Estadstica Aplicada

M. I. Csar Enrique Estrada Gutirrez

Objetivo
Proporcionar las herramientas fundamentales para
que sean capaz de organizar, analizar e interpretar
adecuadamente los cuadros estadsticos y grficos;
establecer conclusiones a partir de la lectura de los
mismos y puedan identificar e interpretar los
principales estimadores estadsticos, as como
aplicar las tcnicas estadsticas adecuadas,
establecer conclusiones a partir de resultados, cuya
finalidad es la toma de decisiones en aquellas
situaciones que se tiene incertidumbre de realidades
desconocidas.
3
Temario (I)
Introduccin al anlisis estadstico
Representaciones estadsticas y anlisis de
grficas
Descripcin de datos econmicos y
administrativos (medidas de posicin y de
variabilidad)
Probabilidad
Introduccin a SPSS
Distribucin de probabilidades para variables
aleatorias discretas
4
Temario (II)
Distribuciones de probabilidad para variables
aleatorias continuas
Distribuciones de muestreo e intervalos de
confianza para la media
Pruebas de hiptesis referentes al valor de la
media de la poblacin
La prueba Chi cuadrada
Anlisis de varianza
Anlisis de regresin y correlacin lineal
5
Bibliografa
Estadstica aplicada a la administracin y a la
economa. Leonard J. Kazmier. Ed. Mc Graw Hill
Estadstica con SPSS para Windows. Juan Camacho
Rosales. Ed. Alfaomega
SPSS 11 Gua para el anlisis de datos. Pardo
Merino Antonio y Ruz Daz Miguel Angel. Ed Mc
Graw Hill
Estadstica para la administracin y la economa.
Berenson y Levin. Ed. Prentice hall
Anlisis estadstico con SPSS para windows.
Visauta. Ed. Mc Graw Hill
6
Introduccin al anlisis estadstico
Estadstica. Es el conjunto de tcnicas que se
emplean para la recoleccin, organizacin,
anlisis e interpretacin de datos. Los datos
pueden ser cuantitativos o cualitativos
Estadstica aplicada. Sirve para tomar
mejores decisiones a partir de la
comprensin de las fuentes de variacin y de
la deteccin de patrones
7
Estadstica descriptiva
Comprende las tcnicas que se emplean
para resumir y describir datos numricos.
(grficas o anlisis computacional)
Ejemplo 1
Volumen anual de ventas del ao pasado, se
puede graficar en barras o lineas
8
Estadstica inferencial
Comprende las tcnicas con las que con base
nicamente en una muestra sometida a observacin
se toman decisiones sobre una poblacin o proceso
estadstico (requiere de probabilidad)
Censo. Procedimiento para la medicin de las
caractersticas de todos los miembros de la poblacin
Estadsticas muestrales. Se refiere a las
caractersticas medidas de una muestra.
Ejemplo 2
Muestra de focos y revisin de los mismos hasta poder
estimarse la probabilidad de falla

9
Variables discretas y continuas
Una variable discreta puede tomar valores
observados nicamente en puntos aislados
(proceso de conteo).
Una variable continua puede adoptar un valor
en cualquier punto fraccionario a lo largo de
un intervalo especificado
Ejemplo 3
Discretos. Nmero de personas por hogar en una
colonia
Continuas. Promedio de personas por hogar en
una colonia
10
Obtencin de datos
Observacin directa. El investigador ejerce un control
deliberado de algunos o todos los factores que
pueden influir en la variable
Ejemplo 4
Una lnea de ensamble para detectar
elementos defectuosos con base en un
criterio
Encuesta. Cuando la informacin se debe obtener de
fuentes individuales mediante entrevistas personales,
entrevistas telefnicas o cuestionarios
Ejemplo 5
Nivel de empleo en diferentes empresas
mediante una encuesta a cada una de ellas
11
Muestreo aleatorio
Es un tipo de muestreo donde todos los
elementos de la poblacin de inters o
poblacin objetivo tienen una oportunidad
conocida, usualmente igual de ser elegidos
Muestreo simple
Muestreo sistemtico
Muestreo estratificado
Muestreo por conglomerados
12
Muestreo aleatorio simple
Es aquel cuyos elementos se seleccionan
individualmente de la poblacin objetivo
entera con base en el azar
Ejemplo 6
Uso de la funcin aleatorio de Excel

13
Muestreo sistemtico
Es una muestra aleatoria, cuyos elementos
se seleccionan de la poblacin de un
intervalo uniforme en una lista ordenada
Ejemplo 7
Seleccionar al azar una cuenta bancaria y a partir
de ah elegir las siguientes nueve
14
Muestreo estratificado
Los elementos de la poblacin son
primeramente clasificados por el investigador
en distintos subgrupos o estratos sobre la
base de una o ms caractersticas
importantes
Ejemplo 8
Las elecciones pasadas antes de la votacin

15
Muestreo por conglomerados
Es un tipo de muestreo aleatorio donde los
elementos de la poblacin ocurren
naturalmente en subgrupos
Ejemplo 9
Un analista de un departamento estatal de
seguridad econmica desea estudiar los ndices
salariales por hora que se pagan en el rea
metropolitana, sera complicado hacerlo
trabajador por trabajador, en cambio podra
obtenerse una lista de las empresas en esa zona.
El analista puede tomar una muestra simple de
ese conglomerado

16
Problemas
En el rea de las mediciones estadsticas,
como las representadas por cuestionarios, la
confiabilidad se refiere a la consistencia del
instrumento de medicin y la validez a su
precisin. Si un cuestionario ofrece
resultados similares tras ser contestado por
dos grupos equivalentes de informantes,
puede describrsele como confiable. El
hecho de que sea confiable garantiza por lo
tanto que sea valido?
17
Problemas
En los siguientes tipos de valores, designe variables
discretas y variables continuas
a) El nmero de unidades de un artculo en existencia
b) Razn de activos circulantes contra pasivos
circulantes
c) Tonelaje total embarcado
d) Cantidad embarcada en unidades
e) Volumen de trfico en una carretera de paga
f) Asistencia a la asamblea anual de una compaia
18
Problemas
Cules son muestra y cules una
poblacin?
a) El universo completo
b) Aplicacin de conceptos de probabilidad
c) Inspeccin de cada artculo ensamblado
d) Inspeccin de cada dcimo artculo
ensamblado

19
Trabajo de investigacin
Un auditor desea tomar una muestra
aleatoria simple de tamao 50 de 9 600
cuentas por cobrar de una gran empresa. Las
cuentas se enumeran secuencialmente de la
0001 a la 9600. Use la hoja de clculo Excel
para obtener una lista de los 50 nmeros
aleatorios requeridos y mndela por correo
electrnico
20
Correo electrnico
ceg@softcat.com.mx
ceg@tutopia.com
Se crear un correo electrnico donde
mandar algunas prcticas y lecturas
complementarias
estadistica@softcat.com.mx
Password essof
Para entrar: http://owa.vivetelmex.com
21
Representaciones estadsticas y
anlisis de grficas
Distribucin de frecuencias. Es una tabla en
la cual se agrupan en clases valores posibles
de una variable y donde se registra el
nmero de valores observados
correspondientes a cada clase
22
Datos agrupados
Son los datos organizados en una
distribucin de frecuencias
Ejemplo 10


