Edit.
Oxford.
f. HANKE, John E. y Reitsch, Arthur, Estadstica para Negocios, Edit. McGraw-Hill.
g. HINES, William, Douglas C. Montgomery. Probabilidad y Estadstica para Ingeniera y
Administracin. Edit. CECSA.
h. INFANTE Gil, Said, Guillermo P. Zarate de Lara. Mtodos Estadsticos, Edit. Trillas.
i. JOHNSON, Robert, Estadstica Elemental, Edit. Trillas.
j. MANUAL de la Teora de Probabilidades y Estadstica Matemtica. Edit. Mir-Mosc.
k. MASON/LIND/MARCHAL, Estadstica para Administracin y Economa. Edit.
Alfaomega.
l. MAYES, Anne C., David G. Mayes, Fundamentos de Estadstica para Economa. Edit.
Limusa.
m. PORTILLA, Estadstica. Edit. Interamericana.
n. ROJAS, Soriano Ral, Gua para Elaborar Investigaciones en Ciencias Sociales. Edit.
Plaza y Valdez.
o. SPIEGEL, Murray R., Estadstica, Edit. McGraw-Hill.
p. TARO, Yamane, Estadstica. Edit. Harla.
13.- PERFIL DE LOS DOCENTES PARTICIPANTES EN LA UNIDAD DE
APRENDIZAJE:
Tres profesores responsables de este curso cuentan con perfil de ingeniera: qumica, sistemas e
industrial, as como un contador pblico y un licenciado en administracin. Todos con estudios de
maestra.
HORARIO DE CLASES PERIODO AGOSTO-DICIEMBRE 2010
Hora/da Lunes Martes Mircoles Jueves
8:00 - 9:00 C3-2(B3)
9:00 -10:00
M3-1(B1)
M3-1(B1) M3-1(B1)
10:00 -11:00
C3-2(B3)
11:00 -12:00 C3-2(B3)
Exmenes parciales
Grupo/exam. 1ER 2DO Portafolio
M3-1 Lunes 27 sept 6 diciembre 9 de diciembre
C3-2 Martes 5 oct 7 diciembre 8 de diciembre
Pag. 62 eje. 1,2,3,6 pag 71 eje. 7,8,9 pag 93 5,7
CONSIDERACIONES DEL DOCENTE:
1.- Evaluacin
Portafolio 0-30%
Participacin 0-15%
Exmenes de conocimientos 0-40%
Asistencia y puntualidad 0-15%
El mayor puntaje de asistencia la obtendr quien tenga mayor nmero en ellas, en
cadena se sealarn los dems puntajes.
A quien se le sorprenda con un acorden en algn examen tendr que repetir el
curso, no se permiten consultar apuntes en los exmenes.
El uso de celulares queda restringido dentro del saln de clases, quien desee
hacer o recibir llamadas de celular tendr que hacerlo fuera del saln de clases.
ASISTENCIA Y PUNTUALIDAD:
Smbolo Concepto Puntos
A Asistencia 2
R Retardo 1
F Falta 0
PARTICIPACIN:
Smbolo Concepto Puntos
A Participacin relevante 2
B Participacin poco relevante 1
C Sin participacin 0
El da del examen ser nico, siendo vlido para presentarlo fuera de la fecha, un
problema de salud debidamente justificado (hospitalizacin).
PORTAFOLIO O TRABAJOS
El portafolio ser escrito a mano debidamente engargolado y con buena
presentacin, quien entregue un flder sencillo o en un sobre Manila con unas
hojas agrupadas con un clip no tendr calificacin en el portafolio, lo anterior se
aplicar tambin en caso de existir un trabajo final, el trabajo final (en caso de que
haya y el portafolio se entregar por separado).
La cartula del trabajo y/o portafolio deber contener cuando menos:
Nombre de la Universidad
Nombre de la Unidad Acadmica.
Nombre de la unidad de aprendizaje
Logo de la Universidad
Logo de la Unidad acadmica
Nombre del trabajo
Tratamiento y nombre completo del maestro
Tratamiento y nombre completo del alumno
Semestre que cursa el alumno
Grupo y licenciatura del alumno
Fecha expresada en mes y ao.
SEGUNDA PAGINA SERA UN NDICE CON PAGINACIN
Los das en que se ausenten los alumnos los temas sern para investigacin de
los mismos.
EXMENES
Sern 3 dentro del periodo escolar impostergables.
TAREAS
Sern para poder participar en el saln de clases no para entregar al maestro.
MATERIALES
Libro de estadstica bsica, lpiz, pluma, borrador, hojas de papel cuadriculado,
calculadora cientfica.
N D I C E
1.- INTRODUCCIN............................................................................................... 1
1.1 Origen de la Estadstica y conceptos bsicos...................................................2
1.1.1 Surgimiento de la Estadstica.........................................................................2
1.1.2 La Estadstica y su relacin con otras disciplinas...........................................2
1.2 Clasificacin de la Estadstica...........................................................................3
1.2.1 Tipos de estudios Estadsticos.......................................................................4
1.3.1 Fuentes generadoras de informacin.............................................................5
1.4 La Estadstica en el proceso de investigacin...................................................6
1.4.1 Mtodos para generar informacin estadstica ..............................................6
1.5 Concepto de variable........................................................................................ 7
1.5.1 Niveles y Escalas de medicin: nominal, ordinal, de intervalo y de razn o proporcin...............8
1.5.2 Escala nominal y escala de ordinal................................................................9
1.5.3 Escala de intervalo y escala de razn............................................................9
Prctica1................................................................................................................. 9
2.- ANLISIS Y DISTRIBUCIN DE FRECUENCIAS............................................10
2.1 Distribucin de frecuencias...............................................................................10
2.2 Representacin grfica..................................................................................... 11
2.2.1 Grfico poligonal............................................................................................ 12
2.2.2 Grfico de barras........................................................................................... 12
2.2.3 Grfico circular o de pastel............................................................................13
2.2.4 Histograma..................................................................................................... 14
Prctica2................................................................................................................. 15
Ejercicios................................................................................................................ 15
3.- MEDIDAS DE TENDENCIA CENTRAL (datos no agrupados o simples).........19
3.1 Media aritmtica................................................................................................ 19
3.2 Mediana............................................................................................................ 20
3.3 Moda................................................................................................................. 22
3.4 Rango medio..................................................................................................... 23
3.5 Media geomtrica............................................................................................. 24
3.6 Media armnica................................................................................................ 26
Ejercicios................................................................................................................ 28
4.- MEDIDAS DE DISPERSIN (datos no agrupados ) ......................................32
4.1 Rango............................................................................................................... 32
4.2 Varianza............................................................................................................ 33
4.3 Desviacin estndar......................................................................................... 34
4.3.1 Regla emprica para la desviacin estndar..................................................36
4.4 Coeficiente de variacin....................................................................................37
4.5 La forma en un conjunto de datos.....................................................................38
4.5.1 Asimetra........................................................................................................ 38
4.5.2 Curtosis.......................................................................................................... 40
Ejercicios................................................................................................................ 42
5.- ANLISIS ESTADSTICO PARA DATOS AGRUPADOS..................................45
5.1 Media aritmtica................................................................................................ 49
5.2 Moda para datos agrupados.............................................................................50
5.3 Mediana para datos agrupados........................................................................50
5.4 Media geomtrica para datos agrupados..........................................................51
5.5 Media armnica para datos agrupados.............................................................51
5.6 Medidas de dispersin para datos agrupados: Varianza, Desviacin estndar y
Coeficiente de variacin.......................................................................................... 52
Ejercicios................................................................................................................ 54
6.- PROBABILIDAD..............................................................................56
6.1 Fundamentos bsicos....................................................................................... 56
6.2 Modelo subjetivo............................................................................................... 58
6.3 Modelo clsico.................................................................................................. 58
6.4 Modelo de frecuencia relativa...........................................................................59
Ejercicios................................................................................................................ 62
6.5 Teora de conjuntos.......................................................................................... 63
6.5.1 Eventos colectivamente exhaustivos.............................................................64
6.5.2 Eventos mutuamente excluyentes.................................................................65
6.5.3 Eventos complementarios..............................................................................65
6.5.4 Eventos independientes.................................................................................65
6.5.5 Eventos dependientes....................................................................................66
6.6 Reglas de probabilidad..................................................................................... 66
6.7 Tablas de contingencia y de probabilidades.....................................................68
Ejercicios................................................................................................................ 71
6.8 Teorema de BAYES.......................................................................................... 75
Ejercicios................................................................................................................ 78
6.9 Tcnicas de conteo........................................................................................... 79
Ejercicios................................................................................................................ 81
7.- DISTRIBUCIONES DE PROBABILIDAD................................................84
7.1 Distribucin de probabilidad..............................................................................85
7.1.1 Media y Varianza de las distribuciones discretas...........................................86
Ejercicios................................................................................................................ 89
7.2 Distribucin Binomial........................................................................................ 90
7.2.1 Distribucin Binomial acumulada..................................................................92
Ejercicios................................................................................................................ 93
7.3 Distribucin Hipergeomtrica............................................................................94
7.4 Distribucin de Poisson.....................................................................................96
Ejercicios................................................................................................................ 99
7.5 Distribucin Exponencial...................................................................................100
Ejercicios................................................................................................................ 102
8.- DISTRIBUCIN NORMAL..................................................................103
8.1 Distribucin normal estndar............................................................................104
8.1.2 Aproximacin de la distribucin normal a la distribucin Binomial.................110
Ejercicios................................................................................................................ 115
REFERENCIAS...................................................................................120
APENDICE A. Tabla de la distribucin normal estndar.................................121
APENDICE B. Tabla de la distribucin Binomial.....................................................122
APENDICE C. Tabla de la distribucin de probabilidad de Poisson ......................123
INTRODUCCIN
La estadstica es una de las disciplinas que ms avance han tenido en
los ltimos tiempos. Como metodologa de apoyo es la que mejor se ha
adaptado al desarrollo de las ciencias. Nadie podra imaginar que lo que
inici como una actividad censal se convertira en una prctica cotidiana
de acopio y anlisis de informacin para la toma de decisiones de tipo
poltico, econmico, social y hasta blico.
Analizar informacin convertida en datos, disear modelos de muestreo
o estudiarlos, son solo algunas de las aplicaciones de la estadstica.
Como herramienta de anlisis, ofrece una considerable serie de ventajas
que permiten, mediante muestreos y modelos estadsticos adecuados,
obtener informacin de poblaciones completas que no se obtendran por
otros mtodos o experimentos, mucho menos al costo tan reducido que
representa la modelacin estadstica. La estadstica les proporciona el
argumento necesario cuando se requiere demostrar algo, ya que se
apega a los pasos del mtodo cientfico. El rea econmica y
administrativa es muy dinmica y verstil, por lo que la estadstica esta
llamada a ser el mtodo por excelencia para realizar indagaciones en
todos los campos.
En la primera parte de este texto se analiza lo que se considera como
estadstica descriptiva, es decir, el anlisis plano de las caractersticas
de un fenmeno o evento, mientras que en la segunda parte, se analiza
la denominada estadstica inferencial, donde la probabilidad es el
principal argumento de los modelos matemticos.
Esta obra se gener a partir de la aportacin de los docentes que
integran actualmente la Academia de Estadstica de la Unidad
Acadmica de Contadura y Administracin, la cual forma parte del rea
(DES) Econmica Administrativa de la Universidad Autnoma de Nayarit,
y se tom a partir de varias referencias bibliogrficas conocidas en
mbito de la divulgacin cientfica, as como de la experiencia en la
ctedra cotidiana, a los que hacemos un reconocimiento especial por
sus aportes.
Ninguna obra puede concebirse como definitiva, por lo que este Texto
de Apoyo Didctico queda a merced de los propios docentes titulares de
la materia de Estadstica para realizar las modificaciones pertinentes en
prximas ediciones.
Finalmente sealar que este texto cubre los contenidos del programa del
primer curso de Estadstica de las carreras de Contadura,
Administracin y Mercadotecnia e intenta ser una propuesta para toda el
rea.
1. FUNDAMENTOS Y CONCEPTOS BSICOS
1.1. Origen de la Estadstica y conceptos bsicos
La Estadstica es una ciencia matemtica que se ocupa de reunir,
organizar y analizar datos, que permiten hacer interpretaciones,
resolver problemas como el diseo de experimentos y tomar de
decisiones. Ante todo es una herramienta de apoyo para todas las
disciplinas, ya que nos permite obtener informacin referida a grandes
grupos de individuos conociendo datos de algunos de ellos.
1.1.1. Surgimiento de la Estadstica
El desarrollo cientfico de la Estadstica se fundamenta a partir de los
aos 30 a raz de los problemas planteados en la sociedad industrial, por
el desarrollo de otras ramas de las Matemticas y de otros campos como
la Biologa, la Medicina, la Economa, la Informtica, la Poltica y las
reas Administrativas y Contables, entre otras.
A lo largo de la historia, el hombre ha recopilado informacin en forma
de datos y smbolos que han servido para mostrar eventos, sucesos y
hechos de la realidad de ese momento. Las primeras civilizaciones
Egipcias, Griegas y Romanas contaban ya con sus sistemas de
recopilacin de datos para cobrar impuestos y reclutar soldados. En la
edad media, era frecuente que las instituciones eclesisticas llevaran
registros acerca de nacimientos, muertes y matrimonios; pero no fue
sino hasta 1790 en que Estados Unidos encabez la realizacin de
censos cada 10 aos, actividad que contina realizndose en casi todos
los pases y cuyo propsito es analizar las caractersticas de su
poblacin con fines particularmente polticos y econmicos.
1.1.2. La Estadstica y su relacin con otras disciplinas
Con la aparicin de la informtica como elemento complementario en
todas las ramas del saber, se inicia un proceso de generacin de
informacin sin precedentes en la historia de la humanidad. Como
resultado se tiene que, en las ltimas dos dcadas, se ha generado ms
informacin que en todos los aos de nuestra historia.
Actualmente, la estadstica se ha convertido en un mtodo efectivo para
describir con aceptable exactitud los valores de datos socioeconmicos,
polticos y culturales, entre muchos otros de carcter disciplinar, y sirve
como herramienta para relacionar y analizar dichos datos. El trabajo del
experto estadstico consiste no slo en reunir, organizar y/o analizar
datos sino, sobre todo, en la habilidad para realizar interpretaciones a
partir de un determinado estudio.
Por otra parte, el desarrollo de la teora de la probabilidad ha aumentado
el alcance de las aplicaciones de la estadstica. Muchos conjuntos de
datos se pueden aproximar, con gran exactitud, utilizando determinadas
distribuciones probabilsticas. La probabilidad es til para comprobar la
confiabilidad de las inferencias estadsticas y para predecir el tipo y la
cantidad de datos necesarios.
1.2. Clasificacin de la Estadstica
La estadstica de divide en dos ramas: estadstica descriptiva y
estadstica inferencial. La primera referida a los mtodos que implican
recopilar, organizar, interpretar y representar datos, con el objeto de
obtener una descripcin o caracterizacin lo ms completa y fiel posible
de un fenmeno estudiado. Dicho proceso implica observar, medir y
registrar caractersticas o variables, para luego realizar la interpretacin
numrica o grfica correspondiente.
La segunda comprende aquellos mtodos que hacen posible estimar las
caractersticas de una poblacin a partir del anlisis de una muestra. En
la inferencia estadstica se incluye la toma de decisiones, en forma de
proyeccin o pronstico, lo cual se obtiene a partir de la aplicacin de
modelos probabilsticos, es decir, la base de la inferencia estadstica se
obtiene a partir de la probabilidad matemtica.
En estadstica es necesario tener un claros algunos conceptos, sobre
todo los de poblacin y muestra, ya que los anlisis que se obtienen son
diferentes en cada uno de ellos.
Poblacin es la totalidad de elementos (universo de estudio) o cosas
que se consideran en el estudio, y pueden ser personas, plantas,
animales, viviendas, objetos, microorganismos o cualquier otra entidad
de elementos.
Muestra: porcin o parte de la poblacin que se toma para un
determinado estudio o anlisis y que adems tiene las mismas
caractersticas de la poblacin
Parmetro es una medida o cantidad que se establece y se utiliza para
describir una caracterstica de una poblacin.
Estimador o estadstico de prueba es un clculo o medida que se
utiliza para estimar el valor de un parmetro a partir del estudio de una
muestra, el cual sirve para obtener conclusiones sobre los verdaderos
parmetros de una poblacin.
Generalmente una poblacin resulta demasiado grande como para
obtener informacin de toda la poblacin completa, debido a lo tardado,
complicado y costoso del proceso, por ello se utilizan mtodos de
muestreo, los cuales permiten hacer inferencias cientficamente vlidas
sobre la totalidad de la poblacin.
En los procesos polticos, por ejemplo, es muy comn el uso de la
encuesta de opinin, la cual sera imposible aplicarla a la totalidad de
votantes
1
, por lo que se escoge una muestra representativa de esa
poblacin para obtener los datos de inters. A las conclusiones que se
llegue se les asocia una probabilidad sobre la esperanza o confianza que
se tiene de que los resultados de la muestra reflejen la verdadera
conducta de los votantes de toda la poblacin.
1.2.1. Tipos de estudios Estadsticos
Algunos autores distinguen dos tipos de estudios estadsticos:
enumerativos para referirse a la toma de decisiones sobre una
poblacin y/o sus caractersticas a partir del anlisis de una muestra, por
lo que interesa saber que hay en la poblacin. Mientras tanto, los
estudios analticos se refieren a la toma de decisiones sobre un
proceso para mejorar el desempeo futuro, es decir aqu la forma en
que se recopilan datos es la variable de inters.
1
En este caso, al total de votantes registrados se le denomina Marco de Muestreo
Hernndez Ayn, H y Casillas Barajas, A
Poblacin
(Parmetros)
M
Muestra
Estadstico
s de
Prueba
Inferencia Estadstica
4
1.3 Aplicaciones de la Estadstica
Para qu sirve la Estadstica?
El mundo en que vivimos es el mundo de la informacin y de la
comunicacin. Miles de cifras se analizan y evalan diariamente para
saber hacia dnde orientar las polticas de desarrollo y las decisiones a
tomar, oportunidad que solo ofrece la estadstica.
Pero la estadstica no es del todo conocida. Slo se sabe de ella por los
resultados de las encuestas que diariamente se escuchan o se leen en
los medios de comunicacin. Sin embargo la estadstica, como rama de
la ciencia matemtica, es una ciencia amplsima que permite obtener
desde resmenes generales de las actividades de la empresa hasta
estimar el comportamiento de las ventas que se conseguirn en el
futuro, o averiguar la relacin que existe entre la inversin destinada a
la promocin empresarial y las ventas obtenidas, e incluso, mantener
una clasificacin de clientes respecto de sus caractersticas.
Frente a los modelos de desarrollo actuales, se conocen cuatro tipos de
empresas: aquellas que hacen que las cosas sucedan, aquellas que
creen que pueden hacer que las cosas sucedan, aquellas que desean
que sucedan y aquellas que no saben que algo ha sucedido". Estos
escenarios, entre algunos otros, son los que se pueden realizar teniendo
como recurso metodolgico a la estadstica.
1.3.1 Fuentes generadoras de informacin
Si no existe informacin o datos que analizar, no hay lugar para la
aplicacin de la estadstica. No obstante, en el mundo actual lo que ms
abunda es la informacin, insumo principal para el anlisis estadstico
que permite prever acciones ante fenmenos que pueden afectar
determinada organizacin social.
Las fuentes generadoras de informacin son todas aquellas instancias
que llevan registros con datos de la actividad humana. Una organizacin
social, sea una empresa, dependencia, cooperativa, familia, escuela,
etctera, genera informacin financiera, contable, de inventarios, de
personal, produccin, ventas, informes, entre otros, de tal suerte que
con la informacin generada se pueden hacer anlisis e interpretaciones
en beneficio de ellos mismos. Toda la actividad humana genera
informacin diaria que en su mayora se registra por instancias oficiales
como el Instituto Nacional de Estadstica Geografa e Informtica, el
Sistema de Administracin Tributaria, el Registro Civil, las Bolsas de
Valores, las Escuelas, Universidades e Institutos y otras muchas
dependencias tanto pblicas como privadas. Los Centros de
Investigacin por su parte mantienen registros de las investigaciones y
avances que se realizan en las diversas reas del saber, las que se
convierten en insumos de nuevos proyectos.
Toda esta informacin generada es materia prima para el anlisis
estadstico, pero si no fuera esto suficiente y quisiramos generar
nuestra propia informacin, podemos disear entonces instrumentos de
acopio informativo como guas de entrevista y cuestionarios que
permitirn captar la informacin deseada para realizar anlisis
estadsticos sobre opiniones, preferencias, oferta y demanda, entre
otros.
1.4 La Estadstica en el proceso de investigacin
El uso de mtodos estadsticos como auxiliares en el anlisis de datos ha
crecido enormemente en los ltimos tiempos en todo el mundo, debido
a la aceptacin y xito demostrado en la toma de decisiones, comn
denominador de todos los campos de la actividad humana. La dinmica
del desarrollo tecnolgico le otorg a la estadstica un lugar de privilegio
como mtodo de investigacin de bajo costo, y propici el diseo de
toda una serie de paquetes software estadsticos para computadora
entre ellos el SAS, STATS y SPSS, entre otros.
Un tomador de decisiones sensato busca evaluar su informacin con el
objeto de elegir el curso de una accin que rinda el mximo de beneficio
al mnimo costo. Para el especialista o el investigador la parte medular
de la informacin son los datos; sin datos no hay informacin. Si los
datos estn sesgados, son ambiguos o tienen algn error, es muy
probable que las mejores pruebas diseadas no compensen tales
deficiencias.
1.4.1 Mtodos para generar informacin estadstica
El mtodo ms usual para recopilar informacin es el censo,
siendo Estados Unidos el pas que ms destaca por la precisin,
cobertura y tcnicas que utiliza en sus procesos. En Mxico, el
Instituto Nacional de Estadstica Geografa e Informtica (INEGI) es
el encargado de llevar a cabo los censos, los cuales son necesarios
para la planeacin de acciones sobre vivienda, alimentacin,
seguridad, salud e inversin, entre otras. Se distingue por que la
informacin se obtiene del cien por ciento de la poblacin.
Un segundo mtodo para la obtencin de datos es a travs de la
experimentacin, lo cual incluye pruebas ms avanzadas de
anlisis y tratamiento estadstico. Normalmente se requieren
pruebas de laboratorio o piloteo sobre grupos testigo o muestras a
escala que luego son aplicables a una poblacin. El tratamiento de
variables bajo condiciones controladas es una caracterstica de
este mtodo.
El tercer mtodo consiste en obtener datos a partir de la
aplicacin de encuestas. Aqu no se ejerce control sobre el
comportamiento de variables que se investigan, sino ms bien se
hacen preguntas a grupos muestra acerca de sus creencias,
opiniones, actitudes y conductas, entre otras categoras de
anlisis. El tipo de encuesta (cuestionario o entrevista) depende de
la naturaleza de la poblacin y de la muestra bajo estudio.
Para que un estudio sea til, los datos recolectados deben ser vlidos, es
decir, debe favorecerse el concepto necesario sobre lo que pudiera
considerarse conveniente.
1.5 Concepto de variable
Dentro de los procesos de investigacin, es comn la denominacin de
variables en referencia a las diversas caractersticas que identifican a
cierto suceso o fenmeno (por ejemplo; una pregunta puede dar como
resultado diferentes respuestas). El concepto de variable se define como
una caracterstica que cambia respecto del tiempo, del lugar, de una
persona otra, etctera, es decir, se trata de una caracterstica no
constante y cuya variacin es posible medir.
Si una variable es susceptible de ser cuantificada, entonces se convierte
en un indicador dentro de una determinada investigacin, ya que dicha
variabilidad y su verificacin, permitirn comprobar hiptesis de trabajo.
Existen dos tipos de variables: cualitativas y cuantitativas. Las primeras
generan respuestas categricas (si, no, regular, bueno, etc.), mientras
que las segundas arrojan respuestas numricas. Dentro de las variables
cuantitativas numricas, existen las continuas (dato normalmente
dimensional que proviene de un proceso de medicin instrumental) y las
discretas (nmero finito frecuentemente adimensional).
VARIABLES
ORDINALES
CUALITATIVA o
CATEGORICA
DISCRETAS
NOMINALES
7
1.5.1 Niveles y Escalas de medicin: nominal, ordinal, de
intervalo y de razn o proporcin.
Los datos recolectados se miden de manera indistinta. Hasta los datos
cuantitativos discretos pueden considerarse como producto de un
proceso de medicin por conteo. Existen cuatro niveles de medicin ms
usados: Escala nominal, Escala ordinal, Escala de intervalos y Escala de
razn.
1.5.2 Escala nominal y escala ordinal
Cuando en la clasificacin de datos observados no es importante el
orden se tiene un nivel de medicin nominal. Si por el contrario, el orden
es necesario durante el conteo de datos observados se tiene un nivel de
medicin ordinal.
Escala nominal (no importa el orden)
Tipo de sangre A, B, O
+
, O
-
Filiacin poltica PAN, PRI, PRD, PT, PVEM
Escala Ordinal (s importa el orden)
Comportamiento: Bueno, Regular, Malo.
Satisfaccin al cliente: Muy satisfecho, satisfecho, insatisfecho.
Ejemplo Respuesta Tipo de variable
Ahorra usted? S, No Cualitativa nominal
Cmo le pareci el
servicio?
Bueno, Malo, Regular Cualitativa ordinal
Cuantos hijos tiene? Nmero Cuantitativa
discreta
Cual es su edad? Aos Cuantitativa
continua
CUANTITATIVA o
NUMERICA
CONTINUAS
8
Ambas escalas son consideradas dbiles, sobre todo la nominal, dado
que, a pesar de que se asegura que algo es mejor, mayor o preferido, no
se puede saber cuanto es mayor, mejor o preferido.
1.5.3 Escala de intervalo y escala de razn
Estas escalas se consideran ms potentes que las anteriores, ya que
permiten discernir no slo cul de los valores es el mayor, sino qu
tanto. Una escala por intervalos es una escala ordenada. En el caso de la
estatura de una persona es importante la diferencia entre una y otra
(1.60 vs. 1.65 o 170 vs. 1.75), es decir la diferencia de 5 centmetros,
tiene el mismo significado, tanto para el primer intervalo como para el
segundo.
Si en la escala es importante, adems de las diferencias, un cero real
que permita realizar cocientes de mediciones, la escala se convierte en
una de razn. El caso de las temperaturas es un caso especial, ya que
en la escala Celsius o Fahrenheit existe un cero arbitrario, por lo que no
pueden considerarse como escalas de razn. Esto no sucede con la
escala absoluta Kelvin, en la que s puede entenderse el cero absoluto
como real.
Temperatura (C o F) Escala de intervalo
Tiempo calendario Escala de intervalo
Estatura Escala de razn
Peso Escala de razn
Edad Escala de razn
Sueldo Escala de razn
2. ANLISIS DE DATOS Y DISTRIBUCIN DE FRECUENCIAS
Para iniciar un proceso de recopilacin de informacin se requiere de un
conocimiento previo del objeto de estudio y de una planeacin de
actividades a desarrollar. Reconocer el tipo de variables a cuantificar o
medir requiere de la habilidad de observar, para luego identificar la
fuente generadora de informacin, sea a travs de censos (INEGI),
generada a partir de experimentacin (pruebas de laboratorio) o
recopilada a partir de instrumentos como la encuesta.
PRACTICA 1
A) Identificar tres fuentes de informacin censal por cada Sector Econmico
(Primario, Secundario y Terciario) y que tipo de informacin generan.
B) Identificar tres fuentes generadoras de informacin experimental.
C) Identificar tres instancias que obtienen informacin mediante encuesta.
9
2.1 Distribucin de frecuencias
La parte central en un anlisis estadstico lo conforman los datos o
valores que se obtienen de una variable determinada. Sin datos no
existe posibilidad de obtener informacin sobre el fenmeno que se est
investigando. Por ello es preciso en primer trmino hacer una revisin de
datos y tratar de organizarlos de la mejor manera posible. Al arreglo
ordenado de los datos, teniendo como base una escala de valor se le
denomina frecuencia. As por ejemplo, si tenemos al fin de cursos las
calificaciones de espaol de 15 nios y queremos saber su frecuencia,
ordenaramos los datos de la siguiente forma.
Ejemplo 2.1: Calificaciones de espaol: 7, 10, 8, 8, 10, 9, 7, 8, 9, 9, 9, 7,
10, 8 y 10.
Calificacin Frecuencia
6
7
8
9
10
0
3
4
4
4
Total 15
Ejemplo 2.2: Se est interesado en conocer la calidad de alimentacin
de 50 nios en una comunidad rural, donde los valores de la variable
cualitativa son:
Muy deficiente
Deficiente
Regular
Buena
Muy buena
MD
D
R
B
MB
Los datos recogidos por la encuesta
2
fueron los siguientes:
2
El proceso de recopilacin de informacin se realiz a partir de una encuesta con datos socioeconmicos.
B
R
R
D
MD
R
D
B
MD
R
R
B
D
R
R
D
MB
D
D
B
R
D
MD
R
D
B
D
R
MD
D
D
B
D
R
MD
D
R
MB
D
R
MD
B
D
R
D
MD
R
D
MD
B
Arreglo ordenado de datos
Categora
(calidad de la
alimentacin)
Conteo
Frecuenci
a
Absoluta
Frecuenci
a
Relativa
MD
D
R
B
MB
||||| |||
||||| ||||| ||||| ||
||||| ||||| |||||
||||| |||
||
8
17
15
8
2
(8/50)=0.
16
0.34
0.30
0.16
0.04
Total 50 1.00

