Professional Documents
Culture Documents
Texto universitario
AREQUIPA PERU
i
ESTADÍSTICA Y PROBABILIDAD
ii
ESTADÍSTICA Y PROBABILIDAD
2017
iii
© ESTADÍSTICA BÁSICA
iv
RESUMEN
Los cálculos que en ella se incluyen son básicos para toda Carrera Profesional
y sobre todo cuando iniciemos una investigación de enfoque cuantitativo
necesitamos calcular o contar toda la información poseída y mucha veces
lograda con mucho esfuerzo, para poder inferir a través de ella, obtener
conclusiones y lo que es más delicado aún tomar decisiones.
v
PRESENTACIÓN:
Este trabajo tiene como objeto contribuir al enriquecimiento cognitivo del
estudiante, sirviendo como guía por esa ruta de aprender a aprender esta rama
tan importante de las matemáticas como es la estadística, la única asignatura
que nos enseña el arte de la toma de decisiones.
Se incluye en éste texto seis capítulos y cada uno de ellos ilustrados con
ejemplos y al final se invita al estudiante a resolver los ejercicios de aplicación
para cada ítem, así como también en cada capítulo se encuentran las pruebas
de Autoevaluación que permitirá al estudiante comprobar el logro de su
aprendizaje.
vi
INDICE
vii
1.14.4. Por conglomerados; En este caso la muestra nos presenta gran dificultad
para establecer sus diferencias, por lo que iniciamos seleccionando en forma
aleatoria una muestra de conglomerados, ya que, cada uno de ellos podría
representar una muestra, posteriormente se deberá elaborar un censo para poder
establecer las proporciones de las diferentes categorías que se encuentren
presentes en nuestra muestra. ....................................................................................... 19
CAPITULO II .............................................................................................................................. 27
2. PROCESO ESTADISTICO. ................................................................................................ 27
2.1. ORGANIZACIÓN Y RESUMEN DE DATOS.- Cuando se tiene ya los datos
que han sido tomados, recolectados, se procede a prepararlos y ordenarlos con
un criterio sistemático, de forma que, puedan determinarse las características que
se pretendan analizar, del cual nos ocuparemos en esta parte, denominamos a
esta etapa como tabulación de resultados, es decir, representarlo mediante unas
tablas que describiremos más adelante. ...................................................................... 27
2.2. DISTRIBUCIÓN DE FRECUENCIAS. .............................................................. 27
2.3. CLASIFICACIÓN DE DISTRIBUCION DE RECUENCIAS:........................... 28
2.4. Pasos para la elaboración de un tabla de distribución de frecuencias:
29
2.5. OTRAS FORMAS DE ELABORAR LA TABLA DE DISTRIBUCION DE
FRECUENCIAS. ............................................................................................................... 33
2.6. FUENTE DE DATOS. .......................................................................................... 40
2.7. REPRESENTACION GRAFICA ........................................................................ 43
CAPITULO III ................................................................................................................................ 63
3 MEDIDAS DE CENTRALIZACIÓN ................................................................................... 63
3.1. MEDIDAS DE TENDENCIA CENTRAL MÁS UTILIZADAS. ....................... 63
3.2. MEDIDAS DE TENDENCIA CENTRAL PARA CASOS ESPECIALES ..... 75
3.3. MEDIDAS DE POSICIÓN ................................................................................... 86
CAPITULO IV ............................................................................................................................. 103
4. MEDIDAS DE DISPERSIÓN. ........................................................................................... 103
Introducción: .................................................................................................................... 103
4.1. RANGO o alcance (o Intervalo: R ): ............................................................... 103
4.2. RANGO INTER CUARTIL (RI): ....................................................................... 104
4.3. RANGO SEMI-INTER CUARTIL (RSIQ): (o Desviación Cuartil) ............ 104
4.4. DESVIACIÓN MEDIA ABSOLUTa (DM): (o Desviación Absoluta Promedio)
104
4.5. VARIANZA: ......................................................................................................... 105
4.6. DESVIACIÓN ESTÁNDAR: ............................................................................. 107
4.8. MEDIDAS DE FORMA ...................................................................................... 109
viii
4.9 MEDIDAS DE CONCENTRACIÓN ................................................................. 113
CAPITULO V ............................................................................................................................... 127
5 NUMEROS INDICES. ........................................................................................................ 127
5.1 Concepto. ........................................................................................................... 127
5.2 Número índice simple de precio, cantidad y valor .................................. 127
5.3 Índices relativo de precios ............................................................................. 128
5.4 Índice de cantidad o volumen relativo ........................................................ 130
5.5 Índice de valor ................................................................................................... 130
5.6 Índices de Agregación Simple. ..................................................................... 132
5.7 Método de media de Relativos simples...................................................... 132
5.8 Método de cálculo de los índices por agregación ponderada. ............ 133
5.9 METODO DE MEDIA DE RELATIVOS PONDERADA ............................... 135
5.10 NÚMEROS INDICES DE CANTIDAD O VOLUMEN. .................................. 136
5.11 NUMEROS INDICES DE VALOR ................................................................... 136
CAPITULO VI .......................................................................................................................... 145
6. PROBABILIDAD. ............................................................................................................... 145
6.2. SUCESO ELEMENTAL: hace referencia a cada una de las posibles
soluciones que se pueden presentar. ......................................................................... 147
6.3. SUCESO COMPUESTO: .................................................................................. 147
6.4. RELACIÓN ENTRE SUCESOS ....................................................................... 148
6.5. CÁLCULO DE PROBABILIDADES ................................................................ 149
6.6. PROBABILIDAD DE SUCESOS ..................................................................... 152
6.7. ANALISIS COMBONATORIO Y PROBABILIDAD. ..................................... 155
6.8. PROBABILIDAD CONDICIONADA ................................................................ 169
6.9. PROBABILIDAD COMPUESTA ...................................................................... 171
6.10. TEOREMA DE LA PROBABILIDAD TOTAL ................................................ 172
6.11. TEOREMA DE BAYES ..................................................................................... 174
6.12. SUCESOS INDEPENDIENTES ....................................................................... 176
6.13. DISTRIBUCIONES DISCRETAS: BERNOUILLI .......................................... 178
6.14. DISTRIBUCIONES DISCRETAS: BINOMIAL .............................................. 180
6.15. DISTRIBUCIONES DISCRETAS: POISSON ................................................ 181
ix
CAPITULO I
1. CONCEPTOS GENERALES
1.1. ESTADISTICA
La estadística es una Técnica, arte, ciencia que forma parte de una comunicación gráfica. Es el
estudio de datos. “es la primera herramienta de la investigación que se ocupa de la recolección,
estudio, organización y análisis e interpretación de datos, tanto para la deducción de conclusiones
como para tomar decisiones razonables.”
1
Podemos decir también que es subjetivo depende de los sentimientos, estados
de ánimo.
2
elementos que integra la población es muy grande, se puede considerar a
esta como una población infinita, por ejemplo; el conjunto de todos los
números positivos. Una población finita es aquella que está formada por
un limitado número de elementos, por ejemplo; el número de estudiante
del ISEP “Honorio Delgado E.”, o los Estudiantes de la Universidad
UANCV.
Cuando la población es muy grande, es obvio que la observación de
todos los elementos se dificulte en cuanto al trabajo, tiempo y costos
necesario para hacerlo. Para solucionar este inconveniente se utiliza una
muestra estadística.
Es a menudo imposible o poco práctico observar la totalidad de los
individuos, sobre todos si estos son muchos. En lugar de examinar al
grupo entero llamado población o universo, se examina una pequeña
parte del grupo llamada muestra.
❖ Muestra.- una parte del todo con propiedades diferentes.
“Se llama muestra a una parte de la población a estudiar que sirve para
representarla”. Murria R. Spiegel (1991).
“Una muestra es una colección de algunos elementos de la población,
pero no de todos”. Levin&Rubin (1996).
“Una muestra debe ser definida en base de la población determinada, y
las conclusiones que se obtengan de dicha muestra solo podrán referirse
a la población en referencia”, Cadenas (1974).
Ejemplo;
El estudio realizado a 50 miembros del Colegio de Ingenieros de la
Región Arequipa.
El estudio de muestras es más sencillo que el estudio de la población
completa; cuesta menos y lleva menos tiempo. Por último se aprobado
que el examen de una población entera todavía permite la aceptación de
elementos defectuosos, por tanto, en algunos casos, el muestreo puede
elevar el nivel de calidad.
Una muestra representativa contiene las características relevantes de la
población en las mismas proporciones que están incluidas en tal
población.
Los expertos en estadística recogen datos de una muestra. Utilizan esta
3
información para hacer referencias sobre la población que está
representada por la muestra. En consecuencia muestra y población son
conceptos relativos. Una población es un todo y una muestra es una
fracción o segmento de ese todo.
❖ Muestreo.-Esto no es más que el procedimiento empleado para obtener
una o más muestras de una población; el muestreo es una técnica que
sirve para obtener una o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral
representativo de la población, se procede a la selección de los elementos
de la muestra aunque hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que
calculamos para cada muestra no necesariamente serían iguales, y lo
más probable es que variaran de una muestra a otra.
Ejemplo;
Consideremos como una población a los estudiantes de Contabilidad del
ISEP “Honorio Delgado E.” de la ciudad de Arequipa, determinando por lo
menos dos caracteres a ser estudiados en dicha población: Religión y
Expectativas profesionales; estas serán diferentes a los de los estudiantes
de Administración, lo que corrobora que hay variación de muestra a
muestra.
❖ Tipos de muestreo.-
4
❖ Parámetro.- son las medidas de la población.
❖ Estadígrafo o estadístico.- son las medidas de las muestras en relación
al tamaño de la población pueden ser finitas e infinitas.
❖ Características, propiedades, rasgos, atributos de una unidad de análisis,
de carácter cualitativa y cuantitativa.
❖ Modalidades.- son los diferentes estados o situaciones de un carácter
estas deben ser a la vez muy exhaustivas y además mutuamente
excluyentes.
❖ Clases.- es el conjunto de una o más modalidades en el que se verifica
en que cada modalidad pertenece a uno solo y a una clase.
5
aquellas características que pueden presentarse en individuos que
constituyen un conjunto.
Ejemplo;
El estado civil de cada uno de los estudiantes del curso de estadísticas I,
no se presenta en la misma modalidad en todos.
6
anterior, o de datos observados por un tercero (persona o entidad).
Con el fin de deducir otros hechos o fenómenos.
7
ocasional o esporádica, esta observación hecha más por una
necesidad momentánea, que de carácter regular o permanente.
Ejemplo; la obtención de números de aulas utilizadas y no utilizadas
en el campus del ISEP “Honorio Delgado E.” en la ciudad de
Arequipa.
1.6. CENSO:
Se entiende por censo aquella numeración que se efectúa a todos y
cada uno de los caracteres componentes de una población.
Para Levin&Rubin (1996) “Algunas veces es posible y práctico examinar
a cada persona o elemento de la población que deseamos describir. A
esto lo llamamos una numeración completa o censo. Utilizamos el
muestreo cuando no es posible contar o medir todos los elementos de la
población.
Si es posible listar (o enumerar) y observar cada elemento de la
población, los censos se utilizan rara vez porque a menudo su
8
compilación es bastante difícil, consume mucho tiempo por lo que
resulta demasiado costoso.
1.7. Encuesta:
Se entiende por encuesta las observaciones realizadas por muestreo, es
decir son observaciones parciales.
El diseño de encuestas es exclusivo de las ciencias sociales y parte de la
premisa de que si queremos conocer algo sobre el comportamiento de las
personas, lo mejor, más directo y simple es preguntárselo directamente a
ellas. (Cadenas, 1974).
9
1.8.2. Sistemas de recolección:
10
variables consideradas en estudio.
11
ser el de que cada elemento pueda pertenecer a una y solo una
de estas categorías.
Se trata de agrupar objetos en clases, de modo que todos los que
pertenezcan a la misma sean equivalentes respecto del atributo o
propiedad en estudio, después de lo cual se asignan nombres a
tales clases, y el hecho de que a veces, en lugar de
denominaciones, se le atribuyan números, puede ser una de las
razones por las cuales se le conoce como “medidas nominales”.
12
La asignación de números a las distintas categorías no puede ser
completamente arbitraria, debe hacerse atendiendo al orden
existente entre éstas.
Los caracteres que posee una escala de medida ordinal permiten,
por el hecho mismo de poder ordenar todas sus categorías, el
cálculo de las medidas estadísticas de posición, como por
ejemplo la mediana.
Ejemplo:
Al asignar un número a los pacientes de una consulta médica, según el
orden de llegada, estamos llevando una escala ordinal, es decir que al
primero en llegar ordinal, es decir que al primeo en llegar le asignamos
el nº 1, al siguiente el nº 2 y así sucesivamente, de esta forma, cada
número representará una categoría en general, con un solo elemento y
se puede establecer relaciones entre ellas, ya que los números
asignados guardan la misma relación que el orden de llegada a la
consulta.
13
Ejemplo:
El lapso transcurrido entre 1998-1999 es igual al que transcurrió entre
2000-2001.
Ejemplo:
En una encuesta realizada en un barrio de esta localidad se observó
que hay familias que no tienen hijos, otras tienen 6 hijos que es
exactamente el doble de hijos que aquellas que tienen 3 hijos
14
Las variables, también llamadas caracteres cuantitativos, son aquellas
cuyas variaciones son susceptibles de ser medidas cuantitativamente,
es decir, que pueden expresar numéricamente la magnitud de dichas
variaciones. Por intuición y por experiencia sabemos que pueden
distinguirse dos tipos de variables; las continuas y las discretas
Las variables continuas se caracterizan por el hecho de que para todo
par de valores siempre se puede encontrar en valor intermedio, (el peso,
la estatura, el tiempo empleado para realizar un trabajo, temperatura,
etc.)