Salario Semanal Numero de trabajadores (f)
$ 240-259
260-279
280-299
300-319
320-339
340-359
7
20
33
25
11
4
Total 100
23
Lmites nominales
Son los valores incluidos en cada clase
Ejemplo 11
Salario Semanal Numero de trabajadores (f)
$ 240-259
260-279
280-299
300-319
320-339
340-359
7
20
33
25
11
4
Total 100
24
Limites exactos de clase
Son los puntos especficos que sirven para separar
clases adyacentes en una escala de medicin de
variables continuas
Ejemplo 12
Salario semanal
(lmites nominales)
Limites exactos de
clase
$ 240-259
260-279
280-299
300-319
320-339
340-359
$ 239.50-259.50
259.50-279.50
279.50-299.50
299.50-319.50
319.50-339.50
339.50-359.50
25
Punto medio de clase
Se refiere a la suma del lmite inferior de la
clase con el lmite superior dividido entre dos
Ejemplo 13
Salario semanal
(lmites nominales)
Limites exactos de
clase
Punto
medio
$ 240-259
260-279
280-299
300-319
320-339
340-359
$ 239.50-259.50
259.50-279.50
279.50-299.50
299.50-319.50
319.50-339.50
339.50-359.50
$249.50
269.50
289.50
309.50
329.50
349.50
26
Intervalo de clase
Se identifica restando el lmite exacto de
clase inferior del lmite exacto de la clase
superior
Ejemplo 14
Intervalo de clase=259.50-239.50=20

27
Intervalo aproximado



Ejemplo 15
Intervalo aproximado=(360-240)/6=20

deseadas clases de nmero
agrupados no
datos en r menor valo
agrupados no
datos en r mayor valo
aproximado Intervalo
(

=
28
Histograma de frecuencias
Un histograma es una grfica de barras de
distribucin de frecuencias, se acostumbra colocar
los lmites exactos
Ejemplo 16
0
5
10
15
20
25
30
35
239.50 259.50 279.50 299.50 319.50 339.50 359.50
29
Polgono de frecuencias
Es una grfica de lneas de distribucin de
frecuencias, donde suele identificarse el punto medio
de cada clase
Ejemplo 17
0
5
10
15
20
25
30
35
229.5 249.5 269.5 289.5 309.5 329.5 349.5 369.5
30
Curva de frecuencias
Es un polgono de frecuencias pero suavizado
Ejemplo 18
0
5
10
15
20
25
30
35
229.5 249.5 269.5 289.5 309.5 329.5 349.5 369.5
31
Curtosis
Platicurtica: plana, con las observaciones
distribuidas en forma relativamente pareja
Leptocurtica: afilada, con las observaciones
concentradas en un estrecho rango de
valores
Mesocurtica: ni plana ni afilada
32
Asimetra
Asimtrica negativa
Simtrica
Asimtrica positiva
33
Frecuencias acumuladas
Identifica el nmero acumulado de observaciones
incluidas bajo el lmite exacto superior de cada clase
de la distribucin
Ejemplo 19
Salario semanal
(lmites nominales)
Limites exactos
de clase
superior
Nmero de
trabajadores
Frecuencias
acumuladas
$ 240-259
260-279
280-299
300-319
320-339
340-359
$ 259.50
279.50
299.50
319.50
339.50
359.50
7
20
33
25
11
4
7
20+7=27
33+27=60
25+60=85
85+11=96
96+4=100
34
Ojiva
Se le denomina a la grfica de una
distribucin de frecuencias acumuladas
0
20
40
60
80
100
120
239.5 259.5 279.5 299.5 319.5 339.5 359.5
35
Diagramas circulares
Es una figura en forma de pastel cuyas
piezas representan divisiones de una
cantidad total, como podra ser la distribucin
de las ventas de una compaia
65% 5%
5%
25%
Principal
Nichos
En Desarrollo
En crecimiento
36
Problemas
En la siguiente tabla se enlistan los tiempos
requeridos para la conclusin de una tarea
de ensamble para una muestra de 30
empleados que presentaron su solicitud de
ascenso a un puesto de ensamble de
precisin
10 14 15 13 17
16 12 14 11 13
15 18 9 14 14
9 15 11 13 11
12 10 17 16 12
11 16 12 14 15
37
Problemas (2)
Determine el tamao del intervalo
correspondiente
Intervalo aproximado=(18-9)/5=1.80
Por lo que nuestro intervalo es conveniente
cerrarlo a 2.0, as que nuestra distribucin de
frecuencias quedara de la siguiente forma
Tiempo en min. Nmero de empleados
9-10
11-12
13-14
15-16
17-18
4
8
8
7
3
Total 30 Emp.
38
Problemas (3)
La tabla con lmites exactos y punto medio para
cada clase quedara de la siguiente forma
Tiempo en min. Punto medio Nmero de
empleados
8.5-10.5
10.5-12.5
12.5-14.5
14.5-16.5
16.5-18.5
9.5
11.5
13.5
15.5
17.5
4
8
8
7
3
Total 30 Emp.
39
Problemas (4)
Elaborar un histograma en Excel
Elaborar el polgono de frecuencias en Excel
Elaborar la curva de frecuencias en Excel
Describir la curva de frecuencias

40
Problemas (5)
Elaborar una distribucin de frecuencias
acumuladas y
a) Trace la ojiva de porcentajes de esos datos
b) En que punto percentil se encontrara un
tiempo de ensamble de 15.5 minutos?
c) haga una grafica circular de los empleados
con respecto a los tiempos
41
Problemas (6)
Tiempo, en min. Frecuencia Frecuencia
acumulada
% acumulado
8.5-10.5
10.5-12.5
12.5-14.5
14.5-16.5
16.5-18.5
4
8
8
7
3
4
12
20
27
30
4*100/30=13.3
12*100/30=40
66.7
90
100
Elaborar una distribucin de frecuencias
acumuladas
42
Problemas (7)
Ojiva de la frecuencia
acumulada y del
porcentaje acumulado
El porcentaje percentil
en 15.5 minutos es 80
La grfica circular se
muestra

0
20
40
60
80
100
120
8.5 10.5 12.5 14.5 16.5 18.5
13%
27%
27%
23%
10%
8.5
10.5
12.5
14.5
16.5
43
Trabajo de investigacin 2
En la tabla siguiente se presentan las cantidades de 40
prstamos personales utilizados para financiar la compra de
muebles y aparatos elctricos. Ordene en una distribucin de
frecuencias con un total de siete clases
a) Cul sera el intervalo de clase ms conveniente?
b) Elabore una distribucin de frecuencias iniciando con un
lmite de clase inferior de 300 y aplicando el intervalo de
clase del inciso A
c) Elabore un histograma de distribucin de frecuencias
d) Elabore un polgono de frecuencias y una curva de
frecuencias
e) Describa la curva de frecuencias resultante
f) Elabore una distribucin de frecuencias acumuladas de la
distribucin de frecuencias y trace la ojiva con esos datos
g) Genere una grfica circular
h) Entregue todos los resultados anteriores en Excel
44
Trabajo de investigacin 2
$832 $1100 $456 $1227
615 654 1290 854
652 873 400 2012
1800 666 1616 446
1100 728 1524 780
1300 1388 1000 870
2300 850 1890 600
486 429 835 2000
1700 1423 700 380
1219 800 656 1490
45
Descripcin de datos econmicos y administrativos
(Medidas de posicin y de variabilidad)
Medida de posicin. Es un valor calculado de
un grupo de datos que sirve para describir a
stos de alguna manera
46
Media aritmtica
Es la suma de los valores del grupo de datos
dividida entre el nmero de valores
muestra una de a descriptiv Media
poblacin una de a descriptiv Media
n
X
N
X

=
X

47
Media aritmtica
Ejemplo 20
Durante los meses del verano, ocho vendedores de
una empresa de servicios de calefaccin y aire
acondicionado vendieron el siguiente nmero de
unidades centrales de aire acondicionado:
8,11,5,14,8,11,16,11
unidades
N
X
5 . 10
8
84
= =

=
48
Media ponderada
Es una media aritmtica en donde cada uno de los
valores se pondera de acuerdo con su importancia
en el grupo general. Las frmulas de la media
ponderada poblacional y muestral son idnticas

=
w
wX
w
w
) (
X
49
Media ponderada
Ejemplo 21
El margen de utilidad en el ltimo ao fiscal de las
cuatro lneas de productos de una compaa
fabricante de mltiples bienes fue: Lnea A=4.2%;
Lnea B=5.5%; Lnea C=7.4%; Lnea D=10.1%
Si sacamos la media con la frmula anterior quedara