En la primera columna de la tabla aparecen los cinco valores posibles de
la variable calidad de la alimentacin, que dan lugar a cinco categoras.
En la segunda columna se muestra el procedimiento que se utiliz para
clasificar las respuestas, mientras que en la tercera columna aparecen
los nmeros absolutos por categora y, en la cuarta, la fraccin que le
corresponde respecto a la unidad (8/50, 17/50, ).
2.2 Representacin grfica
Es muy usual en estadstica el uso de grficos para representar
ilustrativamente los resultados obtenidos. La representacin grfica de
un conjunto de datos, sean de una poblacin o de una muestra, permite
obtener informacin respecto a la forma de cmo se distribuyen los
valores de una variable de inters.
Dentro de la representacin grfica se reconocen cuatro tipos de
grficos:
a) Grfico poligonal
b) Grfico de barras
c) Grfico circular o de pastel
d) Histograma de frecuencias
2.2.1 Grfico Poligonal
En el polgono de frecuencias, el arreglo se disea tomando a las
abscisas (eje de las X) como el valor de la categora bajo estudio y el eje
de las ordenadas (Y) como la frecuencia, es decir, el dato que se repite
n cantidad de veces.
De esta manera, en el eje X, la primera categora representa a Muy
Deficiente alimentacin (MD), la segunda Deficiente (D), y as
sucesivamente.
2.2.2 Grfico de Barras
La representacin grfica en forma de barras utiliza el mismo diseo que
en caso anterior respecto a los ejes X-Y. Su configuracin queda al
criterio del analista de datos, ya que lo ancho de cada barra para el caso
de variables cualitativas, solo es referencial e ilustrativo, no obstante, la
condicin es que se mantenga una misma anchura.
Las variables numricas o cuantitativas s requieren de una magnitud o
rango constante generalmente dimensional, ya que cada barra
representar el nmero de datos que se encuentran dentro de dicho
rango de valores. Las barras deben estar separadas y no juntas para
diferenciarlo del histograma.
0
5
10
15
20
MD D R B MB
Calidad de la alimentacin
Frecuencia
12
2.2.3 Grfico Circular o de Pastel
Este tipo de grficos se utiliza con frecuencia para representar en forma
de porcentaje la porcin o parte de un todo, donde dicho total
representa el 100%. Disearlo manualmente significara considerar
como 100% el crculo equivalente a 360. De ah que cada componente
representa una cantidad determinada de grados dentro del crculo y, por
tanto, su equivalencia o valor de la categora considerada. Por ejemplo si
dividimos entre 4 los 360 da como resultado un ngulo de 90,
equivalente al 25% del crculo. Trazar este tipo de proporciones no
significa mayor problema, sin embargo, en cantidades fraccionadas la
dificultad aumenta.
360 o 100% 180 o 50% 90 o 25% 45 o 12.5%
Paquetes estadsticos como Excel, entre otros, son herramientas que
resuelven rpidamente el problema, dado que, conteniendo los valores
de la variable estudiada, solo necesitamos identificar el cono y el tipo
de grfico a disear.
0
5
10
15
20
MD D R B MB
Calidad de la alimentacin
Frecuencia
Grfico Circular o de Pastel
16%
34%
30%
16%
4%
MD
D
R
B
MB
13
2.2.4 Histograma
En ocasiones, dada la cantidad y caracterstica de los datos, no es
posible representar cada variable por su valor puntual, por lo que es
conveniente agrupar los datos en intervalos de clase.
El histograma de frecuencias es un grfico donde se requiere conocer
previamente los intervalos de clase. Tanto la cantidad de intervalos
como su longitud se construyen a partir del criterio del investigador o
analista experto.
La altura de cada barra representa la cantidad de valores que se
encuentran dentro de la amplitud elegida, mientras que la anchura
representa un valor mnimo y otro mximo dentro de una escala de
valores. Como condicin se admite que el valor mximo de una
determinada barra es, al mismo tiempo, el valor mnimo de la siguiente
(de ah que las barras no deben estar separadas). No obstante, se debe
procurar que un dato pertenezca solo a una barra y no a dos o ms al
mismo tiempo.
Histograma de frecuencias
3
EJERCICIOS
3
Los datos del histograma no corresponden fielmente al ejemplo tipo de alimentacin sealado con
anterioridad, dado el valor categrico de la variable.
PRACTICA 2
A partir de la variable estatura de los alumnos del grupo construya:
a) Una tabla de frecuencias
b) Un grfico de barras
c) Un grfico poligonal
d) Un grfico circular
e) Un histograma de frecuencias
Comente y explique sobre las dificultades encontradas en cada caso
14
1. Las calificaciones finales de 80 estudiantes en la materia de Estadstica figuran en
la siguiente tabla:
68 50 89 57 90 95 79 52
73 30 67 81 93 69 45 85
61 78 73 68 62 60 76 93
56 62 43 60 47 36 55 55
96 80 82 74 95 62 76 72
79 67 73 94 85 76 85 60
65 75 55 27 78 88 63 71
40 27 75 78 63 59 68 45
35 75 61 48 62 58 83 74
79 82 97 72 50 74 71 57
a) Identifique las calificaciones extremas.
b) Construya una tabla con las siguientes categoras: frecuencia absoluta (fa),
frecuencia relativa (fr), frecuencia relativa acumulada (fra) y frecuencia
porcentualizada (f%).
c) Que porcentaje de alumnos aprobaron (calificacin mayor a 60).
2. En 1997 ocurrieron en el Estado de Nayarit una cantidad de 4,103 defunciones por
diversas causas de enfermedad; como se muestra en la siguiente tabla.
a) Que porcentaje corresponde a cada una de las causas.
b) Disee el grfico que mejor se adapte a los datos.
c) Identifique la causa ms frecuente y la menos frecuente.
d) Convierta los porcentajes tomando como base a 10, 1000 y 10000
habitantes.
CAUSA DEFUNCIONES
Enfermedades del corazn. 746
Tumores malignos. 623
Accidentes. 384
Diabetes mellitus. 306
Enfermedad cerebro vascular. 261
Homicidio y lesiones inflingidas intencionalmente por
otra persona.
161
Otras enfermedades pulmonares obstructivas crnicas 129
Neumona e influenza 125
Cirrosis y otras enfermedades crnicas del hgado. 123
Ciertas afecciones originadas en el periodo perinatal. 95
Deficiencias de la nutricin 85
Bronquitis crnica, asma y enfisema 71
Sida 52
Otras causas. 942
Fuente: INEGI. Censo General de Poblacin y Vivienda 2000.
3. El tiempo en horas que tarda un taller de servicio automotriz en realizar la revisin
rutinaria de garanta se registra en la tabla siguiente.
4.3 4.5 4.4 4.1
3.1 2.0 5.9 3.4
6.6 6.7 2.2 3.2
6.3 3.8 5.5 3.3
2.7 2.6 2.1 3.7
a) Construya una tabla de frecuencias con intervalos de media hora, una hora y
1.5 horas.
b) A qu conclusiones se puede llegar acerca de la productividad de los
mecnicos si se toma en cuenta la distribucin de frecuencias?
c) Si la administracin del taller considera que ms de 6.0 horas equivale a un
mal desempeo De qu magnitud es el problema?
4. Una empresa registra en un mes del ao los siguientes servicios ofrecidos al pblico
en las 20 sucursales.
823 427 468 308
669 360 349 752
722 588 634 586
217 321 904 641
648 555 847 766
a) La compaa cree que una sucursal no puede mantenerse financieramente
con menos de 475 servicios mensuales qu porcentaje representan estas
empresas?
b) Es tambin poltica de la compaa otorgar una bonificacin econmica al
gerente de la sucursal que genere ms de 725 servicios mensuales qu
porcentaje se beneficiar?
c) Ordene los datos de la tabla y represntelos de manera grfica
5. Represente, en grfico circular, el siguiente ejemplo. En una Escuela Primaria de
2000 nios, 600 se encuentran en Primero, 490 en Segundo, 320 en Tercero, 250
en Cuarto y el resto en partes iguales en Quinto y Sexto aos. Dos de cada 3 son
nias en primero, en segundo 1.9 nias por cada 2 nios, en tercero es
proporcional, en cuarto hay 2.5 hombres por cada 2 mujeres, en quinto hay un 10%
mas de mujeres que de hombres y en sexto ao tres quintas partes son hombres.
6. Segn un estudio de campo, la proporcin de vehculos que circulan diariamente
por la Ciudad de Tepic es la siguiente: 23% son unidades Nissan, 20% Ford, 15%
Chevrolet, 14% Dodge Chrisler, 10% Volkswagen y el 18% corresponde a Otras
Marcas como Honda, Mitsubitshi, Mazda, Toyota, entre otras. Represente
grficamente la informacin anterior, utilizando grficos alternativos de barra y
polgono, en planos vertical y horizontal.
7. La siguiente tabla, muestra la poblacin total de Mxico y de cada uno de los
Municipios del Estado de Nayarit.
a) Obtenga los porcentajes de hombres y mujeres por municipio
b) Qu porcentaje representa la poblacin de Tepic respecto del total del Estado y
del Pas
c) Existe diferencia entre los porcentajes de hombres y mujeres del Estado
respecto del Pas? Comente.
d) Qu porcentaje de municipios rebasan los cincuenta mil habitantes?
e) Represente el resultado del inciso a) tomando como base 1, 10, 100, 1000 y
10000
MXICO Poblacin total Hombres Mujeres
97 361,711 47 354, 486 50 007, 325
NAYARIT
Poblacin total Hombres Mujeres
919, 739 454, 268 465, 471
Municipios
Acaponeta 36, 641 18, 156 18, 305
Ahuacatlan 15, 319 7, 617 7, 702
Amatln de Caas 12, 053 6, 093 5, 960
Baha de Banderas 59, 782 30, 371 29, 411
Compostela 65, 804 32, 532 33, 272
Del Nayar 26, 561 13, 127 13, 434
Huajicori 10, 291 5, 201 5, 090
Ixtln del Ro 25, 371 12, 153 13, 218
Jala 16, 142 7, 870 8, 272
Rosamorada 34, 653 17, 471 17, 182
Ruiz 21, 675 10, 960 10, 715
San Blas 42, 741 22, 155 20, 586
San Pedro Lagunillas 7, 778 3, 898 3, 880
Santa Mara del Oro 20, 823 10, 525 10, 298
Santiago, Ixcuintla 95, 311 47, 652 47, 659
Tecuala 42, 227 21, 210 21, 017
Tepic 305, 025 147, 063 157, 962
Tuxpan 31, 185 15, 421 15, 764
Xalisco 37, 612 18, 342 19, 270
Yesca, La 12, 925 6, 451 6, 474
Fuente: INEGI. Censo General de Poblacin y Vivienda 2000.
8. Las estaturas del grupo matutino G-1 de la Facultad de Contadura y Administracin
de la UAN, fueron las siguientes.
1.75 1.59 1.69 1.82 1.58 1.50 1.55 1.71 1.70 1.89
1.56 1.72 1.77 1.70 1.64 1.75 1.76 1.70 1.69 1.74
1.67 1.62 1.80 1.65 1.72 1.50 1.70 1.74 1.68 1.59
1.66 1.65 1.60 1.60 1.70 1.56 1.83 1.66 1.69 1.56
1.65 1.63 1.58 1.76 1.67 1.68 1.58 1.68 1.75 1.71
Si el propsito es representar grficamente los datos Qu dificultades se tienen?,
Cual grfica convendra mejor?, Que se propone para resolver tal problema?
9. Con la informacin del ejemplo anterior, agrupe:
a) Los menores a 1.60 metros
b) Los menores a 1.70 pero a la vez mayores a 1.60 metros
c) Los menores a 1.80 pero a la vez mayores a 1.70 metros
d) Los mayores a 1.80 metros.
Cuantos alumnos hay en cada caso y que porcentaje le corresponde a cada inciso.
Obtenga una tabla con los nuevos porcentajes por categora (inciso) y acumulada.
Represente los datos en grfico circular.
3. MEDIDAS DE TENDENCIA CENTRAL (datos no agrupados o
simples)
Un conjunto de datos, por s mismo, puede no darnos la suficiente
informacin. Para ello, se utilizan ciertas herramientas estadsticas que
nos permiten caracterizar o describir el verdadero valor que representa
un conjunto de datos agrupados o no agrupados. Las medidas de
tendencia central ms usuales son la media, la mediana y la moda.
La medida de tendencia central es un valor que se calcula para un
conjunto de datos que se utiliza para describirlos o caracterizarlos, lo
cual permite tener un perfil cuantitativo aproximado de la realidad de
ese momento. El clculo ms usualmente conocida es la media
aritmtica, promedio o simplemente media, ya que determina un valor
promedio representativo de todo un conjunto de datos.
En general, las medidas de tendencia central son valores que
representan a todo un conjunto de datos. El proceso desde el acopio de
informacin hasta los clculos que se realizan para conocer la media
aritmtica, la moda, la mediana y el rango medio, entre otros, permiten
tener una descripcin detallada del conjunto de datos. Las medidas de
tendencia central pueden aplicarse sobre muestras (conocidos como
estimadores o estadsticos de prueba) o sobre poblaciones completas, a
los que se denominan parmetros.
3.1. Media Aritmtica
Se define como la suma de todos los valores de la variable entre el
nmero de datos. Representa la suma de las magnitudes variables
divididas entre el nmero de elementos.
La media aritmtica tiene la ventaja extra de ser el nico promedio
apropiado para estimar un total y de estar sujeto a un tratamiento
algebraico que permite promediar series de medida.
Frmula de la media aritmtica para una muestra
Observe que x (variable o caracterstica) toma valores desde i hasta n,
siendo n el tamao de la muestra, mientras que la i representa los
valores de la variable.
Frmula de la media aritmtica para una poblacin
En este caso N es el total de valores de la poblacin bajo estudio,
representa el promedio de la poblacin y x toma valores desde i hasta N.
Una interpretacin ms especfica sera la siguiente: El promedio de la
poblacin representado por la letra , resulta ser un parmetro de la
poblacin bajo estudio. Por otra parte, si x es el valor promedio de una
muestra representativa de esa poblacin, se dice que x es un
estimador de , porque x nos da una idea del valor de . En general,
mientras ms grande sea el tamao de la muestra, la media muestral (
x ) diferir menos de la media poblacional (), es decir, el resultado ser
mas certero.
Ejemplo 3.1: Se desea saber el promedio estatura (en metros) entre los
alumnos de la carrera de Administracin; para ello se elige al azar una
muestra de 10 alumnos.
Alumno Estatura
(m)
1
2
3
4
5
6
7
8
9
1.70
1.68
1.76
1.81
1.73
1.65
1.78
1.83
1.74
n
x
x
n
i
i
1
N
x
N
i
i
19
10 1.79
Aplicando la frmula para la media, tenemos que:
Ejemplo 3.2: En determinado mes, 8 vendedores de artculos
electrnicos vendieron las siguientes cantidades de aparatos
electrnicos: 8, 11, 5, 14, 8, 11, 16, 11. Considerando a este mes como
la poblacin, el nmero promedio de unidades vendidas en ese mes son:
Observe que en ambos ejemplos se especifica claramente el tipo de
valores, muestra y poblacin, respectivamente. A pesar de que el
procedimiento para el clculo es el mismo, el resultado se interpreta
distinto, ya que, en el primer caso, el promedio de la estatura en la
muestra escogida es de 1.747 metros, es decir, es una estatura
representativa del grupo de donde se extrajo la muestras; mientras que
el promedio real de la poblacin de aparatos electrnicos vendidos fue
de 10.5.
3.2. Mediana
La mediana (Md), en una serie de datos, es el valor de la variable
asociado o correspondiente al punto central de la serie de datos
previamente ordenados en funcin de su magnitud.
El valor de la mediana divide una serie de datos de manera que, la
mitad de los datos (50%) son mayores y/o menores del punto central. Es
ms apropiado utilizar la mediana en lugar que la media cuando se
presentan valores extremos en un conjunto de datos. Se aplica a
variables categricas ordinales y variables numricas, muy til por
ejemplo en caso de nminas de sueldos, facturacin, ventas,
valoraciones, entre otros.
Para calcular la mediana de un conjunto de datos, primero se deben
ordenar en funcin del valor de la variable; de mayor a menor o de
menor a mayor. A ste conjunto se le denomina arreglo ordenado;
despus se utiliza la siguiente frmula para determinar el punto
central (Pc)
747 . 1
10
79 . 1 74 . 1 83 . 1 78 . 1 65 . 1 73 . 1 81 . 1 76 . 1 68 . 1 70 . 1
+ + + + + + + + +
x
5 . 10
8
11 16 11 8 14 5 11 8
+ + + + + + +

20
En una serie de datos pueden presentarse dos casos: Si el nmero de
datos es par o impar. En el primer caso, el Pc = (n + 1)/2 se localiza
entre dos valores de la variable, para lo cual, la mediana ser el
promedio entre esos dos valores. En el segundo caso, el valor de la
mediana ser el que est directamente asociado al Pc.
Ejemplo 3.3: Utilizando el ejemplo anterior de las estaturas de
estudiantes, tenemos que el nmero de datos son diez, es decir, se trata
de una serie par, por lo que en este caso, clculo correspondiente para
la mediana ser:
Es decir, el valor de la mediana estar ubicado entre la posicin 5 y la
posicin 6 de los diez valores de la muestra.
1.65 1.68 1.70 1.73 1.74 1.76 1.78 1.79 1.81 1.83
Ordenamiento y posicin de datos
1 2 3 4 5 6 7 8 9 10
El valor de la mediana, de acuerdo a la posicin 5.5, es un valor entre
1.74 y 1.76, por lo que (1.74 + 1.76) / 2 = 1.75 metros, que es un valor
muy similar al de la media aritmtica. Entindase entonces que el 50%
de las estaturas son mayores a 1.75, mientras que el otro 50% son
estaturas menores a ese mismo valor.
Obsrvese que si el valor menor fuera de 1.20 y/o el mayor de 2.10, esto
no afecta a la mediana, ya que la posicin sera la misma y, por tanto, el
valor de la mediana sera el mismo. Esto comprueba que la mediana se
aplica mejor a conjunto de datos con valores extremos.
Finalmente, en caso de que haya nmeros empatados y el
posicionamiento del punto sea uno de ellos, se toma sin dificultad aquel
donde marque el Pc sin importar cuantos empates o repeticiones
existan.
3.3. Moda (Mo)
2
1 +
n
Pc
5 . 5
2
1 10
+
Pc
Valor menor Pc = 5.5 Valor menor
21
Es el valor que se presenta con mayor frecuencia en una serie de datos.
Se le obtiene fcilmente si el conjunto de datos est ordenado, y no se
afecta si existen valores extremos. Al igual que la mediana, slo se le
utiliza para propsitos descriptivos, ya que el valor es relativo y variable.
Cabe aclarar que en algunos casos (cuando un nmero no se repite), la
moda no existe, y as se especifica. Sin embargo, el hecho de decir que
no existe, no significa que la moda sea igual a cero, ya que la moda
puede tomar valores positivos, negativos o ser cero.
Por otra parte, si dos nmeros se repiten igual nmero de veces, se dice
que el resultado es bimodal, o simplemente se sealan los nmeros con
igual moda.
Ejemplo 3.4
Para los valores 2, 3, 4, 4, 4, 4, 4, 6 y 7 el valor modal es 4.
En el caso de valores de temperaturas: -4, -2, -1, -1, 0, 0, 0,
+3, +5, la moda es igual a 0.
Ejemplo 3.5
De las siguientes cantidades, correspondientes al consumo de alimentos
de l5 personas en un restaurante, obtenga la moda respectiva: $1000,
1000, 1000, 25000, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500,
24500, 27500 y 30900.
La moda es el valor ms frecuente, por lo que en este caso, es de 1000
y 2500 bimodal.
3.4. Rango Medio
El rango medio (Rm) es el promedio entre el extremo mayor y el
extremo menor de una serie de datos, y puede ayudarnos para tener
una muy ligera idea de cmo estn los valores. Se debe tener cautela
con el promedio obtenido, ya que con valores muy extremos el promedio
puede no resultar representativo del conjunto de datos. Se utiliza para
clculos rpidos en anlisis financieros o para pronsticos del clima.
2
min X X mx
medio Rango
+
22
Ejemplo 3.6: De acuerdo a un estudio exploratorio, un da caluroso
registra las siguientes temperaturas en grados centgrados: 20, 32, 35,
27, 32, 30, 28, 36, 25 y 33. En este caso, el rango medio corresponde a:
Rango medio = (20 + 36) / 2 = 28 C
3.5. Media Geomtrica
Es otra medida de posicin que suele utilizarse en la rama del comercio
y la economa en series de datos como tasas de inters, inflacin y de
crecimiento, as como en la elaboracin de nmeros ndices, entre otras,
donde el valor de cada ao tiene un efecto multiplicativo sobre el de los
aos anteriores. Es un clculo donde intervienen todos los valores, por lo
que no se pierde informacin, no obstante, el resultado puede ser
influido por valores muy extremos.
En general, la media geomtrica depende del nmero y caractersticas
de los datos, y para el clculo se utilizan dos procedimientos:
Procedimiento 1. Cuando se trata de pocos valores y de baja magnitud,
puede utilizarse la siguiente frmula.
Es decir, la n-sima raz del producto de los valores de la variable. Es til
cuando los nmeros son positivos, ya que si son negativos o existe un
cero, el resultado puede ser negativo o inexistente. Con nmeros
positivos, la media geomtrica es un valor ligeramente menor a la media
aritmtica.
Ejemplo 3.7: Sean los nmeros 2, 4 y 8. La media geomtrica (Mg) se
define mediante:
Procedimiento 2. Otra forma de realizar el clculo es a travs del
logaritmo neperiano siguiente:
4 64 ) 8 )( 4 )( 2 (
3
3
Mg
n
n
X X X X Mg ...
3 2 1
i
x
n
LogMg log
1
23
Utilizando el mismo ejemplo anterior tenemos:
Por lo tanto, Mg = Antilog 0.60206, y Mg = 4
Las aplicaciones ms frecuentes de la media geomtrica se realizan en
instituciones bancarias para el clculo de promedios de tasas de
variacin y de tasas de inters compuesto.
Ejemplo 3.8: Suponga que en tres bancos diferentes se presenta una
diferencia en sus tasas de inters mensual (%), como sigue:
BANCO A BANCO B BANCO C
Mes 1
Mes 2
Mes 3
Mes 4
Mes 5
Mes 6
1.7
2.3
2.2
1.9
2.2
2.3
1.9
3.1
2.8
2.5
2.5
2.7
2.5
1.6
1.8
2.9
3.5
3.0
Cul de los Bancos ofrece en promedio una menor tasa de inters?
Banco A
Banco B
Banco C
3.6. Media Armnica
Los promedios de velocidades dentro de una distancia constante
representan un tema de inters para ciertas empresas, sobre todo
tratndose de gastos generales de transporte y combustibles. Es
importante controlar y vigilar los tiempos de reparto, los gastos de
087 . 2 ) 3 . 2 )( 2 . 2 )( 9 . 1 )( 2 . 2 )( 3 . 2 )( 7 . 1 (
6
G
555 . 2 ) 7 . 2 )( 5 . 2 )( 5 . 2 )( 8 . 2 )( 1 . 3 )( 9 . 1 (
6
G
455 . 2 ) 0 . 3 )( 5 . 3 )( 9 . 2 )( 8 . 1 )( 6 . 1 )( 5 . 2 (
6
G
60206 . 0 ) 9031 . 0 6021 . 0 3010 . 0 (
3
1
) 8 log 4 log 2 (log
3
1
+ + + + LogMg
24
hidrocarburos y la duracin de refacciones de vehculos, entre otras
cosas. Este tipo de clculos se obtienen mediante la aplicacin de la
Media Armnica (Mh), la cual se define mediante la siguiente frmula.
N
i i
X
N
Mh
1
1
Donde N representa el nmero de vehculos, Xi es la velocidad de cada
vehculo y Mh es la media armnica (velocidad promedio: distancia por
tiempo).
Ejemplo 3.9: Suponga que una empresa utiliza cuatro camiones de
reparto de mercanca por semana, los cuales parten desde la empresa
matriz hasta la ciudad destino situada a 100 millas. Los camiones
mantuvieron una velocidad promedio los 40, 47, 48 y 50 millas por hora
durante el trayecto. Cul resulta ser la velocidad promedio de los
cuatro camiones?
92 . 45
50
1
48
1
47
1
40
1
4
+ + +
Mh
Este procedimiento es el ms adecuado al problema planteado, ya que
si se aplica la media aritmtica, el promedio que se obtiene
(40+47+48+50)/4 = 46.25 millas por hora. Esta diferencia se debe a la
media aritmtica supone intervalos de tiempo constantes, lo cual no
necesariamente es cierto. Lo correcto, mediante este procedimiento es
considerar los tiempos de cada vehculo, es decir, 2.50, 2.13, 2.08 y 2.0
horas respectivamente. El tiempo total para cubrir las 400 millas es de
8.71 horas, entonces el verdadero valor se obtiene mediante (400/8.71)
= 45.92 millas por hora. Si, por ejemplo, se hubieran mantenido las
velocidades de 40, 47, 48 y 50 durante el mismo tiempo, el promedio
correcto hubiera sido 46.25 millas por hora.
La media armnica se utiliza tambin para encontrar el precio promedio
de artculos. Supngase que un repartidor de peridicos de una editorial
entrega un ejemplar matutino y uno vespertino. Paga 5 centavos por
cada ejemplar del peridico matutino y 4 centavos por el vespertino.
Qu precio promedio diario paga? Este problema requiere de la media
armnica. Esta medida mostrara que el repartidor paga 4.44 centavos
por ejemplar, y no 4.50 centavos. De nueva cuenta, la media armnica
es apropiada debido a que se especifican datos constantes como si
fueran variables, en este caso el nmero de peridicos que se compran
a cada precio.
EJERCICIOS
1. A partir de los siguientes datos, tomados de una muestra aleatoria de 20 estudiantes
de la Unidad Acadmica de Contadura y Administracin, realice los clculos que se
piden.
Edad en aos Peso en Kg. Estatura en m.
Mujeres Hombres Mujeres Hombres Mujeres Hombres
17 25 48 58 1.62 1.70
22 21 55 70 1.69 1.69
20 18 60 65 1.70 1.71
19 17 63 63 1.68 1.65
19 22 70 67 1.71 1.67
18 26 52 69 1.69 1.78
21 28 58 71 1.70 1.83
22 35 67 75 1.72 1.85
17 18 59 58 1.66 1.76
19 17 60 63 1.68 1.68
20 21 72 65 1.69 1.59
23 23 66 72 1.76 1.80
18 20 63 69 1.70 1.70
29 27 58 78 1.72 1.88
16 19 57 56 1.67 1.68
24 19 69 76 1.58 1.81
31 22 75 74 1.70 1.79
26 18 72 76 1.69 1.86
18 24 66 68 1.60 1.75
20 26 62 69 1.63 1.82
a) Represente grficamente los datos por gnero y por variable.
b) Obtenga la media aritmtica, moda, mediana y rango medio a partir de cada
variable (edad, peso y estatura) y por gnero
c)Obtenga la media geomtrica para la variable estatura por gnero
d)Que conclusiones se pueden hacer respecto de la edad entre hombres y mujeres.
e) Que conclusiones se pueden hacer respecto del peso entre hombres y mujeres.
f) Que conclusiones se pueden hacer respecto de la estatura entre hombres y
mujeres.
2. Dos granjas de camarones estn siendo monitoreadas para conocer cual est
operando mejor segn la alimentacin que se les da. Para observar la comparacin
entre ambos, se capturan diez camarones geogrficamente al azar de cada Estanque y
se mide talla y peso. El reporte respecto de la talla es el siguiente.
Estanque 1 2.51 2.95 2.13 3.22 3.54 2.93 3.08 4.75 2.83 4.51
Estanque 2 3.64 2.57 3.89 3.30 3.76 4.12 2.96 3.88 4.29 3.62
Determine:
a) Las medidas de Tendencia Central
b) En cual estanque se observa un mayor crecimiento en promedio
d) Si el requisito para venderle a EU es que sobrepasen de 3.0 cm en promedio, podr
vender la empresa el producto? Cul o cuales estanques?
3. El departamento de produccin de una empresa embotelladora est interesado en
investigar cual de las dos lneas de produccin opera mejor. Para ello se toman
aleatoriamente 20 muestras de cada lnea y se mide el volumen de llenado en
mililitros, resultando lo siguiente.
MAQUINA 1 (lnea 1) MAQUINA 2 (lnea 2)
340 313
315 318
312 315
335 324
318 318
310 315
319 312
338 318
330 326
316 312
314 319
318 324
315 322
317 333
325 336
322 328
318 325
321 316
314 319
316 321
Calcule para cada lnea de produccin:
a) Medidas de tendencia central (media aritmtica, moda, mediana y rango medio)
b) Cual lnea de llenado opera con mayor volumen promedio
c) En cual lnea de llenado se observan ms valores extremos
d) Si el volumen lmite mnimo permitido segn la Norma Oficial Mexicana es de 340
mililitros, cual lnea (s) operan fuera de norma.
e) Que se puede comentar respecto del valor de la mediana
4. Las calificaciones de un examen final ordinario de Estadstica en una muestra
representativa de 20 alumnos de la carrera de Contadura y de Administracin arroj
los siguientes resultados.
98
56
45
67
37
60
55
90
70
85
80
46
40
65
30
90
60
70
56
70
a) Calcule las medidas de tendencia central (media, moda, rango medio y media
aritmtica)
b) Que porcentajes de alumnos aprobaron y reprobaron el examen
5. El sueldo promedio que percibe un empleado en una empresa cigarrera de la ciudad
de Tepic es de 4,500 pesos por mes. Un estudio revela que la mediana tiene valor de
3,800 pesos mensuales y la moda de 4,600. Como se explica esta diferencia? Como
dato adicional, la empresa cuenta con 1200 empleados en sus diferentes turnos.
6. Las tasas de inters bancario en los ltimos seis meses en cuatro bancos principales
de la ciudad de Tepic son como sigue:
BANCO A BANCO B BANCO C BANCO D
1.23
1.52
1.34
2.05
1.84
1.96
2.10
1.65
1.73
1.96
1.77
1.85
1.35
1.43
1.49
1.98
1.92
1.19
2.12
1.78
1.09
1.15
1.18
2.11
a)Cual banco ofrece la mayor tasa de inters
b) Cual banco ofrece la menor tasa de inters
7. Un inversionista pretende abrir una cuenta con cien mil pesos en aquel banco que le
ofrezca una mayor tasa de inters. Se recab informacin en 5 bancos durante 12
meses.
BIMESTRE BANCO A BANCO B BANCO C BANCO D BANCO E
1
2
3
4
5
6
2.3
2.5
2.1
2.9
3.2
3.0
2.19
2.52
3.47
3.04
2.20
1.95
2.43
2.95
3.49
3.13
3.98
1.94
2.32
2.95
3.37
1.98
2.67
2.89
2.8
3.4
3.7
2.8
3.8
3.9
a) Recomiende al inversionista el banco que mayor inters le proporciona
b) Cuanto ganar por tenerlo un ao en ese Banco, a tasa fija
c) Si en lugar de invertir se pide un prstamo por la misma cantidad, cul banco
recomendara?
8. Una empresa utiliza cuatro camiones para el reparto de su mercanca diariamente.
Con el fin de determinar el gasto de combustibles y complementos se monitorean por
un tiempo sus velocidades promedio, resultando de 40, 55, 32 y 38 kilmetros por hora
en promedio por cada camin repartidor.
a) Cul es la velocidad promedio de los cuatro camiones de reparto?
b) Si el rendimiento para cada uno es de 4, 4.8, 5.2 y 3.9 kilmetros por litro de
gasolina, respectivamente, cual es el consumo de gasolina promedio por da.
c) Cual es el costo en combustibles por camin si el precio de gasolina es de 5.35
pesos por litro, adems de un 10% adicional en gastos de complementos por
camin.
9. Las velocidades promedio en tramos iguales de un vehculo durante su trayecto de
la ciudad de Tepic a la ciudad de Guadalajara fueron las siguientes: 70, 120, 85, 60, 95
y 50.
a) Cual resulta ser el promedio de velocidad durante el trayecto?
b) Si la distancia total es de 290 kilmetros En que tiempo logr llegar?
c) Considerando el promedio de velocidad Cul fue el gasto de combustible si el
vehculo tiene un rendimiento de 10 kilmetros por litro?
4. MEDIDAS DE DISPERSIN (datos no agrupados)
As como existe una serie de clculos matemticos para conocer la
tendencia central de una serie de datos, existen tambin las medidas de
dispersin, es decir, el grado de variacin o turbulencia de los datos. Dos
conjuntos de datos pueden tener las mismas medidas de tendencia
central, pero ser muy diferentes en trminos de su dispersin.
Las medidas de dispersin ms bsicas normalmente utilizadas son el
rango, la varianza, la desviacin estndar y el coeficiente de variacin.
4.1. Rango (Ro)
El rango puede definirse como la diferencia que existe entre el valor
mayor y el valor menor de la variable, es decir, es la magnitud entre los
dos nmeros extremos. Sirve para observar qu tan dispersos se
encuentran los valores dentro de un conjunto de datos. A pesar de que
al rango se le considera como una medida de dispersin simple, la
desventaja de usarlo es que el clculo no toma en cuenta la forma en
que se distribuyen los datos entre los valores ms grandes y los ms
pequeos.
Ejemplo 4.1. Se desea conocer el rango de temperaturas en una ciudad
del occidente del pas, cuyos registros durante un determinado da
fueron los siguientes:
Hora 6:00 9:00 12:00 15:00 18:00 21:00 24:00
C 21 26 34 36 31 28 20
Ro = Valor mximo (-) Valor mnimo = 36 C 20 C = 16 C
No obstante, el rango resulta ser el mismo si el conjunto de datos es
ms grande. Por ejemplo, si tenemos doce lecturas realizadas de
temperatura en C (30.5, 29, 27.5, 23, 24, 32, 20, 25, 21, 28, 22, 36), el
valor del rango es el mismo, o sea, la diferencia entre el mayor y el
menor 36 20 = 16C. De aqu que, como medida de dispersin, se
X
X Rango
mx
min
30
debe tener precaucin con el valor resultante, sobre todo cuando
existen dos valores muy extremos.
4.2. Varianza
La varianza y la desviacin estndar son dos medidas de dispersin
que s toman en cuenta la forma en que se encuentran agrupados
los valores en un conjunto de datos. Estos clculos estadsticos
sirven para determinar lo cercano o alejado que se encuentran los
datos respecto de un valor promedio o media. Nunca, la varianza ni
la desviacin estndar pueden ser negativas, pero s pudieran ser
cero, que sera cuando no hay variacin en los datos, es decir,
cuando todas las observaciones de la muestra tuviesen el mismo
valor, lo cual es muy poco frecuente.
Por naturaleza, todo evento o fenmeno se compone de caractersticas y
datos eminentemente variables. As vemos por ejemplo como ninguna
actividad econmica, poltica o social permanece constante. Existen
personas con diferentes pesos, estaturas, coeficientes intelectuales,
edad, pulso, etc. Esto tambin sucede con las empresas, con las bolsas
de valores o con la poltica, entre otros eventos.
La varianza
4
de una muestra se define como el promedio de los
cuadrados de las diferencias entre cada una de las observaciones de un
conjunto de datos respecto de la media y se representa con una S
2
. Con
la varianza se conoce qu tan dispersos se encuentran los datos a partir
de un valor central o sea la media aritmtica, la cual se comporta como
punto de equilibrio.
Sea una muestra que contiene n observaciones X
1
, X
2
..., X
n
, la varianza
muestral en este caso ser como sigue.
O en forma de sumatoria ms simple
Donde x = media aritmtica de la muestra
n = tamao de la muestra
4
Algunos autores la definen como el grado de dispersin o simplemente variabilidad de un conjunto de datos.
1
) ( ... ) ( ) (
2 2
2
2
1 2
+ + +
n
X X X X X X
S
n
1
) (
1
2
2
n
X X
S
n
i
i
31
Xi = i-simo valor de la variable aleatoria X
Por otra parte, si tenemos que analizar el total de datos en una
poblacin, la frmula de la varianza quedara como:
Donde N sera el total de datos de la poblacin a tomar en cuenta.
4.3. Desviacin Estndar
La desviacin estndar de una muestra se define como la raz cuadrada
de la varianza muestral, y se denota mediante el smbolo S. Esta medida
de dispersin es ms usual que la varianza, ya que las unidades no son
cuadradas. Por ejemplo, las unidades en la varianza pueden ser en
pulgadas cuadradas, dlares cuadrados o metros cuadrados, lo cual no
sucede con la desviacin estndar.
La frmula de la desviacin estndar para una muestra determinada es:
Y para el caso de una poblacin, la desviacin estndar est dada por la
raz cuadrada de la varianza, como sigue:
Ejemplo 4.2. A partir de los datos siguientes, correspondientes a las
estaturas de 10 alumnos de Contadura, obtenga el valor de la varianza
y la desviacin estndar.
Alumno 1 2 3 4 5 6 7 8 9 10
Estatura 1.75 1.63 1.78 1.72 1.65 1.58 1.62 1.64 1.68 1.70
1
) (
1
2
2
n
X X
S S
n
i
i
N
X
N
i
x i
x
1
2
2
) (
2
x x