Una variable es continua, cuando puede tomar infinitos valores
intermedios dentro de dos valores consecutivos y expresarse con
fracciones o decimales.
Ejemplo:
En el preescolar Niña María, ubicado en la urbanización San Martin,
Mariano Melgar de esta ciudad se procedió a recoger las medidas de
talla y peso de los niños que a este asisten.
Niño Peso Talla
José 18,300 1,15
Julio 20,500 1,20
Pedro 19,000 1,10
Luis 18,750 1,18
15
RESUMEN DE VARIABLES:
Intervinientes: Cusas secundarias: (no estudia, no asiste, llega tarde, trabaja, etc.)
1.11. INTERVALO.
k a≤k≤b
a b
1.12. RAZÓN.
16
1.13. FORMAS DE RECOLECTAR INFORMACIÓN
1.13.1 Directa: Cuando vamos a recoger información en forma personal
con instrumentos diseñados para las circunstancias
específicas.
1.14. MUESTREO.
Cuando ya se han identificado el problema que deseamos resolver, la
población, el tipo de datos y las variables con las que nos acercaremos a
la información entonces será necesario especificar si es necesario
trabajar solo con la población o con una muestra así como la forma en la
que obtendremos los datos.
17
1.14.1. Aleatorio Simple:
El muestreo aleatorio requiere del tamaño de la población “N”, el
tamaño de la muestra “n”, de una tabla de números aleatorios,
especificar si se realizará con reemplazo o sin él, así como, de una regla
de uso (no debe ser la misma en todos los casos) y determinar el
número de dígitos que se utilizarán. Por ejemplo; si me intereso en
determinar el nivel socioeconómico de
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
1 1 5 9 9 3 2 9 4 0 9 4 5 6 4 9 4 9 0 5 7 7 6 9 4 4
2 0 8 5 2 3 5 7 4 6 8 2 3 4 9 9 3 7 7 6 8 4 9 3 8 3
3 5 0 5 3 9 3 5 9 5 5 9 0 8 5 6 7 1 6 0 2 7 7 7 8 4
4 3 3 0 2 2 1 1 6 3 3 1 6 4 4 1 9 6 8 9 6 8 4 4 0 3
5 5 9 6 2 4 4 9 2 4 1 4 3 2 7 2 0 3 9 4 9 9 0 1 1 6
6 0 5 0 1 8 5 1 3 2 0 9 7 0 1 0 8 1 6 0 7 9 4 0 7 3
7 9 5 9 9 8 9 8 9 8 0 5 1 8 5 6 1 5 9 1 8 2 3 9 4 4
8 6 9 0 9 0 8 1 0 8 3 5 9 9 3 7 6 3 7 3 5 1 8 6 4 3
9 8 3 5 7 5 9 4 6 2 6 8 0 8 2 4 1 2 1 7 2 2 2 8 3 8
10 3 9 2 5 4 1 9 5 7 6 0 4 7 8 5 6 1 4 8 5 6 9 7 7 5
11 4 4 7 2 5 9 3 9 1 0 7 5 6 4 2 0 5 7 0 2 5 7 1 9 7
12 5 2 4 5 6 1 0 9 2 0 2 7 8 8 9 7 1 6 8 0 4 4 7 3 7
13 6 3 5 8 6 7 3 0 7 6 0 6 9 9 7 2 0 8 9 1 9 8 8 4 2
14 3 4 9 5 3 4 0 0 1 3 7 3 0 0 4 8 7 7 9 0 7 4 3 6 1
097,766, 628,179, 047, 582, 478, 895, 664, 604, 772, 373, 685, 765, 553,
101, 780, 295, 191, 276, 321, 298, 797, 454, 544, 221, 458, 097,363, 158,
409, 517, 279, 458, 243, 755, 061, 212, 061, 641, 112, tomando en
cuenta que es un muestreo con reemplazo.
18
1.14.2. Sistemático:
Este muestreo permite obtener los elementos de cada k - ésima unidad
de la población, y para ello se requiere conocer el tamaño de la
población (N), el de la muestra (n) y obtener el valor de k, de tal forma
que al tener estos datos escojamos al primer dato por medio del número
aleatorio simple y de ahí de k en k.
N
K
n
1.14.3. Estratificado:
Este tipo de muestreo requiere tener una población bien clasificada en
varios grupos llamados estratos, que a su interior se mantengan
bastante homogéneos, para construir la muestra normalmente se toma
una cantidad de elementos del mismo tamaño de cada uno de los
estratos, este debe ser mediante el muestreo aleatorio simple (m.a.s.);
aunque en algunos casos cuando las proporciones de los estratos son
distintas se toman en cuenta.
19
Ejercítate en: ¿Podrías escoger los números del juego “Tinka” mediante
un muestreo probabilístico?, ¿De poder cuál utilizarías?, ¿Qué números
seleccionarías?, ¿Te atreverías a pagar por esos números?
20
EJERCICIOS PROPUESTOS N° 1
1. Para cada caso señale qué tipo de variables son:
a. Puntaje en un a examen de un curso en la Carrera de Contabilidad.
b. Número de teléfono celular
c. El ranking de un examen.
d. Tiempo de reacción ante un estímulo visual.
e. Número de DNI.
f. Ingreso mensual familiar.
g. Pérdida de peso en Kilogramos de las personas subidas en peso.
h. Intensión de voto para las próximas elecciones.
i. Dirección de una vivienda.
j. Número de botes que da una pelota al ser lanzado de cierta altura.
21
2,81; 4, 20; 3, 85; 9,11; 2,08; 5, 91; 1, 62; 6, 72; 21, 66
3,07; 2,95; 8,77; 4,73; 9,21; 14,21; 1,58; 9,85; 78,81
6,65; 1,80; 7,01; 1,89; 4,23; 6,58; 4,74; 8,53; 10,56
43,0; 16,72; 2,61; 26,46; 34,87; 4,19; 4,03; 2,78; 28,81
59 92 54 48 73 60 73 75 74 84
33 61 71 38 47 53 63 48 41 68
60 44 39 34 75 86 72 50 47 52
65 68 70 47 40 36 70 38 40 52
60 50 90 84 72 88 49 40
33 25 20 33 25 16 16 16 16 20
12 20 33 33 20 33 20 12 25 20
33 25 16 25 33 25 20 20 20 20
12 25 16 16 20 16 25 20 25 16
22
AUTOEV ALUACIÓN I
NOMBRE…………………………………………………… CARRERA……..
23
4. Responda con palabras concretas sobre los siguientes términos:
a. Probabilidad…………………………………………………………………………
…………………………………………………………………………………………
……
b. Estadístico………………………………………………………………………… …
…………………………………………………………………………………………
….
c. Atributo.………………………………………………………………………………
…………………………………………………………………………………………
….
d. Población………………………………………………………………………………
………………………………………………………………………………………….
e. Unidad de análisis
…………………………………………………………………………………………
……………………………………………….............................
f. Variable………………………………………………………………………………
…………………………………………………………………………………………
….
g. Gráfico estadístico……………………………………………………….
…………………………………………………………………………
h. Intervalo de confianza
.………..………………………………………………………………
…………………………………………………………………………
24
5. Explique:
a. Preguntas abiertas.
b. Preguntas cerradas.
c. Preguntas mixtas
d. Fichas de observación.
e. Fichas de entrevista.
f. Manuales.
25
26
CAPITULO II
2. PROCESO ESTADISTICO.
Una vez encontrados los datos de manera directa o indirecta el paso que sigue
consiste en investigar el comportamiento de un fenómeno aleatorio para lo cual se
utilizan técnicas propis de la estadística y tiene los siguientes pasos:
• Toma de datos
• Organización y resumen de datos
• Análisis e interpretación
27
Los datos agrupados posteriormente se pueden representar en tablas, en
cuadros y estos originan grafico de diferente tipo, las mismas que nos
permiten observar el comportamiento de este fenómeno aleatorio.
28
Ing. Rolando W. Rivera Olivera
𝑹 = 𝑿𝒎𝒊𝒏 − 𝑿𝒎á𝒙
b. Número de intervalos:
Para encontrar el número de intervalos peticionamos la
amplitud de variación o rango en grupos llamados intervalos
de clase.
5 ≤ K ≤ 20
29
Ing. Rolando W. Rivera Olivera
𝑅
𝑐=
𝐾
Amplitud →
𝐿𝑠 = 𝐿𝑖 + (C - 1)
30
Ing. Rolando W. Rivera Olivera
Efectuar la tabla de distribución de frecuencias y efectuar un análisis
básico:
𝑅
c. Cálculo de C Amplitud : 𝑐=𝐾
C = 32 C = 32
7 5 6 6
C = 4,57 C = 5,83
4 5
𝐾 ∗ 𝐶= 𝑅 = 32
7 * 5 = 35
K =7; C = 5; R = 32
31
Ing. Rolando W. Rivera Olivera
Fuente: propia
28%
14 24%
12 20%
10 16%
8
6 6% 4%
4 2%
2
Histograma
32
Ing. Rolando W. Rivera Olivera
.
14
.
12
.
10
.
8
6
.
4
. .
2
Polígono de Frecuencias
INTERPRETACION:
Una vez determinado qué tipo de variables utilizaremos, de que formas las
vamos a medir y si será necesario obtener una muestra nuestra siguiente
decisión a tomar dentro del método estadístico será el de especificar si
usaremos los datos en forma agrupada o no agrupada.
Para el caso de querer agrupar los datos, entonces deberemos crear una
tabla de distribución de frecuencias y para ello los pasos que debemos
seguir son los siguientes:
Se debe conocer el número total de datos (N).
33
Ing. Rolando W. Rivera Olivera
Ejemplo:
87 65 78 87 60 87 34 31 43 87
78 90 65 68 62 70 80 61 62 72
95 64 80 90 68 80 30 35 40 75
59 68 65 92 70 78 95 33 72 65
70 95 50 75 31 60 43 78 70 60
65 60 30 90 40 80 59 27 92 65
2 7
3 0 0 1 1 3 4 5
4 0 0 3 3
5 0 9 9
6 0 0 0 0 1 2 2 4 5 5 5 5 5 5 8 8 8
7 0 0 0 0 2 2 5 5 8 8 8
8 0 0 0 0 7 7 7 7 8
9 0 0 0 2 2 5 5 5
Nótese que este diagrama nos sirve para encontrar los valores mínimos
y máximos de forma más rápida, también nos permitió ordenar a los datos
en forma más sencilla y por último nos muestra al menos el comportamiento
de la forma en el conjunto de datos.
34
Ing. Rolando W. Rivera Olivera
El siguiente paso es obtener el Rango mediante la siguiente relación, en
la que nos debemos cuestionar su significado, ya que, no representa una
diferencia simplemente sino que, más bien es nuestra primer medida
estadística que representa la máxima dispersión que vamos a encontrar en
nuestro conjunto de datos, así tendremos:
𝑹 = 𝑿𝒎𝒊𝒏 − 𝑿𝒎á𝒙
R = 95 - 27 = 68
Posteriormente debemos determinar la cantidad de intervalos o clases
(K) deseamos utilizar para clasificar o agrupar nuestra información y para
ello contamos con Cuatro procedimientos al menos:
1) Obtenemos la raíz de N y el resultado redondeado siempre a valor
entero nos dará en número de renglones ( en nuestro ejemplo
tendremos K = 60 7.7459666 8 )
2) Seleccionar de una tabla, el número de renglones representados por K
y el número que más se aproxime al número de datos en la columna
denominada con la letra N por ejemplo en nuestro problema tenemos
60 datos, por lo que, la tabla nos sugiere utilizar 5 intervalos para
poderlos agrupar adecuadamente.
K N
4 8
5 16
6 32
7 64
8 128
etc. etc.
35
Ing. Rolando W. Rivera Olivera
- mediante la expresión 2 n
k
Tamaño de
intervalo
rango 1
C Número de renglones
K
𝑙𝑖
27
36
45
54
63
72
81
90
36
Ing. Rolando W. Rivera Olivera
estar en el primer intervalo son 27, 28, 29, 30, 31, 32, 33, 34 y 35, o sea,
nuestro límite superior es 35 en lugar de 36 que es el resultado de sumar
27+9, por lo que debemos disminuir el resultado una unidad. (Por lo anterior
los límites superiores que nos quedan en nuestro ejemplo son tomados de
los inferiores pero con una unidad menos).
𝑓𝑖
14
11
5
8
Fi
8
12
13
22
36
47
52
60
37
Ing. Rolando W. Rivera Olivera
Una de las columnas que podemos generar puede ser la que representa
n
a la Frecuencia acumulada ( Fi f i ), es decir, la que nos responderá a
i 1
Así, con esta columna podemos decir que 8 días tuvimos entre 25 y 37
comensales, 12 días entre 25 y 44, etc.
Después debemos encontrar un número que representa a todo el
intervalo, ya que, es más sencillo hablar de un solo dato a un intervalo.
Este número se llama marca de clase o punto medio el cual quedará
representado por una “ Yi ” y se calcula utilizando los límites o los límites
reales o verdaderos, mediante la siguiente relación:
Li + Ls L ri + L rs
Yi = =
2 2
38
Ing. Rolando W. Rivera Olivera
n
podemos preguntar cuál es la proporción acumulada ( H i hi ) por
i 1
hi Hi
(%)
(%)
13 13
7 20
2 22
15 37
23 60
18 78
8 87
13 100
TABLA No. 2
𝐿𝑖 𝐿𝑠 Yi fi hi Fi Hi % Simp % Acum.