Sin embargo, como las ventas de los cuatro productos
no son iguales, este promedio no ponderado es
incorrecto

% 8 . 6
4
27.2
= =

=
N
X

50
Media ponderada
As que debemos observar la tabla de ventas







Con respecto a la frmula
Lnea de productos Margen de
utilidad (X)
Ventas (w) wX
A
B
C
D
4.2%
5.5%
7.4%
10.1%
$30,000,000
20,000,000
5,000,000
3,000,000
1,260,000
1,100,000
370,000
303,000
% 2 . 5
000 , 000 , 58 $
000 , 033 , 3 $
) (
= =

=
w
wX
w

51
Mediana
La mediana de un grupo de elementos es el
valor del elemento inmediato cuando todos
los elementos de un grupo siguen, en
trminos de valor, un orden ascendente o
descendente


De nuestro ejemplo 20, al ordenar en forma
ascendente, quedara 5,8,8,11,11,11,14,16,
el valor de la mediana es:
X(8/2+1/2)=X4.5=11
| | ) 2 / 1 ( ) 2 / ( +
=
n
X Med
52
Moda
Es el valor que ocurre ms frecuentemente
en un conjunto de valores . Para nuestro
ejemplo anterior, la moda es 11
53
Relacin entre media, mediana y moda
Cuando la curva graficada es simtrica, la
moda, mediana y media son iguales, cuando
es asimtrica positiva, la media siempre es
mayor que la mediana y la moda, viceversa
en una asimtrica negativa
Cmo sera la curva para nuestro ejemplo
anterior?
54
Uso de media, mediana y moda
Con respecto a poblacin
El valor de la moda indica la posicin de la
mayora de los valores observados. Puede ser
til como medida descriptiva de un grupo de la
poblacin, aunque slo si existe una moda
claramente perceptible
La mediana siempre es una medida excelente
para representar el nivel tpico de los
valores
La media tambin es un valor excelente
siempre y cuando la poblacin sea simtrica,
por lo que para datos de poblacin la mediana
es ms significativa
55
Uso de media, mediana y moda
Con respecto a muestras
El valor de la moda no es aceptable
La mediana es ms aceptable
La media para ste caso es mejor ya que es
ms estable
Ejemplo 22
ndices salariales de los 650 empleados de una
empresa
Una muestra aleatoria de 100 trabajadores
56
Cuartiles, deciles y percentiles
Es lo mismo que la mediana, slo que los
cuartiles dividen la muestra en cuartos, los
deciles en dcimos y los percentiles en 100
partes

| |
| |
| | ) 2 / 1 ( ) 100 / 70 ( 70
) 2 / 1 ( ) 10 / 3 ( 3
) 2 / 1 ( ) 4 / ( 1
percentil) imo (septuags
decil) (tercer
cuartil) (primer
+
+
+
=
=
=
n
n
n
X P
X D
X Q
57
Problemas
En una muestra de las compras de 15 estudiantes en
la tienda de una escuela primaria se observan las
siguientes cantidades de ventas, dispuestas en
orden de magnitud ascendente: $ 1.00, 1.00,2.50,
2.50, 2.50, 3.50, 4.00, 5.30, 9.00, 12.50, 13.50,
24.50, 27.10, 30.90, 41.00 Determine la media,
mediana y la moda
Media= $12.05
Mediana= X8= $5.30
Moda= $2.50
Dado que la media es sustancialmente mayor que la
mediana, la distribucin de valores es claramente
asimtrica positiva
58
Problemas
Con base en la siguiente tabla, determine el
porcentaje global de artculos defectuosos
ensamblados durante la semana muestreada
Turno Porcentaje de artculos
defectuosos (X)
Nmero de artculos
en miles (w)
wX
1
2
3
1.1%
1.5%
2.3%
210
120
50
2.31
1.80
1.15
% 4 . 1
380 $
26 . 5 $
) (
= =

=
w
wX
w
X
59
Trabajo de investigacin (3)
El nmero de accidentes ocurridos en un mes dado en los 13
departamentos de manufactura de una planta industrial fue:
1,2,2,3,3,10,1,0,8,1,0,5,10. Calcule la media, la mediana y la
moda. Describa la distribucin de ndices de accidentes en
trminos de asimetra
Supongamos que los precios de menudeo de artculos
seleccionados cambian como se indica en la tabla siguiente.
Determine el cambio porcentual medio en precios al menudeo
sin referencia a los gastos promedio incluidos en la tabla y
posteriormente el cambio porcentual medio ponderado
Artculo Incremento
Porcentual
Gastos promedio por
mes
Leche
Carne de res
Ropa
Gasolina
8%
-2
-4
8
$30
40
50
60
60
Medida de variabilidad en conjuntos de datos
Las medidas de posicin son tiles para la
identificacin del valor representativo de un
grupo de valores. Por su parte, las medidas
de variabilidad o dispersin se ocupan de la
descripcin de la variabilidad entre los
valores mediante diversas tcnicas: rango,
rangos modificados, desviacin media,
varianza, desviacin estndar y el coeficiente
de variacin
61
Rango
El rango, o R, es la diferencia entre los
valores ms alto y ms bajo incluidos en un
conjunto de datos
Ejemplo 23
Durante un mes de verano, los ocho vendedores
de una empresa de equipos de calefaccin y aire
acondicionado vendieron los siguientes nmeros
de unidades: 8, 11, 5, 14, 8, 11, 16, 11
Rango= My-Mn = 16-5 = 11 unidades
62
Rango modificado
Es un rango que se construye eliminando
algunos de los valores extremos de cada una
de las porciones finales de la distribucin. El
50% central es el rango entre los valores en
el 25 punto percentil y el 75 punto percentil
de la distribucin. De este modo, tambin es
el rango entre el primer y tercer cuartiles de
la distribucin. Por este motivo, el rango del
50% central suele llamrsele rango
intercuartil (RIC)
RIC=Q
3
-Q
1
63
Rango modificado
Ejemplo 24
Los datos de ventas de unidades centrales
presentados en el ejemplo anterior son en
orden ascendente los siguientes:
5,8,8,11,11,11,14,16. En consecuencia, el
nmero de observaciones es N=8
Q
3
= X
[(75N/100)+(1/2)]
= X
[6+(1/2)]
= X
6.5
= 12.5
Q
1
= X
[(25N/100)+(1/2)]
= X
[2+(1/2)]
= X
2.5
= 8
RIC= Q
3
-Q
1
= 12.5-8= 4.5


64
Desviacin media
Se basa en el valor absoluto de la diferencia entre
cada valor del conjunto de datos y la media del grupo
n
X X
N
X

| |
| |
muestra la de DMA
poblacin la de DMA

65
DMA
Ejemplo 25
Durante un mes de verano, los ocho vendedores de una
empresa de equipos de calefaccin y aire acondicionado
vendieron los siguientes nmeros de
unidades:8,11,5,14,8,11,16,11
Media aritmtica o es 10.5 de acuerdo con el ejemplo anterior
X X- |X-|
5
8
8
11
11
11
14
16
-5.5
-2.5
-2.5
0.5
0.5
0.5
3.5
5.5
5.5
2.5
2.5
0.5
0.5
0.5
3.5
5.5
21.0
21/8=2.6
unidades
66
DMA
Por lo tanto, podemos decir que en promedio,
la venta de unidades de equipo de aire
acondicionado de un vendedor difiere en 2.6
unidades respecto de la media grupal, en
cualquier direccin
67
Varianza
La varianza se asemeja a la desviacin
media absoluta en que se basa la diferencia
entre cada valor del conjunto de datos y la
media del grupo, pero se distingue de ella en
un muy importante aspecto, cada diferencia
se eleva al cuadrado
N
x
X V

