MEDIDAS DE TENDENCIA CENTRAL

Un buen anlisis de datos no slo implica la presentacin (graficacin) de los datos numricos recolectados y la
observacin de lo que los datos tratan de transmitir (tendencias y patrones), sino que tambin implica el clculo
(resumen) de las caractersticas clave y la descripcin del resultado. Las tres caractersticas o propiedades esenciales
de los datos numricos son la tendencia central, la variacin y la forma.
Media aritmtica
La mayor parte de las series de datos muestran una clara tendencia a agruparse alrededor de un cierto punto central. La
tendencia central se refiere al punto medio de una distribucin. Las tres medidas de tendencia central ms utilizadas
son: la media, la mediana y la moda.
La media aritmtica ( x ) o promedio de las observaciones representa un centro del conjunto de datos. Se calcula
sumando todas las mediciones x1, x2, x3, ... , xn, y dividiendo esta suma entre el nmero total de datos (n). Debido a que
su clculo se basa en cada observacin, la media aritmtica se ve afectada en gran medida por cualquier valor extremo.
La media aritmtica de datos brutos de un conjunto de n observaciones x 1, x2,
x3, ... , xn es la suma de esta observaciones divididas entre n. La media se denota
por x (para muestra) o (para poblacin), se expresa operacionalmente como:
n

X = (x

+ x 2 + x 3 + ..+ x n ) / n o bien X =

x
i 1

n
Cuando el nmero de observaciones es grande (preferentemente mayor a 30) se realiza una distribucin de frecuencia
con los datos recopilados. A pesar de que se pierde el valor individual de cada observacin la estimacin de la media es
ms fcil y muy cercana a la obtenida con los datos brutos. Es por ello que se puede utilizar este clculo, que aunque no
es el real, slo pierde precisin.
La media aritmtica de los datos agrupados se calcula obteniendo la marca de
cada clase y utilizando la frmula:
k

X =

fM
i
i 1

n
k = nmero de intervalos
f i = es la frecuencia del i-simo intervalo
n = nmero total de datos
M i = es la marca de clase del i-simo intervalo
Las ventajas de la media aritmtica son:

Es un concepto familiar para la mayora de las personas y es intuitivamente claro.

Cada conjunto de datos tiene una media nica.

La media es til para llevar a cabo procedimientos estadsticos como la comparacin de medias de
varios conjuntos de datos.
Las desventajas:
Aunque la media es confiable en el sentido de que toma en cuenta todos los valores del conjunto de
datos, puede verse afectada por valores extremos que no son representativos del resto de los datos.
Si los datos no estn en una distribucin de frecuencias, resulta tedioso calcular la media si las
observaciones realizadas son extensas.

Ejemplo:
Los siguientes datos representan las edades de personas que utilizan aparatos auditivos y que en un cierto da del
presente mes compraron pilas para stos.
85
75
66
43
40
88
80
56
56
67
89
83
65
53
75
87
83
52
44
48
a) Calcule la media aritmtica de los datos brutos.
n

a) x =

xi
i1

40 43 44 48 52 53 56 56 65 66 67 75 75 80 83 83 86 87 88 89
20

1335
20
= 66.75
=

b) Para calcular la media aritmtica de los datos agrupados se debe generar la distribucin de frecuencia
correspondiente:

Clase

Frecuencia
(f)

40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
Total

4
4
3
2
7
20

X =

Marca de la
clase M i
45
55
65
75
85

fi M i
180
220
195
150
595
1340

fi M i

i 1

n
1340
20
= 67
=

Comparando la media obtenida con los datos brutos y la obtenida por medio de la distribucin de frecuencia, se aprecia
que la diferencia es mnima.
Media ponderada
La media ponderada permite calcular la media que toma en cuenta la importancia de cada valor con respecto del total.
La media ponderada se obtiene mediante la frmula:
xw =

(w * x)
w

donde: xw = media ponderada

w = peso asignado a cada observacin
x = cada una de las observaciones

Ejemplo:

La Fbrica de Gajos de Fruta public seis anuncios en los peridicos locales durante el mes de diciembre y realiz
encuestas sobre el nmero de veces que un lector haba visto el anuncio, con la finalidad de saber el nmero promedio
de veces que un lector vio el anuncio. Los resultados son los siguientes:
No. Veces que un lector
vio el anuncio durante
Frecuencia
diciembre
0
897
1
1,082
2
1,325
3
814
4
307
5
253
6
198
Calcular la media.
El peso de los datos lo da la frecuencia, de ah que se debe multiplicar el peso por el nmero de veces que se vio el
anuncio y dividir el resultado entre la suma total de las frecuencias.
xw =

(w * x)
w

(0 * 897 ) (1 * 1082) (2 * 1325 ) (3 * 814 ) ( 4 * 307 ) (5 * 253 ) ( 6 * 198 )

897 1082 1325 814 307 253 198
9855
=
4876
= 2.0211 veces una persona vio el anuncio de la Fbrica de Gajos de Fruta en promedio.
=

Mediana
La mediana es una medida de tendencia central representada por un solo valor calculado a partir del conjunto de datos
que mide la observacin central de stos. Esta sola observacin es la ms central o la que est ms en medio en el
conjunto de valores ordenados de menor a mayor. La mitad de los elementos estn por arriba de este punto y la otra
mitad est por debajo.
La mediana m de un conjunto de n observaciones x1, x2, x3, ... , xn es el valor medio
del conjunto ordenado de menor a mayor. Si n es nmero impar, hay un nico valor
medio y ese es la mediana. Si n es par, hay dos valores medios y entonces la
mediana se define como la media de ellos.

Las ventajas de la mediana con respecto a la media son:

Los valores extremos no afectan a la mediana tan intensamente como a la media.

La mediana es fcil de entender y se puede calcular a partir de cualquier tipo de datos.

Se puede calcular la mediana an cuando los datos son descripciones cualitativas.

Las desventajas de la mediana:

Se debe tener ordenado el conjunto de datos para poder calcularla.

Ciertos procedimientos estadsticos que utilizan la mediana son ms complejos que aquellos que utilizan la
media.

Para estimar la mediana con datos brutos se debe:

a) Ordenar las observaciones de menor a mayor

b) Calcular la posicin media de los datos por medio de la frmula
n 1
c) Posicin media =
2
d) Si el nmero de datos es impar, el valor del dato que est en la posicin
media es la mediana.
e) Si el nmero de datos es par, se tendrn dos valores en la posicin media,
se debern de sumar y dividir entre dos para obtener la mediana.
m=

n 1
simo trmino del arreglo de datos
2

Para estimar la mediana con los datos agrupados se utiliza la ecuacin:

n Fa
C
2
fx

~ =L+
X

L = Lmite real inferior del intervalo que contiene la mediana

n = Es el nmero de datos.
F a = Es la frecuencia acumulada del intervalo anterior al que contiene la
mediana
f x = Es la frecuencia del intervalo que contiene a la mediana
C = Es el tamao del intervalo que contiene a la mediana.

Para obtener la clase mediana, a partir de haber estimado la posicin del elemento central, se suman las frecuencias de
cada clase de manera acumulativa hasta encontrar la que contenga ese elemento, esa clase es la clase mediana.
Ejemplo:
Tomando los siguientes datos del ejemplo se calcular la mediana tanto de los datos brutos como de los datos
agrupados.
85
89

75
83

66
65

43
53

40
75

88
87

80
83

56
52

56
44

67
48

a) Se tienen 20 datos, por lo tanto se tendrn dos valores en la posicin central:

n 1
Posicin media =
2
20 1
=
2
= 10.5
Por lo tanto, la mediana se ubicar entre el dato 10 y el dato 11
40 43 44 48 52 53 56 56 65

66

Posicin 10

66 67
2
= 66.5

m=

67

75 75 80 83 83 85 87 88 89

Posicin 11

b) Para obtener la mediana de los datos agrupados, primero se ubicar la clase mediana, esto es la clase donde se
encuentra el dato de la posicin 10 y el de la posicin 11.
Clase

Clase mediana

40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
Total

Frecuencia
(f)
4
4
3
2
7
20

En esta clase se ubica el dato 10 y el dato

11, ya que en las clases 40-60 estn los
primeros ocho datos y en la clase 60-70 hay
tres ms.