27 35 31 8 0,13 8 0,13 13 13
36 44 40 4 0,07 12 0,20 7 20
45 53 49 1 0,02 13 0,22 2 22
54 62 58 9 0,15 22 0,37 15 37
63 71 67 14 0,23 36 0,60 23 60
72 80 76 11 0,18 47 0,78 18 78
81 89 85 5 0,08 52 0,87 8 87
90 98 94 8 0,13 60 1,00 13 100
TOTAL 60 1,00 100
Fuente: Elaboración propia
39
Ing. Rolando W. Rivera Olivera
2.6. FUENTE DE DATOS.
Ahora nos interesa describir la forma en que la estadística se hace llegar
la información para poder trabajarla. En principio podemos decir que hay
dos tipos de estudios estadísticos; aquellos que involucran la toma de
decisiones respecto a una población y/o sus características, es decir, el
estudio enumerativo y el segundo llamado estudio analítico que
involucra realizar actividad sobre un proceso para mejorar el desempeño
en el futuro.
40
Ing. Rolando W. Rivera Olivera
a) Por correo
b) Por teléfono
c) Directa.
Cada una de ellas tiene sus ventajas y sus desventajas pero también son
utilizadas en la actualidad, así como, una serie de versiones que mezclan
estos tres tipos, por ejemplo en los noticieros televisivos hacen una
pregunta y dan dos diferentes teléfonos o tres para recibir las respuestas.
EJERCICIO 2
13 07 10 06
05 10 13 03
18 16 10 13
03 06 05 15
02 16 06 06
10 06 19 13
04 02 06 06
08 09 12 10
a. Calculo de rango ( R ) :
R= X máx. – X min
R= 19 – 02
R= 17
b. Cálculo de K intervalos:
K= 1 + 3.322 log 32
41
Ing. Rolando W. Rivera Olivera
K = 1 + 3.322 (1.50)
K = 5.98
K=6
7 x exceso
6 X defecto Luego: K₁ = 6 y K₂ = 7
c. Cálculo de C Amplitud
C = R
K
C = 17
C = 17
6 3
7 3
C = 2,80
C = 2,40
2
2
Ls = Li + (C - 1) R = 17
3X 7 = 21 Ls = 2+2 C=3
2X 7 = 14 Ls = 4 K=6
3X 6 = 18
2X 6 = 12
FRECUENCIA FRECUENCIA
FRECUENCIA FRECUENCIA PORCENTAJE PORCENTAJE
ABSOLUTA RELATIVA
Li - Ls Li - Ls Yi ABSOLUTA RELATIVA SIMPLE ACUMULADO
ACUMULADA ACUMULADA
fi hi %S %A
Fi Hi
2- 4 15 - 45 3 5 0,15625 5 0,15625 15,625 15,625
5- 7 45 - 75 6 10 0,3125 15 0,46875 3125 46,875
8 - 10 75 - 105 9 7 0,2188 22 0,6875 31,875 68,75
11 - 13 105 - 135 12 5 0,1563 27 0,84375 15,625 84,737
14 - 16 135 - 165 15 3 0,0938 30 0,9375 9375 9375
17 - 19 165 - 195 18 2 0,0625 32 1 625 100
42
Ing. Rolando W. Rivera Olivera
2.7. REPRESENTACION GRAFICA
2.7.1 HISTOGRAMA
Es un gráfico plano formado por rectángulos cuya área es proporcional a la
frecuencia (absoluta o relativa). Se siguen los siguientes pasos:
28% HISTOGRAMA
14
13
24%
12
11
10
20%
9
16%
8
5
6% 4%
4
3
2%
2
43
Ing. Rolando W. Rivera Olivera
Paso 4.- Por ultimo sobre cada segmento de las abscisas se constituye un
rectángulo cuya altura será indicada por la frecuencia de clase absoluta o
relativa.
60 15 50 75 55 20 50 55
67 15 50 67 50 20 50 55
67 25 30 60 50 30 50 55
55 50 45 60 30 30 45 55
2. Cálculo de K intervalos:
7 x exceso
K= 1 + 3.322 log 32
K = 1 + 3.322 (1.50) 6
K = 6,0001
6 X defecto
K=6
3. Cálculo de C Amplitud
C = R
K
C = 60 C = 60
7 9 6 11
C = 8,57 C = 10
8 10
44
Ing. Rolando W. Rivera Olivera
4. selección de K y C
CxK = R = 60
9X 7 = 63
8X 7 = 56
11 X 6 = 66
10 X 6 = 60
K = 7 ; C = 9 y R = 60
TABLA 4
FRECUENCIA FRECUENCIA
FRECUENCIA FRECUENCIA PORCENTAJE PORCENTAJE
ABSOLUTA RELATIVA
Li - Ls Li - Ls Yi ABSOLUTA RELATIVA SIMPLE ACUMULADO
ACUMULADA ACUMULADA
fi hi %S %A
Fi Hi
15 - 23 14,5 - 23,5 19 04 0,125 04 0,125 12,5 12,5
24 - 32 23,5 - 32,5 28 05 0,15625 09 0,28125 15,625 28,125
33 - 41 32,5 - 41,5 37 00 0 09 0,28125 0 28,125
42 - 50 41,5 - 505 46 10 0,3125 19 0,59375 31,25 59,375
50 - 59 50,5 - 59,5 55 06 0,1875 25 0,7813 18,75 78,125
60 - 68 59,5 - 68,5 64 06 0,1875 31 0,96875 18,75 96,875
69 - 77 68,5 - 77,5 73 01 0,03125 32 1 3,215 100
32
45
Ing. Rolando W. Rivera Olivera
HISTOGRAMA
12
11
10
Poligono de Frecuencia
12
11
10
10 19 28 27 46 55 64 73 82
46
Ing. Rolando W. Rivera Olivera
Poligono de Frecuencia
14
13
12
11
10
47
Ing. Rolando W. Rivera Olivera
50
˚ ˚ ˚
45
˚
40
35
PERSONAS
30
˚
25
OJIVA DE
20
GALTON
˚
15
10
5 ˚
5 3 2 3
3 1 3 4
2 3 2 2
5 2 3 4
3 3 5 4
3 2 3 3
2 3 3 2
1 2 4 4
2 4 4 2
48
Ing. Rolando W. Rivera Olivera
Tabla No. 5
xi fi hi Fi Hi %S %A
1 2 0,05 2 0,05 5 5
2 11 0,275 13 0,325 28 33
3 15 0,375 28 0,7 38 71
4 8 0,20 36 0,9 20 91
5 3 0,075 39 0,975 7 98
6 1 0,025 40 1 2 100
40 1,00 100
x i = valor de variable
hi = frecuencia relativa
f i = frecuencia absoluta
Fi = frecuencia absoluta acumulada
Hi = frecuencia relativa acumulada
%S, %A = porcentaje simple y Acumulado
HISTOGRAMA
12
11
10
1 2 3 4 5 6 7
49
Ing. Rolando W. Rivera Olivera
2.7.5 GRÁFICOS PARA DATOS CUANTITATIVOS DISCRETOS:
Representación:
Si los datos pertenecen a una variable cuantitativa discreta los
diagramas más utilizados son el diagrama de puntos y el diagrama de
barras.
2.7.5.1 DIAGRAMA DE PUNTOS:
Para su construcción en el eje de abscisas se consignan los distintos
valores de la variable en este caso el número de hijos en el eje vertical u
ordenada las frecuencias correspondientes.
40
35
30
25
20
15
˚
10
˚ ˚
5 ˚ ˚ ˚ ˚ ˚
˚ ˚ ˚ ˚ ˚
˚
1 2 3 4 5 6 7 8
HISTOGRAMA
12
11
10
1 2 3 4 5 6 7
50
Ing. Rolando W. Rivera Olivera
2.7.5.3 GRAFICAS PARA LAS FRECUENCIAS ACUMULADAS:
Para los datos cuantitativos discretos se utilizan la variable o los datos
del intervalo en la abscisa y el valor de la frecuencia acumulada, absoluta o
relativa en la ordenada la cual se llama diagrama en escalera, bastante
similar a la ojiva.
40
˚
˚
˚
30 ˚
20
10 ˚
˚
1 2 3 4 5 6 7 8
OBSERVACIONES:
51
Ing. Rolando W. Rivera Olivera
3. En términos generales se prefiere la distribución de frecuencia que no
presenta perdidas de información cuando:
a. Los datos son números enteros
b. El rango es pequeño menor de 15
c. Cuando se desea estimar algún parámetro desconocido de una
población.
Los datos cualitativos son los más fáciles de representar ya que las
clases se ponen de manifiesto con facilidad y los cálculos también son
mínimos ej.: consideremos la tabla nro. 5 en la que se consignan los
resultados de un proceso de evaluación de 72 estudiantes.
CATEGORIA fi hi %
Aprobados 45 0,625 63
Desaprobados 18 0,25 25
Retirados 9 0,125 12
TOTAL 72 1,00 100
52
Ing. Rolando W. Rivera Olivera
a. Gráfico de barras
LEYENDA
APROBADO
DESAPROBADO
RETIRADO
63%
225°
45°45°
90°
90°
12%
25%
fi ∝ %
45 225° 63
18 90° 25
9 45° 12
72 360° 100
360 72
X 45
360 . 45
𝑥= 72
= 225°
53
Ing. Rolando W. Rivera Olivera
360 . 18 360 . 9
𝑥= = 90° x = = 45°
72 72
54
Ing. Rolando W. Rivera Olivera
EJERCICIOS PROPUESTOS N° 2
P O F F F P F RP
O P F F F O P RP
P P P RP O P P F
RP P F RP P P P F
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
440 340 558 460 607 382 667 512 492 560
450 530 501 471 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
55
Ing. Rolando W. Rivera Olivera
𝑳𝒊 − 𝑳𝒔 𝒇𝒊
4 - 10 1
10 - 16 3
16 - 22 6
22 - 28 12
28 - 34 11
34 - 40 5
40 - 46 2
𝑳𝒊 − 𝑳𝒔 𝒇𝒊
𝐡𝐢
-19 - -17
-17 - -15 2
-15 - -13 8
-13 - -11 0,125
-11 - -9 4
-9 - -7 0,2083
56
Ing. Rolando W. Rivera Olivera
(𝐿𝑖 - 𝐿𝑠 ) 𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
30 - 50 m n 0,15 z
50 - 70 p q w a
70 - 90 r s 0,25 b
90 - 110 10 u x 0,7
110 - 130 30 v y
Hallar:
a. m + n
b. r – p + a
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
57
Ing. Rolando W. Rivera Olivera
por lo menos $210; 18 perciben haberes inferiores a $390 mensuales;
20% son profesionales y reciben un haber de por lo menos $490
mensuales. Construir la tabla de distribución de frecuencias relativas.
(𝐿𝑖 - 𝐿𝑠 ) 𝑓𝑖 𝐹𝑖 ℎ𝑖
160 - 170
170 - 180 48 60
180 - 190 0,125
190 - 200 0,075
200 - 210
(𝑳𝒊 - 𝑳𝒔 ) 𝒇𝒊 𝑭𝒊
58
Ing. Rolando W. Rivera Olivera
12
- 270
- 300 30 90
- 126
330 -
- 50
59
Ing. Rolando W. Rivera Olivera
17. La compañía ABC, muestreó sus registros de embarque durante cierto
día, obteniendo los siguientes resultados con respecto al tiempo
transcurrido desde la recepción de la orden hasta la entrega (en días).
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
a. Grafique un histograma.
b. Grafique un Polígono de frecuencias.
c. Grafique una Ojiva de Galton.
d. Grafique un diagrama circular.
60
Ing. Rolando W. Rivera Olivera
AUTOEV ALUACIÓN II
NOMBRE………………………………………………………CARRERA…………
1. Las puntuaciones obtenidas por un grupo en una prueba han sido:
15, 20, 15, 18, 20, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14,
13.
Construir la tabla de distribución de frecuencias y dibuja el polígono de
frecuencias.
4. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente
tabla:
Peso:Kgs [5 0, 6 0[ [6 0, 7 0[ [7 0, 8 0[ [8 0, 9 0[ [9 0, 10 0[ [1 0 0, 1 1 0[ [1 1 0, 12 0 [
Nro. mp 8 10 16 14 10 5 2
5. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre
50, en un examen de Estadística General.
61
Ing. Rolando W. Rivera Olivera
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13,
22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
Construir la tabla de frecuencias, dibujar el histograma y el polígono de
frecuencias y la ojiva de Galton.
63, 89, 36, 49, 56, 64, 59, 35, 78, 43, 53, 70, 57, 62, 43, 68, 62, 26, 64, 72, 52, 51, 62, 60,
71, 61, 55, 59, 60, 67, 57, 67, 61, 67, 51, 81, 53, 64, 76, 44, 73, 56, 62, 63, 60 .
Indique:
a. El número de intervalos y La Población.
b. La Unidad de análisis.
c. La frecuencia más alta.
d. Tipo de variable en estudio.
e. El porcentaje de los que ganan más de 70 dólares quincenales.
f. El tamaño de cada intervalo.
g. Qué indica la Marca de clase y Qué, la frecuencia relativa?
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
62
Ing. Rolando W. Rivera Olivera
CAPITULO III
3 MEDIDAS DE CENTRALIZACIÓN
El objetivo principal de las medidas de tendencia central es poder representar por medio de un solo
número al conjunto de datos, es decir, dan valores representativos de la distribución de frecuencias,
situados en algún lugar intermedio, alrededor del cual, se encuentran los otros valores. Nos indican
dónde tienden a concentrarse los valores.