= =

2
) (
2
) (

o
68
Varianza
A diferencia de lo que ocurre con las dems
estadsticas muestrales, la varianza de una muestra
no equivale exactamente, en trminos de clculo, a
la varianza de una poblacin. En esencia en esta
frmula se incluye un factor de correccin, a fin de
que la varianza muestral sea un estimador insesgado
1
) (
2
2

n
X X
s
69
Desviacin estndar
En general es difcil interpretar el significado
de la varianza, porque las unidades en las
que se expresa son valores elevados al
cuadrado. Debido en parte a esta razn, es
ms frecuente el uso de la raz cuadrada de
la varianza, representada por la letra griega
o por s en el caso de una muestra. A esto
se le llama desviacin estndar
70
Desviacin estndar
Las frmulas son:
1
) (
) (
2
2
muestra la De
poblacin la De

=
n
X x
N
x
s

o
71
Desviacin estndar
Ejemplo 26
Durante un mes de verano, ocho vendedores de una
empresa de equipos de calefaccin y aire acondicionado
vendieron los siguientes nmeros de unidades:
8,11,5,14,8,11,16,11
La media aritmtica o es 10.5 de acuerdo con el ejemplo
anterior
X X- (X-)
2
5
8
8
11
11
11
14
16
-5.5
-2.5
-2.5
0.5
0.5
0.5
3.5
5.5
30.25
6.25
6.25
0.25
0.25
0.25
12.25
30.25
86.00
72
Desviacin estndar
3 . 3 75 . 10
8
86
2
) (
= = =

=

N
x
o
73
Clculos simplificados
1
2
2
2
2 2
2
2
2
2 2
muestra la de estandar Desviacin
1
s muestra la de Varianza
poblacin la de estndar Desviacin
poblacin la de Varianza

n
X n X
N
N X
s
n
X n X
N
N x

o
74
Desviacin estndar
Ejemplo 27
Durante un mes de verano, ocho vendedores de una
empresa de equipos de calefaccin y aire acondicionado
vendieron los siguientes nmeros de unidades:
8,11,5,14,8,11,16,11
Media aritmtica o es 10.5 de acuerdo con el ejemplo
anterior
X X
2
5
8
8
11
11
11
14
16
25
64
64
121
121
121
196
256
968
3 . 3 75 . 10
8
) 5 . 10 ( 8 968
2
2 2
= =

=

N
N X
o
75
Uso de la desviacin estndar
Cuando existe una distribucin de valores, tanto
simtrica como mesocrtica, la curva de frecuencias
de una distribucin se le llama curva normal, siempre
que ocurre una curva semejante a esto, 68% de los
valores quedan dentro del margen de la desviacin
estndar y 95% quedan incluidos dentro de un
margen de dos unidades de desviacin estndar
68
% 95%
76
Descripcin de datos
Ejemplo 28
Las cuentas de energa elctrica de una zona
residencial correspondientes al mes de junio
tienen una distribucin normal, si se calcula
que la media de estas cuentas es de $84.00
con una desviacin estndar de $24.00, de
ello se desprende que 68% de las cantidades
facturadas estn entre $60.00 y $108.00, as
como que 95% de los valores estn entre
$36.00 y $132.00
77
Coeficiente de variacin
Indica la magnitud relativa de la desviacin estndar
en comparacin con la media de la distribucin de las
medidas, expresada como porcentaje, es til cuando
se desea comparar la variabilidad de dos conjuntos
de datos en relacin con el nivel general de los
valores (y por lo tanto con la media)
100 Muestra
100 Poblacin
=
=
X
s
CV
CV

o
78
Coeficiente de variacin
Ejemplo 29
Respecto a dos emisiones de acciones ordinarias de la
industria electrnica, durante el periodo de un mes fue de
$150 con una desviacin estndar de $5 para las acciones A
y de $50 con una desviacin estndar de $3 para las
acciones B. Con base en la comparacin absoluta, la
variabilidad del precio de las acciones A fue mayor a causa
de una mayor desviacin estndar. Pero en cuanto al nivel
de los precios se deben comparar mediante el coeficiente de
variacin
A acciones las que
variables ms veces dos casi fueron B acciones las que Concluimos
% 0 . 6 100
50
3
100 ) (
% 3 . 3 100
150
5
100 ) (
= = =
= = =

o
B CV
A CV
79
Coeficiente de asimetra de Pearson
Mide la desviacin respecto de la simetra
expresando la diferencia entre la media y la mediana
en relacin con la desviacin estndar del grupo de
medidas
s
Med X
Med
) ( 3
muestra la de Asimetra
) ( 3
poblacin la de Asimetra

=
o

80
Pearson
Ejemplo 30
Con respecto a los datos de ventas de
equipos de aire acondicionado, la media es
10.5, la mediana 11 y la desviacin estndar
3.3 por lo que el coeficiente de asimetra es
Asimetra= 3(-Med)/= 3(10.5-11.0)/3.3=
-0.45
Por lo que la distribucin de cantidades de
ventas es en cierto modo asimtrica negativa
o sesgada a la izquierda
81
Problemas
Una muestra de 20 obreros obtuvo los siguientes
salarios por una semana dada, redondeados al dlar
ms cercano y dispuestos en orden ascendente:
$240, 240, 240, 240, 240, 240, 240, 240, 255, 255,
265, 265, 280, 280, 290, 300, 305, 325, 330, 340.
Determine:
a) El rango
b) EL RIC
c) DMA
d) Varianza
e) Desviacin estndar
f) Varianza y desviacin estndar con la frmula
alternativa
g) El Coeficiente de variacin
h) El coeficiente de asimetra de Pearson
82
Problemas
a) Rango. R=My-
Mn=$340-240=$100
b) RIC=Q3-
Q1=X(3n/4+1/2)-
X(n/4+1/2)= X(15.5)-
X(5.5)=295-240=$55
c) Se debe obtener
primero la media
muestral=X=$5410/20
=$270.50
X X-X |X-X| (X-X)2
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 240.00 -$ 30.50 $ 30.50 $ 930.25
$ 255.00 -$ 15.50 $ 15.50 $ 240.25
$ 255.00 -$ 15.50 $ 15.50 $ 240.25
$ 265.00 -$ 5.50 $ 5.50 $ 30.25
$ 265.00 -$ 5.50 $ 5.50 $ 30.25
$ 280.00 $ 9.50 $ 9.50 $ 90.25
$ 280.00 $ 9.50 $ 9.50 $ 90.25
$ 290.00 $ 19.50 $ 19.50 $ 380.25
$ 300.00 $ 29.50 $ 29.50 $ 870.25
$ 305.00 $ 34.50 $ 34.50 $ 1,190.25
$ 325.00 $ 54.50 $ 54.50 $ 2,970.25
$ 330.00 $ 59.50 $ 59.50 $ 3,540.25
$ 340.00 $ 69.50 $ 69.50 $ 4,830.25
Total $ 572.00 $21,945.00
83
Problemas
Por lo que el DMA de la muestra quedara:



d) La varianza sera



e) La desviacin estndar
60 . 28 $
20
00 . 572 $ | |
= =

N
X
00 . 1155
1 20
00 . 21945
1
) (
2
2
=

n
X X
s
99 . 33 $ 00 . 1155 ~ = s
84
Problemas
f) Ocupando las frmulas obtenemos



g) Dado que X=$270.50 y s=$33.99
CV=s/X*100=33.99/270.50=.1256*100=12.6%
h) Asimetra=3(X-Med)/s=3(270.5-260)/33.99=0.93
Por lo que concluimos que la distribucin de los datos
salariales es ligeramente asimtrica positiva
9 . 33 1155 muestra la de estandar Desviacin
1155
19
) 5 . 270 ( 20 1485350
1
s muestra la de Varianza
1
2
2
2
2
2 2
= =

=
=

n
X n X
s
n
X n X
85
Trabajo de investigacin 4
Las siguientes calificaciones en examen dispuestas en orden
ascendente fueron obtenidas por 20 estudiantes inscritos en un
curso de anlisis de decisin:
49,46,67,75,80,82,82,85,87,89,89,89,89,89,89,89,93,94,97,100.