32
Promedio o media aritmtica x = (1.75 + 1.63 + ... + 1.70)/10
x = 1.675
Varianza
Varianza
S
2
= (1.75 1.675)
2
+ (1.63 1.675)
2
+ ... + (1.70 1.675)
2

10 - 1
S
2
= 0.0039
Desviacin estndar
S =
s
2
= 0039 . 0 y S = 0.0625
Este valor indica que la mayor parte de las estaturas del grupo de
alumnos se encuentra 0.0625 metros por encima y por debajo del valor
promedio, el cual fue de 1.675 metros.
En suma, las medidas de dispersin, cumplen con lo siguiente:
Mientras ms separados o dispersos estn los datos, mayor ser el
valor del rango, la varianza y la desviacin estndar.
Si los datos estn ms concentrados o son homogneos, menor
ser el rango, la varianza y la desviacin estndar.
Si las observaciones de un conjunto de datos tienen el mismo valor,
el rango, la varianza y la desviacin estndar sern igual a cero.
Otra forma de calcular la varianza y la desviacin estndar es a partir de
las siguientes frmulas abreviadas.
1
) (
1
2
2
n
X X
S
n
i
i
1
) (
2
1
1
2
2
n
n
X
X
S
n
i
i n
i
i
33
Donde las sumatorias pueden surgir a partir del diseo de una tabla que
contenga todas las observaciones a estudiar.
4.3.1. Regla emprica para la desviacin estndar
En la mayor parte de los conjuntos de los datos, gran parte de las
observaciones tienden a aglutinarse cerca de la mediana, es decir,
regularmente son datos homogneos o cuasi simtricos.
Cuando no se presenta un sesgo extremo, se puede utilizar lo que se
denomina regla emprica, para examinar la propiedad de variabilidad de
los datos, y lograr una mejor comprensin de lo que la desviacin
estndar mide.
La regla emprica dice que, para la mayor parte de los conjuntos de
datos, se encontrar que aproximadamente dos de cada tres
observaciones (es decir, el 67%) estn comprendidas dentro de la
distancia de una desviacin estndar en torno a la media y que
aproximadamente entre el 90 y 95% de las observaciones estn
comprendidas en una distancia de dos desviaciones estndar en torno a
la media.
Por ello, la desviacin estndar, como medida de dispersin promedio
alrededor de la media ayuda a comprender cmo se distribuyen las
observaciones arriba y abajo de la media y ayuda a concentrar la
atencin y sealar observaciones poco comunes (es decir, anormales)
cuando se analiza un conjunto de datos.
La regla de Bienaym Chebyshev, seala que, sin importar cmo se
distribuye un conjunto de datos, el porcentaje de observaciones que
estn contenidos dentro de k desviaciones estndar en torno a la media
debe ser de, cuando menos (1 1/k) 100%.
Es decir, la regla cumple con lo siguiente:
1
2
1
1
2
,
_
n
n
X
X
S
n
i
i
n
i
i
34
Por lo menos [1 (1/2
2
)] 100% = 75% de las observaciones deben
estar contenidas dentro de 2 desviaciones estndar alrededor de la
media.
Al menos de [1 (1/3
2
)] 100% = 88.89% de las observaciones deben
estar contenidas dentro de 3 desviaciones estndar en torno a la
media.
Cuando menos [1 1/4
2
)] 100% = 93.75% de todas las observaciones
deben estar incluidas dentro de 4 desviaciones estndar alrededor
de la media.
Finalmente, si los datos forman la distribucin gaussiana, es decir,
cumplen con la distribucin normal (o en forma de campana), el 68.25%
de todas las observaciones estn dentro de 1 desviacin estndar
alrededor de la media, en tanto que el 95.44% corresponder a 2, el
99.73% a 3 y el 99.99% a 4 desviaciones estndar en torno a la
media.
Esta informacin es bastante valiosa en el anlisis de datos, ya que si un
conjunto aleatorio de datos de determinado fenmeno se distribuye de
manera normal, se podra saber con exactitud probabilstica, lo cercano
o alejado de la media est una observacin determinada.
4.4. Coeficiente de Variacin
A diferencia de las medidas que ya se han estudiado, el coeficiente de
variacin es una medida relativa de dispersin. Se expresa como
porcentaje y no en trminos de unidades como en el caso de las dems
medidas de dispersin.
Como medida relativa se utiliza cuando se compara la variabilidad de
dos o ms conjuntos de datos expresados en diferentes unidades de
medicin. Se representa mediante Cv y mide la dispersin de los datos
con respecto a la media en trminos de proporcin.
La frmula del coeficiente de variacin para una muestra bajo estudio es
como sigue:
Donde S = desviacin estndar del conjunto de datos
x = media del conjunto de los datos
% 100
,
_
X
S
Cv
35
El coeficiente de variacin, para el caso de una poblacin, debe cumplir
tambin la relacin entre la media y la desviacin estndar
poblacionales, como sigue:
Ejemplo 4.3. De acuerdo al ejemplo 4.2, determine el Coeficiente de
Variacin.
Del clculo se obtuvo que la media aritmtica tiene un valor de 1.675
m., mientras que la desviacin estndar es de 0.0625, por lo que el Cv =
(0.0625/1.675)*100 = 3.73 %. Es decir, el porcentaje de las diferencias
promedio respecto de la media aritmtica.
4.5. La Forma en una conjunto de datos
Otra propiedad importante que tiene un conjunto de datos se refiere a la
forma en que se distribuyen. Una distribucin de datos puede ser
simtrica o sesgada, dependiendo del grado de asimetra y curtosis.
4.5.1. Asimetra (Ca)
El concepto de asimetra se aplica a la forma que tiene la curva normal
(simtrica, asimtrica negativa o asimtrica positiva), es decir, se toma
en consideracin el valor promedio o media aritmtica respecto del valor
central o mediana.
Criterios de observacin:
Si la mediana y la media aritmtica de un conjunto de datos son
iguales se dice que los datos son simtricos (o con sesgo cero), ya
que se considera que, los valores que se encuentran, tanto por
debajo de la media, como por arriba, se compensan entre s.
Si la media es mayor que la mediana, entonces se dice que los datos
tienen un sesgo positivo o hacia la derecha, lo cual indica que se
tiene una mayor cantidad de valores superiores.
Si la media es menor que la mediana, se dice entonces que los datos
sufren de un sesgo negativo o hacia la izquierda, dado que se tendr
una mayor cantidad de valores bajos.
% 100
,
_
x
x
Pob
Cv
36
Para medir el nivel de asimetra se utiliza el llamado Coeficiente de
Asimetra de Fisher, que viene definido como:
( ) ( )
( ) ( ) [ ]
2 / 3
2
3
/ 1
/ 1
i m i
i m i
n x x n
n x x n
Ca
Como resultado de la aplicacin de la frmula se puede obtener lo
siguiente:
Ca = 0: Distribucin simtrica; existe la misma concentracin de
valores a la derecha que a la izquierda de la media.
Ca > 0: Distribucin asimtrica positiva; existe mayor
concentracin de valores a la derecha de la media que a la
izquierda.
Ca < 0: Distribucin asimtrica negativa; existe mayor
concentracin de valores a la izquierda de la media que del lado
derecho.
Donde Ca: coeficiente de asimetra
n: tamao de la muestra
n
i
: observaciones de igual valor (repeticiones)
x
i
: valor de la observacin o variable
x
m
: valor de la media aritmtica
4.5.2. Curtosis (Cc)
Otro procedimiento que nos permite conocer la forma que toma un
conjunto de datos es por medio de lo que se denomina el Coeficiente de
Curtosis, el cual sirve para analizar el grado de concentracin de valores
alrededor de la zona central.
Se reconocen tres tipos de distribuciones segn el grado de curtosis:
Distribucin leptocrtica: presenta un elevado grado de concentracin
alrededor de los valores centrales de la variable.
Distribucin mesocrtica: presenta un grado de concentracin medio
alrededor de los valores centrales de la variable (el mismo que presenta
una distribucin normal).
Distribucin platicrtica: presenta un reducido grado de concentracin
alrededor de los valores centrales de la variable.
El clculo del Coeficiente de Curtosis se obtiene mediante la siguiente
frmula:
( ) ( )
( ) ( ) [ ]
3
/ 1
/ 1
2
2
4
i m i
i m i
n x x n
n x x n
Cc
Los resultados pueden ser los siguientes:
Cc = 0: Distribucin mesocrtica
Cc > 0: Distribucin leptocrtica
Cc < 0: Distribucin platicrtica
Ejemplo 4.4. A partir de la siguiente tabla de estaturas, determine los
coeficientes de asimetra y de curtosis. Qu forma tienen los datos?
Estatura ni (xi xm)
2
(xi xm)
2
(ni) (xi xm)
3
(xi xm)
3
(ni)
1.56 2 0.020354 0.040709 -0.002904 -0.005808
1.65 5 0.002774 0.0138706 -0.000146 -0.000730
1.66 2 0.001820 0.0036414 -0.000077 -0.000155
1.69 3 0.000160 0.0004815 -0.000002 -0.000006
1.70 4 0.000007 0.0000285 -0.000000 -0.000000
1.72 5 0.000300 0.0015016 0.000005 0.000026
1.74 2 0.001393 0.0027870 0.000052 0.000104
1.76 4 0.003286 0.0131469 0.000188 0.000753
1.78 1 0.005979 0.0059799 0.000462 0.000462
1.81 2 0.0115197 0.0230394 0.001236 0.002472
xm =
1.70267
n =
30
=
0.0475927
=
0.1055477
=
-0.001186
=
-0.002882
Ejemplo 4.5. Describa el smbolo que corresponda.
Smbolo Smbolo
Media aritmtica poblacional Tamao de muestra
Moda Media aritmtica muestral
Rango medio Desviacin estndar
muestral
Mediana Poblacin
Desviacin estndar
poblacional
Coeficiente de asimetra
Rango Coeficiente de variacin
EJERCICIOS
1. Dos granjas de camarones estn siendo monitoreadas para conocer cual est
operando mejor segn la alimentacin que se les da. Para observar la comparacin
entre ambos, se capturan diez camarones de cada estanque y se compara la talla
en centmetros.
Estanque 1 2.5 2.9 2.1 3.2 3.5 2.9 3.0 4.7 2.8 4.5
Estanque 2 3.6 2.5 3.8 3.3 3.7 4.1 2.9 3.8 4.2 3.6
Determine:
a) Las medidas de tendencia Central
b) Las medidas de dispersin
c) Cual estanque opera mejor (regular)
d) Si el requisito para venderle a EU es que sobrepasen de 3.0 cm., promedio,
podr vender la empresa el producto? cul o cuales estanques?
2. El Hospital Central de la Ciudad de Tepic, registr en el mes de enero promedios
por da y por semana, las siguientes consultas mdicas por problemas respiratorios.
Da 1: 38 Obtenga: a) Las medidas de Tendencia Central
Da 2: 26 b) Las medidas de Dispersin
Da 3: 31
Da 4: 28
Da 5: 41
Da 6: 30
Da 7: 17
3. Las estaturas y pesos en una muestra tomada al azar entre hombres y mujeres
aparece en la tabla siguiente.
a) Cual gnero presenta un mayor promedio por variable (estatura y de
peso)
b) En cual de ellos existe una mayor variabilidad de datos (por variable y
gnero)
c) Cual es el peso mas uniforme (hombres o mujeres)
d) Cual es la estatura mas uniforme (hombres o mujeres)
Peso en Kg. Estatura en m.
MUJERES HOMBRES MUJERES HOMBRES
48 58 1.62 1.70
55 70 1.69 1.69
60 65 1.70 1.71
63 63 1.68 1.65
70 67 1.71 1.67
52 69 1.69 1.78
58 71 1.70 1.83
67 75 1.72 1.85
59 58 1.66 1.76
60 63 1.68 1.68
72 65 1.69 1.59
66 72 1.76 1.80
63 69 1.70 1.70
58 78 1.72 1.88
57 56 1.67 1.68
69 76 1.58 1.81
75 74 1.70 1.79
72 76 1.69 1.86
66 68 1.60 1.75
62 69 1.63 1.82
4. Una empresa embotelladora mantiene en revisin sus dos lneas de llenado. Para
ello se realiza un muestreo al azar de cada Mquina, de donde se obtuvieron los
siguientes resultados
MAQUINA 1 (lnea 1) MAQUINA 2 (lnea 2)
340 313
315 318
312 315
335 324
318 318
310 315
319 312
338 318
330 326
316 312
314 319
318 324
315 322
317 333
325 336
322 328
231 325
321 316
314 319
316 321
Despus de realizar los clculos correspondientes y tomando en consideracin que la
Norma Oficial Mexicana (NOM) seala como llenado mnimo promedio los 335 mililitros
con 5% de dispersin, determine Cul de las lneas de llenado segn usted debe
quedar fuera de operacin y porque?
5. Un estudio exploratorio, respecto a los sueldos que ganan los empleados por da,
en cuatro diferentes tiendas de la ciudad de Tepic, arroj los siguientes valores.
LEY SORIANA WALMART ISSSTE
98
79
76
90
79
80
88
70
106
97
69
58
67
85
96
90
103
95
85
88
74
65
85
68
67
72
80
95
95
90
76
95
68
90
93
95
78
75
110
90
110
110
110
90
90
75
110
75
75
90
90
a) Cual tienda ofrece en promedio un mayor sueldo
b) En cual de ellas se observan sueldos ms dispersos
c) En cual tienda es ms regular el pago
d) En cual existe un mayor rango de datos extremos
e) En cual de ellas se observan sueldos ms estables o regulares
f) En el caso de la tienda Soriana, cuantos empleados sobrepasan del salario
promedio
g) Que informacin le proporciona el dato de la moda para el caso de la tienda del
ISSSTE
5. ANLISIS ESTADSTICO PARA DATOS AGRUPADOS
Tanto las medidas de tendencia central como de dispersin que se han
visto en temas anteriores, estn orientadas hacia el anlisis estadstico
de datos no agrupados, es decir, conjunto de datos reales que, por ser
tamaos de muestra pequeos, no ofrecen dificultad alguna para
tomarlos en cuenta a todos. No obstante, en ocasiones es necesario
trabajar con series de datos mayores, que sin la ayuda de clculos
estadsticos para datos agrupados o sin el apoyo de paquetes y medios
electrnicos, sera prcticamente imposibles de ser analizados. Por ello,
al igual que para datos no agrupados (originales), tambin existen
tcnicas de anlisis para datos agrupados.
Los datos agrupados son aquellos que, debido a la cantidad de valores u
observaciones a manejar por el analista, se hace necesario agruparlos
en intervalos de clase de acuerdo a su frecuencia. El clculo que se
obtiene mediante esta va, son aproximaciones a lo que ocurre
realmente, es decir, se acepta que trabajar con datos no agrupados
tiene una mayor confiabilidad y validez.
Como se vio al principio del texto, existen formas de agrupar los datos
de un conjunto en escalas de igual amplitud, sealando en cada
intervalo el nmero de datos que ah se encuentran, a lo que hemos
denominado frecuencia de clase.
Ejemplo 5.1 Con el fin de conocer la produccin de naranjas en una
huerta, se tom una muestra de cien rboles y se contaron las naranjas
cosechadas por cada rbol. Los datos obtenidos se ordenaron (de menor
a mayor) y son los que se muestran en la siguiente tabla.
Tabla No.5.1 Produccin de naranjas en una huerta.
382 749 973 1131 1264
439 775 976 1140 1275
457 784 978 1143 1279
482 796 985 1148 1293
511 813 989 1148 1310
546 821 1001 1154 1318
550 827 1008 1157 1329
556 843 1012 1158 1332
571 849 1030 1170 1338
571 850 1045 1183 1371
595 859 1049 1185 1383
628 863 1052 1190 1397
661 874 1058 1194 1404
672 878 1066 1199 1418
679 892 1089 1203 1427
690 915 1094 1231 1436
706 926 1106 1235 1449
706 932 1109 1238 1456
731 945 1120 1241 1468
744 960 1126 1260 1534
Como se observa, se tienen 100 datos que oscilan entre 382 y 1534, por
lo cual ser conveniente establecer intervalos de longitud igual en el eje
X, ya que, de lo contrario, se ocupara una longitud muy amplia
(aproximadamente de 1 metro) e imposible de representar
grficamente. Por ello, a partir de la tabla original de datos es posible
construir una tabla de distribucin de frecuencias tomando como base
un intervalo constante al que llamaremos clase, como sigue:
Tabla 5.2. Tabla de distribucin de frecuencias.
Intervalo
de clase
(IC)
Frecuencia
absoluta
(fa)
Frecuencia
relativa
(fr)
Frecuencia relativa
acumulada
(fra)
Frecuencia
porcentualizada
(fp)
382 - 526
527 - 671
672 - 816
817 - 961
962 - 1106
1107 -
1251
1252 -
1396
1397 -
1541
5
8
12
15
17
22
12
9
0.05
0.08
0.12
0.15
0.17
0.22
0.12
0.09
0.05
0.13
0.25
0.40
0.57
0.79
0.91
1.00
5%
8%
12%
15%
17%
22%
12%
9%
Total 100 1.00 100
Cada intervalo se denomina clase, y los lmites del intervalo se
reconocen como lmites de clase.
Pero cmo se obtuvieron los intervalos y sus frecuencias?
Para determinar el intervalo de clase a utilizar, se recomienda lo
siguiente:
Cada valor debe pertenecer a uno y slo un intervalo
Los intervalos deben tener igual longitud
Es deseable que no queden intervalos a los que no pertenezca
ningn dato
El nmero de intervalos se puede determinar de acuerdo al
nmero de datos disponibles. Para ello no hay regla fija, pero se
puede tomar como criterio el sealado en la siguiente tabla.
TABLA 5.3
Tamao de muestra Nmero de intervalos
Menos de 10
De 10 a 20
De 20 a 45
De 45 a 90
De 90 a 180
De 180 a 360
De 360 a 720
Ms de 720
4
5
6
7
8
9
10
entre 10 y 20
Una vez elegido el nmero de intervalos, se puede determinar la
magnitud o amplitud de dichos intervalos a partir de la diferencia entre
el valor mayor y el menor (rango), dividido entre el nmero de
intervalos. Para el caso del ejemplo anterior, el nmero de intervalos a
escoger, de acuerdo a la tabla 2.3, sera de 8, puesto que el tamao de
la muestra es de 100 y, la amplitud de cada intervalo ser:
Este valor se ir sumando a partir del nmero ms pequeo: 382 + 144
= 526; 527 + 144 = 671 y as sucesivamente hasta cubrir todos los
datos.
Como no existe una regla fija, se pudo haber escogido una amplitud ms
cmoda: 145 o 150 e iniciar el conteo a partir de una cantidad ms
exacta como 200 o 300, lo que generara un nmero distinto de
intervalos, sin embargo, esto queda al criterio y experiencia del analista;
slo debe cuidarse que cada dato se ubique en uno, y slo un, intervalo
de clase.
Esta forma de establecer intervalos de clase, permite representar, a
travs de un histograma de frecuencias, tal cantidad de datos sin
necesidad de representar grficamente cada valor. El histograma
resultante del ejemplo anterior se representa finalmente como sigue.
144
8
382 1534
Amplitud
45
0
5
10
15
20
25
382 - 526
527 - 671
672 - 816
817 - 961
962 - 1106
1107 - 1251
1252 - 1396
1397 - 1541
Intervalos de clase
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
Figura 5.1 Histograma de frecuencias.
En los paquetes computacionales ya mencionados como Excel y SPSS,
entre otros, existen diferentes herramientas de apoyo que permiten
realizar cualquier tipo de diseo dada la creatividad y el ingenio
personal, donde las barras pueden convertirse en cilindros, conos o
cualquier otra figura geomtrica que represente de una manera mas
ilustrativa los datos.
Para trabajar con datos agrupados se requiere entonces del intervalo de
clase, el punto medio de esa clase, la frecuencia y otros clculos. Esto
es, la tabla se va complementando con tantas columnas como
necesidades haya de informacin.
La tabla de distribucin de frecuencias (tabla 2.2) muestra en la segunda
columna la cantidad de valores (frecuencia absoluta), que se
encuentran en cada intervalo de clase, por ejemplo hay 5 datos
(rboles) dentro del intervalo 382 - 526; 8 en el intervalo 526 - 670,
La tercer columna o frecuencia relativa se calcula con base al total de
datos, esto es, 5/100 = 0.05, 8/100 = 0.08... Por su parte, la frecuencia
relativa acumulada, como su nombre lo indica, va sumando el valor
del intervalo inmediato superior: (0.05 + 0.08 = 0.13), (0.13 + 0.12 =
0.25), (0.25 + 0.14 = 0.39) Por ltimo, la cuarta columna (frecuencia
porcentualizada) se obtiene multiplicando por 100 la frecuencia
relativa.