63
Ing. Rolando W. Rivera Olivera
pocos exámenes y trabajos y fácilmente podemos sacar el
promedio.
X= cualquier dato
n
X
i 1
i
X=
n
Número total de datos
10 12 36 25 58 121
x 24.2
5 5
❖ METODO DIRECTO:
k Producto de la frecuencia Absoluta por la marca de
f i *Y i
i 1
clase de cada intervalo
X=
n Número total de datos
Ejemplo 1:
Calcular el salario promedio de 3
empresas: Salario No. De Emp.
Xi fi
$15,000 18
$20,000 35
$25,000 29
Total 82
64
Ing. Rolando W. Rivera Olivera
x
15000 *18 20000 * 35 25000 * 29 1695000 $20,670.70
82 82
❖ MÉTODO ABREVIADO
Se siguen los siguientes pasos:
f . d i i
X = Yi C i 1
n
Ejemplo 2:
65
Ing. Rolando W. Rivera Olivera
Solución:
a. Método directo:
f i *Y i
8250
X= i 1
X X 165
n 50
Li - Ls Yi fi Yi . f i di f i .d i
149,5 – 154,9 152 3 456 -3 -9
154,5 – 159,5 157 8 1256 -2 -16
159,5 – 164,5 162 12 1944 -1 -12
164,5 – 169,5 167 14 2338 0 0
169,5 – 174,5 172 10 1720 1 10
174,5 – 179,5 177 02 354 2 4
179,5 – 184,5 182 01 182 3 3
Total 50 8250 -20
f . d i i
X = Yi C i 1
n
20
X 167 5
50
X 165
Ejemplo 3:
66
Ing. Rolando W. Rivera Olivera
Li - Ls Yi fi Yi . f i di f i .d i
1,5 – 4,5 3 5 15 -1 -5
4,5 – 7,5 6 10 60 0 0
7,5 – 10,5 9 7 63 1 7
10,5 – 13,5 12 5 60 2 10
13,5 – 16,5 15 3 45 3 9
16,5 – 19,5 18 2 36 4 8
Total 32 279 29
a. Método directo:
f i *Y i
279
X= i 1
X X 8.72
n 32
b. Método Abreviado:
f . d i i
29
X = Yi C i 1
X 6 3 X 8.72
n 32
50% 50%
Xi Me Xn
67
Ing. Rolando W. Rivera Olivera
a. MEDIANA PARA DATOS NO AGRUPADOS:
En los datos ordenados se aplica la siguiente relación, para
encontrar la posición de los datos.
n 1
posición ; en donde n = número total de datos.
2
Entonces podemos tener sólo dos alternativas, que sea par o
impar
• El valor de la posición puede ser entero y lo único que
debemos hacer es contar el número de lugares que nos indica
esta fórmula.
• El valor de la posición nos da un valor decimal y entonces
debemos: sumar los valores involucrados y dividirlos entre 2.
Por ejemplo:
Si los datos son Pares: si tenemos los valores 5, 7, 8, 13 entonces
la posición nos da 2.5 por que tendremos que seleccionar a los
números 7 y 8 para luego sumarlos (15) y dividirlos entre 2 = 7,5
entonces:
Me = 7,5
Si los datos son Impares: Si tenemos los valores de 5, 6, 7, 8, 9 ; el
valor de la posición es 3, por tanto la mediana corresponde al dato
que ocupa el 3er lugar, así:
Me = 7
n
Fi -1
Me L i + C 2
fi
68
Ing. Rolando W. Rivera Olivera
Donde:
Li : es la frontera o Límite inferior del intervalo mediano
Ejemplo 1:
Calcular el sueldo mediano de los datos de la siguiente
tabla:
82
posición 41
2
Entonces buscamos el renglón de la mediana buscando la Fi
más grande de 41, como 18+35 = 53, entonces decimos que es
el segundo renglón o clase es donde se encuentra la mediana y
aplicamos la fórmula:
69
Ing. Rolando W. Rivera Olivera
n
Fi -1
Me = L i + 2 C
fi
41 - 18
Me 17500 * 5000 entonces Me $17828,571
35
Ejemplo 2:
𝐿𝑖 − 𝐿𝑠 𝑓𝑖 𝐹𝑖
9,5 - 154,5 3 3
154,5 - 159,5 8 11
159,5 - 164,5 12 23
164,5 - 169,5 14 37
169,5 - 174,5 10 47
174,5 - 179,5 2 49
179,5 - 184,5 1 50
TOTAL 50
Solución:
𝑛
Necesitamos, primero dividir: = 25 con este resultado ubicamos
2
70
Ing. Rolando W. Rivera Olivera
n
Fi -1
Me = L i + 2 C
fi
25 - 23
Me 164,5 5 entonces Me $165,21
14
Ejemplo 1: Encontrar la moda de; 47, 48, 49, 49, 49, 51, 51, 52.
Podemos observar que el número que más se repite es el 49. (
Mo = 49 )
0 0 1 1 2 2 4 4 5 5
6 6 7 7 8 12 15 15 15
1
Mo = 15 9
71
Ing. Rolando W. Rivera Olivera
0 0 1 1 1 2 4 4 4 5
6 6 7 8 8 9 9 10 12 12
72
Ing. Rolando W. Rivera Olivera
b. MODA PARA DATOS AGRUPADOS:
1
Mo L i + C donde : 1 f i f i anterior
1 2
2 f i - f i posterior
Ejemplo 1:
Calcular el salario que más se repite (Mo) en:
73
Ing. Rolando W. Rivera Olivera
1 17
Mo = L i + C 17500 5000 $21,195.65
1 2 17 6
donde : 1 f f anterior 35 18 17
2 f f posterior 35 29 6
Ejemplo 2:
𝐿𝑖 − 𝐿𝑠
𝑓𝑖
149,5 - 154,5 3
154,5 - 159,5 8
159,5 - 164,5 12
164,5 - 169,5 14
169,5 - 174,5 10
174,5 - 179,5 2
179,5 - 184,5 1
TOTAL 50
Solución:
Necesitamos recordar en la Tabla 1 de la Unidad 2 , el intervalo
que tiene la mayor frecuencia y luego aplicar la fórmula:
1
Mo L i + C
1 2
14 12 2
Mo 164,5 + 5 164,5 5 166,16
(14 12) (14 10) 2 4
74
Ing. Rolando W. Rivera Olivera
X Mo 3X Me
HG X
Relación Simetría
Mo Me X Simétrica
75
Ing. Rolando W. Rivera Olivera
n
W *X
i 1
i i
Xw = n Suma de las ponderaciones
W
i 1
i
Ejemplo:
$ 17.80 75
$ 35.90 56
$ 79.45 19
Aplicamos la fórmula:
W *X i i
(17.8 * 75) (35.9 * 56) (79.45 *19) 4854.95
X w= i 1
$ 32.37
n
75 56 19
W
150
i
i 1
76
Ing. Rolando W. Rivera Olivera
Si suponemos que Y representa el factor de crecimiento
Xi
geométrico de la variable X, es decir: Yi , entonces el factor
X i 1
de crecimiento geométrico promedio de la variable X se puede
calcular como en el siguiente ejemplo.
Ejemplo.
Si los precios de la acción “Cemento Sur” en los últimos cuatro
días fueron; 4,75; 5,23; 4,78 y 6,32 calcule el factor de
crecimiento promedio y el crecimiento porcentual promedio.
2,8753
log G 0,7188
4
entonces log G 0,7188 Anti log G 5,234
77
Ing. Rolando W. Rivera Olivera
b) Para calcular el factor de crecimiento con estos mismos datos
y el crecimiento porcentual se sigue el procedimientos
siguiente: La forma más ortodoxa o clásica, es:
G 3 1.330526316 1.099869493
Lo que acabamos de obtener es factor de crecimiento
promedio y para obtener el crecimiento se aplica la siguiente
formula:
c) Otra forma es :
último 6.32 3
G número de datos -1 3 1.330526316 1.099869493
primero 4.75
resulta = 9,9869 %
G n x1 * x 2 ** x n
log G =
log x i
78
Ing. Rolando W. Rivera Olivera
Ejemplo:
Solución:
G n x 1 * x 2 * * x n
G 6 6 * 7 *5 * 3* 9 * 11 6
62370 G 6,2974
Aplicando logaritmos:
log G =
log X i
log G =
log 6 log 7 log 5 log 3 log 9 log 11
6
4,79497574
log G = = 0,7992
6
79
Ing. Rolando W. Rivera Olivera
Ejercicio:
10 14
20 15
30 48
77
crecimient o porcentual
Yi 1
100
Ejemplo 2:
80
Ing. Rolando W. Rivera Olivera
Hallar la media Geométrica de la Tabla 1 del ejemplo de la
Unidad 2
𝑳𝒊 − 𝑳𝒔 𝒀𝒊 𝒇𝒊
log G = f i log Yi
n
logG=
3 log 152 8 log 157 12 log 162 14 log 167 10 log 172 2 log 177 1log 182
50
110,8562411
log G = 50
log G = 2,217124823
81
Ing. Rolando W. Rivera Olivera
3.2.3. MEDIA ARMÓNICA (H):
Cuando los datos a promediarse están medidos en unidades
expresadas en forma de cocientes (km./hr., $/lt, etc.), lo más
adecuado es utilizar la media armónica, ya que la media
aritmética nos llevará a un promedio equivocado.
n
H n
1
X
i 1 i
Ejemplo 1 :
Si un vehículo se mueve de la ciudad A a la B a 65 Km./hr
y regresa de B a A a 98 Km./Hr a qué promedio se
desplazó.
n 2
H n
78.1595
1 1 1
i 1 X i
65 98
Ejemplo 1:
82
Ing. Rolando W. Rivera Olivera
Velocidad Número
promedio de
en km/hr vehículos
50 15
60 28
75 31
La respuesta es:
n 74
H k
62,711864
fi 15 28 31
i 1 Y 50
60 75
i
Ejemplo 2:
𝐿𝑖 − 𝐿𝑠 𝑌𝑖
𝑓𝑖
149,5 - 154,5 152 3
154,5 - 159,5 157 8
159,5 - 164,5 162 12
164,5 - 169,5 167 14
169,5 - 174,5 172 10
174,5 - 179,5 177 2
179,5 - 184,5 182 1
TOTAL 50
83
Ing. Rolando W. Rivera Olivera
Aplicamos la fórmula de H para datos agrupados:
n
H k
fi
i 1 Yi
50
H
3 8 12 14 10 2 1
152 157 162 167 172 177 182
50
H
0,3035
H 164,74
x 2
i
MC i 1
n
Ejemplo:
84
Ing. Rolando W. Rivera Olivera
n
x 2
i
(4.0) 2 (3.5) 2 2.35 2 6.2 2 3.25 2
MC i 1
n 5
50.775
MC 3.186691
5
n n
f i xi2 fY i i
2
MC i 1
MC i 1
n ó n
Ejemplo 1:
Ganancias y Nro.de
pérdidas días:
xi fi
-7.25 25
2.75 14
12.75 2
fx i
2
i
25 * ( 7.25) 2 14 * 2.75 2 2 *12.75 2
MC i 1
n 41
MC 6.5239
85
Ing. Rolando W. Rivera Olivera
Ejemplo 2:
𝐿𝑖 − 𝐿𝑠 𝑌𝑖
𝑓𝑖
149,5 - 154,5 152 3
154,5 - 159,5 157 8
159,5 - 164,5 162 12
164,5 - 169,5 167 14
169,5 - 174,5 172 10
174,5 - 179,5 177 2
179,5 - 184,5 182 1
TOTAL 50
f .Y i i
2
MC i 1
n
3 * (152) 2 8 * 157 2 12 * 162 2 14 * 167 2 10 * 172 2 2 * 177 2 1 * 182 2
MC
50
1363500
MC MC 27270 MC 165,14
50
86
Ing. Rolando W. Rivera Olivera
Ejemplo:
Dados los números 3, 5, 7, 36, 45; obtener el número que
represente al 75% de los datos ( P75 )
87
Ing. Rolando W. Rivera Olivera
Solución:
1. Primero obtienes la posición
N=5
x = 75
r = 100
75 * 5
3,75
100
xn
Fi 1
Q x = Li +
r C
fi Tamaño de intervalo del renglón seleccionado
88
Ing. Rolando W. Rivera Olivera
Ejemplo 1:
3 * 1099
• Encontramos la posición: Posición 824,25
4
• Esta cantidad está incluida en la Tercera Fila, por tanto ésa es
la clase que contiene al Q3 y aplicamos la fórmula del cuartil.