Aplicando la frmula:

n Fa
C
2
fx

~ =L+
X

20

2 8

10
= 60 +
3

= 66.6

Moda
La moda es aquel valor que ms se repite en el conjunto de datos, esto es, que
aparece con ms frecuencia.

En ocasiones el azar desempea un papel importante en la organizacin de datos y hace que un solo elemento no
representativo se repita lo suficiente para ser el valor ms frecuente del conjunto de datos. Tambin puede ocurrir que en
el conjunto de datos no exista moda, o que dos o ms valores pueden ocurrir el mismo nmero elevado de veces, es
decir, un conjunto de datos puede tener 2 ms modas. Es por estas razones que rara vez se utiliza la moda de un
conjunto de datos brutos como medida de tendencia central.
Las ventajas de la moda:

Se puede utilizar como medida de tendencia central para datos tanto cualitativos como cuantitativos

No se ve afectada mayormente por los valores extremos. Incluso los valores extremos son muy altos o muy
bajos, siempre se elige el valor ms frecuente del conjunto de datos como el valor modal.
Las desventajas de la moda:

Cuando el conjunto de datos contienen dos, tres o ms modas, resultan difciles de interpretar y comparar.

Es una medida intil cuando: no existe un valor modal debido a que el conjunto de datos no contiene valores
que se presenten ms de una vez, o cuando cada valor es la moda, pues cada uno de ellos se presenta el
mismo nmero de veces.

Para calcular la moda de una distribucin de frecuencia se utiliza la frmula:

1
C
X = L +
1 2
L = Lmite real inferior del intervalo que contiene la moda
1 = Es la diferencia entre la frecuencia del intervalo que contiene a la moda y la
frecuencia del intervalo anterior
2 = Es la diferencia entre la frecuencia del intervalo que contiene a la moda y la
frecuencia del intervalo siguiente.
C = Es el tamao del intervalo que contiene a la moda
Ejemplo:
Utilizando los datos del ejercicio anterior
40 43 44 48 52 53 56 56 65 66 67 75 75 80 83 83 85 87 88 89
se aprecia que el conjunto de datos es bimodal, ya que tiene dos modas: 56 y 75 porque ambos valores se repiten dos
veces y dos es la frecuencia mxima de las observaciones.
Calculando la moda en los datos agrupados, se tiene que:

1
C
X = L +
1 2
la clase modal es el intervalo 80-90, ya que ste es tiene la frecuencia ms alta y sustituyendo los valores:
Clase
40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
Total

Clase modal

Mo = 80 +
Mo = 84.17

72

7 2 7 0

10

Frecuencia
(f)
4
4
3
2
7
20

1.3.1.6 Comparacin de la media, la mediana y la moda

Cuando se trabaja en problemas de estadstica se debe decidir qu medida de tendencia central se debe utilizar para la
representacin de los datos.
Se considerar primero el uso de estas medidas para la representacin de datos de la poblacin. El valor de la moda indica la
posicin de la mayora de los valores observados y puede ser til como medida descriptiva de un grupo de la poblacin,
aunque slo si existe una moda claramente perceptible. Por su parte, la mediana es siempre una medida excelente para
representar el nivel tpico de los valores observados. Esto es as independientemente de la existencia de ms de una moda
o de que la distribucin de la poblacin sea asimtrica o simtrica. Tambin la media aritmtica es excelente como valor
representativo de una poblacin, aunque slo si la poblacin es claramente simtrica. En datos asimtricos, los valores
extremos distorsionarn el valor de la media como valor representativo. As, la mediana es por lo general una mejor medida
de posicin de datos para la descripcin de datos de la poblacin.
Una distribucin es simtrica si la media, la mediana y la moda coinciden en valor (Esto es cuando la distribucin es
unimodal).