Determine
a) El rango
b) EL RIC
c) DMA
d) Varianza
e) Desviacin estndar
f) Varianza y desviacin estndar con la frmula alternativa
g) El coeficiente de variacin
h) El coeficiente de asimetra de Pearson
86
Probabilidad
Histricamente se han desarrollado tres enfoques
conceptuales para definir la probabilidad: los
enfoques clsico, de frecuencias relativas y subjetivo.
De acuerdo con el enfoque clsico




Dado que este enfoque permite determinar valores de
probabilidad antes de que sean observados
cualesquiera eventos muestrales, tambin se le
conoce como enfoque a priori

) (
) (
) (
S N
A N
A P =
87
Probabilidad
Ejemplo 31
En un mazo de naipes debidamente barajado
que contiene 4 ases y otros 48 naipes, la
probabilidad de obtener un as en una sola
extraccin es de:
4/52=0.077
88
Expresin de probabilidad
La probabilidad de un evento se indica con el
smbolo P. As, P(A) denota la probabilidad
de que ocurra el evento A en una sola
observacin o experimento.

89
Momios
La razn de momios a favor de la ocurrencia
de un evento es la razn del nmero relativo
de resultados, representados por a, a favor
de A respecto del nmero relativo de
resultados, representados por b, que no
estn a favor de A:
Momios=a:b (lase a a b)
90
Momios
Ejemplo 32
Supongamos que un xito se define como la
extraccin de cualquier naipe con figura o de
un as de un mazo debidamente barajado de
52 naipes. Dado que 16 de los 52 naipes son
ya sea sota, reina, rey o as. Por lo tanto, los
momios asociados al xito son 16:36. Por lo
tanto la probabilidad de xito es
P(A)=N(A)/N(S)=a/(a+b)=16/(16+36)=16/52
91
Eventos mutuamente excluyentes y no
excluyentes
Excluyentes. Son eventos que no pueden
ocurrir al mismo tiempo, por ejemplo sacar un
rey y un as al mismo tiempo
No excluyentes. Son eventos que pueden
ocurrir al mismo tiempo, por ejemplo sacar un
as y un trebol
92
Reglas de la adicin
Excluyentes
P(A o B) =P(AB)=P(A)+P(B)
No excluyentes
P(A o B) =P(A)+P(B)-P(A y B)
Ejemplo 33
Cul es la probabilidad de extraer un as o un
rey? = 4/52+4/52=8/52
Cul es la probabilidad de sacar un as o un
trbol o ambos en una sola extraccin? =
4/52+13/52-1/52=16/52
93
Eventos independientes, eventos
dependientes y probabilidad condicional
Dos eventos son independientes cuando la ocurrencia o
no ocurrencia de un evento no tiene ningn efecto en la
probabilidad de ocurrencia del otro evento. Dos eventos
son dependientes cuando la ocurrencia o no ocurrencia
de un evento afecta la probabilidad de ocurrencia del
otro evento
Ejemplo 34.
Una moneda es independiente en cada
lanzamiento
Obtener un as en una baraja es dependiente,
puesto que para la siguiente extraccin slo se
podr sacar una probabilidad de 3/51
P(A)=P(A|B)
94
Reglas de la multiplicacin
Se refieren a la determinacin de la
probabilidad de la ocurrencia conjunta de A y
B. Existen dos variantes de la regla de la
multiplicacin si los eventos son
independientes o dependientes
Para eventos independientes
P(A y B)=P(A B)=P(A)P(B)
Para eventos dependientes
P(A y B)=P(A)P(B|A)
P(B y A)=P(B)P(A|B)
95
Ejemplos de multiplicacin
Ejemplo 35
Si una moneda equilibrada se lanza dos veces, la
probabilidad de que ambos lanzamientos den por
resultado sol es:


Ejemplo 36
Supongamos que se sabe que un conjunto de 10
partes de repuesto contiene ocho partes
aceptables y dos partes defectuosas. Cul es la
probabilidad de que las dos partes seleccionadas
sean defectuosas?, cul es la probabilidad de
que sean aceptables?

4
1
2
1
2
1
=
aceptables
90
56
9
7
10
8
=
96
Teorema de Bayes
En su forma algebraica ms simple, el teorema de
Bayes consiste en la determinacin de la
probabilidad condicional del evento A dada la
ocurrencia del Evento B. Sin embargo, la especial
importancia del teorema de Bayes es que se aplica
en el contexto de eventos secuenciales y, adems,
que la versin de clculo de la frmula es la base
para determinar la probabilidad condicional de que
un evento haya ocurrido en la primera posicin
secuencial una vez que un evento en particular ha
sido observado en la segunda posicin secuencial


) ' | ( ) ' ( ) | ( ) (
) | ( ) (
) | (
A B P A P A B P A P
A B P A P
B A P
+
=
97
Diagramas de rbol
Ejemplo 37
Supongamos que contamos con dos urnas U
1
y U
2
. La
urna 1 contiene 8 pelotas rojas y 2 pelotas verdes,
mientras que la urna 2 contiene 4 pelotas rojas y 6
pelotas verdes, si se selecciona aleatoriamente una
urna y de ella se selecciona aleatoriamente una pelota,
el proceso y las probabilidades secuenciales pueden
representarse mediante un diagrama de rbol.

.50
.50
U1
U2
R
V
R
V
.80
.20
.40
.60
98
Ejemplos del teorema
Ejemplo 38
Supongamos que observamos una pelota verde en el
segundo paso, cul es la probabilidad de que la urna
1 haya sido seleccionada en el paso uno?
25 . 0
40 . 0
10 . 0
) 60 . 0 )( 50 . 0 ( ) 20 . 0 )( 50 . 0 (
) 20 . 0 )( 50 . 0 (
) | ( ) ( ) | ( ) (
) | ( ) (
) | (
2 2 1 1
1 1
1
= =
+
=
+
=
U V P U P U V P U P
U V P U P
V U P
99
Permutaciones
Ejemplo 39
Tres miembros de una organizacin social se
ofrecen como voluntarios para fungir como
dirigentes el siguiente ao en los puestos de
presidente, tesorero y secretario. El nmero
de maneras (permutaciones) en los que los
tres pueden asumir los puestos es:
n!=3!=(3)(2)(1)=6 maneras
Cuando nos interesan las permutaciones de
un subgrupo se ocupa la frmula
)! (
!
r n
n
P
r n

=
100
Combinaciones
En el caso de las permutaciones, el orden de
acomodo de los objetos es importante. En el
caso de las combinaciones, lo que nos
interesa es el nmero de diferentes
agrupaciones de los objetos que pueden
ocurrir sin reparar en su orden (hacerlo en
clase)
)! ( !
!
r n r
n
P
r n