A partir de esta agrupacin de valores de la variable en intervalos de
clase, es posible aplicar tambin un anlisis de tendencia central y de
dispersin.
5.1. Media aritmtica. Para obtener la media aritmtica se requiere
conocer el punto medio de clase o marca de clase (mc) y la frecuencia
absoluta (fa). Con la sumatoria de los productos de estas dos columnas,
dividido entre el nmero total de datos (n), se obtiene el valor promedio
de produccin de naranjas, cuya frmula es la siguiente.
Intervalo
de clase
(IC)
Frecuencia
absoluta
(fa)
Punto medio de
clase (mc)
Producto
(fa)(mc)
382 - 526
527 - 671
672 - 816
817 - 961
962 - 1106
1107 -
1251
1252 -
1396
1397 -
1541
5
8
12
15
17
22
12
9
454
598
742
886
1030
1174
1318
1462
2,270
4,784
8,904
12,404
17,510
27,002
15,816
13,158
Total (n) 100 = 7664 = 101,848
De esta manera la media aritmtica calculada para los datos agrupados
ser:
Este resultado es similar a la media calculada para datos no agrupados
(1010.83), es decir, si se suman todos los cien valores reales, sin utilizar
intervalos, el resultado que se obtiene es ms exacto.
5.2. Moda para datos agrupados
48 . 1018
100
101848
X
n
fa mc
X
n
j
j j
1
47
Para un conjunto de datos agrupados, la moda se calcula mediante la
frmula siguiente:
Mo = Lri +
1
]
1
+ 2 1
1
D D
D
c
Siendo:
Lri Lmite real inferior del IC que contenga la moda. Este intervalo es
donde se encuentra la mayora de rboles, es decir, entre el IC
1107 y 1251, por lo que el Lri = (1107 + 1106)/2 = 1106.5
D
1
Diferencia entre la frecuencia del IC que contenga la moda y la
frecuencia de la clase inmediata anterior: 22 17 = 5
D
2
Diferencia entre la frecuencia del IC que contenga la moda y la
frecuencia de la clase inmediata posterior: 22 12 = 10
C Amplitud del IC que contenga la moda: 1107 1106 = 144
Mo = 1154.5
5.3. Mediana para datos agrupados
La mediana para un conjunto de datos agrupados se calcula utilizando la
frmula siguiente:
Md = Lri +
1
1
1
]
1
2
1
2
f
f
N
c
Siendo:
Lri Lmite inferior del IC que contenga la mediana. La mediana
se encuentra en el punto (N+1)/2, por lo que el lugar 50.5 se
encuentra entre el IC 962 y 1106; entonces Lri = (962
+961)/2 = 961.5
2
N Poblacin total dividida entre dos: O sea 100/2 = 50
f
1
Suma de frecuencias hasta el IC anterior al que contenga la
mediana: 40 rboles
f
2
Frecuencia del IC que contenga la mediana: 17 rboles
C Amplitud del IC que contenga la mediana: 144
Md = 1046.21
5.4. Media geomtrica para datos agrupados
La media geomtrica para el caso de datos agrupados, se determina
mediante las siguientes frmulas:

N
faj
j
fa fa fa
g mc mc mc mc
M ... . .
3
3
2
2
1
1

La frmula anterior, se puede escribir en trminos de logaritmos como
j j g
mc fa
N
LogM log
1
5.5. Media armnica para datos agrupados
Para un conjunto de datos agrupados, se calcula de la siguiente manera:
j
aj
a a a
H
mc
f
mc
f
mc
f
mc
f
N
M
+ + + +
...
3
3
2
2
1
1
En general:

j
i j
aj
H
mc
f
N
M
1
5.6. Medidas de dispersin para datos agrupados: Varianza,
Desviacin estndar y Coeficiente de variacin.
Por otra parte, para calcular la varianza y la desviacin estndar en un
conjunto de datos agrupados, se pueden desarrollar frmulas de
definicin similares a la media, por ejemplo:
Utilizando valores del mismo ejemplo sobre naranjas por rbol, con
media aritmtica igual a 1018. 48, tenemos.
Intervalo
de clase
(IC)
Punto medio de
la clase (mc)
Frecuencia
absoluta o de
clase (fa)
(mc - x
)
(mc - x
)
2
(mc - x )
2
*fa
382 - 526
527 - 671
672 - 816
817 - 961
962 - 1106
1107 -
1251
1252 -
1396
1397 -
1541
454
598
742
886
1030
1174
1318
1462
5
8
12
15
17
22
12
9
-564.48
-420.48
-276.48
-132.48
11.52
155.52
299.52
443.52
318637.
67
176803.
43
76441.1
9
17550.9
5
132.71
24186.4
7
89712.2
3
196710.
0
1593188.3
1414427.4
917294.2
263264.2
2256.1
532102.3
1076546.7
1770389.9
TOTALES = 7664 100 7569469.4
= 1018.48
Este valor es un poco diferente del que se obtiene al tomar en cuenta
todos los datos (S
2
= 77548.54) es decir, realizando el anlisis con las
frmulas para datos no agrupados como se explic al principio. Sin
embargo, como se ha sealado, el hecho de trabajar con datos
agrupados da idea aproximada de cmo se distribuyen.
1
) (
1
2
2
n
fa X mc
S
n
j
j j
2 . 76459
99
4 . 7569469
2
S
50
La varianza de una poblacin solo difiere en el tamao de los datos, o
sea N.
Mientras tanto la desviacin estndar para datos agrupados que utiliza
el mismo smbolo conocido S, quedara definido como la raz cuadrada
de la varianza.
Para una muestra:
Del ejemplo, S = 7569469.4 = 276.51
Para una poblacin:
La frmula del coeficiente de variacin es la misma tanto para datos
simples como para datos agrupados, por lo que, del ejemplo:
Donde S = desviacin estndar
x = media aritmtica
EJERCICIOS
1. A partir de la siguiente tabla de datos obtenga por gnero y por
variable las siguientes medidas de dispersin:
N
f m
g
j
j j
1
2
2
) (
2
S S
2

% 15 . 27 ) 100 (
48 . 1018
51 . 276
100
,
_
X
S
Cv
51
Edad en aos Peso en Kg. Estatura en mts.
MUJERES HOMBRES MUJERES HOMBRES MUJERES HOMBRES
17 25 48 58 1.62 1.70
22 21 55 70 1.69 1.69
20 18 60 65 1.70 1.71
19 17 63 63 1.68 1.65
19 22 70 67 1.71 1.67
18 26 52 69 1.69 1.78
21 28 58 71 1.70 1.83
22 35 67 75 1.72 1.85
17 18 59 58 1.66 1.76
19 17 60 63 1.68 1.68
20 21 72 65 1.69 1.59
23 23 66 72 1.76 1.80
18 20 63 69 1.70 1.70
29 27 58 78 1.72 1.88
16 19 57 56 1.67 1.68
24 19 69 76 1.58 1.81
31 22 75 74 1.70 1.79
26 18 72 76 1.69 1.86
18 24 66 68 1.60 1.75
20 26 62 69 1.63 1.82
a) Desviacin estndar
b) Rango
c) Coeficiente de variacin
d) Con base en los resultados obtenidos explique la variabilidad
de la variable edad, peso y estatura de hombres respecto a
las mujeres.
2. Los datos que aparecen a continuacin son el resultado de las
ventas de dos sucursales del mismo giro por mes, durantes dos
aos (en miles).
Sucursal A Sucursal
B
34 13
31 18
31 15
33 24
31 18
31 15
39 12
38 18
30 26
31 12
34 19
38 24
35 22
37 33
35 36
32 28
21 25
31 16
34 19
36 21
31 32
30 25
29 20
a) Cual tienda tiene en promedio mejores ventas.
b) En cual de ellas se observan ventas ms estables
c) Cual es el promedio de ventas por da en cada una de ellas
d) Considerando una sola serie de datos entre A y B, que promedio
de ventas se tiene.
e) Con los datos agrupados (una sola serie), obtenga grficos de
puntos, circular, histograma y ojiva.
f) Que informacin proporciona la mediana y la moda de datos
agrupados
6. PROBABILIDAD
En nuestras actividades diarias nos hemos acostumbrado a escuchar
comentarios que estn relacionados o llevan implcito el concepto de
probabilidades: los pronsticos meteorolgicos sealan las
probabilidades de lluvia; los mdicos nos dicen qu probabilidades hay
de que nuestras enfermedades se curen por medio de determinados
tratamientos teraputicos; los encuestadores polticos nos dicen qu
oportunidad tiene un candidato de ganar las elecciones, etc.
Sin tener en cuenta la profesin que se haya elegido, algo s es seguro:
en algn momento se han de tomar decisiones. Con mucha frecuencia
esto tendr que hacerse sin conocer todas las consecuencias de tales
decisiones. Los inversionistas, por ejemplo, deben decidir sobre la
conveniencia de invertir en una accin en particular con base en sus
expectativas de rendimientos futuros. Los empresarios, al decidir
comercializar un producto enfrentan la incertidumbre sobre la
posibilidad de xito. Todo esfuerzo por reducir el nivel de incertidumbre
en el proceso de toma de decisiones incrementar enormemente la
probabilidad de que se tomen decisiones ms inteligentes y bien
informadas.
La inferencia estadstica se basa en los fundamentos de la teora de la
probabilidad, rama de las matemticas que se ocupa de los fenmenos
que se producen al azar, o fenmenos aleatorios, como tambin se les
suele llamar. En tal sentido, el propsito de este tema es ilustrar las
formas en las cuales puede medirse la posibilidad o probabilidad de
ocurrencia de eventos futuros.
6.1 Fundamentos Bsicos
La teora de la probabilidad, formulada en 1654, y el clculo de
probabilidades se atribuyen a los matemticos franceses Blas Pascal
(1623-1662) y Pierre de Fermat (1601- 1665).
La probabilidad es la posibilidad numrica entre 0 y 1 de que ocurra un
evento. Si la probabilidad de que ocurra un evento es medida mediante
valores comprendidos entre 0 y 1, entonces, entre mayor sea la
probabilidad de que ocurra un evento, la probabilidad asignada estar
ms prxima a 1. La probabilidad de certeza es 1. La probabilidad de
una imposibilidad es 0. Esto se puede expresar de la manera siguiente:
P (evento cierto) = 1
P (evento imposible) = 0
Por tanto, la probabilidad de un evento tiene un rango de 0 P (E
1
) 1
Un experimento es un proceso o actividad que conduce a un resultado u
observacin. Segn esta definicin, un experimento puede ser tan
simple como lanzar una moneda para ver si cae guila o sello, o tan
complicado como un experimento formal que tenga por objeto averiguar
cul es entre varios mtodos de enseanza el ms efectivo. Todo
experimento conlleva a un resultado nico bien definido. Lanzar un dado
es un experimento, por lo que un resultado bien definido para este
experimento es el nmero 1, 2, 3, 4, 5 o 6. Otro experimento puede
consistir en revisar un producto para determinar si cumple con ciertas
especificaciones de fabricacin, donde los posibles resultados son (1)
defectuoso o (2) no defectuoso. Tambin puede ocurrir que, ante un
examen aplicado a estudiantes, los resultados posibles sean aprobar o
reprobar. A cada uno de los posibles resultados que se obtienen de un
experimento, se denomina evento.
El conjunto de todos los posibles resultados de un experimento es el
espacio muestral (SS); por ejemplo el espacio muestral de lanzar un
dado es
SS = (1, 2, 3, 4, 5, 6)
Mientras que el espacio muestral para el experimento de lanzar una
moneda al aire es:
SS = (guila, sello)
La probabilidad de que al menos uno de los eventos que estn en el
espacio muestral ocurra es igual a 1. Si se lanza un dado, el resultado
debe ser un nmero entre 1 y 6. Debido a que esto es una certeza
puede decirse que:
1 ) ( 1 E P
A pesar de la difundida aplicacin de los principios de la probabilidad,
existen slo tres formas generalmente aceptadas para la ocurrencia de
eventos: (1) el modelo subjetivo, (2) el modelo clsico (o a priori) y (3) el
modelo de frecuencia relativa (o a posteriori).
Modelo subjetivo
En muchas ocasiones no se dispone de datos histricos registrados. Por
tanto no es posible calcular la probabilidad a partir del pasado. La nica
alternativa es estimar la probabilidad con base en nuestro mejor criterio.
El modelo subjetivo requiere establecer la probabilidad de algn evento
con base en la mejor evidencia disponible. Existen muchos eventos de
inters cuyas probabilidades de ocurrencia no se pueden calcular de
acuerdo con los mtodos de frecuencia relativa o de probabilidad a
priori. Estos mtodos no prestan ninguna ayuda para calcular la
probabilidad de que, por ejemplo, haya vida en un planeta distante, o de
que en los prximos 10 aos se descubra algn remedio contra el
cncer, o de que determinada persona vaya a destacar en la
universidad, o de que un equipo de ftbol vaya a ganar el campeonato.
La magnitud de la probabilidad que una persona asigna subjetivamente
a un evento depende del grado de crdito que esa persona le d a la
ocurrencia del evento. As pues, es posible asignarle probabilidades a
eventos que slo se presentan una sola vez. A diferencia del mtodo de
probabilidad de frecuencia relativa, la probabilidad subjetiva no depende
de la posibilidad de repeticin de un experimento. En muchos casos esto
apenas puede ser una conjetura hecha sobre cierta base. El modelo
subjetivo se utiliza cuando se desea asignar una probabilidad a un
evento que nunca ha ocurrido y que se estima que puede ocurrir. La
probabilidad de que una mujer sea elegida como Presidente de Mxico
es un ejemplo. Debido a que no hay datos sobre los cuales confiar, se
deben analizar las opiniones y creencias para obtener una estimacin
subjetiva. Este modelo subjetivo de probabilidades prevaleci durante
aos entre los campesinos para determinar en que momento iniciaran
las lluvias y el tipo de tormentas que se esperaban, los cuales asignaban
una probabilidad estimativa al observar el comportamiento de las aves.
6.3. Modelo Clsico
De los tres mtodos para medir la probabilidad, el modelo clsico es el
que se relaciona con mayor frecuencia con las apuestas y juegos de
azar.
La probabilidad clsica de un evento E se determina mediante:
posibles resultados de Total
evento un ocurrir puede que formas o veces de Nmero
E P ) (
Aun sin conocer a fondo la probabilidad clsica, se puede estar
consciente de que la probabilidad de obtener una cara en un solo
lanzamiento de una moneda es de la mitad. Esto puede ilustrarse
usando la frmula
5 . 0
2
1
) (
ocurrir puede evento el que las en formas de Nmero
cara E P
Existe solo una forma en que puede ocurrir el evento (se obtiene una
cara), y existen dos posibles resultados (una cara y un sello). De igual
forma, la probabilidad de sacar un 3 con un dado de 6 caras es:
16667 . 0
6
1
) 3 (
ocurrir puede evento el que las en formas de Nmero
E P
Existe solo una forma en que puede ocurrir el evento (caer un 3), y seis
posibles resultados.
La probabilidad clsica implica la determinacin de la probabilidad de
algn evento a priori, es decir, puede conocerse el resultado antes del
experimento (antes del hecho). Por tanto, antes de sacar una carta de
una baraja de 52, se puede determinar que la probabilidad de sacar un
as es:
0769 . 0
52
4
) (
ocurrir puede evento el las en formas de Nmero
as E P
6.4. Modelo de Frecuencia Relativa
El modelo de frecuencia relativa utiliza datos que se han observado
empricamente, registra la frecuencia con que ha ocurrido algn evento
en el pasado y estima la probabilidad de que el evento ocurra
nuevamente con base en estos datos histricos (por ello se le denomina
a posteriori). Esta interpretacin de probabilidad depende de la idea de
regularidad estadstica, que establece que las frecuencias relativas
tienden a estabilizarse y a aproximarse a un valor fijo despus de un
gran nmero de repeticiones de un experimento, aunque flucten
considerablemente cuando slo se han hecho algunos ensayos del
experimento.
La probabilidad de un evento con base en el modelo de frecuencia
relativa se determina mediante
nes observacio de total Nmero
evento un de tienen se que nes observacio de Nmero
E P ) (
Ejemplo 6.4.1. Asumiendo que durante el ao anterior hubo 50
nacimientos en un hospital local, de los que 32 de los recin nacidos
fueron nias. El modelo de frecuencia relativa revela que, la
probabilidad de que el siguiente nacimiento (o un nacimiento
seleccionado aleatoriamente) sea una nia, es:
64 . 0
50
32
) (
s nacimiento de total Nmero
anterior ao el nacieron que nias de Nmero
nia E P
Ejemplo 6.4.2. Un importador de cristal irlands recibe envos de cajas
de tres artculos. El monitoreo en 100 cajas indicaron que el nmero de
artculos daados que haba en cada caja, fue el siguiente.
Nmero de defectos
(E)
Nmero de
Cajas
P (E)
0
1
2
3
40
27
21
12
40/100 =
0.40
27/100 =
0.27
21/100 =
0.21
12/100 =
0.12
100 1.00
En el pasado, 21 de las 100 cajas totales contenan exactamente 2
artculos daados. Entonces el modelo de frecuencia relativa asignara
una probabilidad de que dos artculos en cualquier caja dada estuvieran
daados as:
P (2) = 21/100 = 0.21
La probabilidad para cada resultado individual se muestra en la ltima
columna, la cual suma 1.
Un problema comn con el modelo de frecuencia relativa resulta cuando
se hacen estimaciones con un nmero insuficiente de observaciones. Por
ejemplo, se asume que en los dos vuelos de una aerolnea en los que se
hicieron registros el ao pasado estuvieron retrasados al llegar a su
destino. Por tanto, se concluye que el vuelo que se abordar el prximo
mes en la misma aerolnea, tambin estar retrasado. Aunque tales
inferencias son comunes, no existen suficientes datos como para sacar
tal conclusin y se deben evitar las decisiones basadas en tales
inferencias.
EJERCICIOS
1. Cul modelo de probabilidad es apropiado para cada uno de los experimentos
enumerados a continuacin? Explique su respuesta.
a) La Bolsa Mexicana de Valores hoy cerrar a la alza.
b) Una unidad de produccin ser defectuosa.
c) Sacar un nmero impar (1, 3 o 5) con un dado.
d) En las prximas horas se espera un terremoto de 5 en la escala de Richter
2. Cite tres ejemplos de negocios para cada uno de los tres modelos de probabilidad.
3. La siguiente tabla muestra el nmero de computadoras vendidas diariamente por
una tienda
Nmero de computadoras
vendidas
Nmero de
das
0
1
2
3
4
12
43
18
20
25
Determine la probabilidad de que el nmero de computadoras que se vendan hoy sea:
a) 2.
b) Menos de 3.
c) Ms de 1.
d) Por lo menos 1.
4. En las cuatro ltimas finales del campeonato de ftbol, un aficionado lanz una
moneda al aire y cay cara todas las veces. Una persona cercana le sugiere que
pedir sello esta vez aumentar la probabilidad de que gane el lanzamiento. Est
en lo cierto o est equivocado? Explique su respuesta.
5. Cul modelo de probabilidad utiliz en el problema anterior?
6. Durante el ao anterior, las ventas semanales de una boutique para damas han
sido bajas durante 16 semanas, considerables durante 27 semanas y altas el
resto de las semanas. Cul es la probabilidad de que las ventas de esta semana
sean:
a) Considerables
b) Bajas
c) Altas
d) Por lo menos considerables
6.5. Teora de Conjuntos
El estudio de la probabilidad y especialmente el clculo de
probabilidades se facilita con el concepto de conjunto. Fue George
Cantor (1845-1918), quien en la segunda parte del siglo XIX empez a
desarrollar la teora de conjuntos, la cual ha sido de gran importancia no
solo en el campo de la probabilidad y la estadstica, sino que es
fundamental en la matemtica moderna.
Definicin: Un conjunto es una coleccin bien definida de objetos.
A los objetos de que est compuesto un conjunto se les llama
elementos. Con frecuencia es de utilidad identificar cmo pueden
relacionarse los conjuntos entre s. Se asume que se han identificado
dos conjuntos A y B. Cada uno contiene numerosos elementos. Es
completamente posible que algunos elementos estn en ambos
conjuntos. Por ejemplo, se asume que el conjunto A consta de todos los
estudiantes de la clase de estadstica, y el conjunto B consta de todos
los estudiantes de la Facultad que estn especializndose en el
posgrado de Administracin Pblica. Aquellos elementos (estudiantes)
que estn en ambos conjuntos son los especialistas en Administracin
Pblica de la clase de estadstica. Tales estudiantes constituyen la
interseccin entre A y B. La interseccin entre A y B (que se escribe A
B) consta de los elementos que son comunes tanto en A como en B. Se
utilizan las letras maysculas como A, B, C D para designar conjuntos
y letras minsculas a, b, c, x, y, etc., para designar los elementos del
conjunto.
El diagrama de Venn es una herramienta til para mostrar la relacin
entre conjuntos. Este modelo, fue desarrollado el matemtico ingls John
Venn (1834 1923). En el diagrama pueden verse los dos conjuntos A y
B que, para el caso del ejemplo, sera los estudiantes que estn tanto en
el conjunto A (la clase) como en el conjunto B (especialistas en
Administracin Pblica).
A B

Interseccin entre A y B (A B) Es el conjunto de todos los elementos que estn tanto
en A como en B.
Para que ocurra A B, tanto A como B deben ocurrir. El estudiante debe
estar en la clase de estadstica y en la especializacin de Administracin
Pblica.
La unin de A y B (A B) consta de tales elementos que estn en A, en B
o en ambos. Como se ve en la figura anterior, todos los estudiantes que
estn en la clase (conjunto A) sin tener en cuenta su especializacin y
todos los especialistas en Administracin Pblica (conjunto B) sin tener
en cuenta que estn en la clase de estadstica, son elementos de A B.
Unin de A y B (A B) Es el conjunto de todos los elementos que estn en
A o en B.
A