Li _ Ls fi Fi
100 - 200 389 389
200- 300 258 647
300 - 400 452 1099
Total 1099
xn 3 * (1099)
Fi 1( anterior) 647
4 Q 300 * 100 339.2146
Qx = Li + C
4
fi 3 452
Q3 = 339,2146
xn
Fi 1( anterior)
D x = Li + C
10
fi
89
Ing. Rolando W. Rivera Olivera
7 * (1099)
647
D 7 300 *100 327,058
10
452
Fi 1( anterior) = 0
xn 35 * (1099)
Fi 1( anterior) 0
Px = L i + C
100 P 100 100 *100 198,88
fi 35
389
Ejemplo 2:
90
Ing. Rolando W. Rivera Olivera
𝐿𝑖 − 𝐿𝑠 𝑓𝑖 𝐹𝑖
9,5 - 154,5 3 3
154,5 - 159,5 8 11
159,5 - 164,5 12 23
164,5 - 169,5 14 37
169,5 - 174,5 10 47
174,5 - 179,5 2 49
179,5 - 184,5 1 50
TOTAL 50
xn
Fi -1
Qx = Li + 4 C
fi
1(50)
11
Q1 = 159,5 + 4 5 entonces Q1 160,125
12
3(50)
- 37
Q3 169,5 5 4 entonces Q3 169,75
10
91
Ing. Rolando W. Rivera Olivera
b. Cálculo de Deciles: D4 y D8
xn
Fi -1
Dx = L i + 10 C
fi
4(50)
11
D4 = 159,5 + 5 10 entonces D4 163,25
12
8(50)
- 37
D8 169,5 5 10 entonces D8 171
10
xn
Fi -1
Px = L i + 100 C
fi
35(50)
11
P35 = 159,5 + 5 100 entonces P35 162,21
12
40(50)
- 11
D40 159,5 5 100 entonces P40 163,25
12
92
Ing. Rolando W. Rivera Olivera
EJERCICIOS PROPUESTOS N° 3
93
Ing. Rolando W. Rivera Olivera
4. Las edades de 50 de los directores ejecutivos de las mejores
corporaciones de la nación reportadas aparecen en la siguiente tabla
de frecuencias. Calcule e interprete la media, la mediana y la moda.
Además, calcule e interprete: Q1, Q2, D10, D60, P15, P90,
Edades Frecuencia
[50 , 55[ 8
[55 , 60[ 13
[60 , 65[ 15
[65 , 70[ 10
[70 , 75[ 3
[75 , 80] 1
Li - Ls Yi fi Fi Yi.fi
- 8 8 880
- 15 23 1950
- 12 35 1800
- 13 48
- 200[ 18 66
4 70
94
Ing. Rolando W. Rivera Olivera
7. Dada la siguiente distribución de frecuencias, calcular el valor de “n”
sabiendo que la moda es 60 y pertenece al tercer intervalo.
(Li - Ls) fi
( 16 - 32 ) 6
( 32 - 48 ) n
( 48 - 64 ) 8
( 64 - 80 ) 3n
( 80 - 96 ) 3
(Li - Ls) (10 - 20) (20 - 30) (30 - 40) (40 - 50)
fi a 30 a+10 20
a. Hallar el valor de a
b. ¿Bajo qué edad se encuentra el 35% más joven
c. Cuantas personas tienen como mínimo 20 años Justifique
95
Ing. Rolando W. Rivera Olivera
trabajadores; la proporción de empresas que tienen 2 trabajadores es
0.25% Calcular e interpretar la media aritmética.
96
Ing. Rolando W. Rivera Olivera
3 menciona que su sección tenía 5 estudiantes menos que la sección
1 ¿Cuál es el promedio de la sección 3?
97
Ing. Rolando W. Rivera Olivera
de todas las frecuencias y hallar la ganancia más frecuente y la
ganancia promedio.
19. Una compañía minera tiene 100 trabajadores. Para los nombrados el
haber máximo es $450 y el mínimo $60. Hay un 5% de eventuales
(en prueba) que trabajan ad honorem o perciben compensaciones
inferiores a $60. Quince trabajadores nombrados perciben haberes
inferiores a $250 y el 85% ganan haberes inferiores a $400. Con esta
información, calcule las medidas de tendencia central posible.
98
Ing. Rolando W. Rivera Olivera
24. En una empresa donde el sueldo medio es de $400 se incrementa un
personal igual al 25% del ya existente con el sueldo medio igual al
60% de los antiguos. Si 3 meses más tarde se incrementan cada
sueldo en 20%, más $30, ¿Cuánto es el nuevo salario medio?
5; 7; 9; 7; 8; 5; 4; 4; 3; 7
8; 4; 9; 6; 8; 7; 6; 9; 8; 4
6; 4: 7; 4; 3; 5; 8; 5; 9; 6
7; 9; 4; 7; 5; 8; 7; 9; 6; 8
99
Ing. Rolando W. Rivera Olivera
100
Ing. Rolando W. Rivera Olivera
AUTOEV ALUACIÓN III
NOMBRE…………………………….……. CARRERA………………………………
1. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente
tabla
Peso Kgs [50;60[ [60;70[ [70;80[ [80;90[ [90;100[ [100;110[ [110;120[
Núm.de Emp. 8 10 16 14 10 5 2
𝑥𝑖 𝑓𝑖
61 5
64 18
67 42
70 27
73 8
Total 100
5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4
101
Ing. Rolando W. Rivera Olivera
4. La siguiente tabla de distribución de frecuencias muestra la edad de un
grupo de personas. Si además se sabe que la moda es 27,5:
Hallar:
a. Me, 𝑥̅ , Mo, H, G, 𝑄3 ; 𝑄1 ; 𝐷7 ; 𝐷4 ; 𝑃30; 𝑃60
b. ¿Bajo qué edad se encuentra el 35 % más joven?
c. ¿Cuántas personas tienen como mínimo 20 años? Justifique
5. Se sabe que la media Aritmética de la siguiente distribución es 11,5:
[𝐿𝑖 𝐿𝑠 [ [4 - 6 [ [6 - 10[ [10 - 16[ [16 - 20[ [20 - 30[
𝑓𝑖 4 5 x 3 1
Clacular:
a. Me, Mo, H, G, 𝑄3 ; 𝑄1 ; 𝐷7 ; 𝐷4 ; 𝑃30; 𝑃60
b. Media cuadrática
c. Promedio ponderado
(Li - Ls) fi
[ 16 - 32 [ 6
[ 32 - 48 [ n
[ 48 - 64 [ 8
[ 64 - 80 [ 3n
[ 80 - 96 ] 3
102
Ing. Rolando W. Rivera Olivera
CAPITULO IV
4. MEDIDAS DE DISPERSIÓN.
Introducción:
Las Medidas de centralización ya estudiadas sólo nos revelan una parte
de la información que necesitamos saber acerca de las características
de los datos. Para aumentar nuestra confianza y entendimiento del
patrón de los datos, debemos medir también su dispersión, extensión o
variabilidad; por ello estas medidas nos permiten obtener información
adicional para juzgar la confiabilidad de nuestras medidas de tendencia
central. Si los datos se encuentran ampliamente dispersos como
veremos más adelante, la posición central es menos representativa de
los datos.
103
Ing. Rolando W. Rivera Olivera
Rango R LS k Li1
donde k = última clase
Ejemplo:
Dadas las dos series de datos:
RI Q3 Q1
Mide el rango promedio de una cuarta parte de los datos (evita los
valores extremos)
Q 3 Q1
RSIQ
2
104
Ing. Rolando W. Rivera Olivera
Es la distancia promedio de los datos a su media.
X X
i 1
i
DM =
n
f
i 1
i Yi X
DM =
n
4.5. VARIANZA:
X X
N
2
i
a. 2 = i 1
N
N
Xi
2
b. 2 i 1 X2
N
105
Ing. Rolando W. Rivera Olivera
f Y X
k
2
i i
a. 2 = i 1
k
f i *Y i
2
b. 2 i 1 X2
N
x x
n
2
i
i 1
a. s2 =
n -1
n 2
xi
(n x ) 2
b. s i 1
2
n - 1 n 1
f y x
2
i i
i 1
a. s2 =
n -1
k
f i y i2
(n x )
2
b. s 2 i 1
n -1 n - 1
106
Ing. Rolando W. Rivera Olivera
prácticamente no difieren.
❖ Poblacional: 2
❖ Muestral: 𝑠 = √ s2
107
Ing. Rolando W. Rivera Olivera
S
CV = 100
X
Interv. Li - Ls Yi fi Yi Y fi Y Y
i
Y X
i 1
i
DM =
n
3152 165 8157 165 12162 165 14167 165 10172 165 2177 165 1182 165
DM =
50
278
DM
50
108
Ing. Rolando W. Rivera Olivera
DM = 5,56
f y x
k
2
i i
i 1
S2 =
n
2
3152 165 8157 165 12162 165 14167 165 10172 165 2177 165 1182 165
2 2 2 2 2 2
S 2
50
507+512+108+56+490+288+289 2250
s2 = = ⇿ s 2 = 45 ; por tanto :
50 50
s = √45 = 6,71
S 6,71
CV = 100 reemplazando en la Fórmula CV x 100 CV 4,06 %
X 165
Lo que indica que es bastante Homogéneo, se encuentra lejos del 33
%.
109
Ing. Rolando W. Rivera Olivera
a. Datos No Agrupados:
x x
n
r
i
mr i 1
b. Datos Agrupados:
f x x
n
r
i i
mr i 1
Moda=Mediana=Media
Insesgada
110
Ing. Rolando W. Rivera Olivera
Mediana
Media
Mediana
Media
Datos No Agrupados:
x x
n
3
i
m3
a3 i 1
s3 ns 3
Datos Agrupados:
f x x
k
3
i i
m3
a3 i 1
s3 ns 3
111
Ing. Rolando W. Rivera Olivera
4.8.3. CURTOSIS: Mide qué tan puntiaguda es una distribución, con respecto
a la Normal o el grado de apuntalamiento. La distribución puede ser:
Leptocúrtica
Mesocúrtica
Platocúrtica
• Datos No Agrupados:
x x
n
4
i
m
a 4 44 i 1
s ns 3
112
Ing. Rolando W. Rivera Olivera
• Datos Agrupados:
f x x
k
4
i i
m
a 4 44 i 1
s ns 4
a4 = 3 La distribución es Mesocúrtica.
k 1
p i qi
Ig i 1
k 1
p
i 1
i
donde:
k = número de clases o categorías
fi
pi = la proporción acumulada de individuos = 100 = fra x 100
n
113
Ing. Rolando W. Rivera Olivera
Ejemplo:
114
Ing. Rolando W. Rivera Olivera
Salario
Mensual (en
miles) No. de Marca de f*Y 𝒉𝒊 𝑯𝒊 Q P-Q
empleados: f clase: Y
k 1
p i qi
5.17 1.09
Ig i 1
k 1
0.0391
63.33 96.67
p
i 1
i
115
Ing. Rolando W. Rivera Olivera
116
Ing. Rolando W. Rivera Olivera
EJERCICIOS PROPUESTOS N° 4
𝒙𝒊 5 10 15 20 25
𝒇𝒊 3 7 5 3 2
𝒉𝒊 4 5 x 3 1
117
Ing. Rolando W. Rivera Olivera
c) Y = ¼ + ¼X
8. En una empresa donde los salarios tienen una media S/ 2500 y una
desviación estándar de S/ 300 el sindicato solicita que cada salario Xi se
transforme en Yi, mediante la siguiente relación:
Yi = 3.5 Xi + 10
El directorio acoge parcialmente la petición rebajando los salarios
propuestos por el sindicato en un 20% , lo que es aceptado. Se pide
calcular la varianza de la nueva distribución de salarios
A: 3; 19; 4; 5; 15; 6
B: 7; 8; 11; 9; 14; 16
C: 10; 17; 12; 2; 18; 13
118
Ing. Rolando W. Rivera Olivera
En cuál de estas tres empresas existe mayor variabilidad con respecto al
número de inasistencias
Carrera
Atleta
1 2 3 4 5
Mendoza 11,1 11,0 11.0 15,8 11,1
Ramírez 11,3 11,4 11,4 11,5 11,4
119
Ing. Rolando W. Rivera Olivera
Con base en estos datos ¿A cuál de los dos velocistas debe seleccionar
el entrenador? ¿Por qué?
13. Las secciones A B y C del curso de estadística General rinden el
mismo examen parcial. Los resultados obtenidos se registran en las
siguientes tablas:
A A B B C C
𝑌𝑖 𝐹𝑖 (𝐿𝑖 𝐿𝑠 ) 𝑌𝑖 . 𝑓𝑖 𝐻𝑖 ℎ𝑖 𝑌𝑖 2
2.5 3 2 - 6 16 0.1 2.5
7.5 8 6 - 10 144 0.2 10
12.5 22 10 - 14 240 0.8 86.4
17.5 30 14 - 18 240 1 45
120
Ing. Rolando W. Rivera Olivera
desviación estándar de 19.6 ¿Cuál de los dos grupos tiene un
rendimiento más heterogéneo?
4; 8; 4; 6; 8; 6; 7; 7; 7; 8; 10: 9; 7; 6; 10; 8; 5; 9; 6; 3; 7; 6; 4; 7; 6
9; 7; 4; 7; 6; 8; 8; 9; 11; 8; 7; 10; 8; 5; 7; 7; 6; 5; 10; 8; 9; 7; 5; 6; 5
121
Ing. Rolando W. Rivera Olivera
Calcule:
a) Las medias aritméticas de ambos grupos
b) Las medianas de ambos grupos
c) Las medias armónicas de ambos grupos.
d) La media Geométrica de ambos grupos
122
Ing. Rolando W. Rivera Olivera
e) El porcentaje de sujetos disléxicos que superaron la mediana de los
normales
f) Compare la variabilidad (CV) relativa de ambos grupos.
g) La Desviación media, Sesgo y curtosis y señale con gráfico.
123
Ing. Rolando W. Rivera Olivera
124
Ing. Rolando W. Rivera Olivera
AUTOEV ALUACIÓN IV
NOMBRE…………………………………………………
CARRERA………………….
1. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente
tabla
Peso Kgs [50,60[ [60,70[ [70,80[ [80,90[ [90,100[ [100,110[ [110,20[
Núm.de 8 10 16 14 10 5 2
Empleads.