=
101
Problemas de probabilidad
Determine el valor de la probabilidad aplicable a
cada una de las siguientes situaciones
La probabilidad de accidentes industriales en un ao.
Una muestra aleatoria de 10 empresas con 8 000
empleados, report la ocurrencia de 400 accidentes
La probabilidad de acertar a un nmero ganador en un
juego de ruleta, los nmeros son 0, 00 y del 1 al 36
Respuesta 1. P=400/8000=0.05
Respuesta 2. P=1/38
102
Problemas de adicin
Determine la probabilidad de obtener un as (A), un
rey (R) o un dos (D), al extraer un naipe de un mazo
debidamente barajado de 52 naipes
De 300 estudiantes de administracin, 100 estn
actualmente inscritos en contabilidad y 80 estn
actualmente inscritos en estadstica aplicada. Estas
cifras de inscripcin incluyen a 30 estudiantes
inscritos en ambos cursos. Cul es la probabilidad
de que si se elige a un estudiante al azar est
inscrito en contabilidad o en estadstica?
Respuesta 1. P=4/52+4/52+4/52=12/52
Respuesta 2. P=100/300+80/300-30/300=150/300=.5
103
Problemas de multiplicacin
En general, la probabilidad de que un prospecto
realice una compra despus de haber sido
contactado por un vendedor es P=0.40. Si un
vendedor selecciona aleatoriamente tres prospectos
de un expediente y establece contacto con ellos,
cul es la probabilidad de que los tres realicen la
compra?
De 12 cuentas contenidas en un expediente, cuatro
contienen un error de procedimiento en su saldo. Si
un auditor selecciona aleatoriamente dos de estas
cuentas, cul es la probabilidad de que ninguna de
ellas contenga un error de procedimiento? elabore un
diagrama de rbol para representar este proceso de
muestreo secuencial
104
Solucin de problemas de multiplicacin
Problema 1. Dado que los compradores son
independientes entre s P=.40x.40x.40=0.064
Problema 2. Los eventos de este ejemplo son
dependientes, porque el resultado de la primera
cuenta muestreada afecta las probabilidades para la
segunda por lo que P=8/12x7/11=56/132=0.42
E1
E1
E2
E2
E2
E2
4/12
8/12
3/11
8/11
4/11
7/11
105
Problemas teorema de Bayes
Se sabe que la caja A contiene una moneda de un centavo y
una moneda de 10 centavos. Mientras que la caja B contiene
dos monedas de 10 centavos. Se elige aleatoriamente una de
ellas, de la que despus se selecciona aleatoriamente una
moneda.
a) Elabore un diagrama de rbol para describir esta situacin
de eventos secuenciales.
b) Si en el primer paso se selecciona la caja A, cul es la
probabilidad de que en el segundo se seleccione una
moneda de 10 centavos?
c) Si en el segundo paso se selecciona una moneda de 10
centavos, cul es la probabilidad de que provenga de la
caja A?
d) Si en el segundo paso se selecciona una moneda de un
centavo, cul es la probabilidad de que provenga de la
caja A?
106
Solucin teorema de Bayes
a) P(D|A)=1/2=0.50

b)
A
B
C
D
C
D
1/2
1/2
1/2
1/2
0
1
33 . 0 ) (
) ( ) (
) (
) 1 )( ( ) )( (
) )( (
) | ( ) ( ) | ( ) (
) | ( ) (
) (
) (
) | (
3
1
2
1
4
1
4
1
2
1
2
1
2
1
2
1
2
1
~ =
+
=
+
=
+
= =
B D P B P A D P A P
A D P A P
D P
AyD P
D A P
107
Solucin teorema de Bayes
c)




Los cinco individuos que componen la direccin de una pequea
empresa manufacturera sern sentados juntos en un banquete.
a) Determine el nmero de diferentes disposiciones posibles de
los asientos para los cinco individuos
b) Supongamos que slo tres de los cinco directivos se les
pedir representar a la compaa en el banquete. Cuntas
diferentes disposiciones sern posibles en la mesa
considerando que pueden ser elegidos tres cualesquiera de
los cinco individuos?
1
) (
) (
)() ( ) )( (
) )( (
) | ( ) ( ) | ( ) (
) | ( ) (
) (
) (
) | (
4
1
4
1
2
1
2
1
2
1
2
1
2
1
= =
+
=
+
= =
B C P B P A C P A P
A C P A P
C P
AyC P
C A P
108
Permutaciones y combinaciones
Solucin al anterior
P=n!=5x4x3x2x1=120
P=n!/(n-r)!=5!/(5-3)!=60
En relacin con el problema anterior, supongamos
que no nos interesa el nmero de diferentes
disposiciones de asientos posibles, sino el nmero
de diferentes agrupaciones de los tres (de cinco)
directivos que podran asistir al banquete. Cuntas
diferentes agrupaciones hay?
C=n!/r!(n-r)!=5!/3!(5-3)!=10
109
Trabajo de investigacin 5
Determine lo siguiente:
La probabilidad de que la suma de los puntos de dos dados
una vez lanzados sea de siete
Obtenga la probabilidad equivalente de los momios
siguientes:
2:4 de que un competidor consiga un avance
tecnolgico
8:3 de que un nuevo producto sea rentable
De un total de 800 empleados, 400 participan en el plan de
reparto de utilidades de una empresa (P), 600 disponen de
cobertura de seguro de gastos mdicos mayores (M) y 200
participan en ambos programas. Cul es la probabilidad de
que un empleado aleatoriamente seleccionado:
participe en al menos uno de los dos programas
no participe en ningn programa?
110
Trabajo de investigacin 5
Durante un periodo especfico, 70% de las emisiones
de acciones ordinarias de una industria con slo 8
compaas elevaron su valor en el mercado. Si un
inversionista elige aleatoriamente dos de estas
emisiones.
Cul es la probabilidad de que el valor de mercado
de ambas haya aumentado durante este periodo?
Supongamos que un inversionista elige aleatoriamente
cuatro de esas emisiones accionarias. Elabore un
diagrama de rbol para describir los diversos
resultados posibles de la secuencia de cuatro
emisiones

111
Trabajo de investigacin 5
Supongamos que contamos con dos urnas U1 y U2, y que U1
contiene tres pelotas rojas y dos pelotas verde, mientras que U2
contiene dos pelota roja y cuatro pelotas verdes. Si se
selecciona aleatoriamente una urna y despus de esa urna se
obtiene una pelota roja. Cul es la probabilidad de que la urna
seleccionada haya sido U1?
Supongamos que hay siete diferentes lugares de capacitacin
para asignar siete empleados en el programa preliminar de
capacitacin administrativa de una empresa.
De cuantas maneras diferentes pueden ser asignados los
siete individuos a los siete lugares distintos?
Si slo se dispone de seis diferentes lugares para los siete
candidatos. De cuntas maneras diferentes pueden
asignarse los siete lugares distintos a cuatro de los siete
individuos?
112
Distribucin de probabilidad para
variables aleatorias discretas
Qu es una variable aleatoria?
Es un evento numrico cuyo valor se
determina por medio de un proceso aleatorio
Distribucin de probabilidad. Es cuando se le
asignan valores X a una variable aleatoria, ya
sea mediante un listado o una funcin
matemtica.
La suma de las probabilidades de todos los
resultados numricos posibles debe ser igual
a 1.0

113
Variable aleatoria discreta
Es cuando todos los posibles valores
numricos de la variable pueden enlistarse
en una tabla junto con sus respectivas
probabilidades.
114
Variable aleatoria continua
Todos los posibles valores fraccionarios de la
variable no pueden enlistarse, motivo por el
cual las probabilidades se determinan por
medio de una funcin matemtica.
115
Descripcin de una variable aleatoria
discreta
Lo mismo que en el caso de recolecciones de
datos muestrales y poblacionales a menudo
es til describir una variable aleatoria en
trminos de su media, varianza y desviacin
estndar.
La media a largo plazo de una variable
aleatoria X se le conoce como valor
esperado, se expresa por E(X) y se da por
la frmula:
E(X)=XP(X)
116
Valor esperado
Ejemplo 40
El nmero de vagonetas solicitadas en renta en una
agencia de alquiler de automviles durante un periodo
de 50 das, se identifica en la siguiente tabla. Obtenga
el valor esperado de la variable discreta
Demanda
posible X
Nmero de das Probabilidad
P(X)

Valor ponderado
X[P(X)]
3
4
5
6
7
8
3
7
12
14
10
4
50
0.06
0.14
0.24
0.28
0.20
0.08
1.0
0.18
0.56
1.20
1.68
1.40
0.64
E(X)=5.66
117
Varianza de una variable aleatoria
discreta
Se expresa como V(X), se calcula respecto a
E(X) como la media de la distribucin de
probabilidad y se tienen dos frmulas para
sacarla:
2 Frmula )] ( [ ) ( ) (
1 Frmula ) ( )] ( [ ) (
2 2
2
X E X E X V
X P X E X X V
=
=