B
61
Para que un elemento est en A B, solo necesita estar en el conjunto A
o en el conjunto B o en ambos.
6.5.1. Eventos colectivamente exhaustivos
Una comprensin precisa de la probabilidad requiere del entendimiento
de las formas como pueden relacionarse los eventos. Los eventos
colectivamente exhaustivos constan de todos los posibles resultados de
un experimento y constituyen su espacio muestral. Los eventos
colectivamente exhaustivos de lanzar un dado son 1, 2, 3, 4, 5, y 6.
Adems, debido a que existe la certeza de que uno de estos ocurrir, su
probabilidad combinada ser igual a 1:
P (1 o 2 o 3 o 4 o 5 o 6) = 1
Los eventos colectivamente exhaustivos de lanzar una moneda son dos
(guila y sello). De aplicar un examen son tambin dos (aprobar y
reprobar).
Eventos colectivamente
exhaustivos
Cuando se toman en cuenta todos los posibles
resultados de un experimento. Constituyen el
espacio muestral.
6.5.2. Eventos mutuamente excluyentes
Dos o ms eventos son mutuamente excluyentes, si en caso de ocurrir
uno los otros no pueden ocurrir. Los eventos pasar y reprobar
respecto a un examen determinado son mutuamente excluyentes,
puesto que ninguna persona puede, al mismo tiempo, pasar y reprobar
un examen.
Si A y B son mutuamente excluyentes, la probabilidad P(A B) = 0, ya
que no existen caractersticas comunes entre A y B, o simplemente no
pueden ocurrir simultneamente. Por ejemplo, sacar una cara o un sello
al lanzar una moneda una vez o seleccionar una unidad de produccin y
encontrarla defectuosa o no defectuosa son eventos mutuamente
excluyentes.
Eventos mutuamente
excluyentes
Dos eventos son mutuamente excluyentes si la
ocurrencia de uno prohbe o rechaza la ocurrencia
del otro.
6.5.3. Eventos complementarios
Son los eventos en los que si un evento no ocurre, el otro debe ocurrir.
Si un evento A es lanzar un nmero par con un dado (2, 4 o 6), el
complemento es lanzar un nmero impar (1, 3 o 5). Si no se obtiene un
nmero par, se debe obtener un nmero impar. El complemento de A se
escribe como A, y se denomina no A.
Los eventos complementarios tambin son colectivamente exhaustivos
porque si A no ocurre, A debe ocurrir. Por tanto:
P(A) + P (A) = 1
Y,
P (A) = 1 P (A).
6.5.4. Eventos independientes
Son eventos en los que la ocurrencia de uno no tiene nada que ver con
la ocurrencia del otro. Algunos ejemplos incluyen el resultado del
lanzamiento de una moneda y el de un dado. El resultado del
lanzamiento de una moneda no afecta al resultado del lanzamiento de
un dado. Dos lanzamientos de una moneda tambin son eventos
independientes.
Los resultados de sacar dos cartas de una baraja son eventos
independientes? Es decir, el resultado de sacar la primera carta afecta
la probabilidad del segundo resultado? Depende de si se reemplaza o no
la primera carta antes de sacar la segunda. Sea el primer evento sacar
una reina y el segundo evento sacar un as. De acuerdo con el modelo
clsico, la probabilidad de sacar una reina en el primer intento es P (Q)
= 4/52. La probabilidad de sacar un as en el segundo intento depende
de si la primera carta fue reemplazada antes de sacar la segunda.
Si la carta se mantiene fuera de la baraja despus del primer intento,
entonces la probabilidad de sacar un as es P(A) = 4/51 debido a que 4
de las 51 cartas restantes son ases. Si la carta se regresa a la baraja
antes del segundo intento, la probabilidad de sacar un as en el segundo
intento es P(A) = 4/52.
Cuando se saca de un conjunto finito, como por ejemplo una baraja de
cartas, dos eventos son independientes si y solo si se realiza el
reemplazo. Sin embargo, si el primer elemento no se reemplaza antes
de sacar el segundo elemento, los dos eventos son dependientes.
6.5.4. Eventos dependientes
Son aquellos eventos en los que la ocurrencia de uno depende de la
ocurrencia del otro. La probabilidad de que un estudiante repruebe un
examen, depende de si se presenta o no. La probabilidad de sacar un as
negro de entre una baraja de 52 cartas es 2/52, ya que de los cuatro
ases existentes, dos son rojos y dos negros.
6.6. Reglas de probabilidad
Existen reglas que permiten calcular probabilidades de eventos ms
complejos, los cuales se refieren a operaciones bsicas de la
multiplicacin, la adicin y la divisin. Estas reglas de probabilidad
dependen de la naturaleza de los eventos, sean ellos dependientes o
independientes. La siguiente tabla resume el procedimiento de clculo
para cada uno de ellos.
Eventos independientes Eventos dependientes
Adicin (A, B) P(A B) = P(A) + P(B) P(A B) = P(A) + P(B) - P(A
B).
Multiplicacin (A, B) P(A B) = P(A) * P(B) P(A B) = P(A|B) * P(B)
Condicional (A, B) P(A|B) = P(A) P(A|B) = P(A B)/P(B)
Cuando existen eventos mutuamente excluyentes, por ejemplo aprobar
y reprobar, (eventos independientes) donde no existen caractersticas
comunes entre ellos, la adicin reconoce su independencia al
considerar la suma entre el valor de la probabilidad de cada evento (en
este caso A y B). En contraste, en eventos dependientes o que no son
mutuamente excluyentes, la regla plantea que se debe restar a dicha
suma, la interseccin o parte comn. La razn por la cual se debe restar
la probabilidad conjunta cuando los eventos no son mutuamente
excluyentes es para evitar el doble conteo.
La probabilidad de sacar un as o una de las trece cartas de corazones
negros es P(A) + P(C) P(A C). Los eventos A y C no son mutuamente
excluyentes debido a que ambos ocurren si se sacara el as de corazones
negros. Por tanto, P(A) + P(C) P(A C) = (4/52) + (13/52) (1/52) =
16/52. Cuando se cuentan los cuatro ases, se considera el de corazones
negros. Cuando se cuentan las trece cartas de corazones negros se
incluye el as de corazones negros otra vez. Debido a que solo hay un as
de corazones negros, es necesario restarlo una vez.
En la multiplicacin mientras tanto, las probabilidades se multiplican
para el caso de eventos independientes. Por ejemplo la probabilidad de
los dos eventos independientes: sacar un tres con un dado y una
cara con una moneda, aunque no es comn que esto suceda, se
obtiene como P(3 C) = P(3) x P(C) = (1/6) x (1/2) = 1/12. No obstante,
en eventos dependientes, esta regla depende de la probabilidad
condicional, la cual puede obtenerse previamente.
El propietario de un hotel ha modernizado sus instalaciones para atraer
a los clientes. Observa que el 20% de los autos que pasan por all, se
detienen para alquilar un cuarto. Cul es la probabilidad de que los
prximos dos carros se detengan? Asumiendo que estos dos eventos son
independientes, P(S
1
S
2
) = P(S
1
) x P(S
2
) = (0.20) x (0.20) = 0.04. La
probabilidad de que los dos prximos carros alquilen un cuarto es de
4%. Cul es la probabilidad de que el primer auto pare y el segundo no
lo haga? P(S
1
S
2
) = P(S
1
) x P(S
2
) = (0.20) x (0.80) = 0.16.
Si los eventos son dependientes, entonces por definicin, se debe
considerar el primer evento al determinar la probabilidad del segundo.
Es decir, la probabilidad del evento B depende de la condicin de que A
ya haya ocurrido, y su clculo requiere del principio de probabilidad
condicional.
Por otra parte, con frecuencia se desea determinar la probabilidad de
algn evento, dado que antes otro evento ya haya ocurrido. A esta
probabilidad se le llama probabilidad condicional y se denota como P
(A|B) y se lee como probabilidad de A dado B, es decir, la probabilidad
de que A ocurra bajo la condicin de que B tambin ocurra.
La probabilidad condicional se utiliza comnmente en el planteamiento
de un negocio para revisar la probabilidad de algn evento dado sobre el
cual se ha recabado informacin adicional. Por ejemplo, se puede
estimar la probabilidad de que se haga una venta (V) a un cliente
antiguo P(V) = 0.80. Sin embargo, si se sabe posteriormente que este
cliente ahora est comprando a alguien de la competencia, se puede
revisar la probabilidad de que se haga una venta dado que el
competidor (C) ha presentado una oferta P(V|C) = 0.30.
Para ilustrar con un ejemplo, se sabe que la probabilidad de sacar un rey
P(K) de una baraja de 52 cartas es 4/52 debido a que hay cuatro reyes
en una baraja. Sin embargo, es de suponer que se desea saber la
probabilidad de que la carta sacada fuese un Rey dada la informacin
adicional de que es una figura (F). Es decir, P(K|F). Ya que 4 de las 12
figuras de una baraja son reyes, P(K|F) = 4/12, y no 4/52.
6.7. Tablas de contingencias y de probabilidades
Las tablas de contingencia son tiles para calcular la probabilidad de
eventos. Por ejemplo; sean 500 empleados que laboran en la empresa
Megacable de Nayarit dedicada a la instalacin de redes para televisin
por cable, de los que 170 estn clasificados como personal
Administrativo (Ad), 290 como trabajadores de Lnea (Li) y 40 empleados
Auxiliares (Au). Los eventos colectivamente exhaustivos son Ad, Li y Au.
Si un empleado se selecciona al azar, entonces,
P (Ad) = 170/500 = 0.34
P (Li) = 290/500 = 0.58
P (Au) = 40/500 = 0.08
Debido a que ocurre la certeza de que el empleado seleccionado
provenga de una de estas tres categoras colectivamente exhaustivas, P
(A o L o P) = 0.34 + 0.58 + 0.08 = 1.00
Los datos completos del personal de la empresa Megacable se ilustran
en la siguiente tabla.
Clasificacin de los empleados
Gnero Personal Lnea Auxiliar Total
Hombres (M)
Mujeres (F)
Total
120
50
170
150
140
290
30
10
40
300
200
500
La tabla muestra que de los 170 miembros del personal administrativo,
120 son hombres y 50 son mujeres. La tabla de probabilidad se
construye dividiendo cada una de las entradas de la tabla anterior entre
los 500 trabajadores totales.
Clasificacin de los empleados
Gnero Personal (A) Lnea (L) Auxiliar (P) Total
Hombres (M)
Mujeres (F)
Total
120/500 =
0.24
50/500 =
0.10
170/500 =
0.34
150/500 =
0.30
140/500 =
0.28
290/500 =
0.58
30/500 =
0.06
10/500 =
0.02
40/500 =
0.08
300/500 =
0.60
200/500 =
0.40
500/500 =
1.00
Los valores en las mrgenes de la tabla (valores totales) se llaman
probabilidades marginales. El total de filas o de columnas son las
probabilidades de eventos independientes, por ejemplo la probabilidad
de que el personal sea hombre (0.60) es independiente de que sea
mujer (0.40). Igualmente, la probabilidad del personal de lnea es
independiente del personal administrativo. En tanto los valores del
centro de la tabla (nter septos), corresponden a probabilidades de
eventos conjuntos o dependientes.
Por ejemplo, la probabilidad de seleccionar un trabajador de lnea de
manera aleatoria es P (L) = 0.58 y la probabilidad de seleccionar un
hombre es P(M) = 0.60. Asimismo, la probabilidad de seleccionar un
elemento del personal administrativo hombre, es decir, un trabajador
que sea parte del personal administrativo y que sea hombre, es P(M
A)= 0.24. Una probabilidad marginal se encuentra como la suma de las
probabilidades correspondientes. Por tanto: la probabilidad de que el
personal seleccionado sea mujer es, P(M) = P(M A)+ P(M L)+ P(M P)
= 0.24 + 0.30 + 0.06 = 0.60.
Aunque el uso de una tabla puede simplificar los clculos de
probabilidad, existen ejemplos en los cuales es difcil la creacin de una
tabla, por tanto se requiere el uso de frmulas.
Ejemplo. El gerente de crditos de una tienda departamental recolecta
datos sobre 100 de sus clientes. De los 60 hombres, 40 tienen tarjeta de
crdito (C). De las 40 mujeres, 30 tienen tarjeta de crdito (C). Diez de
los hombres tienen saldos vencidos (B), mientras que 15 de las mujeres
tienen saldos vencidos (B). El gerente desea determinar la probabilidad
de que un cliente seleccionado al azar sea:
a. Una mujer con tarjeta de crdito.
b. Una mujer con un saldo.
c. Un hombre sin un saldo.
d. Un hombre con un saldo.
Solucin:
Crear una tabla de probabilidad es difcil ya que existen tres factores:
gnero, tarjeta de crdito y saldo en la tarjeta, por lo cual es
recomendable el uso de la frmula.
a. P(F C) = P(F) x P(C|F). Claramente, la probabilidad de que sea mujer
P(F) = 40/100 = 0.40. Adems, de las 40 mujeres 30 tienen tarjeta de
crdito. Por tanto, dado que el cliente es una mujer, la probabilidad
de que tenga una tarjeta de crdito es P(C|F) = 30/40. Entonces, P(F
C) = P(F) x P(C|F) = (40/100) x (30/40) = 0.30.
b. P(F B) = P(F) x P(B|F). De las 40 mujeres, 15 tienen saldos. Dado
que el cliente es una mujer, la probabilidad de que tenga saldo es de
15/40. De manera que P(F B) = P(F) x P(B|F) = (40/100) x (15/40) =
0.15
c. P(M D) = P(M) x P(B|M). Debido a que 50 de los 60 hombres no
tienen saldos, P(B|M) = 50/60. Entonces, P(M D) = P(M) x P(B|M)
= (60/100) x (50/60) = 0.50
d. P(M B) = P(M) x P(B|M). De los 60 hombres, 10 tienen saldos.
P(B|M) = 10/60. Por lo que P(M B) = P(M) x P(B|M) = (60/100) x
(10/60) = 0.10
En el ejemplo de TV/CABLE DE NAYARIT, la probabilidad de que un
empleado sea un trabajador hombre o un trabajador administrativo es
P(M) + P(A) P(M A) = 0.60 + 0.34 0.24 = 0.70. De nuevo, se debe
restar la probabilidad conjunta P(M A), debido a que se incluyeron
trabajadores administrativos al contarse todos los hombres y se
incluyeron hombres al contar todos los trabajadores administrativos. Es
decir, los trabajadores administrativos hombres se contaron dos veces.
EJERCICIOS
1. Dada una baraja de 52 cartas, el conjunto A consta de los 13 corazones negros y
el conjunto B son los cuatro ases. Identifique cules cartas estn incluidas en (A
B) y (A B).
2. Haga un diagrama de Venn para ilustrar el ejercicio anterior.
3. Algunos de los trabajadores, hombres y mujeres de una planta gran industria
tienen educacin secundaria. El conjunto A consta de los trabajadores hombres,
el conjunto B de las trabajadoras mujeres, el conjunto C es el conjunto con
educacin secundaria, y el conjunto D es el conjunto de los trabajadores que no
tienen educacin secundaria. Identifique y explique (A C), (B D) y (A C).
4. Para el problema anterior, cul es la diferencia entre (B D) y (B D)?
5. Dadas las condiciones del ejercicio 9, identifique los eventos que son:
a) Mutuamente excluyentes
b) Colectivamente exhaustivos con respecto al gnero
c) Si 300 de los 1000 trabajadores son hombres, cul es la probabilidad de
que un trabajador sea mujer P(F)? Qu papel jug la regla de la
complementariedad en su respuesta?
6. Describa tres ejemplos relacionados con los negocios en los cuales los eventos
sean independientes.
7. Se recolect informacin en 500 Licenciados en Administracin, que son
egresados de la UAN y que actualmente estn llevando algn curso de
postgrado, o que estn laborando en la industria privada o en alguna
dependencia oficial, respecto a sus opiniones sobre si la economa del pas
podra ser estable, podra expandirse o podra entrar en un periodo de
contraccin en el futuro prximo. Sin embargo, parte de la informacin se
perdi, resultando la siguiente tabla de contingencia parcial. Con base en los
datos restantes, cree una tabla de probabilidad.
Opinin respecto a la economa del pas
Ocupacin del
entrevistado
Estable
(E)
Expansin
(X)
Contraccin
(C)
Total
Estudiante (P)
Industria privada (I)
Dependencia oficial (G)
Total
125
(50)
25
200
(100)
35
40
(175)
100
25
(0)
125
(325)
110
65
(500)
De la tabla de probabilidades halle:
a) P (P)
b) P (G)
c) P (P E)
d) P (P X)
e) P (G C)
f) Determine la probabilidad marginal de P.
g) Determine la probabilidad marginal de I.
8. La revista Forbes (febrero de 1977) clasific las 120 ciudades de Estados Unidos
de acuerdo con la calidad de vida, con base en parte del porcentaje de
empleados que tenan ttulo universitario. Los resultados se ven en la siguiente
tabla de contingencia parcial en donde A es menos del 15% con ttulo
universitario, B es del 15 al 20% con ttulo universitario y C es ms del 20% con
ttulo universitario. Realice una tabla de probabilidad y responda las preguntas
que se presentan en la siguiente tabla:
Calidad de vida
Porcentajes con ttulo
universitario Pobre (P) Bueno
(G)
Excelente (E) Total
A
B
C
Total
10
20
20
10
60
20
40
20
a) P (A)?
b) P (P B)?
c) P (E C)?
d) P (A G)?
9. Se les pidi a cien estudiantes universitarios que dijeran qu tipo de programas
de TV preferan. La tabla muestra las cien respuestas clasificadas a la vez segn
el nivel de estudios de los universitarios y segn el tipo de programa preferido.
Tipo de
programa
Nivel de estudios
Bachillerato (A) Licenciatura (B) Posgrado
(C) Total
Deportes (S) 15 8 7 30
Noticias (T) 3 7 20 30
Drama (V) 5 5 15 25
Comedia (W) 10 3 2 15
Total 33 23 44 100
Calcule para conjunto dependiente e independiente:
a) P(S) b) P(T C) c) P(ABC) d) P(todo estudiante que ve
noticias)
e) P(U f) P(T|C) g) P(W B) h) P(estudiante con posgrado)
10. De la tabla de probabilidades que se cre para resolver el Ejercicio 12,
a) Calcule P(E|P).
b) Si eres licenciado en Administracin que est estudiando un posgrado
es ms probable que pronostique una economa estable en el pas que
si trabaja con el gobierno?
c) Dado que usted trabaja en la industria privada es ms probable que
usted pronostique una contraccin en la economa del pas que un
estudiante de posgrado?
d) Si usted trabaja para el gobierno, cul de los tres pronsticos es ms
probable que haga?
11. La mayora de las estaciones de servicio venden tres tipos de gasolina:
corriente, sper y premium. Con frecuencia, alguna de cada tipo est
enriquecida con etanol. La tabla de contingencia que se muestra a continuacin
ilustra la tabla de porcentajes de cliente que prefieren cada tipo.
Corriente
(R)
Sper
(S)
Premium
(P)
Total
Etanol
Sin
etanol
Total
0.05
0.15
0.20
0.10
0.40
0.50
0.05
0.25
0.30
0.20
0.80
1.00
Determine la probabilidad de que el siguiente cliente prefiera:
a) Corriente o etanol. P (R E)
b) Super o sin etanol. P (S E).
c) Premium o etanol. P (P E).
d) Premium o sin etanol. P (P E)
Solucin:
a) P (R E) = P(R) + P(E) - P(R E) = 0.20 + 0.20 0.05 = 0.35
b) P (S E) = P(S) + P(E) - P(S E) = 0.50 + 0.80 0.40 = 0.90
c) P (P E) = P(P) + P(E) - P(P E) = 0.30 + 0.20 0.05 = 0.45
d) P (P E) = P(P) + P(E) - P(P E) = 0.30 + 0.80 0.25 = 0.85
12. De los 10 chips de un computador, 4 estn defectuosos. Cul es la probabilidad
de seleccionar 3 sin que haya reemplazo, de los cuales slo uno sea
defectuoso?
Cmo puede ocurrir el evento? Existen tres formas en las cuales slo uno puede ser
defectuoso: (1) slo el primero es defectuoso; (2) slo el segundo es defectuoso, y (3)
slo el ltimo es defectuoso. De acuerdo con la regla de la multiplicacin.
La primera forma es:
La segunda forma es:
La ltima forma es:
Con: D, defectuoso.
D, no defectuoso.
P(D1 D2 D3) = 4/10 x 6/9 x 5/8= 120/720
P(D1 D2 D3) = 6/10 x 4/9 x 5/8= 120/720
P(D1 D2 D3) = 6/10 x 5/9 x 4/8= 120/720
Debido a que el evento slo uno es defectuoso puede suceder de la primera forma, la
segunda forma o la tercera forma, se debe adicionar las tres probabilidades de acuerdo
con la regla de la adicin. Por lo que: P (slo uno es defectuoso) = 120/720 + 120/720
+ 120/720 = 0.50.
13. El mercadlogo de un gimnasio desea construir un perfil de miembros para
desarrollar una campaa publicitaria que atraiga a clientes potenciales tpicos
de quienes actualmente prefieren este gimnasio. El 30% de los miembros
actuales son mujeres, el 80% de ellas es menor de 30 aos. El 60% de los
hombres son menores de 30 aos. Cul es la probabilidad de que un miembro
seleccionado de manera aleatoria sea:
a) Una mujer menor de 30 aos?
b) Una mujer mayor de 30 aos?
c) Un hombre mayor de 30 aos o una mujer menor de 30?
d) Mayor de 30 aos?
e) Un hombre o una mujer mayor de 30 aos?
14. Dentro de una localidad pequea, de un total de 1,000 jvenes de 18 aos, 600
tienen empleo y 800 son bachilleres. De los 800 bachilleres, 500 tienen trabajo.
Cul es la probabilidad de que un joven de 18 aos tomado aleatoriamente sea:
a) Un bachiller empleado?
b) Empleado pero no bachiller?
c) Desempleado o un bachiller?
d) Desempleado o no bachiller?
15. Una tienda de deportes vende dos tipos de zapatos para correr, que llamaremos
modelo 1 y modelo 2. Las probabilidades de que un cliente dado compre
zapatos del modelo 1 es de P(M1) = 0.40 y la probabilidad de que compre el
modelo 2, P(M2) = 0.30. La probabilidad de que compre ambos es P(B) = 0.10.
Cul es la probabilidad de que un cliente compre o M1 o M2?
16. Un corredor de bolsa sabe por experiencias anteriores que la probabilidad de
que un cliente compre acciones es del 65%. La probabilidad de que un cliente
compre un bono del gobierno si ya tiene acciones es del 35%.
a) Cul es la probabilidad de que el cliente posea ambos?
b) Son los dos eventos B y S independientes? Explique.
6.8. Teorema de Bayes
Al ingls Thomas Bayes (1702-1761), un matemtico de cierta
importancia se le atribuye generalmente el desarrollo de una frmula
para el clculo de probabilidades conocida como el teorema de Bayes, la
cual fue publicada en 1763 despus de su muerte. Esta frmula permite
calcular la probabilidad de que algn evento que haya ocurrido (o
efecto) sea el resultado de alguna causa. Esta frmula se ha empleado
bastante en medicina, sobre todo en los campos del diagnstico por
computadora y de la prediccin de la permanencia en un hospital.
Se considera tambin al teorema de Bayes como una de las bases de la
moderna teora de la decisin, que son conocimientos aplicados a la
toma de decisiones bajo la incertidumbre. El teorema se puede plantear
como sigue:
Si A
1
, A
2
, ., A
n
, son n eventos mutuamente excluyentes, cuya
unin es el conjunto universal, B es un evento arbitrario tal que P(B) > 0
y P(B | A
k
) y P(A
k
) son conocidos para 1 k n, entonces,
) | ( ) (
) | ( ) (
) | (
1 1
1
k k
A B P A P
A B P A P
B A P
Ejemplo. En un sector de la ciudad, los grupos de ingresos bajos, medios
y altos constituyen el 20%, 55% y 25% de la poblacin respectivamente.
Se sabe adems que el 80% del grupo de bajos ingresos se opone a un
proyecto de ley que cursa actualmente en el Congreso. Los porcentajes
de los grupos medio y alto son 30% y 10% respectivamente. La
informacin disponible se presenta en la tabla donde se resumen los
datos del ejemplo.
Grupo de
ingreso
Proporcin de la
Poblacin
Proporcin del grupo de ingreso
opuesto al proyecto de ley
Bajo 0.20 0.80
Medio 0.55 0.30
Alto 0.25 0.10
Se selecciona al azar una persona de esta poblacin y se encuentra que
se opone al proyecto de ley. Cul es la probabilidad de que la persona
pertenezca:
a) Al grupo de bajos ingresos?
b) Al grupo de ingresos medios?
c) Al grupo de altos ingresos?
Solucin
B = Evento de que la persona elegida al azar se opone al proyecto de
ley.
A
1
, A
2
y A
3
sean los eventos de que la persona seleccionada pertenezca a
los grupos de bajos, medios y altos ingresos respectivamente.
Resumen de los clculos que ilustra la aplicacin del Teorema de Bayes.
Evento
Probabilidad a
priori
P (A
1
)
Verosimilitud
P(B | A
1
)
Probabilidad
conjunta
P(B A
1
)
Probabilidad a
posteriori
P(A
1
|B)
A
1
0.20 0.80 0.160 0.46
A
2
0.55 0.30 0.165 0.47
A
3
0.25 0.10 0.025 0.07
1.00 0.350 1.00
Las probabilidades buscadas son las probabilidades condicionadas de
pertenecer a los tres grupos de ingresos dado que el individuo escogido
se opone al proyecto de ley. Es decir, se desea calcular P(A
1
|B), P(A
2
|B)
y P(A
3
|B).
Se conocen las probabilidades incondicionales de P(A
1
)=0.20, P(A
2
)=
0.55 y P(A
3
) = 0.25. Estas probabilidades se denominan posibilidades a
priori puesto que estn dadas antes de la seleccin del individuo que se
est analizando.
Las probabilidades condicionales de escoger a un individuo que se
oponga a la ley dado que pertenezca a uno de los grupos de ingresos
tambin se conocen. Son: P(B | A
1
)=0.80, P(B | A
2
)= 0.30 y P(B | A
3
) =
0.10. Estas probabilidades se denominan verosimilitudes.
Con base a la informacin anterior, se pueden calcular las siguientes
probabilidades conjuntas:
P(B A
1
) = P(B|A
1
)P(A
1
) = (0.80) (0.20) = 0.16
P(B A
2
) = P(B|A
2
)P(A
2
) = (0.30) (0.55) = 0.165
P(B A
3
) = P(B|A
3
)P(A
3
) = (0.10) (0.25) = 0.025
Con base en estos valores, se emplea el teorema de Bayes para calcular
las probabilidades deseadas:
46 . 0
025 . 0 165 . 0 16 . 0
16 . 0
) | (
1

+ +
B A P
47 . 0
025 . 0 165 . 0 16 . 0
165 . 0
) | (
2

+ +
B A P
07 . 0
025 . 0 165 . 0 16 . 0
025 . 0
) | (
3

+ +
B A P

Con base a lo anterior, se puede decir que, dado que el individuo
seleccionado se opone al proyecto de ley, la probabilidad de que
pertenezca al grupo de bajos ingresos es de 0.46, al grupo de ingresos
medios de 0.47 y al grupo de altos ingresos de 0.07.
Debido a que estas probabilidades condicionales se calcularon despus
de saber que la persona seleccionada se opone al proyecto de ley, se les
puede llamar probabilidades a posteriori.
EJERCICIOS
1. En el departamento de archivos clnicos de un hospital, tres empleados tienen la
tarea de procesar los registros de los pacientes. El primer empleado, C1, procesa el
45% de los registros, el segundo, C2, el 30% y el tercero, C3 el 25%. El primer
empleado tiene una tasa de error en su trabajo de 0.03, el segundo de 0.05 y el
tercero de 0.02. Se selecciona un registro al azar entre los que se procesaron
durante una semana y se encuentra que tiene un error. El bibliotecario de registros
mdicos desea saber la probabilidad de que el registro haya sido procesado por
cada uno de los empleados.
2. En la prisin de las Islas Maras, el 10% de los reclusos estudi hasta tercer grado o
menos. El 50% hizo cuarto, quinto o sexto y el 40% ms de sexto grado. Por otro
lado, el 20% del primer grupo, el 50% del segundo grupo y el 70% del tercero
tienen una edad menor de 25 aos. Se escoge al azar a un recluso de esa prisin y
se halla que tiene menos de 25 aos. Cul es la probabilidad de que ese individuo
pertenezca al primer grupo del nivel de estudios? Al segundo? Al tercero?
3. En una clnica de especialistas se ha descubierto que, durante un periodo de varios
aos, el 20% de los pacientes que llegaron a la clnica haban tenido cierta
enfermedad D1, el 30% una segunda enfermedad D2 y el 50% una tercera
enfermedad D3. El investigador ha descubierto tambin que un conjunto de
sntomas bien definidos y de fcil reconocimiento, S1, se encontraba en el 25% de
los pacientes que tenan la enfermedad D1, en el 60% de los pacientes que tenan la
enfermedad D2 y el 80% de los que tenan la enfermedad D3. El investigador quiere
utilizar esta informacin para hacer rpidamente el diagnstico de los pacientes
recin llegados. Si se supone que ha sido admitido un paciente que presenta el
conjunto de sntomas S. Cul es la probabilidad de que esta persona tenga la
enfermedad
a) D1?
b) D2?
c) D3?
4. En un grupo de personas adultas, el 10% presenta educacin primaria, el 70 tiene
educacin secundaria y el 20% educacin universitaria. El 5% de los que presentan
educacin primaria pertenecen al grupo de ingresos altos, mientras que el 15%
de los que tienen educacin secundaria y el 75% de los que tienen educacin
universitaria pertenecen a este mismo grupo. Si dentro de esta poblacin se
selecciona un individuo al azar y se encuentra que est en el grupo de ingresos
altos, encontrar la probabilidad de que este individuo slo presente:
a) Educacin primaria,
b) Educacin secundaria, y
c) Educacin universitaria.
5. En una gran empresa, un mdico ha detectado que el 20% de los casos de
emergencia que examina provienen del departamento A, el 10% del departamento
B, el 45% del departamento C y el 25% del departamento D. Tambin encontr que
el 10% de los casos de emergencia del departamento A, el 5% del departamento B,
el 15% del C y el 12% del departamento D son accidentes debido a aparente
descuido. Se presenta en la clnica un caso de accidente ocasionado por descuido.
Qu probabilidad hay que ese paciente pertenezca al departamento A? B? C?
D?
6. Un mdico ha descubierto en un hospital para enfermedades crnicas que el 15%
de los pacientes permanecen en el hospital menos de 30 das, mientras que el 85%
permanece 30 das o ms. El estudioso tambin ha descubierto que el 20% de los
pacientes que se quedan poco tiempo y el 60% de los que permanecen largo
tiempo presentan cierto grupo de caractersticas. Si se admite en el hospital a un
paciente que presenta dichas caractersticas, Cul es la probabilidad de que ese
individuo vaya a permanecer en el hospital:
a) Menos de 30 das?
b) 30 das o ms?
6.9 Tcnicas de Conteo
Muchas decisiones comerciales requieren que se cuente el nmero de
subconjuntos que se pueden obtener de un conjunto. De las ventas de
una lnea que consta de 10 productos, cuntos subconjuntos de 3
productos se pueden ofrecer a los clientes? Siete agentes de ventas
estn en un concurso para ver quin gana un viaje gratis a Cancn,
cuntas rdenes diferentes hay? Cuntos nmeros telefnicos
distintos pueden asignarse a una oficina grande dados los dgitos 0-9?
Muchos otros ejemplos abundan. Se analizarn cinco tcnicas de conteo
utilizadas para responder estas preguntas.
Regla de conteo 1. Si cualquiera de k eventos mutuamente
excluyentes y colectivamente exhaustivos pueden ocurrir en cada una
de las n pruebas, el nmero posible de resultados est dado por k
n
.
Ejemplo. Si se lanza una moneda 10 veces, el nmero posible de
resultados es de 1024. En este caso, k es el nmero de eventos, es
decir, 2 (Sello o guila), mientras el nmero de pruebas n = 10, y 2
10
=
1024, donde los resultado posibles pueden ser (SSSSSSSSSS),
(SSSSSSSSSA), (SSSSSSSSAS), sucesivamente.
Regla de conteo 2. Si existen k
1
eventos en la primera prueba, k
2
eventos en la segunda prueba y k
n
eventos en la prueba n, el nmero de
resultados posibles est dado por (k
1
)(k
2
)(k
3
) (kn).
Ejemplo. Se desean disear placas de circulacin para vehculos con dos
dgitos numricos y tres letras. Considerar 10 nmeros (del 0 al 9) y 20
letras del alfabeto.
La solucin para tal diseo est dada por la regla 2, donde k
1
y k
2
corresponden a los dos dgitos numricos, y k
3
, k
4
y k
5
seran las letras
complementarias del diseo. Por tanto, (10)(10)(20)(20)(20) = 800,000
placas diferentes, donde los resultados pudieran ser (01 AAA), (02 AAA),
(03 AAB), etctera.
Regla de conteo 3. El nmero de formas en que se pueden ordenar
todos los n objetos est dado por n! = n(n-1) (1), n! se lee como n
factorial.
Ejemplo, el nmero de formas en que se pueden ordenar 5 objetos es
igual a n = 5, donde 5! = (5)(4)(3)(2)(1) = 120.
Regla de conteo 4. Permutaciones. El nmero de formas de ordenar r
objetos seleccionados de entre n objetos, est dado por nPr = n!/(n-r)!.
Esta regla prev que en los objetos seleccionados es importante el orden
en que se haga el arreglo.
Ejemplo. Se requiere seleccionar tres nmeros telefnicos (r) escogidos
de entre 10 estados de la Repblica (n), donde el orden es importante
para el agraciado ganador, ya que se trata de tres premios diferentes.
En este caso nPr = 10!/(10 3)! = 720 formas diferentes de hacer tal
seleccin de ganadores.
Regla de conteo 5. Combinaciones. El nmero de formas de ordenar r
objetos seleccionados de entre n objetos, donde no se toma en cuenta el
orden, est dado por nCr = n!/(r!)(n-r)!.
Ejemplo. Si un cliente desea escoger 5 nmeros al azar de entre un total
de 25, donde no importa el orden de aparicin, es, nCr = 25!/(5!)(25-5)!
= 53,130 formas diferentes de escoger 5 de 25, por lo que si el cliente
quisiera asegurar el premio del concurso, deber llenar y pagar 53,130
formas distintas de cinco nmeros, escogidos del 1 al 25.
EJERCICIOS
1. De los 15 miembros del comit directivo de una gran empresa Cuntos comits
de 5 miembros pueden seleccionarse si el orden no importa? (todos son
elegibles para cualquier cargo).
2. De los 10 ejecutivos, 3 van a ser seleccionados para que funjan como
Presidente, Secretario y Tesorero cuntas selecciones distintas son posibles?
3. Sus dos compaeros de cuarto estn enfermos y a usted lo envan a comprar
comida para cada uno de ellos. Si usted debe escoger entre cinco selecciones
de cuntas formas puede cumplir con su encargo? (Defina previamente si el
orden hace la diferencia.
4. Como responsable del Departamento de Ingeniera de una fbrica de equipos
electrnicos debe determinar cuntos reproductores de CD puede ensamblar
de tal forma que tengan un sistema de parlantes, un tocadiscos y un
mecanismo de sintonizacin? Si usted puede escoger entre 3 sistemas distintos
de parlantes, 4 de tocadiscos y 2 de sintonizacin, de cuntas formas puede
ensamblar los reproductores?
5. De los 12 empleados que laboran en una Agencia de Viajes, 7 han tenido
capacitacin especial. Si 5 empleados van a ser enviados a Europa, cul es la
probabilidad de que 3 estn dentro de los que han tenido capacitacin especial?
6. Una empresa editorial tiene 75 ttulos distintos de libros, clasificados por tipo y
costo de la siguiente manera:
Costo
Tipo $10
0
$15
0
$200
Ficcin
Biografas
Histrico
10
12
4
8
10
17
3
9
2
Halle la probabilidad de que un libro seleccionado aleatoriamente sea:
a) Ficcin o cueste $100.
b) Histrico y cueste $200.
c) Histrico y cueste o $100 o $150.
d) Ficcin y cueste menos de $200.
e) Biogrfico o cueste $150.
f) Biogrfico o cueste ms de $100.
7. El departamento administrativo de una Universidad tiene acceso a tres
mquinas de fax. La probabilidad de que cada una est fuera de servicio es
20/100, 25/100 y 30/100, respectivamente. Asumiendo independencia entre
ellas, encuentre la probabilidad de que:
a) La primera y la segunda estn fuera de servicio.
b) La primera y la tercera estn fuera de servicio.
c) Todas estn fuera de servicio.
d) Ninguna est fuera de servicio.
e) Una est fuera de servicio.
f) Dos estn fuera de servicio.
g) Dos o ms estn fuera de servicio.
8. Un corredor de bolsa compra tres acciones diferentes. La probabilidad de que la
primera aumente su valor es 1/3, la probabilidad de que la segunda aumente es 3/4
y la probabilidad de que la tercera aumente su valor es 1/10. Determine la
probabilidad de que:
a) Todas aumenten su valor.
b) Ninguna aumente su valor.
c) Una aumente su valor.
d) Dos aumenten su valor.
e) Por lo menos dos aumenten su valor.
f) Por lo menos una aumente su valor.
9. Una empresa de construccin descubri que slo el 20% de todos los trabajos se
terminaban a tiempo, mientras que el 30% enfrentaba problemas de sobre costos.
Adems, los sobrecostos se presentaban el 75% de las veces en las que se
terminaba el trabajo a tiempo. El propietario de la empresa desea conocer la
probabilidad de que un trabajo:
a) No tenga sobrecostos y se realice a tiempo.
b) No tenga sobrecostos o se realice a tiempo.
10. Del problema anterior, Cmo se puede probar que los sobrecostos y la
probabilidad de que un trabajo se haga a tiempo no son eventos mutuamente
excluyentes?
11. La revista Fortune descubri que el 10% de los trabajadores en cargos ejecutivos
de alto nivel eran mujeres y que el 3% de ellas tenan estudios de Maestra en
Administracin de Negocios. El consejo directivo de una empresa desea seleccionar
una de las mujeres ejecutivas aleatoriamente. Qu probabilidad hay de que
seleccionen a una mujer con Maestra en Administracin de Negocios?
12. Diez unidades de produccin se seleccionan de una lnea de produccin. Tres de
estas 10 son defectuosas. Si se deben sacar 5 de las 10 cul es la probabilidad de
que 2 sean defectuosas?
13. Burger Kings ofrece hamburguesas con una seleccin de 5 condimentos diferentes:
mostaza, pepinillos, salsa de tomate, cebolla y tomate. Cuntas hamburguesas
diferentes puede comprar?
14. En una cierta ciudad, las placas de los autos constan de 3 letras seguidas de 3
nmeros. Cuntas placas distintas pueden hacerse?
15. El propietario de un lote de autos ofrece a sus clientes automviles con 8 opciones
diferentes de color, 4 paquetes de interior, y 3 diseos diferentes de techo
corredizo. Entre cuntos automviles pueden escoger los clientes?
16. Estudios realizados por la Secretara de Educacin Pblica demuestran que el 30%
de los profesores dejan la profesin despus de 10 aos. Adems, entre quienes la
abandonan, el 60% tienen un ttulo avanzado, mientras que entre los que no dejan
la profesin el 20% tienen un ttulo avanzado. Un profesor acaba de obtener un
ttulo avanzado. Cul es la probabilidad de que deje a los estudiantes y consiga un
trabajo distinto?
17. Una empresa manufacturera tiene plantas en dos grandes ciudades del pas:
Guadalajara y Aguascalientes. La planta de Guadalajara produce el 40% de la
produccin total, con un 10% en la tasa de defectos. La planta de Aguascalientes
tiene una tasa de defectos del 20%. Si slo se encuentra que una unidad es
defectuosa, es ms probable que provenga de Guadalajara o de Aguascalientes?
18. El Presidente debe seleccionar 5 miembros de una lista de 12 Senadores, de los
cuales 7 le apoyan y 5 son de oposicin. Si l selecciona al azar, cul es la
probabilidad de que la mayora del comit apoye al presidente?
19. Una empresa telefnica vende aparatos ofreciendo 5 estilos, 4 colores y 7 opciones
de servicio. Cuntos telfonos diferentes puede ofrecer la empresa a sus clientes?
20. Estudiantes de un grupo de la carrera de Contadura de la UAN, deben entregar un
Ensayo, un Resumen, una Monografa y un Diagnstico en un solo documento. De
cuantas formas pueden realizar y presentar dicha obra? Describa las diferentes
formas.
21. En una poblacin de quinientos mil habitantes existe un parque vehicular de120
mil. El departamento de trnsito est interesado en saber con cuantos dgitos y
letras puede cubrir tal demanda si solo utiliza los nmeros nones: 1, 3, 5, 7 y 9, y
las letras P, A, B, C, T, R, S, N, H y K.
7. DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad son modelos matemticos que utilizan
la probabilidad como elemento fundamental en el anlisis de variables
aleatorias. Una variable aleatoria es aquella cuyo valor es el resultado
de un evento aleatorio.
Anteriormente se analiz el concepto de probabilidad, donde el objetivo
era determinar la probabilidad de un evento; en este tema se analizan
las probabilidades como un conjunto de resultados posibles a partir de
un experimento. (1) Lanzar una moneda tres veces y anotar el
nmero de caras que se obtienen. Los posibles resultados son 0
caras, 1 cara, 2 caras o 3 caras. La variable aleatoria es el nmero de
caras que se obtienen, y los posibles resultados son los valores de la
variable aleatoria. Monitorear un contenedor que contiene envases con
agua con pesos que oscilaban aleatoriamente entre 10 a 25 libras
(aproximadamente de 4.5 a 11.3 kg), los pesos reales de los
contenedores, en libras, son los valores de la variable aleatoria peso.
Variable aleatoria discreta
Las variables aleatorias pueden ser discretas o continuas. Una variable
aleatoria discreta puede asumir slo ciertos valores, con frecuencia
nmeros enteros y resulta principalmente del conteo. El nmero de
caras en el experimento del lanzamiento de una moneda es un ejemplo
de una variable aleatoria discreta. Los valores de la variable aleatoria se
restringen slo a ciertos valores: 0, 1, 2 y 3. El lanzamiento de un dado,
el nmero de camiones que llegan por hora a un cierto crucero de la
ciudad y el nmero de clientes que estn en fila para comprar
determinado producto, son ejemplos de variables aleatorias discretas.
Variable aleatoria continua
La variable aleatoria continua resulta principalmente de la medicin y
puede tomar cualquier valor, al menos dentro de un rango dado. Los
pesos del agua mineral es un ejemplo, debido a que los contenedores
pueden tomar cualquier valor entre 10 y 25 libras. Otros ejemplos de
variables continuas incluyen la estatura de los clientes en una tienda de
ropa, los ingresos de los empleados en un centro comercial y el tiempo
transcurrido entre la llegada de cada camin a un determinado lugar. En
cada caso, la variable aleatoria puede medirse con cualquier valor,
incluyendo fracciones de la unidad. Aunque las unidades monetarias no
pueden dividirse en un nmero continuo o infinito de subdivisiones (el
peso puede dividirse en 100 veces), comnmente se tratan como
distribuciones continuas de probabilidad.
7.1. Distribucin de probabilidad
Una distribucin de probabilidad es un despliegue de todos los posibles
resultados de un experimento junto con la probabilidad de cada
resultado. La probabilidad de lanzar una moneda tres veces y de
obtener (1) ninguna cara es 1/8, (2) 1 cara es 3/8, (3) 2 caras es 3/8 y
(4) 3 caras es 1/8. Esta distribucin de probabilidad se presenta en la
tabla siguiente la cual muestra todos los resultados posibles y sus
probabilidades. La suma de estas probabilidades es 1. La misma
informacin tambin se muestra grficamente.
Tabla 7.1
Resultado
(caras)
Probabilidad
Distribucin discreta
de probabilidad para el
nmero de caras.
0
1
2
3
1/8
3/8
3/8
1/8
1
Grfica 7.1
4/8 -