Media= mediana = moda

Conforme la distribucin se vuelve asimtrica, o sesgada, la relacin entre las tres medidas cambia. En una distribucin con asimetra
positiva (sesgo positivo o hacia la derecha), la moda se encuentra en el punto ms alto de la distribucin, la media aritmtica es mayor
que la mediana. En la distribucin con asimetra negativa (sesgo negativo o hacia la izquierda) la moda sigue siendo el punto ms alto
de la distribucin pero la media es menor que la mediana.

Distribucin sesgada a
la derecha
Moda
Mediana
Media

Media

Moda

Mediana

Considerando el uso de las tres medidas en relacin con datos muestrales, la moda no es una medida aceptable de
posicin central respecto de stos, porque su valor puede variar ampliamente de una muestra a otra La mediana es
mejor que la moda porque su valor es ms estable entre muestra y muestra. No obstante, el valor de la media es el ms
estable de estas tres medidas.
La seleccin de la media, la mediana o la moda como medida de tendencia central representativa del conjunto de datos,
en ocasiones, depende de la prctica comn de un problema en particular. Con frecuencia se habla del salario de fbrica
promedio (media aritmtica) y ste puede ser de utilidad para tomar muchas de las decisiones en la planeacin de
negocios. Pero el precio mediano de una casa nueva es una estadstica ms til para personas que se mudan a un
nuevo vecindario (evita el problema causado por la presencia de uno o dos precios que pueden distorsionar la media). Y
mientras que la familia promedio consiste de 1.7 nios, tiene ms sentido para los diseadores de automviles pensar en
la familia modal (con dos nios) cuando planean el diseo de automviles nuevos.

MEDIDAS DE DISPERSIN
Concepto de dispersin
Las medidas de tendencia central descritas en el captulo anterior, son tiles para identificar el valor representativo
de un conjunto de datos, sin embargo se necesita de algn instrumento que permita evaluar la confiabilidad de estas
medidas. Una segunda propiedad que describe al conjunto de datos es la variacin, la cual se define como la
cantidad de dispersin o propagacin en los datos.

Curva A

Curva B

Curva C

Una dispersin pequea indica que los datos se encuentran acumulados cercanamente, por ejemplo, alrededor de la
media aritmtica. Por lo tanto, la media se considera una medida bastante representativa de los datos. Esto es, la media
es un promedio confiable. Por el contrario, una dispersin grande indica que la media no es muy confiable,
ya que los datos presentan una variabilidad entre sus valores.
La dispersin de una distribucin es una caracterstica importante, debido a que
proporciona informacin adicional que permite juzgar la confiabilidad de la medida de
tendencia central y porque quiz se desee comparar las dispersiones de diferentes
muestras.
Media
Existen diversas tcnicas para medir el grado de variabilidad
en un conjunto de datos:

Medidas de
dispersin

Absolutas

Rango o intervalo (alcance, amplitud)

Rango intercuartil
Desviacin media
Varianza
Desviacin estndar

Relativas

Coeficiente de variacin

Medidas de dispersin absoluta

La desviacin media denominada tambin desviacin promedio o desviacin media absoluta, mide el promedio en donde
los valores de una poblacin, o muestra, varan con respecto a su media.
La desviacin media es el promedio de los valores absolutos de las desviaciones con
respecto a su media aritmtica.
DM =