118
Varianza y desviacin estndar
Ejemplo 41
Obtener la varianza del ejemplo anterior con la frmula dos








Por lo tanto la varianza es
V(X)=33.78-5.66
2
=33.78-32.04=1.74
Desviacin estndar= raz cuadrada de la
varianza=1.32
Demanda
posible X
Probabilidad
P(X)

Valor ponderado
X[P(X)]
Demanda
cuadrada (x
2
)
Cuadrado
ponderado x
2
P(X)
3
4
5
6
7
8
0.06
0.14
0.24
0.28
0.20
0.08
1.0
0.18
0.56
1.20
1.68
1.40
0.64
E(X)=5.66
9
16
25
36
49
64
0.54
2.24
6.00
10.08
9.80
5.12
E(x
2
)=33.78
119
Distribucin binomial
Es una distribucin de probabilidad discreta
aplicable como modelo para situaciones de
toma de decisiones en las que puede
suponerse que un proceso de muestreo
responde a un proceso de Bernoulli, que es:
Cada observacin tiene dos resultados xito
y fracaso
Las observaciones constituyen eventos
independientes
La probabilidad de una observacin a otra es
constante
120
Distribucin binomial
Para esta formula se requiere de los siguientes
elementos:
El nmero establecido de xitos X
El nmero de ensayos u observaciones y
La probabilidad de xito de cada ensayo p
p) - (1 q donde
)! ( !
!
) , | (
=

=
x n x
q p
X n X
n
p n X P
121
Distribucin binomial
Ejemplo 42
La probabilidad de que un prospecto de venta
aleatoriamente elegido realice una compra es de 0.20,
si un representante de ventas visita a seis prospectos,
la probabilidad de que realice exactamente cuatro
ventas se determina de la siguiente forma:

01636 . 0 80 . 0 20 . 0
)! 4 6 ( ! 4
! 6
) 20 . 0 , 6 | 4 (
2 4
=

= = = = p n X P
122
Distribucin binomial
Ejemplo 43
Con respecto al ejemplo anterior, la
probabilidad de realizar cuatro o ms ventas
se determina de la siguiente forma
P(X4|n=6,p=0.20)=P(X=4)+P(X=5)+P(X=6)
De acuerdo con el ejemplo anterior
=0.01636+0.001536+0.000064=0.016960
123
Distribucin binomial
Para obtener el valor esperado, la varianza y
la desviacin estndar de una distribucin
binomial se ocupan las siguientes frmulas:
Ejemplo 44
E(X)= np= 6(0.20)= 1.2 ventas
V(X)= npq= 6(.20)(.80)= 0.96
= raz de la varianza= 0.98
124
Distribucin hipergeomtrica
Cuando el muestreo se realiza sin reemplazo de cada
elemento muestreado tomado de una poblacin finita de
elementos, no se aplica el proceso de Bernoulli, porqu cuando
se eliminan elementos de la poblacin existe un cambio
sistemtico en la probabilidad de xito por lo que para este tipo
de casos se ocupa la frmula de distribucin hipergeomtrica,
con los siguientes elementos: N= nmero total de elementos de
la poblacin, T= nmero total de xitos incluidos en la
poblacin, X= nmero establecido de xitos y n=nmero de
elementos de la muestra
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

=
n
N
X
T
X n
T N
n T N X P ) , , | (
125
Distribucin hipergeomtrica
Ejemplo 45
De seis empleados tres han permanecido en la
compaa por cinco o ms aos. Si de este grupo de
seis se elige aleatoriamente a cuatro empleados. La
probabilidad de que exactamente dos de ellos tengan
una antigedad de cinco o ms aos es:

60 . 0
15
3 3
! 2 ! 4
! 6
! 1 ! 2
! 3
! 1 ! 2
! 3
4
6
2
3
2
3
4
6
2
3
2 4
3 6
) 4 , 3 , 6 | 2 (
= = =
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

= = = = =
x
n T N X P
El 1! es el
complemento
para llegar a
3!
El 2! es el
complemento
para llegar a
6!
126
Distribucin de Poisson
Se ocupa para determinar la probabilidad de
ocurrencia de un nmero establecido de
eventos cuando stos ocurren en un
continuum temporal. Este proceso se llama
proceso de Poisson, aunque es semejante al
Bernoulli, se distingue de l en que los
eventos ocurren a lo largo de un intervalo de
tiempo temporal. En pocas palabras se
define la distribucin de Poisson cuando la
probabilidad que se requiere sacar sucede de
manera X en un lapso.
127
Distribucin de Poisson
La frmula para determinar la probabilidad de un
nmero establecido de xitos X en una distribucin
de Poisson es:




Por lo general esta media se representa como y
significa el nmero medio de eventos a largo plazo
en la dimensin temporal. El nmero e es la
constante 2.7183, base de los logaritmos naturales.
!
) | (
X
e
X P
x

=
128
Distribucin de Poisson
En un departamento de reparacin de maquinaria se
recibe un promedio de cinco llamadas de servicio
por hora. La probabilidad de que en una hora
aleatoriamente seleccionada se reciban
exactamente tres llamadas de servicio es:
Ejemplo 46
1404 . 0
6
00674 . 0 125
! 3
5
) 0 . 5 | 3 (
5 3
= = = = =

x e
X P
129
Problemas
Se ha determinado que el nmero de camiones de
carga que arriban cada hora a una bodega sigue la
siguiente distribucin de probabilidad







Calcule
a) Nmero esperado de arribos X por hora
b) La varianza
c) La desviacin estndar

Nmero de
camiones (x)
0 1 2 3 4 5 6
Probabilidad 0.05 0.10 0.15 0.25 0.30 0.10 0.05
130
Problemas
Demanda
posible X
Probabilidad
P(X)

Valor ponderado
X[P(X)]
Demanda
cuadrada (x
2
)
Cuadrado
ponderado x
2
P(X)
0
1
2
3
4
5
6
0.05
0.10
0.15
0.25
0.30
0.10
0.05
1.0
0
0.10
0.30
0.75
1.20
0.50
0.30
E(X)=3.15
0
1
4
9
16
25
36
0
0.10
0.60
2.25
4.80
2.50
1.80
E(x
2
)=12.05
a) (X)=3.15 camiones
b) V(X)=E(X
2
)-[E(X)]
2
=12.05-3.15
2
=12.05-9.9225=2.1275
c) =raz cuadrada de V(X)=1.46 camiones
131
Problemas distribucin binomial
A causa de las condiciones econmicas imperantes,
una empresa informa que 30% de sus cuentas por
cobrar a otras empresas comerciales estn
sobrevencidas. Si un contador toma una muestra
aleatoria de cinco de esas cuentas, determine la
probabilidad de cada uno de los siguientes eventos:
a) Ninguna de las cuentas est sobrevencida
b) Exactamente dos cuentas estn sobre vencidas
c) Tres o ms estn sobrevencidas