3/8 -
2/8 -
1/8 -
x
i

0 1 2 3
Distribucin de
probabilidad
Es un listado de todos los posibles
resultados de algn experimento y de la
probabilidad relacionada con cada
resultado.
La probabilidad de que la variable aleatoria X tome algn valor
especfico, x
i
, se escribe P (X = x
i
). Por tanto, la probabilidad de que los
tres lanzamientos de una moneda resulten en dos caras es P (X= 2) =
3/8. Es importante sealar que:
0 P (X = x
i
) 1 y la P (X = x
i
) =1.
7.1.1 Media y varianza de las distribuciones discretas.
As como se calcul la media para un conjunto de datos, tambin se
puede determinar la media de una distribucin de probabilidad. La
media de una distribucin de probabilidad se denomina valor esperado E
(x), y se halla multiplicando cada resultado posible por su probabilidad y
sumando los resultados, tal como se muestra en la frmula:
Media o valor
esperado de una
distribucin de
probabilidad discreta.
= E (x) = [(x
i
) P (x
i
)]
Donde x
i
son los resultados individuales.
La distribucin de probabilidad para el experimento de lanzar un dado se
muestra en las primeras dos columnas de la Tabla 7.2. La columna (3)
ilustra el clculo del valor esperado para el experimento. Cada resultado
se multiplica por su respectiva probabilidad y se suman, produciendo
= E (X) = 3.5. Esto sugiere que si se lanza un dado se puede obtener
3.5?, difcilmente. Significa que si se promedian los resultados de los
lanzamientos del dado (tericamente, un nmero infinito) se obtendr
3.5.
La varianza de una distribucin de probabilidad es conceptualmente la
misma que la varianza de un conjunto de datos. Es el promedio de las
desviaciones al cuadrado con respecto a la media. La varianza puede
escribirse como:
Varianza de una distribucin
de probabilidad

2
= [(x
i
-)
2
P (x
i
)]
Tabla 7.2
Distribucin
discreta de
probabilidad
para el
lanzamiento de
un dado.
(1)
Solucin xi
(2)
P (xi)
(3)
(xi) P (xi)
(4)
(xi - )
2
P (xi)
1
2
3
4
5
6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
2/6
3/6
4/6
5/6
6/6
(1-3.5)
2
1/6 = 1.042
(2-3.5)
2
1/6 = 0.375
(3-3.5)
2
1/6 = 0.042
(4-3.5)
2
1/6 = 0.042
(5-3.5)
2
1/6 = 0.375
(6-3.5)
2
1/6 = 1.042
1.0 = E (x) = 3.5
2
= 2.92
La frmula mide la diferencia entre cada uno de los resultados y su
media. Estas diferencias se elevan al cuadrado y se multiplican por sus
respectivas probabilidades. Luego se suman los resultados. La columna
(4) de la tabla revela
2
= 2.92.
La desviacin estndar es =
2
= 2.92 = 1.71. La varianza y la
desviacin estndar tienen la misma interpretacin; miden la dispersin
de los resultados alrededor de su media. La varianza se expresa en
unidades al cuadrado, pero la desviacin estndar se expresa en las
mismas unidades que la variable aleatoria y consecuentemente tiene
una interpretacin ms racional.
Ejemplo. El nmero de casas que una inmobiliaria vendi mensualmente
vari de 5 a 20 junto con la frecuencia de cada nivel de ventas que
aparece en las dos primeras columnas de la tabla que se muestra a
continuacin.
Valor
esperado
El valor esperado de una variable aleatoria discreta es la
media ponderada de todos los posibles resultados,
donde los pesos son las probabilidades respectivas de
tales resultados.
83
(1) (2) (3) (4) (5)
Nmero de
meses
Casas
(x)
P (xi) (xi) P (xi) (xi - )
2
P (xi)
3
7
4
5
3
2
5
8
10
12
17
20
3/24 = 0.125
7/24 = 0.292
4/24 = 0.167
5/24 = 0.208
3/24 = 0.125
2/24 = 0.083
0.625
2.336
1.670
2.496
2.125
1.660
(5 10.912)
2
(0.125) =
4.369
(8 10.912)
2
(0.292) =
2.470
(10 10.912)
2
(0.167) =
0.139
(12 10.912)
2
(0.208) =
0.246
(17 10.912)
2
(0.125) =
4.633
(20 10.912)
2
(0.083) =
6.855
24 72 1.00 10.912 = 18.718 =
2
La inmobiliaria espera que estas cifras reflejen un incremento en el
nmero promedio de ventas, por encima del 7.3 que vendi en meses
anteriores, y una reduccin en la variabilidad de las ventas mensuales
que haban sido de

= 5.7. De lo contrario, se ha decidido por el Consejo
de Administracin vender el negocio. Qu consejo se puede ofrecer a la
inmobiliaria?
Solucin. Se debe determinar la probabilidad de cada nivel de ventas tal
y como se muestra en la columna (3). Por ejemplo, en 3 de los 24
meses, se vendieron 5 casas: P (x
i
= 5) = 0.125. El valor esperado o
media se calcula multiplicando las probabilidades por sus respectivos
niveles de venta. Esto se muestra en la columna (4) como = 10.912
casas por mes. La variabilidad se mide por la varianza y se muestra en
la ltima columna. La diferencia al cuadrado entre cada observacin y la
media de 10.912 se multiplica por las probabilidades apropiadas y se
suman resultando
2
= 18.718 casas al cuadrado con

= 4.236 casas.
Interpretacin: No hay razn para vender la inmobiliaria ya que ha
incrementado su promedio mensual de venta y ha reducido su
variabilidad.
EJERCICIOS
1. D varios ejemplos tanto de distribuciones discretas de probabilidad como de
distribuciones continuas que pueden aparecer comnmente en un negocio. Cul
es la diferencia entre una distribucin discreta de probabilidad y una continua?
2. Las siguientes variables aleatorias son discretas o continuas? En cada caso
explique el porqu de su respuesta.
a) Los carros vendidos en un lote de autos.
b) Los ingresos obtenidos en un mes por un trabajador.
c) Los tiempos de terminacin de un trabajo en particular.
d) Los empleados requeridos para terminar dichos trabajos.
3. Calcule e interprete el valor esperado, la varianza y la desviacin estndar del
experimento de lanzar una moneda tres veces y observe el nmero de caras.
4. El nmero de quejas de los empleados en una empresa grande oscila entre 0 a 6
cada da como se muestra en la siguiente tabla. Calcule e interprete el valor
esperado, la varianza y la desviacin estndar.
Quejas Nmero de
das
Quejas Nmero de
das
0
1
2
3
3
4
3
6
4
5
6
2
1
4
5. Para recolectar los datos de un proyecto de investigacin, un estudiante de
mercadotecnia la UAN, cont en 50 cursos de negocios el nmero de estudiantes
que haban comprado recientemente discos compactos. En 12 clases no encontr
estudiantes que hubieran hecho dicha compra, 3 estudiantes haban comprado en 8
clases, 4 haban comprado en 9 clases, 5 en 15 clases y 7 estudiantes de las seis
clases restantes haban aumentado sus colecciones de msica. El estudiante
deseaba iniciar su investigacin resumiendo sus datos. Cmo podra usted
ayudarle?
7.2. DISTRIBUCION BINOMIAL. Una distribucin discreta de
probabilidad.
Un gran nmero de decisiones empresariales depende de la distribucin
de probabilidad prevaleciente. Una de las ms importantes es la
distribucin binomial.
El experimento de lanzar la moneda, analizado anteriormente, tiene slo
dos posibles resultados: (1) cara y (2) sello. La probabilidad de cada uno
es conocida y constante de un intento (lanzamiento) al siguiente, y
adems el experimento puede repetirse muchas veces. Los
experimentos de este tipo siguen una distribucin binomial. Con base
en el proceso de Bernoulli, llamado as por Jacob Bernoulli (1654 -1705),
miembro de una familia de matemticos suizos, una distribucin normal
presenta cuatro propiedades:
Slo debe haber dos posibles resultados mutuamente excluyentes.
Uno se identifica como xito (p) y el otro como fracaso (q). Sin
embargo es necesario aclarar que estos trminos no tienen ninguna
connotacin de bueno o malo. Son completamente objetivos, y
un xito no implica necesariamente un resultado deseable o
positivo.
La probabilidad de un xito, p, es constante entre un ensayo y otro, al
igual que lo hace la probabilidad del fracaso y q = (1 p).
La probabilidad de un xito en un ensayo es totalmente
independiente de cualquier otro ensayo.
El experimento puede repetirse varias veces.
Con las anteriores reglas, queda claro porqu el lanzamiento de una
moneda cumple con los requisitos de una distribucin binomial.
Pueden citarse otros ejemplos relacionados con los negocios. Los
sindicatos de trabajadores con frecuencia desean saber cuntos
trabajadores: (1) estn interesados en unirse al sindicato, y (2) quienes
no estn interesados. Los banqueros pueden hacer encuestas a los
expertos en economa sobre si las tasas de inters: (1) aumentarn o (2)
no aumentarn. En mercadotecnia, se desea saber si los consumidores
(1) prefieren determinado producto o (2) no lo prefieren. La aplicacin
de la distribucin binomial al campo de los negocios es casi ilimitada.
Si se conoce la probabilidad de que un ensayo determinado producir un
xito, es posible estimar cuntos xitos habr en un nmero
determinado de ensayos. Por ejemplo, si se conoce la probabilidad de
que un solo trabajador est interesado en unirse al sindicato, entonces
puede estimarse la probabilidad de que un nmero determinado de
trabajadores estara interesado en unirse.
Frmula de la
distribucin
Binomial
x n x
p n
q p
x n x
n
x X P

)! ( !
!
) | (
,
O, lo que es lo mismo,
x n x
q p nCr

) ( ) (
Lase como la probabilidad de que X tome cualquier valor (x), dado que
o conocida n (tamao de muestra) y la probabilidad del hallazgo (p).
Consideremos la siguiente situacin: un gerente de tarjetas de crdito
ha descubierto que el 10% (p) de los usuarios no paga el monto
completo de la deuda durante un determinado mes. Desea conocer la
probabilidad de que en 20 (n) cuentas seleccionadas de manera
aleatoria, 5 (x) cuentas no sean pagadas. Esto puede expresarse como P
(x=5 n =20, p =0.10).
La probabilidad de que 5 cuentas de las 20 muestreadas sigan sin ser
canceladas se puede calcular utilizando la frmula, en donde n = 20, x =
5 y p =0.10, de donde:
20
C
5
(0.10)
5
(0.90)
20-5
= 0.0319
Si la probabilidad de que no se pague una cuenta cualquiera en su
totalidad es p= 0.10, entonces existe un 3.19% de posibilidad de que
exactamente 5 de 20 cuentas seleccionadas aleatoriamente tengan un
saldo a favor.
Otro ejemplo de distribucin binomial se tiene si se considera que el
personal de ventas de una empresa hace una venta al 15% de los
clientes que la visitan. Si una persona de este departamento llama a 15
clientes hoy cul es la probabilidad de que venda exactamente 2
aparatos? Dado p = 0.15, n = 15 y x = 2, se verifica que p (exactamente
2) = 0.2856.
Ejemplo. Una revista informativa de Educacin Superior seala que el
40% de todos los estudiantes trabajan durante el verano para ganar
dinero para su educacin universitaria. Si 7 de ellos se seleccionan de
manera aleatoria cul es la probabilidad de que (a) 5 tengan trabajo en
verano, (b) ninguno trabaje y (c) todos trabajen?
Solucin:
(a)Considere n= 7, p=0.40 y x= 5 y verifique que P (x) = 0.774. Es
decir, que hay 7.74% de probabilidades de que 5 de 7 estudiantes
hayan tomado trabajos de verano.
(b)Dado n = 7, p=0.40, la probabilidad de que ninguno de los
estudiantes trabaje P (x= 0) es de 0.0280.
(c) La probabilidad de que todos los estudiantes trabajen P (X = 7), dado
n = 7 y p=0.40 es de 0.0016
Interpretacin: Es poco probable que ninguno de los estudiantes trabaje.
Media y varianza de una distribucin binomial:
Si slo hay dos resultados posibles, como en la distribucin binomial la
media y la varianza se calcula mediante
Media de una
distribucin
Binomial
E (x) = = np
y
Varianza de una
distribucin
Binomial

2
= npq
7.2.1. Distribuciones binomiales acumuladas:
Dados los datos para los trabajos de verano de los estudiantes, suponga
que se desea determinar la probabilidad de que 3 o menos estudiantes
trabajaron. Este problema implica una distribucin binomial acumulada
debido a que se est interesado en un rango de valores de 0 a 3, en
lugar de un solo nmero especfico, es decir, P (x 3) = P(x = 0) + P(x
= 1) + P(x = 2) + P(x = 3)= 0.7102.
Si se desea determinar P (x 5) dado n =7 y p = 0.40, lo cual es
equivalente a determinar P(x = 5)+ P(x = 6)+ P(x = 7), significa que la
probabilidad de que, por lo menos 5 estudiantes tengan trabajo en
verano, es de 9.63%.
Si llamramos a P (x 5) evento A, entonces P( A ) = P (4 o menos).
Luego, P (x 5) = 1- P( A ) = 1 -
[
P(x = 0) + P(x = 1) + P(x = 2) + P(x
= 3) P(x = 4)
]
= 0.0963. Es decir, se llega al mismo resultado anterior
utilizando otro procedimiento, lo cual no pocas veces es til.
EJERCICIOS
1. Cules son las cuatro caractersticas de la distribucin binomial?
2. Determine los siguientes valores de probabilidad binomial
a) P(x=2|n=4, p=0.65)
b) P(x=4|n=9, p=0.25)
c) P(x=0|n=7, p=0.12)
d) P(x 5|n=10, p=0.40)
e) P( 3|n=5, p=0.40)
f) P(4
6|n=8, p=0.56)
3. El 10% de los discos de computador producidos por un nuevo proceso salen
defectuosos. Si hay 20 discos en una caja,
a) Cuntos esperara usted que salieran defectuosos?
b) Cul es la probabilidad de que el nmero de discos defectuosos sea igual al
nmero esperado que usted determin en su respuesta anterior?
c) Cul es la probabilidad de que la mitad de discos este con defecto)
4. Del problema anterior, cul variacin se encontrara en los discos defectuosos
de una caja a otra?
5. Slo 20% de los empleados que laboran en una empresa porta su identificacin
personal. Si llegan 10 empleados, cul es la probabilidad de que encuentre:
a) Ocho empleados con identificacin?
b) Cuatro empleados con identificacin?
c) Por lo menos 4 empleados con identificacin?
d) A lo sumo 5 empleados con identificacin?
e) Entre 4 y 7 empleados inclusive con identificacin?
6. Responda la pregunta anterior si 60% de todos los empleados portan identificacin.
7. Un estudiante debe obtener por lo menos el 60% en un examen de verdadero y falso
con 18 preguntas por responder. Si el estudiante lanza una moneda para determinar la
respuesta a cada pregunta cul es la probabilidad de que el estudiante pase?
7.3. DISTRIBUCION HIPERGEOMETRICA (variable aleatoria discreta)
Como se acaba de explicar, la distribucin binomial es apropiada slo si
la probabilidad de un xito permanece constante para cada intento. Esto
ocurre si el muestreo se realiza con reemplazo o de una poblacin finita
(o muy grande). Sin embargo, si la poblacin es pequea y ocurre el
muestreo sin reemplazo, la probabilidad de un xito variar. Si la
probabilidad de un xito no es constante, la distribucin hipergeomtrica
es de especial utilidad. La funcin de probabilidad para la distribucin
hipergeomtrica es:
Distribucin
Hipergeomtrica
n N
x n r N x r
i
C
C C
x x P

) (
En donde: N es el tamao de la poblacin.
r es el nmero de xitos en la poblacin.
n es el tamao de la muestra.
x es el nmero de xitos en la muestra.
Distribucin
hipergeomtrica
Si se selecciona una muestra sin reemplazo de una
poblacin finita conocida y contiene una proporcin
relativamente grande de la poblacin, de manera
que la probabilidad de xito sea perceptiblemente
alterada de una seleccin a la siguiente, debe
utilizarse la distribucin hipergeomtrica.
Supngase que en un establo de caballos de carreras hay N = 10
caballos y r = 4 de ellos tienen una enfermedad contagiosa. Cul es la
probabilidad de que al seleccionar una muestra de tres caballos (n = 3),
dos de ellos (x = 2) resulten enfermos?
30 . 0
120
6 * 6
) 2 (
3 10
2 3 2 10 2 4

C
C C
x P
Existe un 30% de que al seleccionar tres caballos de carreras, dos de
ellos estn enfermos.
Resuelva el siguiente ejemplo: La carrera de mercadotecnia est
conformada por 16 docentes de los cuales 6 de ellos no recibieron
capacitacin didctica. Cual es la probabilidad de que en una muestra
de 9 docentes elegidos al azar, 4 de ellos no cuenten con la capacitacin
que se requiere.
En un caso reciente, en una ciudad de Estados Unidos (Kansas, City),
tres mujeres entablaron una demanda contra una empresa de servicios
por discriminacin de sexos. De las nueve personas que eran elegibles
para un ascenso, cuatro eran mujeres. Tres de las nueve personas
recibieron en realidad el ascenso; pero slo una de ellas era mujer. Las
otras tres mujeres elegibles demandaron. Una consideracin importante
en el caso, unida con la probabilidad de que de las tres personas que
recibieron ascenso slo una mujer fuera seleccionada por casualidad. Es
decir, si el gnero no era un factor, cul es la probabilidad de que no
ms que uno de los tres ascensos fuera asignado a una mujer?
Solucin. Un consultor especializado en asuntos legales fue llamado para
refutar el caso. El especialista calcul la probabilidad de que ante la
ausencia de discriminacin, slo una de las mujeres sera ascendida en
su cargo. Este clculo se bas en que,
N= 9; el nmero de personas elegibles para ser ascendidas.
r = 4; el nmero en la poblacin identificado como xito (mujeres).
n = 3; tamao de la muestra; quienes fueron seleccionados para el
ascenso.
x 1 es el nmero de xitos en la muestra.
La probabilidad de que no ms de una mujer fuera ascendida es P (X=0)
+ P (X=1)
4762 . 0
84
10 * 4
) 1 (
3 9
2 5 1 4

C
C C
x P
1190 . 0
84
10 * 1
) 0 (
3 9
3 5 0 4

C
C C
x P
Por tanto, P(x 1) = 0.4762 + 0.1190 = 0.5952
Interpretacin. Haba casi un 60% de probabilidad, sin considerar el
gnero, que no ms de una mujer fuera ascendida. Con base en tales
hallazgos, como con otras pruebas presentadas en el caso, la corte
dictamin que no haba suficiente evidencia de discriminacin.
Por otra parte, la media y varianza para la distribucin hipergeomtrica
se calcula que para el caso de la binomial, como sigue.
E (x) = = np, mientras que
2
= npq
7.4. DISTRIBUCION DE POISSON (variable aleatoria discreta)
Una variable discreta de probabilidad de gran utilidad en la medicin de
la frecuencia relativa de un evento sobre alguna unidad de tiempo o
espacio es la distribucin de Poisson. Con frecuencia se utiliza para
describir el nmero de llegadas de clientes por hora, el nmero de
accidentes industriales cada mes, el nmero de conexiones elctricas
defectuosas por kilmetro de cableado en un sistema elctrico de una
ciudad o el nmero de mquinas que se daan y esperan ser reparadas.
Fue ideada por el matemtico francs Simen Poisson (1781 1840).
Distribucin de
Poisson
Mide la probabilidad de un evento aleatorio sobre
algn intervalo de tiempo o espacio.
Son necesarios dos supuestos para la aplicacin de la distribucin de
Poisson:
La probabilidad de ocurrencia del evento es constante para dos
intervalos cualesquiera de tiempo o espacio.
La ocurrencia del evento en un intervalo es independiente de la
ocurrencia de otro intervalo cualquiera.
Dados estos supuestos, la funcin de probabilidad de Poisson puede
expresarse como
Funcin de probabilidad de
Poisson
!
.
) | (
x
e
x X P
x
i

Donde: = Es el nmero promedio de ocurrencias por unidad de
tiempo o espacio.
e = Base del logaritmo natural. Es un valor constante que
equivale a 2.71828
x = Nmero de veces que ocurre el evento.
Supngase que se est interesado en la probabilidad de que
exactamente 5 clientes lleguen durante la siguiente hora (o en cualquier
hora dada). La observacin simple de las ltimas 80 horas ha
demostrado que 800 clientes han entrado al negocio. Por tanto, = 10
por hora. Utilizando la frmula