𝑥𝑖 𝑓𝑖
61 5
64 18
67 42
70 27
73 8
Total 100
3. Calcular ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝐷𝑀, 𝑠 2 , 𝑠, 𝑅𝐼, 𝐶𝑉: En la siguiente serie de números:
5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4
125
Ing. Rolando W. Rivera Olivera
4. La siguiente tabla de distribución de frecuencias muestra la edad de un
grupo de personas. Si además se sabe que la moda es 27,5:
Hallar:
a. Calcular la Desviación Media.
b. Calcular el coeficiente de Sesgo y Curtosis.
c. Calcular la Desviación Típica.
d. Rango Intercuartílico.
e. Exprese si son o no homogéneos?
Calcular:
a. Halle las medidas de dispersión.
b. Exprese si los datos son homogéneos o heterogéneos,
por qué?
c. Cuáles son los coeficientes de sesgo y Curtosis?
(Li - Ls) fi
[ 16 - 32 [ 6
[ 32 - 48 [ n
[ 48 - 64 [ 8
[ 64 - 80 [ 3n
126
Ing. Rolando W. Rivera Olivera
[ 80 - 96 ] 3
CAPITULO V
5 NUMEROS INDICES.
5.1 Concepto.
Un número índice es una medida estadística que señala los cambios en una
variable o un grupo de variables relacionadas con respecto al tiempo,
espacio geográfico o cualquier característica de comparación como la
rentabilidad, el costo de vida, la inflación, la natalidad, la mortandad, etc.
Precio = p
(𝑝𝑛 )
𝑖 = 𝑥 100
(𝑝𝑜 )
127
Ing. Rolando W. Rivera Olivera
Cantidad = q
(𝑞𝑛 )
𝑖 = 𝑥 100
(𝑞𝑜 )
Valor = V
( 𝑉𝑛 )
𝑖 = 𝑥 100
(𝑉𝑜 )
Ejemplo 1:
(𝑝𝑛 )
𝑖 = 𝑥 100
(𝑝𝑜 )
128
Ing. Rolando W. Rivera Olivera
0,30
𝑖2000 = 𝑥 100 = 120 %
𝑜,25
129
Ing. Rolando W. Rivera Olivera
(𝑞𝑛 )
𝑖 = 𝑥 100
(𝑞𝑜 )
( 𝑉𝑛 )
𝑖 = 𝑥 100
(𝑉𝑜 )
(𝑝𝑛 𝑞𝑛 ) 𝑝 𝑞
𝑖 = (𝑝𝑜 𝑞𝑜 )
= (𝑝𝑛) ( 𝑞𝑛) = precio relativo x cantidad relativa
𝑜 𝑜
130
Ing. Rolando W. Rivera Olivera
Ejemplo 3.
15,65 16,53
𝑖2006 = 𝑥 100 = 104,68 𝑖2008 = 14,95 𝑥 100 =
14,95
110,6
b. Tomando 2006 como base .Hallar los precios relativos a todos los
años dados
131
Ing. Rolando W. Rivera Olivera
luego se divide sobre esta cantidad, los resultados se dan en la
siguiente tabla:
14,95+14,94+15,10
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑃𝑟𝑒𝑐𝑖𝑜𝑠2003−2005 = = 15,00
3
∑ 𝑝𝑛
Índice de precios de agregación simple = ∑ 𝑝𝑜
en las que:
Inconvenientes:
a. No considera el peso relativo de los bienes, así se incluyen como
iguales los precios de la leche o de la crema de afeitar o del betún para
calzados en el índice del costo de vida.
b. Las unidades utilizadas en las cotizaciones de los precios, afectan el
valor del índice correspondiente.
132
Ing. Rolando W. Rivera Olivera
∑𝑝𝑛⁄𝑝𝑜
Índice de precios de media aritmética de relativos simples = 𝑁
∑ 𝑝𝑛 𝑞𝑜
Índice de precios de agregación ponderada año base = ∑ 𝑝𝑜 𝑞𝑜
133
Ing. Rolando W. Rivera Olivera
∑ 𝑝𝑛 𝑞𝑛
Índice de precios de agregación ponderada o del año dado = ∑ 𝑝𝑜 𝑞𝑛
∑ 𝑝𝑛 𝑞𝑡
Índice de precios con pesos de cantidades del año tipo = ∑ 𝑝𝑜 𝑞𝑡
∑ 𝑝𝑛 𝑞𝑜 ∑ 𝑝𝑛 𝑞𝑛
I F = √(∑ ) (∑ )
𝑝𝑜 𝑞𝑜 𝑝𝑜 𝑞𝑛
134
Ing. Rolando W. Rivera Olivera
ecuanción del año tipo descrita en la parte superior, se tiene:
∑ 𝑝 (𝑞 + 𝑞 )
5.9 METODO
IndiceDE MEDIA
de precios deDE RELATIVOS PONDERADA
Marshall-Edgeworth = ∑ 𝑝𝑛 (𝑞𝑜 + 𝑞𝑛 )
𝑜 𝑜 𝑛
Aparecen así tres posibles fórmulas según se utilicen los valores del
año base, del año dado o de un año tipo, denotados por: 𝑝𝑜 𝑞𝑜 , 𝑝𝑛 𝑞𝑛 y
𝑝𝑡 𝑞𝑡
Media aritmética ponderada de precios relativos utilizando como en los
valores del año base.
135
Ing. Rolando W. Rivera Olivera
pesos los valores del año tipo
∑ 𝑞𝑛 / 𝑞𝑜
Indice de Vol de media aritmética de relativos simples =
𝑁
∑ 𝑞𝑛 𝑝𝑜
Índice de volumen de laspeyres = ∑ 𝑞𝑜 𝑝𝑜
∑ 𝑞𝑛 𝑝𝑛
Índice de volumen de paashé = ∑ 𝑞𝑜 𝑝𝑛
136
Ing. Rolando W. Rivera Olivera
fórmulas de índices de valor y el más clásico es el siguiente:
∑ 𝑝𝑛 𝑞𝑛
Índice de valor =
∑ 𝑝𝑜 𝑞𝑜
Ejemplo 4.
En el 2006 el precio medio de un bien fue 20% más que en el 2005,
20% menos que en el 2004 y 50% más que en el 2007. Reducir los
datos a los precios relativos, teniendo como base:
a = 2005
b = 2006
c = 2004-2005
Solución a:
Precio del 2006 es 20% más que en 2005, el precio
correspondiente a 2006 es:
100 + 20 = 120, es decir, el precio de 2006 es el 120% del 2005.
Solución b:
137
Ing. Rolando W. Rivera Olivera
Se utiliza el método de cambio del periodo base dado en el ejemplo
1; se divide cada precio relativo de la tabla anterior por 120 que es
el año base y se expresa en tanto por ciento, lo que se reporta en
la tabla siguiente:
Año base: 2006 entonces para 2006 corresponde 100 %
Solución c:
De la primera tabla en este problema se considera la media
aritmética de los precios de los años 2004 y 2005 es 125;
entonces se procede a dividir a toso los años dados po este valor,
de lo cual resulta la siguientes tabla:
Año base: 2004 al 2005 = 125
Año 2004 2005 2006 2007
Precio
relativo 120 % 80 % 96 % 64 %
138
Ing. Rolando W. Rivera Olivera
EJERCICIOS PROPUESTOS N° 5
1. La siguiente tabla muestra los precios medios de venta al por
mayor de trigo durante varios años. Hallar el precio relativo para
(a) el año 2012 tomando 2002 como base, (b) los años 2003 y
2010 tomando 2004 como base, (c) los años 2009-2012 tomando
2001-2003 = 100.
( 1 fanega = 60 libs; 1 TQ = 2000 lbs)
Año 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Prom. de trigo 2,66 2,50 2,24 2,29 2,41 2,45 2,49 2,56 2,50 2,39 2,35 2,23
en $ / fanega
6. El precio relativo para el año 2008 con 2010 como base es 62 ½, mientras
que el precio relativo para el año 2009 con 2008 como base es 133 1/3.
Hallar el precio relativo para el año 2010 con (a) 2009, (b) 2008-2009 como
base.
139
Ing. Rolando W. Rivera Olivera
Año 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
E.Elect. 3,68 4,25 4,84 5,59 6,42 7,23 8,09 9,04 10,04 11,15 12,26 13,25
M.M/Kw/h
140
Ing. Rolando W. Rivera Olivera
12. Demostrar que el número índice de agregación simple satisface las pruebas
del tiempo inverso y circular pero no satisface la prueba del factor inverso.
Año 2007 2008 2009 2010 2011 2012 2013 2014 2015
Producción de Trigo 1019 988 1306 1173 984 935 1004 951 1462
(millones de fanegas)
15. La siguiente tabla muestra en Estados Unidos los precios medios al por
mayor y la producción de leche, mantequilla y queso para los años 2005,
2006 y 2014. Calcular un índice de precios al por mayor de agregación
simple de estos productos para el año 2014, utilizando como base (a) 2005
y (b) 2005 - 2006.
Precios (centavos por libra) Cantidades producidas
(Millones de libras)
Productos 2005 2006 2014 2005 2006 2014
leche 3,95 3,89 4,13 9,675 9,717 10,436
Mantequilla 61,5 62,2 59,7 117,7 115,5 115,5
Queso 34,8 35,4 38,9 77,93 74,39 82,79
141
Ing. Rolando W. Rivera Olivera
16. Utilizar el método de media aritmética de relativos simples para calcular el
índice de precios al por mar de los productos del Problema anterior para el
año 2014 con base (a) 2005 (b) 2005 – 2006.
17. Calcular el número índice de precios de Laspeyre para los daos del
Problema 15 y para el año 2014 tomando como base (a) 2005 y (b) 2005 –
2006.
18. Mostrar que el índice ideal de Fisher es la media geométrica de los números
índice de Laspeyres y Paasche.
Año 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
E.Elect. 3,68 4,25 4,84 5,59 6,42 7,23 8,09 9,04 10,04 11,15 12,26 13,25
M.M/Kw/h
142
Ing. Rolando W. Rivera Olivera
AUTOEV ALUACIÓN V
NOMBRE…………………………….………………… CARRERA………………….
1. Un comerciante ha registrado las siguientes ventas anuales. Tomando
como base el año 1980. Calcular el índice de ventas para todos los
años dados.
2. Determine los índices simples de precios para el año 2000 de las tres
mercancías consideradas, usando como año base 1995:
Precios y consumo de tres mercancías en un área metropolitana
Tabla 1
Mercancía Unidad de Precio Precio Consumo Consumo
cotización 1995 2000 1995 2000
143
Ing. Rolando W. Rivera Olivera
5. Calcule el índice agregado de precios Paasche para el año 2000 de las
tres mercancías de la tabla 1, usando como base el año 1995.
6. Tomando como base los resultados del problema anterior, encuentre el
valor del índice de Fisher.
7. La siguiente Tabla muestra el índice de Producción industrial de toda la
industria para los años 1997 al 2008 con 1997 – 1999 como periodo
base. Obtener un nuevo índice con:
a. 2001,
b. 2003 – 2006; como bases.
Año 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Ind.Produc 3,68 4,25 4,84 5,59 6,42 7,23 8,09 9,04 10,04 11,15 12,26 13,25
1997-1999 = 100
144
Ing. Rolando W. Rivera Olivera
CAPITULO VI
6. PROBABILIDAD.
Ejemplo:
Lanzamos un dado al aire y queremos saber cuál es la probabilidad de que
salga un 2, o que salga un número par, o que salga un número menor que 4.
Para aplicar el principio de la probabilidad se tienen que cumplir ciertas
condiciones como:
Ejemplos:
145
Ing. Rolando W. Rivera Olivera
Lanzamos una moneda al aire: el resultado puede ser cara o
sello, pero no sabemos de antemano cuál de ellos va a salir o al
lanzar un dado en las mismas condiciones y formas veremos que
los resultados serán siempre diferentes.
146
Ing. Rolando W. Rivera Olivera
porque son 28 fichas diferentes. La probabilidad es 0 cuando el
suceso es imposible y 1 cuando el suceso es seguro.
Ejemplo:
Al lanzar una moneda al aire, los sucesos elementales son la cara
y el sello. Al lanzar un dado, los sucesos elementales son el 1, el
2, .., hasta el 6.
147
Ing. Rolando W. Rivera Olivera
148
Ing. Rolando W. Rivera Olivera
unión estaría formado por los siguientes resultados: el 2, el 4, el 5 y el
6
6.4.4. Intersección de sucesos: es aquel suceso compuesto por los
elementos comunes de dos o más sucesos que se intersectan.
Ejemplo: lanzamos un dado al aire, y analizamos dos sucesos: a) que
salga número par, y b) que sea mayor que 4. La intersección de estos
dos sucesos tiene un sólo elemento, el número 6 (es el único
resultado común a ambos sucesos: es mayor que 4 y es número par).
6.4.5. Sucesos incompatibles: son aquellos que no se pueden dar al
mismo tiempo ya que no tienen elementos comunes (su intersección
es el conjunto vacío).
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que
salga un número menor que 3, y b) que salga el número 6. Es
evidente que ambos no se pueden dar al mismo tiempo.
6.3.6. Sucesos complementarios: son aquellos que si no se da uno,
obligatoriamente se tiene que dar el otro.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que
salga un número par, y b) que salga un número impar. Vemos que si
no se da el primero se tiene que dar el segundo (y viceversa).
149
Ing. Rolando W. Rivera Olivera
El valor uno corresponde al suceso seguro: lanzamos un dado al
aire y la probabilidad de que salga cualquier número del 1 al 6 es
igual a uno (100%).
El resto de sucesos tendrá probabilidades entre cero y uno: que
será tanto mayor cuanto más probable sea que dicho suceso tenga
lugar.
¿Cómo se mide la probabilidad?
Uno de los métodos más utilizados es aplicando la Regla de Laplace:
define la probabilidad de un suceso como el cociente entre casos
favorables y casos posibles.