xx
n

Donde: x es el valor de cada observacin

x es la media aritmtica del conjunto de observaciones
n es el nmero total de observaciones
| | smbolo que indica el valor absoluto (no se toma en cuenta el signo
aritmtico de la diferencia de las desviaciones con respecto a la media)
No se consideran los signos de las diferencias porque la suma de todas las diferencias positivas y negativas siempre es
igual a cero, lo que sera un dato estadstico intil.
La desviacin media tiene dos ventajas. Utiliza en su clculo el valor de cada uno de los elementos de un conjunto de
datos, y es fcil de comprender. Sin embargo es difcil trabajar con los valores absolutos, as que la desviacin media no
se usa frecuentemente.
Debido a que el uso de la desviacin media no es recomendable, se utilizan dos mediciones de variacin que tambin
evalan la forma en que los valores fluctan alrededor de la media: la varianza y la desviacin estndar.
Cada poblacin tiene una varianza que se simboliza con 2 (sigma cuadrada), y que se asemeja a la desviacin media
absoluta en que se basa en la diferencia entre cada valor del conjunto de datos y la media del grupo. Pero se distingue
de ella en un importante aspecto: cada diferencia se eleva al cuadrado antes de sumarse. Al elevar al cuadrado cada una
de las distancias, se logra que todos los nmeros que aparecen sean positivos y, al mismo tiempo, asignarle ms peso a
las desviaciones ms grandes
Varianza
Para calcular la varianza de una poblacin, se divide la suma de las distancias que
hay entre la media y cada uno de los elementos de la poblacin al cuadrado entre el
nmero total de observaciones de dicha poblacin.
2 =

(x )
n

2 =

f (x )

donde: 2 = desviacin estndar de la poblacin

x = cada uno de los datos y observaciones
= media de la poblacin
n = nmero total de observaciones de la poblacin
Desviacin estndar
En general, es difcil interpretar el significado del valor de una varianza, porque las unidades en las que se le expresa son
valores elevados al cuadrado. Estas unidades no son intuitivamente claras o fciles de interpretar. Por esta razn
tenemos que hacer un cambio significativo en la varianza para calcular una medida til de la desviacin. Esta medida se
conoce como la desviacin estndar, y es la raz cuadrada de la varianza.
La desviacin estndar de los datos agrupados se calcula mediante la frmula
2

donde
2 =

f (x )

n
en donde:
2 = varianza de la poblacin
f = frecuencia de cada una de las clases
x = marca de clase de cada una de las clases
= media aritmtica de los datos
n = nmero total de observaciones

La desviacin estndar de la poblacin o la desviacin estndar de la muestra s, es la raz cuadrada de la

varianza poblacional o muestral, respectivamente.
2 =

(x )

Por lo comn la desviacin estndar se emplea como una medida para comparar la dispersin de dos o ms conjuntos
de observaciones.
Coeficiente de variacin
Una comparacin directa de dos o ms medidas de dispersin es imposible cuando las unidades del conjunto de
observaciones que se estn comparando son diferentes. Para realizar una comparacin significativa es necesario
convertir cada una de estas medidas a una expresin relativa, es decir a un porcentaje. Esa medida relativa es la
denominada coeficiente de variacin (CV) y es til cuando:
a) Los datos estn en unidades diferentes;
b) Al comparar dos o ms conjuntos de datos que son medidos en las mismas unidades difieren hasta un punto que una
comparacin directa de las respectivas desviaciones estndar no es muy til.
El coeficiente de variacin, denotado como CV, mide la dispersin relativa de los datos a
la media aritmtica, expresada como un porcentaje:
s
CV =
(100) para datos muestrales
x
CV =

(100) para datos poblacionales

Ejemplo:
Desviacin media datos no agrupados
Dado el siguiente conjunto de datos calcular la desviacin de la media
110, 112, 112, 114, 118, 119, 120, 128, 130, 130, 135, 147, 150, 150, 154, 160, 160, 160, 166, 172, 175,178, 183, 195,
200, 205, 216, 220, 234, 245.
Para ello primero se debe obtener la media aritmtica de las observaciones:

x=

x
n

110 112 112 114 118 119 120 128 130 130 135 147 150 150 154 160 160 160 166 172 175 1
30

4798
30

= 159.9333

Se resta a cada
dato la media
aritmtica

110 159.9333
112 159.9333
112 159.9333
114 159.9333
118 159.9333
119 159.9333
120 159.9333
128 159.9333
130 159.9333
130 159.9333
135 159.9333
147 159.9333
150 159.9333
150 159.9333
154 159.9333
160 159.9333
160 159.9333
160 159.9333
166 159.9333
172 159.9333
175 159.9333
178 159.9333
183 159.9333
195 159.9333
200 159.9333
205 159.9333
216 159.9333
220 159.9333
234 159.9333
245 159.9333
TOTALES:

DM =

Se suman los
resultados de la
resta
|xx|
43.9333
41.9333
41.9333
39.9333
35.9333
34.9333
33.9333
25.9333
23.9333
23.9333
18.9333
6.9333
3.9333
3.9333
0.0667
6.0667
6.0667
6.0667
12.0667
18.0667
21.0667
24.0667
29.0667
41.0667
46.0667
51.0667
62.0667
66.0667
80.0667
91.0667
940.1334

Para la varianza el resultado de la

resta se eleva al cuadrado

(x x )2
1,930.1378
1,758.4044
1,758.4044
1,594.6711
1,291.2044
1,220.3378
1,151.4711
672.5378
572.8044
572.8044
358.4711
48.0711
15.4711
15.4711
0.0044
36.8044
36.8044
36.8044
145.6044
326.4044
443.8044
579.2044
844.8711
1,686.4711
2,122.1378
2,607.8044
3,852.2711
4,364.8044
6,418.6711
8,293.1378
44,755.8660

xx
n

940.1334
=
30
= 31.3378

Varianza datos brutos

2 =

(x )
N

= 38.6246

44,755.8660
30
= 1,491.8622
=

Coeficiente de variacin datos brutos

Desviacin estndar datos brutos

CV =

2
1,491.8622

(100)

38.6246
x 100
153.9333
= 25.09 %
=

Medidas de dispersin para datos agrupados

Para resolver por medio de datos agrupados, se deber realizar una distribucin de frecuencia con los datos obtenidos.
Utilizando intervalos de clase de 20 pesos, se obtiene:
Clase
110 - 130
130 - 150
150 - 170
170 190
190 210
210 230
230 - 250

Frecuencia
8
4
7
4
3
2
2

Rango datos agrupados:

Rango = Valor del dato mayor Valor del dato menor
= 250 110
= 140
Varianza datos agrupados
Primero se deber calcular la media aritmtica de los datos, para ello se har una tabla que tambin permitir
evaluar la varianza y la desviacin estndar:
Clase
110 - 130
130 - 150
150 - 170
170 190
190 210
210 230
230 - 250
TOTALES

Frecuencia
(f)
8
4
7
4
3
2
2
30

( f * m)

Marca de
clase (m)
120
140
160
180
200
220
240

m*f

m -

(m - )2

f (m - )2

960
560
1,120
720
600
440
480
4,880

- 42.6667
- 22.667
- 2.6667
17.3333
37.3333
57.3333
77.3333

1,820.4473
513.7793
7.1113
300.4433
1,393.7753
3,287.1073
5,980.4393

14,563.5784
2,055.1172
49.7791
1,201.7732
4,181.3259
6,574.2146
11,960.8786
40,586.667

= 162.6667

4,880
=
30

2 =

f (x )
n

40,586.667
30
= 1,352.8889
=

Coeficiente de variacin datos agrupados

CV =

(100)

36.7816
x 100
162.6667
= 22.61 %
=

Medidas de dispersin: indican que tan alejados o dispersos se encuentran los

datos. Las principales medidas de dispersin son el rango, la desviacin media, la
varianza y la desviacin estndar.
Desviacin media: es el promedio de los valores absolutos de la desviacin de
los datos con respecto a la media. Indica en promedio el nmero de unidades en
que cada dato se encuentra alejado de la media.
xi = es el valor del i-simo dato

Datos no agrupados: DM =

xi x

x = es la media del conjunto de datos

n = nmero total de datos

n
Desviacin media para dtos agrupados:
x es la media del conjunto de datos
f i M i nx = nmero total de datos