03783 . 0
120
539856 . 4
! 5
) 71829 . 2 )( 10 (
) 10 | 5 (
10 5

x P

Una compaa de pavimentacin firm contrato con el Ayuntamiento
para hacer mantenimiento a las avenidas de la ciudad. Las avenidas
recientemente pavimentadas por esta compaa demostraron un
promedio de dos defectos por kilmetro despus de haber sido utilizadas
durante un ao. Si el Ayuntamiento sigue con sta compaa de
pavimentacin cul es la probabilidad de que se presenten 3 defectos
en cualquier kilmetro de avenida despus de haber tenido trfico
durante un ao?
1804 . 0
! 3
) 71829 . 2 )( 2 (
) 2 | 3 (
2 3

x P
La media y varianza para la distribucin de Poisson son iguales, es decir,
= E(x) = y la varianza
2
= , por lo que la desviacin estndar es =
.
Problemas resueltos:
1. Distribucin binomial. A un fabricante le suministran un diseo tipo
de una pieza de maquinaria que se producen en su empresa. Este
producto, que es fabricado en lotes de n =12 sufre una tasa de
defectos de 40%
a) Si no se desea un riesgo mayor del 10% en la probabilidad de que
5 de los 12 sean defectuosos Debera comprarle a ste distribuidor?
b) Si usted no desea enfrentar un riesgo mayor del 20% de
probabilidad de que ms de 5 piezas salgan defectuosas, debera
comprarle a este proveedor?
Solucin:
a. Considerando P (x = 5 n = 12, p = 0.40) =
12
C
5
* (0.40)
5
* (1 0.40)
12-
5
= 0.2270
Comentario: Como 22.7% >10%, no debera comprarle a ste
proveedor.
b. Dado: P (x > 5 n = 12, p = 0.40),
P (x = 0) =
12
C
0
* (0.40)
0
* (1 0.40)
12-0
= 0. 002176
P (x = 1) =
12
C
1
* (0.40)
1
* (1 0.40)
12-1
= 0. 017441
P (x = 2) =
12
C
2
* (0.40)
2
* (1 0.40)
12-2
= 0. 063852
P (x = 3) =
12
C
3
* (0.40)
3
* (1 0.40)
12-3
= 0. 141893
P (x = 4) =
12
C
4
* (0.40)
4
* (1 0.40)
12-4
= 0. 212840
P (x = 5) =
12
C
5
* (0.40)
5
* (1 0.40)
12-5
= 0. 227030
0. 665232
Por tanto, P (x > 5) = 1- 0.6652 = 0.3347, es decir, existe una
probabilidad de 33.47% de que ms de 5 piezas estn defectuosas.
Comentario: Como 33.47% >20%, no debera comprarle a ste
proveedor.
2. Distribucin Hipergeomtrica. Una tienda de productos deportivos
tiene en existencia N= 20 pares de calzado deportivo de los cuales r
=8 presentan algn tipo de defecto. Si usted selecciona n= 3 pares
de este tipo de calzado, cul es la probabilidad de que x =1 tenga
algn tipo de defecto?
Solucin: P (x = 1 N= 20, r = 8, n = 3, x = 1),
4632 . 0 ) 1 (
3 20
2 12 1 8

C
C C
C
C C
x P
n N
x n r N x r
3. Distribucin de Poisson. El cable utilizado para asegurar las
estructuras de los puentes tienen un promedio de 3 defectos por
cada 100 yardas (1 yarda = 0.9144 metros). Si se requieren cablear
una distancia de 50 yardas Cul es la probabilidad de que haya una
defectuosa?
Solucin: Debido a que la media est dada en trminos de 100 yardas,
se debe determinar qu porcentaje de 100 yardas es 50. Por tanto,
50/100 = 0.50. Entonces, en nmero promedio de defectos por 50
yardas es (3)(0.50) = 1.5.
Dado, P (x = 1 = 1.5) y e = 2.71828
3347 . 0
! 1
5 . 1
!
) 5 . 1 | 1 (
5 . 1 1

e
x
e
x P
x

EJERCICIOS
1. A un conmutador de la oficina principal de la compaa llegan llamadas a un
promedio de dos por minuto y se sabe que tienen distribucin de Poisson. Si el
operador est distrado por un minuto, cul es la probabilidad de que el nmero
de llamadas no respondida sea:
a) Cero?
b) Por lo menos una?
c) Entre 3 y 5, inclusive?
2. Cules seran las probabilidades del ejercicio anterior si el operador se distrae
por 4 minutos?
3. Una empresa de muebles y mudanzas recibe en promedio 132 quejas por da
por mal trato de muebles. Cual es la probabilidad de que en una hora cualquiera
del da se reciban:
a) Dos quejas.
b) Entre 2 y 6 quejas
c) Menos de 2
d) Ninguna queja
4. Usted compra partes para bicicleta de un proveedor que se sabe tiene una tasa
de defectos en los productos que fabrica de 3 por cada 100 partes. Usted
requiere comprar 150 partes pero no aceptar una probabilidad de ms del 50%
de que ms de dos partes sean defectuosas. Le comprara usted a dicho
proveedor?
5. Los accidentes en un crucero de la ciudad de Tepic se han tipificado como 2 en
promedio durante el inicio de semana y 6 el resto de la semana. Cual es la
probabilidad de que en un determinado da ocurran en ese crucero,
a) Tres accidentes
b) Ms de 5
c) Menos de 2
d) Ninguno
6. Profeco recibe un promedio de 8640 llamadas por mes (de 30 das), por mal
servicio de Telfonos de Mxico. Cual es la probabilidad de que en determinado
minuto se reciban,
a) Dos llamadas
b) Ninguna
c) Entre 3 y 5 inclusive para ambos
7.5 DISTRIBUCION EXPONENCIAL
La distribucin exponencial es una distribucin continua. Mide el paso
del tiempo entre tales ocurrencias. Mientras que la distribucin de
Poisson describe las tasas de llegada (de personas, camiones, llamadas
telefnicas, etc.) dentro de algn periodo dado, la distribucin
exponencial estima el lapso entre tales arribos. Si el nmero de
ocurrencias tiene distribucin de Poisson, el lapso entre las ocurrencias
estar distribuido exponencialmente.
La probabilidad de que el lapso sea menor o igual a cierta cantidad x es
Distribucin
exponencial
P (X x) = 1- e
- t
En
donde:
t es el lapso de tiempo
e es la base del logaritmo natural, 2.71828
es la tasa promedio de ocurrencia

La distribucin de una variable aleatoria exponencial se muestra en la
siguiente figura. La curva en continuo descenso muestra que con el paso
del tiempo X aumenta y la probabilidad disminuye.
Distribucin exponencial:
f (x)

P (X 30)
P (X 40)
10 20 30 40 50 60 70 x
Se asume que la tasa promedio de llegada de los clientes es
= 1.5 por
hora y se desea saber la probabilidad de que no ms de dos horas
transcurran entre llegadas. De acuerdo con la frmula, t = 2. Entonces P
(X 2)=1- e
- (1.5) (2)
=1 e
- 3
= 0.9502. Existe 95.02% de probabilidad de
que el segundo cliente ingrese a las dos horas o menos, del primero si la
tasa de llegadas es de 1.5 horas.
Los camiones llegan al punto de venta a una tasa de
= 2 por hora.
Cul es la probabilidad de que no ms de 30 minutos transcurran entre
llegadas?
Para este ejemplo, se considera: 30 minutos = 1/2 hora). Entonces, P (X
30 minutos) = 1 e
- (2)(1/2)
= 0.6321.
Ejemplo. Una estacin de servicio de taxis programa sus unidades para
que lleguen al aeropuerto en una distribucin de Poisson con una tasa
promedio de llegada de 12 por hora. Si usted acaba de llegar en el
ltimo vuelo y requiere estar en el centro de la ciudad lo ms pronto
posible para cerrar un importante negocio, cul es la probabilidad de
que usted tenga que esperar mximo 5 minutos para conseguir su taxi?
Si la probabilidad de que pase otro taxi dentro de 5 minutos es menor al
50%, usted alquilar un carro especial para el viaje al centro.
Solucin. Asumiendo lo peor, que el ltimo taxi acaba de irse, usted
debe determinar P(X 5 minutos). Debido a que
= 12/60 minutos, se
debe determinar qu porcentaje son 5 minutos de 60: 5/60 = 1/12. Por
lo tanto, t = 1/12 y P (X 5 minutos) = 1 e
(12) (1/12)
= 63.21%.
Interpretacin. Hay una probabilidad de 63.21% (> 50%) de que llegue
un taxi dentro de 5 minutos.
EJERCICIOS
1. Los aviones llegan a un pequeo aeropuerto en una proporcin de dos por
hora. Tomar una hora reparar una rampa utilizada para desembarcar
pasajeros. Cul es la probabilidad de que un avin llegue mientras que la
rampa est en reparacin?
2. El computador principal de la universidad queda fuera de lnea tres veces
por semana. Los profesores deben entregar una informacin que les es
requerida y que requiere adems el uso del computador. Cul es la
probabilidad de que el computador est fuera de lnea toda la semana?
3. Durante un da de trabajo tpico de 8 horas, los computadores utilizados
para vigilar la etapa de enfriamiento en la produccin de neumticos para
autos seala que la temperatura no se mantiene de forma apropiada en 30
oportunidades. El director ejecutivo de la compaa est por hacer una
inspeccin de la planta que durar 30 minutos. Cul es la probabilidad de
que est all cuando se active la seal del computador?
8. DISTRIBUCIN NORMAL
De todas las distribuciones de probabilidad que se analizaron, la
distribucin normal es la ms importante. La distribucin normal es una
distribucin continua. Se utiliza para reflejar la distribucin de variables
tales como estaturas, pesos, distancias y otras medidas que son
divisibles infinitamente. Tales variables continuas generalmente son el
resultado de la medida.
La frmula de esta distribucin fue publicada por primera vez por
Abraham Demoivre (1667-1754) en 1733. Otros matemticos que han
hecho aportaciones en la historia inicial de la distribucin normal son
Pierre Simn, el Marqus de Laplace (1749-1827) y Carl Friedrich Gauss
(1777-1855), en cuyo honor se denomina a veces distribucin de Gauss.
Algunas caractersticas de la distribucin normal son las siguientes:
1. El rea total comprendida bajo la curva y por encima del eje
horizontal es igual a 1.
2. La distribucin es simtrica al respecto de su media. Es decir, el 50%
del rea est comprendida a la derecha de la media y el 50% a la
izquierda.
3. La media, la moda y la mediana son todas iguales.
4. La distancia que hay desde el punto de inflexin de la curva hasta
una perpendicular levantada sobre la media es igual a la desviacin
estndar .
5. La distribucin normal es una familia de distribuciones, puesto que
existe una distribucin diferente para cada y .
6. Los valores de la variable aleatoria se distribuye desde - (menos
infinito) a + (mas infinito), pero su rango prctico se considera igual
a 6 desviaciones estndar (3 por encima y 3 por debajo de la
media)
7. Proporciona la base para la inferencia estadstica clsica, por su
relacin con el teorema de lmite central.
Consideremos el caso de un fabricante de ropa que desea estudiar la
distribucin en la estatura de las personas. El gerente de produccin
reconoci que el pblico estaba en constante cambio en su tamao
fsico y en sus proporciones. En un esfuerzo por producir la ropa de
mejor ajuste, la gerencia pens que se necesitaba un anlisis completo
de las tendencias actuales en los tamaos de moda. Se supone que si la
empresa fuera a medir las estaturas de todos sus clientes potenciales,
encontraran que las estaturas se distribuyen de manera normal (similar
a la curva de Gauss) alrededor de una media de 1.70 metros. Es decir, el
valor promedio de dicha serie de datos es de 1.70 (suma de todos los
valores entre el total de datos), no obstante, existen estaturas por arriba
y por debajo de este promedio.
Estas diferencias por encima y por debajo de la media (dispersin)
podra medirse mediante la desviacin estndar, la cual es de 5
centmetros para este caso (o 0.05 metros). Una grfica de estas
estaturas producira una campana, como se muestra en la siguiente
figura, colocando las observaciones individuales en el eje horizontal, y la
frecuencia de estas observaciones en el eje vertical.
f(x)
= 0.05 m.
50% 50%

= 1.70 x
(metros)
Si los valores son todava normales (distribuidos normalmente) entonces
aparecer la curva en forma de campana. Es importante recordar que el
50% de las observaciones estn por encima de la media (a la derecha de
la media) y el 50% restante por debajo de la media (a la izquierda de la
media), ya que media y mediana tienen el mismo valor.
8.1 Distribucin normal estndar
F
r
e
c
u
e
n
c
i
a

d
e

o
b
s
e
r
v
a
c
i
n
99
Puede existir un nmero infinito de distribuciones normales posibles,
cada una con su propia media y su desviacin estndar. Ya que no se
puede analizar un nmero tan grande de posibilidades, es necesario
convertir todas estas distribuciones normales a una forma estndar. Esto
es, se trata de hacer una contrastacin entre un modelo terico y un
modelo real. Para ello se utiliza una formula de conversin (o frmula
Z), la cual permite transformar valores reales, que se supone que se
distribuyen de manera normal o en forma de campana, en valores
correspondientes a un modelo donde pueden leerse valores de
probabilidad tericamente posibles.
Frmula de conversin

x
Z
En donde Z es la distribucin normal estandarizada y x es algn valor
especfico de la variable aleatoria. A partir de esta conversin, el valor
de la media poblacional () es igual a 0, y la desviacin estndar
poblacional () toma el valor de 1.0.
La distribucin normal estndar es aquella cuya variable aleatoria Z
siempre tiene una media =0 y una desviacin estndar =1.
Por ser una variable aleatoria continua, siempre se obtendrn valores
bajo la curva normal (vase tabla de la distribucin normal estndar)
entre dos puntos y no un solo punto especfico. La curva normal permite
entonces hacer clculos de rea bajo la curva entre dos valores de la
variable aleatoria.
En el ejemplo de la fbrica de ropa, consideremos el hecho de que una
persona mide 1.80 metros, su valor equivalente en Zs es
2
05 . 0
70 . 1 80 . 1
Z
Es decir, 1.80 metros se encuentra ubicado en el punto 2 desviaciones
estndar a la derecha de la media y, segn la tabla de valores de la
normal, es equivalente a 0.4772. Es decir, que la probabilidad de
encontrar estaturas entre 1.70 y 1.80 metros, es del 47.72%. Esta
informacin ser de mucha utilidad para el fabricante de ropa.
Estandarizar una distribucin normal permite determinar ms fcilmente
la probabilidad de que ocurra cierto evento. El personal de la fbrica de
ropa puede hallar la probabilidad de que un haya clientes que tenga
entre 1.75 y 1.70 metros de estatura, P (1.75 X 1.70), simplemente
hallando el rea que est bajo la curva, a partir de lo cual se podr
conocer la probabilidad correspondiente, con el apoyo de la tabla
normal.
Considerando este ejemplo, el valor de Z est dado como Z = (1.75
1.70)/0.05 = 1.0 desviaciones estndar. En la tabla de la normal, se
localiza el valor para Z = 1.0 = 0.3413, en donde se establece el 34.13%
de todos los clientes de la fbrica de ropa, miden entre 1.75 y 1.70
metros. Por otra parte, si se desea saber que porcentaje de clientes
miden ms de 1.75, entonces tenemos que la mitad de la curva por
encima de 1.70 es de 0.5000 o el 50%, de manera que la diferencia
entre 0.5000 0.3413 = 0.1587 (Existe una probabilidad del 15.87% de
que haya clientes que midan ms de 1.75 metros).
(1.70 X 1.75) = P (0 Z 1) = 0.3413

0.1587
87
0.3413
P (X > 1.75) = P (Z > 1.0) = 0.1587
Se requiere conocer la probabilidad de que una persona mida entre 1.64
y 1.78 metros.
Clculos. Primeramente se procede a conocer el valor del rea bajo la
curva entre el rango 1.64 y 1.78 m.

1.75
0.3413
1.70
101
1) P(x=1.64) = (1.64 1.70)/0.05 = -1.20. El signo indica que el rea
buscada se encuentra del lado izquierda de la media y, como es
simtrica, puede ignorarse para realizar el clculo de la probabilidad. Por
lo tanto, de tablas se obtiene que la probabilidad cuando Z = 1.20 es P(Z
= 1.20) = 0.3849 del lado izquierdo de la curva.
2) El otro valor del rango es de 1.78 metros, por lo que P(x = 1.78) =
(1.78 1.70)/0.05 = 1.60, que se localiza del lado derecho de la curva.
De tablas, la probabilidad cuando Z = 1.60 es P(Z = 1.60) = 0.4452.
La respuesta se completa al juntar (sumar) las dos probabilidades (la del
lado izquierdo y la del lado derecho). Dado que se requiere conocer la
probabilidad de encontrar estaturas entre 1.64 y 1.78 metros, la
respuesta es 0.3849 + 0.4452 = 0.8301, es decir, existe el 83.01% de
probabilidad de que haya clientes que midan entre 1.64 y 1.78 metros
de estatura.

0 .8301
0 -1.2 1.6
P (- 1.2 Z 1.6) = 0.8301
Si se deseara saber la probabilidad de aquellas personas con estaturas
menores que 1.64, entonces 0.5000 (equivalente a la mitad de la curva
izquierda) 0.3849 = 0.1151, es decir que existe un 11.51% de que
haya clientes con estaturas menores a 1.64 metros.
Como ejemplo (1) calcule la probabilidad de encontrar clientes con las
siguientes estaturas.
a) Entre 1.50 y 1.62 metros
b) Entre 1.80 y 1.86
c) Entre 1.58 y 1.72
d) Menores a 1. 60
e) Menores a 1.90
f) Mayores a 1.89
g) Mayores a 1.68
h) Entre 1.50 y 1.80

Ejemplo 2. Una compaa presta servicios de comunicacin va satlite a
algunos negocios de la ciudad. Los funcionarios de la compaa han
aprendido que la transmisin satlite promedio es de 150 segundos con
una desviacin estndar de 15 segundos. Los tiempos parecen estar
distribuidos normalmente.
Para estimar de manera apropiada la demanda del cliente por sus
servicios y establecer una estructura de tarifas que maximice las
utilidades corporativas, la empresa debe determinar qu tan probable es
que algunas llamadas se presenten. El director de servicios desea
conocer los estimados de probabilidad de que una llamada dure:
a. Entre 125 y 150 segundos
b. Menos de 125 segundos
c. Entre 145 y 155 segundos
d. Entre 160 y 165 segundos
Solucin:
a.
67 . 1
15
150 125

Z

Un valor Z de 1.67 da un rea de 0.4525. Por tanto, la probabilidad de
que una llamada dure entre 125 y 150 segundos es de 45.25%.
0.4525
0.0475
125 150
b. Si el 45.25% del rea est entre 125 y 150, entonces la
probabilidad de que cualquier transmisin seleccionada
aleatoriamente requiera 125 segundos o menos es 0.5000
0.4525 = 0.0475 = 4.75%.
c. P (145 X 155)
33 . 0
15
150 145

Z
Dado Z = - 0.33, el rea que est entre 145 y 150 es 0.1293 por debajo
de la media. Por otra parte, 155 es una distancia que est por encima de
la media equivalente a la anterior, pero positiva, de manera que el rea
entre 150 y 155 tambin es 0.1293. Por tanto,
P (145 X 155) = 0.1293 + 0.1293 = 0.2586
0.2586
-0.33 0.33
d. El valor para Z entre 160 y 150 es de Z = (160 150)/15 = 0.67
La probabilidad cuando Z = 0.67, es de 0.2486. Para determinar el rea
bajo la curva entre 165 y 150, se tiene que Z = (165 - 150)/15 = 1.0
El valor de probabilidad para Z = 1.0 es de 0.3413, por lo que la
probabilidad entre 160 y 165 es una resta entre el rea ms grande y la
ms pequea P (160 X 165) = 0.3413 - 0.2486 = 0.0927
Interpretacin. Estos clculos de probabilidad permiten a la empresa
desarrollar un sentido de la demanda por sus servicios que le ayudar a
establecer polticas respecto al uso de los servicios por parte de los
clientes, as como una estructura de tarifas ptima que pueda cobrar.
8.1.2. Aproximacin de la distribucin normal a la distribucin
binomial
La distribucin binomial involucra una serie de n ensayos que pueden
producir (1) un xito o (2) un fracaso. La probabilidad de un xito se
indica como p. Las respuestas pueden hallarse a menudo en la tabla
binomial o utilizando la frmula binomial. Sin embargo si n es demasiado
grande, puede exceder los confines de cualquier tabla y la frmula
puede ser excesivamente laboriosa. La solucin puede hallarse con el
uso de la distribucin normal para aproximar la distribucin binomial.
Esta aproximacin se considera lo suficientemente precisa si np 5 y
n(1- p) 5 y si p est prximo a 0.50.
Supngase que el 40% de los trabajadores de un sindicato estn a favor
de una huelga. Si se seleccionan 15 miembros de manera aleatoria,
cul es la probabilidad de que 10 apoyen un paro? Utilizando la frmula
binomial P(x = 10n = 15, p= 0.40), se tiene que P (x = 10) = 0.0245.
Es posible aproximarse a la respuesta utilizando la distribucin normal.
Primero se debe encontrar la media
y la desviacin estndar
de la
distribucin normal.
= np y
=
) 1 )( ( p p n
En este caso,
= (15)(0.40) = 6 y
=
) . )( . ( 60 0 40 0 15
= 1.897
Debido a que existe un nmero infinito de valores posibles en una
distribucin normal (o en cualquier distribucin continua), la
probabilidad de que la variable aleatoria sea exactamente igual a algn
valor especfico como 10, es cero. Cuando se utiliza una distribucin
continua para estimar una variable aleatoria discreta, es necesario un
ajuste llamado factor de correccin por continuidad el cual requiere que
se trate la probabilidad de exactamente 10 miembros como el intervalo
entre 9.5 y 10.5. Esto se ilustra en la siguiente figura, la cual muestra las
probabilidades para cada valor de la variable aleatoria (nmero de
trabajadores).
0.20
0.15 -
0.10 -

0.02 -
0.01 -
0 1 2 3 4 5 6 7 8 9 10 11 12 13
14 15
Nmero de miembros
La probabilidad de que exactamente 10 miembros estn a favor de una
huelga est representada por el rea del rectngulo centrada en 10,
donde la curva normal est superpuesta sobre los rectngulos. Vale la
pena destacar que el rectngulo se extiende de 9.5 a 10.5.
Utilizando la distribucin normal para hallar P (9.5 X 10.5), se tiene:
85 . 1
897 . 1
6 5 . 9
Z
Equivalente a 0.4678 del rea bajo la curva normal, y
37 . 2
897 . 1
6 5 . 10
Z
Equivalente a un rea de 0.4911. Entonces, P (9.5 X 10.5) = 0.4911
0.4678 = 0.0233, lo cual es una aproximacin muy cercana al 0.0245
calculada mediante la distribucin binomial.
P
r
o
b
a
b
i
l
i
d
a
d
106
Problemas resueltos
1. Distribucin exponencial. El gerente de un pequeo negocio dedicado
a la venta de hamburguesas, observa que los clientes acuden a su
establecimiento a razn de 8 por hora. Cul es la probabilidad de que
pasen ms de 15 minutos entre la llegada de dos clientes?
Solucin. Aunque la razn media est dada originalmente como 8 por 60
minutos, se desea saber la probabilidad de que transcurran 15 minutos.
Debe determinarse qu porcentaje de 60 minutos es 15, por lo que,
15/60 = 0.25. As, t es igual a 0.25 y -
t = - (8) (0.25) = -2. Para

determinar P (x > 15), primero se debe hallar P (x 15) y restar de 1.0.
P (x 15) = 1 e
8(0.25)
= 1 0.1353 = 0.8647.
P (x > 15) = 1 0.8647 = 0.1353.
2. Distribucin normal. La Secretara de Agricultura, en un estudio sobre
cultivos, ha detectado que las precipitaciones diarias en ciertos lugares
parecen estar distribuidas normalmente con una media de 2.2 pulgadas
(5.588 centmetros) durante la estacin lluviosa. Se determin que la
desviacin estndar era de 0.8 pulgadas.
a. Cul es la probabilidad de que llueva ms de 3.3 pulgadas en un da
durante la estacin lluviosa?
38 . 1
8 . 0
2 . 2 3 . 3
x
Z
Un valor de Z de 1.38 da un rea de 0.4162. As pues, P (X > 3.3) =
0.5000 0.4162 = 0.0838.
0.0838 0.4162
2.2 Pulgadas 3.3
b. Halle la probabilidad de que llueva ms de 1.3 pulgadas.
13 . 1
8 . 0
2 . 2 3 . 1

Z
El valor de Z de 1.13, equivalente a un rea de 0.3708, por lo que P (x
>1.3) = 0.5000 + 0.3708 = 0.8708. Habr un 87.08% de que llueva ms
de 1.3 pulgadas.
c. Cul es la probabilidad
de que las precipitaciones estn entre 2.7 y 3.0 pulgadas?
0 . 1
8 . 0
2 . 2 0 . 3
Z
Correspondiente a un rea de 0.3413 y,
63 . 0
8 . 0
2 . 2 7 . 2
Z
1.3 2.2
0.3708 0.5000
108
Para un rea de 0.2357.