P(A) = Casos favorables / casos posibles
h : Casos favorables
𝒉
𝑷(𝑨) = n : Casos posibles ( espacio muestral)
𝒏
EJEMPLOS:
a) Probabilidad de que al lanzar un dado salga el número 2: el
caso favorable es tan sólo uno (que salga el dos), mientras que
los casos posibles son seis (puede salir cualquier número del uno
al seis). Por lo tanto:
P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)
150
Ing. Rolando W. Rivera Olivera
d) Probabilidad de que nos toque la "TINKA" : tan sólo un caso
favorable, el número que jugamos (¡qué triste...¡), frente a
100.000 casos posibles. Por lo tanto:
P(A) = 1 / 100.000 = 0,00001 (o lo que es lo mismo, 0,001%)
Merece la pena ...... Por cierto, tiene la misma probabilidad el
número 45.264, que el número 00001, pero ¿cuál de los dos
comprarías?
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene
que cumplir dos requisitos:
a) El número de resultados posibles (sucesos) tiene que ser
finito. Si hubiera infinitos resultados, al aplicar la regla "casos
favorables / casos posibles" el cociente siempre sería cero.
b) Todos los sucesos tienen que tener la misma probabilidad.
Si al lanzar un dado, algunas caras tuvieran mayor probabilidad
de salir que otras, no podríamos aplicar esta regla.
151
Ing. Rolando W. Rivera Olivera
caso, la probabilidad del suceso "cara" ya no sería del 100%, sino
que se habría reducido al 70%.
Si repito este experimento un número elevado de veces, lo normal
es que las probabilidades de los sucesos "cara" y "sello" se vayan
aproximando al 50% cada una. Este 50% será la probabilidad de
estos sucesos según el modelo frecuentista.
En este modelo ya no será necesario que el número de soluciones
sea finito, ni que todos los sucesos tengan la misma probabilidad.
Ejemplo: si la moneda que utilizamos en el ejemplo anterior fuera
defectuosa (o estuviera trucada), es posible que al repetir dicho
experimento un número elevado de veces, la "cara" saliera con
una frecuencia, por ejemplo, del 65% y la "cruz" del 35%. Estos
valores serían las probabilidades de estos dos sucesos según el
modelo frecuentista.
A esta definición de la probabilidad se le denomina probabilidad a
posteriori, ya que tan sólo repitiendo un experimento un número
elevado de veces podremos saber cuál es la probabilidad de cada
suceso.
152
Ing. Rolando W. Rivera Olivera
Por lo tanto, podemos ver que la probabilidad del suceso
contenido, suceso a), es menor que la probabilidad del suceso
que lo contiene, suceso b).
153
Ing. Rolando W. Rivera Olivera
154
Ing. Rolando W. Rivera Olivera
6.7. ANALISIS COMBONATORIO Y PROBABILIDAD.
Para aplicar la Regla de Laplace, el cálculo de los sucesos
favorables a partir de los sucesos posibles a veces no plantea ningún
problema, ya que son un número reducido y se pueden calcular con
facilidad.
155
Ing. Rolando W. Rivera Olivera
presentan (conteo de puntos muestrales) y son designadas como
eventos o sucesos.
Ejemplo :
a. PRINCIPIO DE MULTIPLICACIÓN:
Ejemplo 1:
Solución :
156
Ing. Rolando W. Rivera Olivera
1°
C 2°
1° ó 2°
1°
M 2°
1° ó 2°
1°
A 2°
1° ó 2°
1°
U 2°
1° ó 2°.
3 x 4
# maneras = 12
Ejemplo 2:
¿Cuántas placas para automóviles pueden hacerse si cada placa
consta de dos letras diferentes seguidas de tres dígitos
diferentes? (considerar 26 letras del alfabeto).
Solución:
157
Ing. Rolando W. Rivera Olivera
Letras Dígitos
26 x 25 x 10 x 9 x 8
b) PRINCIPIO DE ADICIÓN:
Ejemplo 1:
Solución:
Por el principio de adición:
Puno ó Apima
Ejemplo 2:
Solución :
158
Ing. Rolando W. Rivera Olivera
Aplicando el principio de adición se tiene:
Bote , lancha , deslizador
3ó2ó1
# maneras = 3 + 2 + 1 = 6
n! = n (n -1)(n -2) … 1
.
n! = n (n -1)!
iv.
8! = 8 . 7! ó 20! = 20 . 19!
v. 1! = 1 y por convencionalismo 0! = 1
Ejemplos:
159
Ing. Rolando W. Rivera Olivera
( 𝑛+2 ) !
2. Simplificar: (𝑛+2 ) . 𝑛!
Aplicamos la propiedad iii al
( 𝑛+2 ).(𝑛+1 ) .𝑛 !
(𝑛+2 ) . 𝑛!
= 𝑛+1
𝑥 + 2 = 10 𝑙𝑢𝑒𝑔𝑜 𝑥 = 8
𝑥 + 2) (𝑥 + 1) = 12
𝑥 2 + 3𝑥 + 2 = 12
𝑥 2 + 3𝑥 − 10 = 0 luego resolvemos la Ec. Cuadrática:
( 𝑥 + 5) (𝑥 − 2 ) = 0
Luego igualando los factores a 0 tenemos las respuestas:
( 𝑥 = − 5) 𝑦 (𝑥 = 2 )
( 𝑥−2 )¡ ( 𝑥+ 5)!
(𝑥−3 ) ¡
. (𝑥+ 4 )!
= 30 Descomponiendo en sus factores:
(x – 2 ) (x + 5) = 30 Resolviendo el sistema:
160
Ing. Rolando W. Rivera Olivera
x=-8 y x=5
6.7.3. COMBINACIONES:
𝑛! 𝑛𝑃𝑘
𝑛𝐶𝑘 ; 𝐶(𝑛, 𝑘); 𝐶𝑛,𝑘 ; ( 𝑛𝑘 ) ó 𝐶𝑘𝑛 = (𝑛−𝑘)! . 𝑘 !
= 𝑘¡
20
a. Hallar: 𝐶17 :
Solución:
20
20! 20 . 19 . 18. 17! 20. 19. 18
𝐶17 = = = = 1 140
(20 − 17)! 17! 3! . 17 ! 3. 2. 1
161
Ing. Rolando W. Rivera Olivera
Solución:
Para dibujar un triángulo solo es necesario 3 puntos en el plano, luego
se escogerán 3 puntos (k = 3) de un total de 8 puntos (n = 5). Además
no importa el orden, ya que el triángulo ABC es igual al CBA; por lo
tanto se trata de una combinación.
Solución:
Método 1 : (en forma gráfica)
Cuando se escoge una fruta de las tres, los sabores son 3: F, P, M
Cuando se escoge 2 de las tres frutas, los sabores son 3: FP, FM, PM
Cuando se escoge las 3 frutas los sabores son 1: FPM
Total de sabores diferentes: 3 + 3 + 1 = 7
Método 2 : (Empleando combinaciones)
Se puede escoger una fruta de las tres ó 2 frutas de las tres ó las tres
frutas de las tres, además en este caso no importan el orden; por lo
tanto usamos el principio de adición aplicado a la combinación:
Sabores diferentes =
3 3 .2 3. 2. 1
Sabores diferentes = 1 + + =
2 .1 3 . 2. 1
162
Ing. Rolando W. Rivera Olivera
d. Se desea formar un comité de 7 profesionales seleccionando 4 físicos
y 3 matemáticos de un grupo de 8 físicos y 6 matemáticos: a) ¿De
cuantas maneras podrá seleccionarse, si no se impone ninguna
restricción? b) De cuántas formas se seleccionará si un físico debe
pertenecer de hecho al comité? c) De cuántas maneras si 2 físicos y
un matemático no deben pertenecer al comité?
Solución 1:
= 70 . 20 = 1400 maneras
Solución 2:
6𝑥 5𝑥 4
𝐶36 = 3𝑥 2𝑥 1 = 20
163
Ing. Rolando W. Rivera Olivera
Solución 3:
6𝑥5
𝐶46 = 2 𝑥 1 = 15
5𝑥4
𝐶35 = = 10
2𝑥1
NOTA.
Existen también casos en que se presentan Combinaciones con
repetición:
Para calcular el número de combinaciones con repetición se aplica la
siguiente fórmula:
(𝑛 + 𝑘 − 1 ) !
𝐶´𝑛, 𝑘 ; 𝐶𝑅𝑘𝑛 =
𝑘! . (𝑛 − 1)!
Ejemplo:
Calcular 𝐶𝑅410 ó C'10,4 son las combinaciones de 10
elementos con repetición, agrupándolos en subgrupos de
4, en los que 2, 3 o los 4 elementos podrían estar
repetidos:
164
Ing. Rolando W. Rivera Olivera
6.7.4. VARIACIONES :
𝑛!
𝑉𝑘𝑛 =
(𝑛 − 𝑘)!
Ejemplo:
1. Calcular las posibles variaciones de 2 elementos que se
pueden establecer con los número 1, 2 y 3.
Ahora tendríamos 6 posibles parejas: (1,2), (1,3), (2,1),
(2,3), (3,1) y (3,3). En este caso los subgrupos (1,2) y (2,1)
se consideran distintos.
Con la fórmula se tendría lo siguiente:
3! 3 . 2. 1
𝑉23 = (3−2)! = = 6
1
165
Ing. Rolando W. Rivera Olivera
objetos, de manera que estos arreglos puedan efectuarse de uno mismo
de los n objetos.
Una variación con repetición se denota por 𝑉𝑅𝑘𝑛 y se expresa por la
siguiente relación:
𝑉´𝑛, 𝑘 = 𝑉𝑅𝑘𝑛 = 𝑛𝑘
Ejemplo:
Calcular 𝑽𝑹𝟏𝟎
𝟒 que son las variaciones de 10 elementos con
6.7.5. PERMUTACIONES:
𝑃𝑛 = 𝑉𝑛𝑛 = 𝑛!
166
Ing. Rolando W. Rivera Olivera
𝑷𝟏𝟎 = 𝑽𝟏𝟎
𝟏𝟎 = 𝒏 ! = 10 ! = 10 . 9. 8. 7. 6. 5. 4. 3. 2. 1 = 3 628 800
Son permutaciones de "n" elementos, en los que uno de ellos se repite "
𝑥1 " veces, otro " 𝑥2 " veces y así... hasta uno que se repite " 𝑥𝑘 " veces.
Ejemplo:
Calcular las permutaciones de 10 elementos, en los que
uno de ellos se repite en 2 ocasiones y otro se repite en 3
ocasiones:
EJERCICIOS DE APLICACIÓN:
Solución:
Se aplica la Regla de Laplace (casos favorables / casos posibles). El
caso favorable es tan sólo uno (acertar los 6 signos). Los casos posibles
se calculan como variaciones con repetición de 6 elementos (1, 2, 3, 4, 5
y X ), tomados de los 45 signos que se nos da.
167
Ing. Rolando W. Rivera Olivera
Son variaciones y no combinaciones ya que el orden influye: no es lo
mismo (1, 1, X….) que (1, X, 1…..). Y son con repetición, ya que
cualquiera de los signos (1, X , ….., 2) se puede repetir hasta 6 veces.
Por lo tanto, los casos posibles son:
𝑽𝑹𝟒𝟓
𝟔 = 6
45
= 1,039456375 𝑥 1035
1
P(A) = = 9,620413364 x
1,039456375 𝑥 1035
10− 36
No, demasiado elevada....pero el que la sigue la consigue.
Solución:
Aplicamos nuevamente la Regla de Laplace. En este caso los casos
favorables se calculan como combinaciones de 14 elementos tomados
de 2 en 2, de esta manera obtenemos todas las posibles alternativas de
fallar 2 resultados de 14 (lo que equivale a acertar 12 resultados).
Utilizamos combinaciones y no variaciones ya que el orden no importa (da
lo mismo fallar el 3º y el 6º, que el 6º y el 3º)
168
Ing. Rolando W. Rivera Olivera
Solución:
Se aplica la Regla de Laplace. El caso favorable es tan sólo uno: los 3
caballos que entran en primer lugar. Los casos posibles se calculan
como combinaciones de 12 elementos tomados de 3 en 3 (es decir,
determinamos todas las posibles alternativas de 3 caballos que pueden
entrar en las 3 primeras posiciones). Como el orden de estos 3 primeros
caballos no importa, utilizamos combinaciones en lugar de variaciones.
Por lo tanto, los casos posibles son:
Solución:
El caso favorable sigue siendo uno: los 3 caballos que entran en primer
lugar, colocados en su orden correspondiente.
Los casos posibles se calculan ahora como variaciones (ya que el orden
influye) de 12 elementos tomados de 3 en 3 (calculamos todas las
posibles maneras en que los 12 caballos podrían ocupar las 3 primeras
posiciones.
169
Ing. Rolando W. Rivera Olivera
Las probabilidades condicionadas se calculan una vez que se ha
incorporado información adicional a la situación de partida:
Ejemplo 1: Se tira un dado y sabemos que la probabilidad de que
salga un 2 es 1/6 (probabilidad a priori). Si incorporamos nueva
información (por ejemplo, alguien nos dice que el resultado ha
sido un número par) entonces la probabilidad de que el resultado
sea el 2 ya no es 1/6.
Las probabilidades condicionadas se calculan aplicando la
siguiente fórmula:
𝑃(𝐴 ∩ 𝐵)
P(B/A) = 𝑃(𝐴)
Donde:
P (B/A) es la probabilidad de que se dé el suceso B condicionada
a que se haya dado el suceso A.