DM =
f i = es la frecuencia del i-simo intervalo
M i = es la marca de clase del in simo intervalo
Varianza: se define como el promedio de los cuadrados de las desviaciones de los
datos con respecto a la media. Su valor indica la forma en que estn distribuidos
2
xi =es
los datos respecto a la media. Se representa mediante
el valor del i-simo dato
Varianza para datos no agrupados. 2 =

x = es la media del conjunto de

datos
n = nmero total de datos

Varianza para datos agrupados

2 =

f M
i

nx= nmero total de datos

2

x es la media del conjunto de datos

i
n f = es la frecuencia del i-simo intervalo
simo intervalo

M i = es la marca de clase del i-

Desviacin estndar o tpica: se define como la raz cuadrada de la varianza, se

denota por
xi = es el valor del i-simo dato

x = es la media del conjunto de

datos
n = nmero total de datos

Desviacin estndar para datos no agrupados. =

Desviacin estndar para datos agrupados.

=

2
x es la media del conjunto de datos
xn = nmero total de datos
f i = es la frecuencia del i-simo intervalo
M i = es la marca de clase del in
simo intervalo

f M
i

PROBABILIDAD

Regla de la multiplicacin: es el producto del nmero de selecciones respecto de una

secuencia de decisiones. Ejemplo cuantas ordenaciones se pueden obtener con 4 colores
distintos de faldas y 3 colores distintos de blusas 4 x 3 = 12
Espacio muestral: Al conjunto de resultados posibles de un proceso o experimento, por
ejemplo las caras posibles que resulten al lanzar un dado de 6 caras (1,2,3,4,5 o 6), se
conoce como espacio muestral. Define todos los eventos que pueden resultar de un
proceso o experimentos.
Diagrama de rbol: es una grfica que presenta los resultados posibles de un evento.
Este diagrama nos proporciona una base para desarrollar una lista de resultados de un
experimento.
Ejemplo lanzar una moneda tres veces

Permutacin: Es una ordenacin de un conjunto de n objetos en un orden determinado.

Es una forma en la que pueden presentarse los objetos o eventos, y en la que el orden
de aparicin es muy importante, por ejemplo los dgitos 2, 5 y 8 pueden formar los
nmeros 258, 285, 528, 582, 825 y 852; cada uno de ellos es una permutacin de los

16

dgitos 2, 5 y 8 y reflejan valores muy diferentes entre s. Lo mismo puede decirse con las
letras A, V y E: AVE EVA y VEA son palabras diferentes.
Permutar algunos objetos, de todos diferentes. El nmero de formas diferentes en que
se pueden ordenarse n objetos, cuando se toman algunos de estos (r), es el nmero de
permutaciones.
n = es el nmero total de objetos.

n!
Permutaciones de n objetos tomados de r en r n pr
n r ! r = es el nmero de objetos que se
desea considerar

Permutar todos los objetos de todos diferentes. El nmero de formas diferentes en que
pueden ordenarse n objetos diferentes cuando se toman de uno en uno es el factorial de
n
n

pn n!

Permutar todos los objetos, de algunos repetidos. El nmero de formas diferentes en que
pueden ordenarse n 1 , n 2 , n 3 , y n r
n!
n pn n n
n1!n2 !nr !
1

Combinaciones: Es una forma en la que pueden presentarse los objetos o eventos, y en

la que el orden de aparicin no importa; por ejemplo la multiplicacin de los dgitos 2,5 y 8
pueden hacerse de muchas formas diferentes como 2 x 5 x 8, 8 x 2 x 5, 5 x 8 x 2,
2 x 8 x 5, 8 x 5 x 2, 5 x 2 x 8, pero en todos los casos el resultado ser el mismo.

Combinaciones de n objetos tomados de r en r =

n n!
nCr
r !nr r!

n = es el nmero total de objetos o eventos

r = es el nmero de objetos que se desea considerar

Probabilidad: Disciplina que se encarga de analizar situaciones en las que interviene el

azar. Es la relacin entre el nmero de resultados exitosos respecto al total de resultados
posibles.
Las probabilidades se utilizan para expresar cun probable es determinado evento.
La probabilidad de algn evento A, representada como P(A), es un nmero que va del 0 al
1, y que indica cun probable es la ocurrencia del evento A; cunto ms se acerca al valor