2.2 2.7 3.0
Por tanto, P (2.7 x 3.0) = 0.3413 0.2357 = 0.1056
3. Aproximacin normal a la distribucin binomial. El 45% de todos los
empleados de un centro de capacitacin gerencial tienen ttulos
universitarios. Cul es la probabilidad de que de los 150 empleados
seleccionados aleatoriamente, 72 tengan ttulo universitario?
La media y la desviacin estndar son = p = (150)(0.45) = 67.5
Mientras que
=
) )( )( ( q p n
, donde q = (1-p), por lo que
) . )( . )( ( 55 0 45 0 150
= 6.09.
Si P (71.5 x 72.5), entonces,
82 . 0
09 . 6
5 . 67 5 . 72
Z
De tablas P(Z = 0.82) = 0.2939, y
66 . 0
09 . 6
5 . 67 5 . 71
Z
De tablas P(Z = 0.66) = 0.2454.
Por lo que, P (71.5 x 72.5) = 0.2939 0.2454 = 0.0485
71.5 72 72.5
EJERCICIOS
1. Los paquetes de cereal que produce una conocida marca vienen en cajas de 36
onzas que tienen una desviacin estndar de 1.9 onzas. Se considera que los
pesos de dichas cajas estn distribuidos normalmente. Si se selecciona una
caja aleatoriamente, cul es la probabilidad de que la caja pese:
a) Menos de 34.8 onzas?
b) Ms de 34.8 onzas?
c) Entre 34.3 y 38.9 onzas?
d) Entre 39.5 y 41.1 onzas?
2. Como comerciante de materiales para la construccin, usted compra sacos de
cemento que pesan en promedio 50 libras, con una desviacin estndar de 5.2
libras. Por prescripcin mdica, un trabajador est imposibilitado para levantar
pesos mayores a las 60 libras. Podra cargar un saco de cemento sin riesgo de
que ste exceda las 60 libras?
3. Se publica que los frenos de autos nuevos Nissan duran un promedio de
35,000 millas, con una desviacin estndar de 1,114 millas. Un cliente acaba
de comprar un auto de sta marca, cul es la probabilidad de que los frenos le
duren
a) Ms de 35, 000 millas?
b) Menos de 33, 900 millas?
c) Menos de 37, 500 millas?
d) Entre 32, 500 y 36, 900 millas?
4. Los sobrecostos por actualizacin de computadoras en una empresa tiene en
promedio $235,000, con una desviacin estndar de $94,000. El director
ejecutivo del rea de Investigacin no desea arriesgarse a ms de 34% de
probabilidad de sobrecosto a que una actualizacin propuesta recientemente
exceda ms de $250,000. Usted recomendara que se ejecute la
actualizacin?
5. El promedio de los salarios de los empleados bancarios en una ciudad de
Estados Unidos es de $22.87 dlares/hora, con una desviacin estndar de
$5.87 dlares/hora. Cul debe ser su salario/hora si desea ganar:
a) Ms que el 80%?
b) Ms que el 30%?
c) Menos que el 20%?
d) Ms que el 50%?
6. Los empleados de una empresa trabajan en promedio 55.8 horas/semana con
una desviacin estndar de 9.8 horas. Los ascensos son ms probables para
los empleados que estn dentro del 10% de los que pasan ms tiempo
trabajando. Cunto debe trabajar un empleado para mejorar sus
oportunidades de ascenso?
7. Los registros muestran que el 45% de todos los automviles producidos por
Ford Motor Company contiene partes importadas de Japn. Cul es la
probabilidad de que en los prximos 200 vehculos, 115 contengan partes
japonesas?
8. Una empresa de transportes por carretera encuentra que el 30% de sus envos
llega tarde. Si se programan ocho envos, cul es la probabilidad de que:
a) Tres lleguen tarde?
b) Tres o ms lleguen tarde?
c) Tres o menos lleguen tarde?
d) Entre tres y cinco inclusive lleguen tarde?
9. Una encuesta revela que el 60% de los hogares prefiere cierta marca de ropa
deportiva. Si se hizo la encuesta en 12 hogares, cual es la probabilidad de que
esta ropa deportiva sea escogida por:
a) Siete hogares?
b) Menos de seis hogares?
c) Diez o ms hogares?
d) Ms de dos hogares?
10. Una empresa transfiere 9 trabajadores a otra empresa que es filial de la
primera. Slo 6 de ellos estn realmente calificados para realizar el trabajo
para el cual pueden ser asignados. El departamento de Produccin selecciona
aleatoriamente 5 de los 9 empleados. Cul es la probabilidad de que:
a) Los cinco estn calificados?
b) Cuatro estn calificados?
c) Por lo menos tres estn calificados?
11. La junta directiva de la empresa ABC consta de 4 economistas, 3 contadores y
5 ingenieros. Si un comit de 7 miembros debe seleccionarse aleatoriamente,
cul es la probabilidad de que dicho comit est conformado por 2
economistas, 2 contadores y 3 ingenieros?
12. Los aviones llegan a un aeropuerto internacional a una razn promedio de 5.2
por minuto. Los controladores de trfico areo pueden manejar de forma
segura un mximo de 7 aviones por minuto. Cul es la probabilidad de que se
arriesgue la seguridad del aeropuerto? Se cree que las llegadas tienen una
distribucin de Poisson.
13. Una encuesta report que el 80% de la poblacin piensa que los salarios de los
miembros del Congreso son demasiado altos. Si 15 personas se seleccionan
para conformar un comit que decida por mayora de votos si tales salarios
deben aumentarse o no. Cul es la probabilidad de que el voto sea no
aumentar tales salarios?
14. Los camiones llegan a cargar en razn de 9.3 por hora en promedio. El
encargado del puerto sabe que si llegan 6 o menos camiones, slo es
necesario un puerto de carga. Si llegan ms de 6, debe abrirse un segundo
puerto. Deber abrirse el segundo puerto?
15. Una compaa que presenta un 10% de defectos en su produccin vende su
producto en lotes de 15 unidades. Ofrece un descuento $1,000 s ms de tres
unidades salen defectuosas. Cunto descuento debera esperar la compaa
por cada 50 envos?
16. La administradora de una gran tienda de ropa de un centro comercial hace la
nmina para 11 empleados, pero 7 contienen errores. La jefa del
departamento no est conforme y selecciona 5 registros de nmina para
revisarlos. Se encuentra que 3 contienen errores. La administradora se
defiende diciendo que slo tuvo tres errores en los 11 registros. Es ste un
buen argumento?
17. El tiempo promedio entre fallas de un nuevo foco para exteriores de General
Electric es de 10 semanas. Cul es la probabilidad de que un nuevo foco falle
dentro de 15 semanas?
18. Los clientes ingresan a un restaurante local a una razn de 10 por hora. Cul
es la probabilidad de que transcurran 30 minutos entre las llegadas de 2
clientes cualesquiera?
19. Los pesos contenidos en las cajas de cereal estn distribuidos de manera
uniforme con una media de 35 onzas y un rango de 3.4 onzas.
a) Cul es el peso mnimo y mximo de las cajas?
b) Cul es la probabilidad de que una sola caja contenga entre 32 y 33
onzas?
20. Durante los ltimos 20 aos un trabajador ha conducido todos los das para ir a
su empleo. El menor tiempo empleado para hacerlo es de 63 minutos y el
mximo tiempo que se ha demorado son 110 minutos. Si los tiempos de
conduccin estn distribuidos uniformemente:
a) Cul es el tiempo promedio?
b) Cul es la probabilidad de que le tome 1.5 horas?
21. Los reportes muestran que se cometen 5 homicidios cada hora en las ciudades
ms grandes del pas, y que la distribucin se ajusta a una distribucin de
Poisson. Si esto es cierto, cul es la probabilidad de que en los prximos 30
minutos asesinen a 3 personas?
22. Un proceso de manufactura produce 1.2 defectos por cada 100 unidades de
produccin, y sigue una distribucin de Poisson. Cul es la probabilidad de
que las siguientes 500 unidades presenten 3 defectos?
23. Normalmente se toman 2 semanas en entrenar a un trabajador para utilizar un
taladro de banco. Cul es la probabilidad de que un trabajador pueda ser
entrenado en 1.5 semanas?
24. En un esfuerzo por reducir costos, un restaurante de comida rpida analiz la
tendencia para que sus procesadores automticos determinaran los pesos de
la hamburguesa en la presentacin de un cuarto de libra. Se encontr que los
pesos oscilaban entre 3.2 y 4.9 onzas. Se asumi una distribucin uniforme,
qu porcentaje de hamburguesas tiene ms de un cuarto de libra? (Nota: 1
libra = 16 onzas = 453.6 gramos).
25. La distribucin normal es una distribucin discreta o continua? Justifique su
respuesta. Si dos conjuntos de datos que estn distribuidos normalmente
tienen la misma media pero diferentes desviaciones estndar cmo se
comparara el rango que comprende el 68.3% de todas las observaciones de
un conjunto a otro? Haga las grficas necesarias para ilustrar cmo puede
aplicarse la regla emprica en ambas distribuciones.
26. Los costos de produccin mensual de una imprenta son de $4,100 en promedio
con una desviacin estndar de $870. El administrador considera conveniente
mantener los costos por debajo de los $3,000 este mes. Si los costos estn
distribuidos normalmente puede creerse en el administrador?
27. Un despacho contable encuentra que el tiempo que se toma para realizar un
proceso de auditoria est distribuido normalmente con un tiempo promedio de
17.2 das y una desviacin estndar de 3.7 das. El despacho se comprometi a
iniciar un proceso de auditoria dentro de 20 das pero debe terminar una que
ya ha comenzado. Qu tan probable es que cumpla su promesa?
28. Los corredores de un maratn local terminaron el trayecto en un tiempo
promedio de 180.3 minutos con una desviacin estndar de 25.7 minutos.
Qu tan rpido deben correr para terminar dentro del primer 10%?
29. Los conectores elctricos duran un promedio de 18.2 meses con una
desviacin estndar de 1.7. El proveedor acepta reemplazar uno si ste falla
dentro de los primeros 19 meses. De 500 unidades cuntos se debe
reemplazar en promedio?
30. Las ventas promedio de un agente de ventas son de $5,000 con una
desviacin estndar de $152. El agente de ventas tiene una comisin de
$1,000 slo si sus ventas exceden de $5,300. En promedio, Cul es la
comisin por cada 25 ventas?
31. La produccin diaria de una planta local tiene un promedio 7,300 toneladas
con una desviacin estndar de 125 toneladas. En un promedio de 100 das
cuntas veces exceder las 7,000 toneladas?
32. Las ventas diarias en un parque de diversiones son de $10,120 con una
desviacin estndar de $3,120. Cul es la probabilidad de que el da de hoy
se reciba ms de $10,000 peso de venta?
33. Se sabe que el grupo de profesionistas que se inscriben en una Prueba de
Aptitud Gerencial obtienen 812 puntos en promedio, con una desviacin
estndar de 145 puntos. Slo quienes estn entre el 20% de los mejores
pueden aplicar a una beca especfica. Un profesionista obtuvo un puntaje de
900 en la prueba, considera que puede aplicar para una beca?
34. Las unidades de almacenamiento de una empresa tienen un promedio de 82.3
pies cuadrados (1 pi cuadrado = 929 cms
2
). Cuntos pies cuadrados debe
tener una unidad para que sea ms grande que el 90% de todas las unidades?
35. De acuerdo con la National Geographic, el 32% de los australianos que viven
en el interior del pas beben una cierta clase de cerveza local. Si se seleccionan
aleatoriamente 500 personas de la misma nacionalidad, cul es la
probabilidad de que por lo menos 150 hayan bebido este tipo de cerveza?
36. Una encuesta realizada revel que el 69% de los rusos estaban peor
econmicamente despus de la revolucin. Si se seleccionan aleatoriamente a
800 personas Cul es la probabilidad de que menos de 580 estn en estas
condiciones?
37. Un peridico en Estados Unidos inform que el 56% de todos los nios de 7
aos cree que la Cenicienta era una persona real. Cul es la probabilidad de
que por lo menos el 50% de 120 nios de 7 aos crea lo mismo?
38. En las cercanas de parques industriales mineros se detect que 3 de cada 10
nios contienen plomo en la sangre en cantidades superiores a las permitidas
por la Norma Oficial Mexicana. Cual es la probabilidad de que en un grupo
escolar de 20 nios, padezcan el mismo problema,
a) Exactamente dos de ellos
b) Entre 5 y 10
c) Ms de la mitad de ellos
d) Menos de la cuarta parte
e) Todos
f) Ninguno
39. El tiempo que tarda un empleado para ensamblar partes para automvil al
parecer se distribuye normalmente, con una media de 70 segundos y una
desviacin estndar de 8. Cual es la probabilidad que en una ensambladora
similar los empleados tarden,
a) Entre 80 y 90 segundos
b) Menos de 60 segundos
c) Entre 60 y 70 segundos
d) Ms de 65 segundos
e) Que porcentaje de empleados tarda ms de 70 segundos.
ANDERSON, David, Sweeney, Dennis y Williams, Thomas. Estadstica para Administracin y Economa.
Cengage Learning .2008
BERENSON M, Mark L. y David M. Levine. Estadstica Bsica para administracin. Edit. Prentice
Hall.1992
HINES, William, Douglas C. Montgomery. Probabilidad y Estadstica para Ingeniera y Administracin.
Edit. CECSA 1983.
KAZMIER, Leonard J, Estadstica Aplicada a la Administracin y a la Economa. Edit. McGraw-Hill 2006
LEVIN, Richard, David S. Rubin, Estadstica para Administradores. Edit. Prentice Hall 1996.
MASON/LIND/MARCHAL, Estadstica para Administracin y Economa. Edit. Alfaomega 1995.
PORTILLA C., E. Estadstica primer curso-. McGraw-Hill 1992.
SPIEGEL, Murray R., Estadstica, Edit. McGraw-Hill. Interamericana 1990.
STEVENSON W. J. Estadstica para administracin y economa. Harla 1981
TARO, Yamane, Estadstica. Edit. Harla 1973.
U.P.N. Introduccin a los Mtodos Estadsticos. Mxico. SEP. 1989.
AREAS BAJO LA CURVA NORMAL TIPIFICADA DE 0 A Z
z 0 1 2 3 4 5 6 7 8 9
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2703 0.2734 0.2764 0.2793 0.2823 0.2652
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3364 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4485 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4685 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4762 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4865 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4975 0.4975 0.4976 0.4977 0.4978 0.4978 0.4979 0.4980 0.4980 0.4981
2.9 0.4981 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
TABLA DISTRIBUCION BINOMIAL
n x 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.70 0.80 0.90
2 0 0.9025 0.8100 0.7225 0.6400 0.5625 0.4900 0.4225 0.3600 0.3025 0.2500 0.2025 0.1600 0.0900 0.0400 0.0100
1 0.0950 0.1800 0.2550 0.3200 0.3750 0.4200 0.4550 0.4800 0.4950 0.5000 0.4950 0.4800 0.4200 0.3200 0.1800
2 0.0025 0.0100 0.0225 0.0400 0.0625 0.0900 0.1225 0.1600 0.2025 0.2500 0.3025 0.3600 0.4900 0.6400 0.8100
3 0 0.8574 0.7290 0.6141 0.5120 0.4219 0.3430 0.2746 0.2160 0.1664 0.1250 0.0911 0.0640 0.0270 0.0080 0.0010
1 0.1354 0.2430 0.3251 0.3840 0.4219 0.4410 0.4436 0.4320 0.4084 0.3750 0.3341 0.2880 0.1890 0.0960 0.0270
2 0.0071 0.0270 0.0574 0.0960 0.1406 0.1890 0.2389 0.2880 0.3341 0.3750 0.4084 0.4320 0.4410 0.3840 0.2430
3 0.0001 0.0010 0.0034 0.0080 0.0156 0.0270 0.0429 0.0640 0.0911 0.1250 0.1664 0.2160 0.3430 0.5120 0.7290
4 0 0.8145 0.6561 0.5220 0.4096 0.3164 0.2401 0.1785 0.1296 0.0915 0.0915 0.0410 0.0256 0.0081 0.0016 0.0001
1 0.1715 0.2916 0.3685 0.4096 0.4219 0.4116 0.3845 0.3456 0.2995 0.2995 0.2005 0.1536 0.0756 0.0256 0.0036
2 0.0135 0.0486 0.0975 0.1536 0.2109 0.2646 0.3105 0.3456 0.3675 0.3675 0.3675 0.3456 0.2646 0.1536 0.0486
3 0.0005 0.0036 0.0115 0.0256 0.0469 0.0756 0.1115 0.1536 0.2005 0.2005 0.2995 0.3456 0.4116 0.4096 0.2916
4 0.0000 0.0001 0.0005 0.0016 0.0039 0.0081 0.0150 0.0256 0.0410 0.0410 0.0915 0.1296 0.2401 0.4096 0.6561
5 0 0.7738 0.5905 0.4437 0.3277 0.2373 0.1681 0.1160 0.0778 0.0503 0.0313 0.0185 0.0102 0.0024 0.0003 0.0000
1 0.2036 0.3281 0.3915 0.4096 0.3955 0.3602 0.3124 0.2592 0.2059 0.1563 0.1128 0.0768 0.0284 0.0064 0.0005
2 0.0214 0.0729 0.1382 0.2048 0.2637 0.3087 0.3364 0.3456 0.3369 0.3125 0.2757 0.2304 0.1323 0.0512 0.0081
3 0.0011 0.0081 0.0244 0.0512 0.0879 0.1323 0.1811 0.2304 0.2757 0.3125 0.3369 0.3456 0.3087 0.2048 0.0729
4 0.0000 0.0005 0.0022 0.0064 0.0146 0.0284 0.0488 0.0768 0.1128 0.1563 0.2059 0.2592 0.3602 0.4096 0.3281
5 0.0000 0.0000 0.0001 0.0003 0.0010 0.0024 0.0053 0.0102 0.0185 0.0313 0.0503 0.0778 0.1681 0.3277 0.5905
6 0 0.7351 0.5314 0.3771 0.2621 0.1780 0.1176 0.0754 0.0467 0.0277 0.0156 0.0083 0.0041 0.0007 0.0001 0.0000
1 0.2321 0.3543 0.3993 0.3932 0.3560 0.3025 0.2437 0.1866 0.1359 0.0938 0.0609 0.0369 0.0102 0.0015 0.0001
2 0.0305 0.0984 0.1762 0.2458 0.2966 0.3241 0.3280 0.3110 0.2780 0.2344 0.1861 0.1382 0.0595 0.0154 0.0012
3 0.0021 0.0146 0.0415 0.0819 0.1318 0.1852 0.2355 0.2765 0.3032 0.3125 0.3032 0.2765 0.1852 0.0819 0.0146
4 0.0001 0.0012 0.0055 0.0154 0.0330 0.0595 0.0951 0.1382 0.1861 0.2344 0.2780 0.3110 0.3241 0.2458 0.0984
5 0.0000 0.0001 0.0004 0.0015 0.0044 0.0102 0.0205 0.0369 0.0609 0.0938 0.1359 0.1866 0.3025 0.3932 0.3543
6 0.0000 0.0000 0.0000 0.0001 0.0002 0.0007 0.0018 0.0041 0.0083 0.0156 0.0277 0.0467 0.1176 0.2621 0.5314
7 0 0.6983 0.4783 0.3206 0.2097 0.1335 0.0824 0.0490 0.0280 0.0152 0.0078 0.0037 0.0016 0.0002 0.0000 0.0000
1 0.2573 0.3720 0.3960 0.3670 0.3115 0.2471 0.1848 0.1306 0.0872 0.0547 0.0320 0.0172 0.0036 0.0004 0.0000
2 0.0406 0.1240 0.2097 0.2753 0.3115 0.3177 0.2985 0.2613 0.2140 0.1641 0.1172 0.0774 0.0250 0.0043 0.0002
3 0.0036 0.0230 0.0617 0.1147 0.1730 0.2269 0.2679 0.2903 0.2918 0.2734 0.2388 0.1935 0.0972 0.0287 0.0026
4 0.0002 0.0026 0.0109 0.0287 0.0577 0.0972 0.1442 0.1935 0.2388 0.2734 0.2918 0.2903 0.2269 0.1147 0.0230
5 0.0000 0.0002 0.0012 0.0043 0.0115 0.0250 0.0466 0.0774 0.1172 0.1641 0.2140 0.2613 0.3177 0.2753 0.1240
6 0.0000 0.0000 0.0001 0.0004 0.0013 0.0036 0.0084 0.0172 0.0320 0.0547 0.0872 0.1306 0.2471 0.3670 0.3720
7 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0006 0.0016 0.0037 0.0078 0.0152 0.0280 0.0824 0.2097 0.4783
8 0 0.6634 0.4305 0.2725 0.1678 0.1001 0.0576 0.0319 0.0168 0.0084 0.0039 0.0017 0.0007 0.0001 0.0000 0.0000
1 0.2793 0.3826 0.3847 0.3355 0.2670 0.1977 0.1373 0.0896 0.0548 0.0313 0.0164 0.0079 0.0012 0.0001 0.0000
2 0.0515 0.1488 0.2376 0.2936 0.3115 0.2965 0.2587 0.2090 0.1569 0.1094 0.0703 0.0413 0.0100 0.0011 0.0000
3 0.0054 0.0331 0.0839 0.1468 0.2076 0.2541 0.2786 0.2787 0.2568 0.2188 0.1719 0.1239 0.0467 0.0092 0.0004
4 0.0004 0.0046 0.0185 0.0459 0.0865 0.1361 0.1875 0.2322 0.2627 0.2734 0.2627 0.2322 0.1361 0.0459 0.0046
5 0.0000 0.0004 0.0026 0.0092 0.0231 0.0467 0.0808 0.1239 0.1719 0.2188 0.2568 0.2787 0.2541 0.1468 0.0331
6 0.0000 0.0000 0.0002 0.0011 0.0038 0.0100 0.0217 0.0413 0.0703 0.1094 0.1569 0.2090 0.2965 0.2936 0.1488
7 0.0000 0.0000 0.0000 0.0001 0.0004 0.0012 0.0033 0.0079 0.0164 0.0313 0.0548 0.0896 0.1977 0.3355 0.3826
8 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0007 0.0017 0.0039 0.0084 0.0168 0.0576 0.1678 0.4305
TABLA DISTRIBUCION DE POISSON
x 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066 0.3679 0.3329 0.3012 0.2725 0.2466 0.2231
1 0.0905 0.1637 0.2222 0.2681 0.3033 0.3293 0.3476 0.3595 0.3659 0.3679 0.3662 0.3614 0.3543 0.3452 0.3347
2 0.0045 0.0164 0.0333 0.0536 0.0758 0.0988 0.1217 0.1438 0.1647 0.1839 0.2014 0.2169 0.2303 0.2417 0.2510
3 0.0002 0.0011 0.0033 0.0072 0.0126 0.0198 0.0284 0.0383 0.0494 0.0613 0.0738 0.0867 0.0998 0.1128 0.1255
4 0.0000 0.0001 0.0003 0.0007 0.0016 0.0030 0.0050 0.0077 0.0111 0.0153 0.0203 0.0260 0.0324 0.0395 0.0471
5 0.0000 0.0000 0.0000 0.0001 0.0002 0.0004 0.0007 0.0012 0.0020 0.0031 0.0045 0.0062 0.0084 0.0111 0.0141
6 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0003 0.0005 0.0008 0.0012 0.0018 0.0026 0.0035
7 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0002 0.0003 0.0005 0.0008
x 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80 2.90 3.00
0 0.2019 0.1827 0.1653 0.1496 0.1353 0.1225 0.1108 0.1003 0.0907 0.0821 0.0743 0.0672 0.0608 0.0550 0.0498
1 0.3230 0.3106 0.2975 0.2842 0.2707 0.2572 0.2438 0.2306 0.2177 0.2052 0.1931 0.1815 0.1703 0.1596 0.1494
2 0.2584 0.2640 0.2678 0.2700 0.2707 0.2700 0.2681 0.2652 0.2613 0.2565 0.2510 0.2450 0.2384 0.2314 0.2240
3 0.1378 0.1496 0.1607 0.1710 0.1804 0.1890 0.1966 0.2033 0.2090 0.2138 0.2176 0.2205 0.2225 0.2237 0.2240
4 0.0551 0.0636 0.0723 0.0812 0.0902 0.0992 0.1082 0.1169 0.1254 0.1336 0.1414 0.1488 0.1557 0.1622 0.1680
5 0.0176 0.0216 0.0260 0.0309 0.0361 0.0417 0.0476 0.0538 0.0602 0.0668 0.0735 0.0804 0.0872 0.0940 0.1008
6 0.0047 0.0061 0.0078 0.0098 0.0120 0.0146 0.0174 0.0206 0.0241 0.0278 0.0319 0.0362 0.0407 0.0455 0.0504
7 0.0011 0.0015 0.0020 0.0027 0.0034 0.0044 0.0055 0.0068 0.0083 0.0099 0.0118 0.0139 0.0163 0.0188 0.0216
8 0.0002 0.0003 0.0005 0.0006 0.0009 0.0011 0.0015 0.0019 0.0025 0.0031 0.0038 0.0047 0.0057 0.0068 0.0081
9 0.0000 0.0001 0.0001 0.0001 0.0002 0.0003 0.0004 0.0005 0.0007 0.0009 0.0011 0.0014 0.0018 0.0022 0.0027
1
0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0002 0.0002 0.0003 0.0004 0.0005 0.0006 0.0008
1
1 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0002 0.0002
x 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50
0 0.0450 0.0408 0.0369 0.0334 0.0302 0.0273 0.0247 0.0224 0.0202 0.0183 0.0166 0.0150 0.0136 0.0123 0.0111
1 0.1397 0.1304 0.1217 0.1135 0.1057 0.0984 0.0915 0.0850 0.0789 0.0733 0.0679 0.0630 0.0583 0.0540 0.0500
2 0.2165 0.2087 0.2008 0.1929 0.1850 0.1771 0.1692 0.1615 0.1539 0.1465 0.1393 0.1323 0.1254 0.1188 0.1125
3 0.2237 0.2226 0.2209 0.2186 0.2158 0.2125 0.2087 0.2046 0.2001 0.1954 0.1904 0.1852 0.1798 0.1743 0.1687
4 0.1733 0.1781 0.1823 0.1858 0.1888 0.1912 0.1931 0.1944 0.1951 0.1954 0.1951 0.1944 0.1933 0.1917 0.1898
5 0.1075 0.1140 0.1203 0.1264 0.1322 0.1377 0.1429 0.1477 0.1522 0.1563 0.1600 0.1633 0.1662 0.1687 0.1708
6 0.0555 0.0608 0.0662 0.0716 0.0771 0.0826 0.0881 0.0936 0.0989 0.1042 0.1093 0.1143 0.1191 0.1237 0.1281
7 0.0246 0.0278 0.0312 0.0348 0.0385 0.0425 0.0466 0.0508 0.0551 0.0595 0.0640 0.0686 0.0732 0.0778 0.0824
8 0.0095 0.0111 0.0129 0.0148 0.0169 0.0191 0.0215 0.0241 0.0269 0.0298 0.0328 0.0360 0.0393 0.0428 0.0463
9 0.0033 0.0040 0.0047 0.0056 0.0066 0.0076 0.0089 0.0102 0.0116 0.0132 0.0150 0.0168 0.0188 0.0209 0.0232
1
0 0.0010 0.0013 0.0016 0.0019 0.0023 0.0028 0.0033 0.0039 0.0045 0.0053 0.0061 0.0071 0.0081 0.0092 0.0104
1
1 0.0003 0.0004 0.0005 0.0006 0.0007 0.0009 0.0011 0.0013 0.0016 0.0019 0.0023 0.0027 0.0032 0.0037 0.0043
1
2 0.0001 0.0001 0.0001 0.0002 0.0002 0.0003 0.0003 0.0004 0.0005 0.0006 0.0008 0.0009 0.0011 0.0013 0.0016
1
3 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0001 0.0002 0.0002 0.0002 0.0003 0.0004 0.0005 0.0006
x 4.60 4.70 4.80 4.90 5.00 5.10 5.20 5.30 5.40 5.50 5.60 5.70 5.80 5.90 6.00
0 0.0101 0.0091 0.0082 0.0074 0.0067 0.0061 0.0055 0.0050 0.0045 0.0041 0.0037 0.0033 0.0030 0.0027 0.0025
1 0.0462 0.0427 0.0395 0.0365 0.0337 0.0311 0.0287 0.0265 0.0244 0.0225 0.0207 0.0191 0.0176 0.0162 0.0149
2 0.1063 0.1005 0.0948 0.0894 0.0842 0.0793 0.0746 0.0701 0.0659 0.0618 0.0580 0.0544 0.0509 0.0477 0.0446
3 0.1631 0.1574 0.1517 0.1460 0.1404 0.1348 0.1293 0.1239 0.1185 0.1133 0.1082 0.1033 0.0985 0.0938 0.0892
4 0.1875 0.1849 0.1820 0.1789 0.1755 0.1719 0.1681 0.1641 0.1600 0.1558 0.1515 0.1472 0.1428 0.1383 0.1339
5 0.1725 0.1738 0.1747 0.1753 0.1755 0.1753 0.1748 0.1740 0.1728 0.1714 0.1697 0.1678 0.1656 0.1632 0.1606
6 0.1323 0.1362 0.1398 0.1432 0.1462 0.1490 0.1515 0.1537 0.1555 0.1571 0.1584 0.1594 0.1601 0.1605 0.1606
7 0.0869 0.0914 0.0959 0.1002 0.1044 0.1086 0.1125 0.1163 0.1200 0.1234 0.1267 0.1298 0.1326 0.1353 0.1377
PASOS DEL MTODO CIENTFICO:
1. Observacin : Observar es aplicar atentamente los sentidos a un objeto o a un
fenmeno, para estudiarlos tal como se presentan en realidad, puede ser ocasional o
causalmente.
2. Induccin : La accin y efecto de extraer, a partir de determinadas observaciones o
experiencias particulares, el principio particular de cada una de ellas.
3. Hiptesis : Planteamiento mediante la observacin siguiendo las normas establecidas
por el mtodo cientfico.
4. Probar la hiptesis por experimentacin.
5. Demostracin o refutacin (anttesis) de la hiptesis.
6. Tesis o teora cientfica (conclusiones).
Con la segunda formula quedara: (DATOS NO AGRUPADOS)
N X X2
1 38 1,44
4
2 26 676
3 13 169
4 41 1,68
1
5 22 484
14
0
4,45
4
Para la muestra
1
) (
2
2
2
n
n
X
X
S
5 . 133
4
534
4
920 , 3 454 , 4
4
5
) 140 (
454 , 4
2
2

S
Usando la segunda frmula (DATOS AGRUPADOS)
Kilmetros
recorridas
(clases)
(f)
Kilmetro
s
Promedio
Marca de
clase
(X)
fX Fx2
0 y menos de
2
2
1 2 2
2 y menos de
4
5
3 15 45
4 y menos de
6
4
5 20 100
6 y menos de
8
8
7 56 392
8 y menos de
10
1
9 9 81
Sumatorias 2
0
10
2
620
1
) (
2
2
2
n
n
fX
fX
S
2526 . 5
19
8 . 99
19
2 . 520 620
19
20
10404
620
19
20
) 102 (
620
2
2

S
P(SELLO)
0 1/
8
0.12
5
125 . 0 125 . 0 * 1 * 1 5 . 0 * 5 . 0 . . . ) 0 ( , 0 , 3
0 3 0
0 3

C q p C P x n
x n x
x n
1 3/
8
0.37
5
375 . 0 25 . 0 * 5 . 0 * 3 5 . 0 * 5 . 0 . . . ) 1 ( , 1 , 3
1 3 1
1 3

C q p C P x n
x n x
x n
2 3/
8
0.37
5
375 . 0 5 . 0 * 25 . 0 * 3 5 . 0 * 5 . 0 . . . ) 2 ( , 2 , 3
2 3 2
2 3

C q p C P x n
x n x
x n
3 1/
8
0.12
5
125 . 0 1 * 125 . 0 * 1 5 . 0 * 5 . 0 . . . ) 3 ( , 3 , 3
3 3 3
3 3

C q p C P x n
x n x
x n
SUMA 1.00
0
ESPACIO MUESTRAL (POSIBLES RESULTADOS)
2
3
= 8
AAA AAS ASA SAA
SSS SSA SAS ASS
nicamente se encuentra un resultado sin sello que es AAA
Tres resultados con un sello
Tres resultados con dos sellos
Y un resultado con 3 sellos.

Estadistica Descriptiva Programa 2010 (Libro)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica Descriptiva Programa 2010 (Libro)

Uploaded by

Copyright:

Available Formats

Universidad Autnoma de Nayarit

rea Econmico Administrativa

Hernndez Ayn, H y Casillas Barajas, A 48

es la tasa promedio de ocurrencia

t = - (8) (0.25) = -2. Para

You might also like