P (B ∩ A) es la probabilidad del suceso simultáneo de A y de B
P (A) es la probabilidad a priori del suceso A
En el ejemplo que hemos visto:
P (B/A) es la probabilidad de que salga el número 2 (suceso B)
condicionada a que haya salido un número par (suceso A).
P (B ∩ A) es la probabilidad de que salga el dos y número par.
P (A) es la probabilidad a priori de que salga un número par.
Por lo tanto:
P (B ∩ A) = 1/6
P (A) = 1/2
P (B/A) = (1/6) / (1/2) = 1/3
Luego, la probabilidad de que salga el número 2, si ya sabemos
que ha salido un número par, es de 1/3 (mayor que su
probabilidad a priori de 1/6).
170
Ing. Rolando W. Rivera Olivera
persona sufra a la vez problemas de obesidad y coronarios
(suceso intersección de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas
coronarios si está obesa (probabilidad condicionada P(B/A)).
P (B ∩ A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la
probabilidad a priori. No siempre esto es así, a veces la
probabilidad condicionada es igual a la probabilidad a priori o
menor.
Por ejemplo: probabilidad de que al tirar un dado salga el número
2, condicionada a que haya salido un número impar.
La probabilidad condicionada es en este caso es cero, frente a
una probabilidad a priori de 1/6.
171
Ing. Rolando W. Rivera Olivera
Calcular la probabilidad de que un varón mayor de 40 años
esté casado y tenga más de 2 hijos (suceso intersección de A y
B).
Por lo tanto:
P (A) = 0,35
P (B/A) = 0,30
P (A∩ B) = 0,35 * 0,30 = 0,105
Es decir, un 10,5% de los varones mayores de 40 años están
casados y tienen más de 2 hijos.
Ejemplo 2: Estudiamos el suceso A (alumnos que hablan inglés)
y el suceso B (alumnos que hablan alemán) y obtenemos la
siguiente información:
Un 50% de los alumnos hablan inglés.
De los alumnos que hablan inglés, un 20% hablan también
alemán (suceso B condicionado al suceso A).
Calcular la probabilidad de que un alumno hable inglés y
alemán (suceso intersección de A y B).
Por lo tanto:
P (A) = 0,50
P (B/A) = 0,20
P (A ∩ B) = 0,50 * 0,20 = 0,10
Es decir, un 10% de los alumnos hablan inglés y alemán.
172
Ing. Rolando W. Rivera Olivera
Ejercicio 1:
En una urna existen 3 papeletas de tres colores, con las siguientes
probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Según el color de la papeleta elegida, podrás participar en diferentes
sorteos. Así, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de
ganar del 40%.
173
Ing. Rolando W. Rivera Olivera
b) Verde: participas en otro sorteo con una probabilidad de ganar
del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de
ganar del 80%.
Con esta información, ¿qué probabilidad tienes de ganar el sorteo en
el que participes?:
1.- Las tres papeletas forman un sistema completo: sus
probabilidades suman 100%
2.- Aplicamos la fórmula:
Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.
Ejercicio 2:
De acuerdo a políticas de desarrollo se piensa en cambiar a tu jefe y se
barajan diversos nombres y tu esperas que te aumenten el sueldo, cuál
es esa probabilidad?:
a) Rolando, con una probabilidad del 60%
b) Jesús, con una probabilidad del 30%
c) Miguel, con una probabilidad del 10%
En función de quien sea tu próximo jefe, la probabilidad de que te suban
el sueldo es la siguiente:
a) Si sale Rolando: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Jesús: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Miguel: la probabilidad de que te suban el sueldo es del 60%.
En definitiva, ¿cuál es la probabilidad de que te suban el sueldo?:
1.- Los tres candidatos forman un sistema completo
2.- Aplicamos la fórmula:
P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15
Por tanto, la probabilidad de que te suban el sueldo es del 15%.
174
Ing. Rolando W. Rivera Olivera
El Teorema de Bayes viene a seguir el proceso inverso al que hemos
visto en el Teorema de la probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del
suceso A (probabilidad de que llueva o de que haga buen tiempo)
deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido
un accidente) deducimos las probabilidades del suceso A (¿estaba
lloviendo o hacía buen tiempo?).
La fórmula del Teorema de Bayes es:
175
Ing. Rolando W. Rivera Olivera
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%,
nieve con el 30% y niebla con el 10%).
Una vez que incorporamos la información de que ha ocurrido un
accidente, las probabilidades del suceso A cambian: son probabilidades
condicionadas P (A/B), que se denominan "probabilidades a
posteriori".
Vamos a aplicar la fórmula:
176
Ing. Rolando W. Rivera Olivera
Para que dos sucesos sean independientes tienen que verificar al
menos una de las siguientes condiciones:
❖ P (B/A) = P (B) es decir, que la probabilidad de que se dé el
suceso B, condicionada a que previamente se haya dado el
suceso A, es exactamente igual a la probabilidad de B.
Ejemplo:
La probabilidad de que haga buen tiempo (suceso A),
condicionada a que al tirar una moneda salga cara (suceso B), es
igual a la propia probabilidad del suceso A.
177
Ing. Rolando W. Rivera Olivera
Veamos si se cumple alguna de las condiciones señaladas:
P (B/A) = P (A ∩ B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P
(B))
P (A/B) = P (A ∩ B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a
P (A))
P (A ∩ B) = 0,08 (que no es igual a P (A) multiplicado por P (B))
Por lo tanto, no se cumple ninguna de las tres condiciones
señaladas por lo que estos dos sucesos no son
independientes, sino que existe algún grado de dependencia
entre ellos.
178
Ing. Rolando W. Rivera Olivera
Ejemplo: El peso medio de los alumnos de una clase puede
tomar infinitos valores dentro de cierto intervalo (42,37 kg,
42,3764 kg, 42, 376541kg, etc); la esperanza media de vida de
una población (72,5 años, 7,513 años, 72, 51234 años).
Distribuciones discretas: Bernouilli
Es aquel modelo que sigue un experimento que se realiza una sola vez
y que puede tener dos soluciones: acierto o fracaso:
179
Ing. Rolando W. Rivera Olivera
Ejemplo 3: Probabilidad de acertar una quiniela:
Probabilidad de acertar: p = 0,00001
Probabilidad de no acertar: q = 0,99999
p + q = 0,00001 + 0,99999 = 1
Ejemplo:
Si se tira una moneda 10 veces: ¿cuantas caras salen? Si no ha salido
ninguna la variable toma el valor 0; si han salido dos caras la variable
toma el valor 2; si todas han sido cara la variable toma el valor 10
La distribución de probabilidad de este tipo de distribución sigue el
siguiente modelo:
Ejemplo 1:
¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda 10
veces?
180
Ing. Rolando W. Rivera Olivera
"k " es el número de aciertos. En este ejemplo " k " igual a 6 (en cada
acierto decíamos que la variable toma el valor 1: como son 6 aciertos,
entonces k = 6)
“n" es el número de ensayos. En nuestro ejemplo son 10
“p " es la probabilidad de éxito, es decir, que salga "cara" al lanzar la
moneda. Por lo tanto p = 0,5
La fórmula quedaría:
Luego,
P (x = 6) = 0,205
Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar
10 veces una moneda.
Ejemplo 2:
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al lanzar un
dado ocho veces?
" k " (número de aciertos) toma el valor 4
" n" toma el valor 8
" p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666)
La fórmula queda:
Luego,
P (x = 4) = 0,026
Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el
números 3 al tirar un dado 8 veces.
181
Ing. Rolando W. Rivera Olivera
Veamos un ejemplo:
La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que
se viaja, si se realizan 300 viajes, ¿cuál es la probabilidad de tener 3
accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es
menor que 10, entonces aplicamos el modelo de distribución de Poisson.
Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 300 viajes
es del 8,9%
Otro ejemplo:
La probabilidad de que un niño nazca pelirrojo es de 0,012. ¿Cuál es la
probabilidad de que entre 800 recién nacidos haya 5 pelirrojos?
182
Ing. Rolando W. Rivera Olivera
Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recién
nacidos es del 4,6%.
183
Ing. Rolando W. Rivera Olivera
184
Ing. Rolando W. Rivera Olivera
EJERCICIOS PROPUESTOS N° 6
185
Ing. Rolando W. Rivera Olivera
b. ¿Cuántos colores serían suficientes?
7. Suponga que hay ocho maquinas disponibles pero solo tres espacios en
el piso del taller donde se han de instalar tales maquinas. ¿de cuántos
modos diferentes pueden colocarse las ocho en los tres espacios
disponibles?
9!+8!
a. Simplificar E = – ( 5! – 40)
7!
b. Calcular x.
(𝑥+2) 3!
=
𝑥! 3
(𝑥−5)!
c. Hallar x en: = 720
𝑥−5
186
Ing. Rolando W. Rivera Olivera
d. Calcular x en la siguiente ecuación.
(𝑛 + 5) (𝑛 + 4)! (𝑛 + 3)!
. [ ] = 720
(𝑛 + 4) (𝑛 + 3)! + (𝑛 + 4)!
e. De la siguiente relación:
8!
= 14
𝑎! 𝑏!
Calcular: (𝑎2 + 𝑏 2 )
187
Ing. Rolando W. Rivera Olivera
16. ¿de cuántas formas pueden instalarse en línea 5 focos blancos y 6 focos
rojos si deben colocarse
a. Alternadamente.
b. Los blancos juntos?
188
Ing. Rolando W. Rivera Olivera
segundo lanzamiento consigue la suma 7 pierde, en caso contrario gana
y termina el juego. ¿Cuál es la probabilidad que el jugador pierda?
189
Ing. Rolando W. Rivera Olivera
25. Se ha determinado que las probabilidades de que un televidente vea los
programas A, B y C son: 0.5,0.4 y 0.7, respectivamente. ¿Cuál es el
porcentaje de televidentes que ven por lo menos dos de los programas?
Se asume que cada persona ve los programas independientemente uno
del otro.
190
Ing. Rolando W. Rivera Olivera
b. Si tomo un artículo al azar y resulta con defectos en la soldadura,
¿cuál es la probabilidad de que haya sido soldado por el robot C?
191
Ing. Rolando W. Rivera Olivera
b. Si llega temprano al trabajo un día cualquiera, ¿cuál es la
probabilidad que haya tomado el microbús?
35. El precio del bien A puede tomar cualquier valor entre 0 y 6 soles,
mientras que el precio del bien B puede tomar cualquier valor entre 0 y
12 soles. Si usted está dispuesto a gastar más de 6 soles comprando
tales bienes, calcule la probabilidad de que pueda comprar 2 unidades
de A y 3 unidades de B.
192
Ing. Rolando W. Rivera Olivera
193
Ing. Rolando W. Rivera Olivera
prácticas hace la clase, eta probabilidad es de sólo 0,10. Si el profesor
Medina falta el 80% de las clases
a. ¿Cuál es la probabilidad de que haya una prueba en una clase
dada?
b. Suponiendo que hubo prueba en una clase determinada, ¿cuál es la
probabilidad de que el profesor Medina haya estado ausente?
194
Ing. Rolando W. Rivera Olivera
AUTOEV ALU ACIÓN VI
NOMBRE…………………………….………………… CARRERA………………….
1. Hallar:
a. La probabilidad de obtener al menos un 4 en dos lanzamientos de un
dado.
b. La probabilidad de obtener 2 Ases (Unos)
c. Cuál es lo más difícil de acertar en dicho lanzamiento de los dos
dados?
2. Asuma que en un sorteo de rifa por el día del padre que la probabilidad
de de ganar el primer premio es 2/5 y la probabilidad de ganar el
segundo premio es 3/8. Si la probabilidad de ganar al menos uno de los
dos premios es ¾, calcular la probabilidad de ganar:
a. Sólo uno de los premios.
b. Ninguno de los premios
3. Una urna que contiene 5 fichas similares de las cuales 3 son de color
rojo y 2 de color azul. Si de esa urna se extraen al azar 3 fichas a la vez,
calcular la probabilidad de que sólo una de ellas sea de color rojo.
195
Ing. Rolando W. Rivera Olivera
6. Asuma que en un proceso de producción se utilizan las máquinas, 1 y 2,
que trabajan en forma independiente para producir cierto bien. Si la
probabilidad de que ambas máquinas fallen es 1/5 y de que falle sólo la
2 es 2/15, Cuál es la probabilidad de que….
1!+2!+3! 4!+5!+6!
a. E = +
0! 4!
(𝑛+7)! (𝑛+5)!
b. (𝑛+6)! +(𝑛+5)!
= 15!
(𝑛+9)! (𝑛+7)!
c. (𝑛+8)! +(𝑛+7)!
= 14!
(1+𝑛!) 𝑛!
d. = 20
6+𝑛!
196
Ing. Rolando W. Rivera Olivera
BIBLIOGRAFÍA
Córdova B. Isaac (2009). Estadística aplicada a la investigación. Lima – Perú. Ed. San Marcos.
Moya C. Rufino (2010). Estadística descriptiva, conceptos y aplicaciones. Lima – Perú. Editorial San
Marcos.
Quezada N. Lucio (2012). Estadística con SPSS 20. Lima - Perú. MACRO E.I.R.L.
Pérez L. César. (2011). Métodos estadísticos avanzados con SPSS. México. Editorial Thomson.
Kohler Heinz (1996). ESTADÍSTICA para negocios y economía. México: Compañía Editorial
Continental, S.A. de C.V.
García, M.A. (2006). Cómo escribir una bibliografía. Chicago: Publicaciones Raiman.
197
Ing. Rolando W. Rivera Olivera
198
Ing. Rolando W. Rivera Olivera
Teléf.(054)225918
www.uasf.edu.pe
199