17

de 1 tanto mayor es la probabilidad de que dicho evento A ocurra; cunto ms cercano se

encuentre el nmero del 0 menor es la probabilidad de que el evento A ocurra. Las
probabilidades se pueden expresar en mltiples formas, incluyendo decimales, fracciones
1
y porcentajes; as que el 25% es lo mismo que
y es lo mismo que 0.25.
4
Tipos de probabilidad:
Objetiva: Es el resultado de relacionar el nmero de resultados de xito respecto al
total de resultados posibles.
o Enfoque clsico
o Enfoque de Frecuencia relativa
Subjetiva o de juicio personal: es una forma de cuantificar, por medio de factores
de ponderacin individuales, la probabilidad de que ocurra cierto evento, cuando
no es posible cuantificarla de otra manera ms confiable. Refleja la percepcin de
quien la emite.
Enfoque clsico: Supone que todos los eventos tienen la misma probabilidad de ocurrir.
Los juegos de azar como el tiro de monedas, dados o juegos de cartas; presentan la
caracterstica de tener resultados igualmente probables.
P(cada resultado) =

P(A) =

1
nmero..de..resultados .. posibles

Nmero de resultados asociados con el evento A

Nmero total de resultados posibles

Enfoque emprico o de Frecuencia relativa: Es aquel que requiere de llevar acabo

varios experimentos para poder obtener la probabilidad. Es la relacin entre el nmero de
eventos favorables obtenidos, respecto al total de intentos.
Nmero...de...eventos...exitosos
Probabilidad del evento A = P(A) =
total ...de... int entos
Ejemplo: Los registros de una compaa de bienes races la frecuencia de casas vendidas
en un periodo de 16 das.
Casas vendidas No. de das
0
3
1
2
2
5
3
6
De esta manera la probabilidad de que venda 2 casas en un da cualquiera es de
P(2) =

5
16

Subjetiva o de juicio personal: es una forma de cuantificar, por medio de factores de

ponderacin individuales, la probabilidad de que ocurra cierto evento, cuando no es
posible cuantificarla de otra manera ms confiable. Refleja la percepcin de quien la
emite. Existen numerosas situaciones en las que los resultados no son igualmente

18

probables y tampoco se dispone de datos histricos. Como Se podr recobrar una

persona gravemente enferma?
Regla de la adicin para eventos mutuamente excluyentes. Se utiliza cuando
queremos conocer la probabilidad de que ocurra una cosa u otra, si se trata de eventos
mutuamente excluyentes (son aquellos eventos que no pueden ocurrir al mismo tiempo).
Y se utiliza la formula:
P(A B) = P(A) +P(B) siendo lo mismo que
P(A B) = P(A) +P(B)
El smbolo de unin es y representa la agrupacin de todos los
elementos de A y B. Es sinnimo de o
Ejemplo: cinco estudiantes de igual capacidad estn esperando una entrevista de
trabajo, de una compaa que ha anunciado que contratar nicamente a uno de cinco
por seleccin aleatoria. El grupo lo integran Vicente, Elena, Juan, Sonia y Walter. Cul
es la probabilidad de que Juan o Sonia sea el candidato?
P(Juan o Sonia) = P(J S) =

1 1 2
40%
5 5 5

Regla de la adicin para eventos que no son mutuamente excluyentes: Se refiere a

eventos que pueden ocurr al mismo tiempo en un accin determinada, para lo cual es
necesario modificar la frmula anterior, de lo contrario se estara contando doble el
evento.
P(A B) = P(A) +P(B) P(AB)
P(A B) = P(A) +P(B) P(A B)
El smbolo de interseccin es y significa que se desea slo los
elementos que se repiten de A y B. Es sinnimo de y
Ejemplo: Cul es la probabilidad de sacar una carta que tenga un as un
corazn de una baraja? (hay que tomar en cuenta que se puede sacar en una sola carta
el as de corazn, por ello es que se debe de realizar la sustraccin de est carta en la
formula, ya que de no hacerlo se contara doble esta carta de la probabilidad de as y
corazn)
4 13 1
16
4

P(as corazn) =
52 52 52 52 13

19