132
Problemas distribucin binomial
00243 . 0 1 00243 . 0 1 ) 70 . 0 ( ) 30 . 0 (
! 0 ! 5
! 5
) 5 (
02835 . 0 70 . 0 0081 . 0 5 ) 70 . 0 ( ) 30 . 0 (
! 1 ! 4
! 5
) 4 (
1323 . 0 49 . 0 027 . 0 10 ) 70 . 0 ( ) 30 . 0 (
! 2 ! 3
! 5
) 3 (
16308 . 0 00243 . 0 02835 . 0 1323 . 0 ) 5 ( ) 4 ( ) 3 ( ) 30 . 0 , 5 | 3 ( )
3087 . 0 343 . 0 09 . 0 10 ) 70 . 0 ( ) 30 . 0 (
! 3 ! 2
! 5
30 . 0 , 5 | 2 ( )
16807 . 0 16807 . 0 1 1 ) 70 . 0 ( ) 30 . 0 (
! 5 ! 0
! 5
) 30 . 0 , 5 | 0 ( )
0 5
1 4
2 3
3 2
5 0
= = = =
= = = =
= = = =
= + + = = + = + = = = = >
= = = = = =
= = = = = =
x x x dondeP
x x x dondeP
x x X dondeP
x P x P x P p n x P C
x x p n x P B
x x p n x P A
133
Problemas distribucin
hipergeomtrica
Un gerente selecciona aleatoriamente a n=3
individuos de un grupo de 10 empleados para
la formacin de un equipo asignado a un
proyecto. Suponiendo que cuatro de los
empleados fueron asignados anteriormente a
un proyecto similar, determine la probabilidad
de que exactamente dos de los tres
empleados hayan tenido experiencia previa
en proyectos de este tipo
134
Solucin hipergeomtrica
30 . 0
120
6 6
! 7 ! 3
! 10
! 2 ! 2
! 4
! 5 ! 1
! 6
3
10
2
4
1
6
3
10
2
4
2 3
4 10
) 3 , 4 , 10 | 2 (
= = =
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

= = = = =
x
n T N X P
135
Problemas Poisson
Un promedio de cinco personas por hora realizan
transacciones en una ventanilla de servicios
especiales de un banco comercial, cul es la
probabilidad de que entre 10 y 12 personas realicen
transacciones en la ventanilla de servicios
especiales durante una hora en particular?
00343 . 0
! 12
5
) 5 | 12 (
00824 . 0
! 11
5
) 5 | 11 (
01813 . 0
! 10
5
) 5 | 10 (
0298 . 0 00343 . 0 00824 . 0 01813 . 0 ) 12 ( ) 11 ( ) 10 (
) 0 . 5 | 12 10 (
5 12
5 11
5 10
= = = =
= = = =
= = = =
= + + = = + = + =
= = s >

e
X P
e
X P
e
X P
X P X P X P
X X P

136
Trabajo de investigacin 6
Un vendedor ha descubierto que la probabilidad de
realizar varias ventas por da, dada la posibilidad de
visitar a 10 prospectos de venta, es la que se
representa en la tabla. Calcule el nmero esperado
de ventas por da, la varianza y la desviacin
estndar
Nmero de
ventas (x)
1 2 3 4 5 6 7 8

Probabilidad 0.03|0.16| 0.3| 0.35| 0.19| 0.2| 0.05|0.07
137
Trabajo de investigacin 6
Supongamos que 30% de los empleados de una
gran empresa estn a favor de la representacin
sindical, y que se contacta una muestra aleatoria de
20 empleados en solicitud de una respuesta
annima. Cul es la probabilidad de que cuatro
estn a favor de la representacin?
Diez de los 30 estudiantes de un grupo escolar estn
insatisfechos con el texto que se emplea. Si una
muestra aleatoria de cuatro estudiantes es
interrogada sobre el libro de texto, determine la
probabilidad de que
a) Exactamente tres de los cuatro estn insatisfechos
b) Tres estudiantes o ms se muestren insatisfechos con
el libro
138
Trabajo de investigacin 6
Un promedio de siete personas por hora hacen uso
de una caja bancaria automtica durante el horario
pico de compras en una tienda departamental. Cul
es la probabilidad de que
a) Exactamente 4 personas usen la caja durante una
hora aleatoriamente seleccionada.
b) Menos de cinco personas usen la caja durante una
hora aleatoriamente seleccionada.
c) Ninguna persona la use durante un intervalo de 10
minutos.
139
Distribuciones de probabilidad para
variables aleatorias continuas
A diferencia de una variable aleatoria
discreta, una variable aleatoria continua
puede adoptar cualquier valor fraccionario
dentro de un rango definido de valores. Dado
que existe un nmero infinito de medidas
fraccionarias posibles, no se pueden enlistar
todos los posibles valores con su
probabilidad correspondiente
140
Variables aleatorias continuas
En la grfica siguiente la probabilidad de que un
embarque aleatoriamente seleccionado tenga un
peso entre 6 000 y 8 000 es igual a la proporcin del
rea total bajo la curva
0
20
40
60
80
100
120
0 2000 4000 6000 8000 10000 12000 0
141
Distribucin normal de probabilidad
Se refiere a la curva normal, la cual es tanto
simtrica como mesocrtica y es importante por tres
razones:
Se sabe que las medidas obtenidas en muchos
procesos aleatorios siguen esta distribucin
Suelen servir para aproximar otras distribuciones de
probabilidad, como la binomial y de Poisson
Como veremos en el captulo siguiente, las
distribuciones de estadsticas como la media muestral
y la proporcin muestral tienen distribucin normal
cuando el tamao de muestra es grande
142
Distribucin normal de probabilidad
Como sucede en todas las distribuciones
continuas de probabilidad, un valor de
probabilidad de una variable aleatoria
continua slo puede determinarse para un
intervalo de valores, la curva de probabilidad
de una variable con distribucin normal est
dada por
] 2 / ) [(
2
2 2
2
1
) (
o
to

=
X
e x f
143
Distribucin normal estndar
Es la distribucin normal de probabilidad con =0 y
=1. Un valor z reformula el valor de X original en
trminos del nmero de unidades de la desviacin
estndar por las cuales el valor original difiere de la
media de la distribucin. Un valor negativo z, indicara
que el valor de X original estaba por debajo del valor
de la media
o

=
X
z
144
Distribucin normal de probabilidad
Ejemplo 47
Se sabe que el ciclo de vida de un componente
elctrico sigue una distribucin normal con una media
de =2000 y una desviacin estndar de =200
horas, la probabilidad de que un componente
aleatoriamente seleccionado dure entre 2 000 y 2 400
horas se determina de la siguiente manera:
0
5
10
15
20
25
30
35
40
45
1200 1400 1600 1800 2000 2200 2400 2600 2800
5 apendice al acuerdo de , 4772 . 0 ) 2400 2000 (
0 . 2
200
2000 2400
= s s
+ =

=
X p
X
z
o

-3 -2 -1 0 1 2 3
145
Distribucin normal de probabilidad
Ejemplo 48
Con respecto al problema anterior, supongamos que
nos interesa la probabilidad de que un componente
aleatoriamente seleccionado dure ms de 2 200 horas
0
5
10
15
20
25
30
35
40
45
1200 1400 1600 1800 2000 2200 2400 2600 2800
0.1587 0.3413 - .5000 0 2200) P(X
5 apndice el con acuerdo de , 3413 . 0 ) 1 0 (
0 . 1
200
2000 2200
= = >
= s s
+ =

=
Z p
X
z
o

-3 -2 -1 0 1 2 3
146
Puntos percentiles para variables con
distribucin normal
Un punto percentil en una curva normal
estndar nos sirve para hacer el proceso
inverso, es decir, encontrar el valor de X
Ejemplo 49
En una curva normal estndar, el 90 punto
percentil se refiere al 50 punto de la izquierda de
la curva + el 40 punto del lado derecho, as que
con el apndice sacamos el valor ms cercano a
0.4000 y es 0.3997, por lo que el valor asociado
a Z = +1.28, el signo es positivo porque el 90
punto percentil es mayor que la media

147
Puntos percentiles para variables con
distribucin normal
Para encontrar el valor de X, despejando la
frmula tenemos que X=+z
Ejemplo 50
Para el ejemplo anterior tenemos que
X = 2 000 + (1.28)(200) = 2 256 hrs.
Ejemplo 51
Si sacamos el 10 percentil tenemos que
X = 2 000 + (-1.28)(200) = 1 744 horas.

148
Aproximacin normal de
probabilidades binomiales
Cuando el nmero de observaciones o ensayos n es
relativamente grande, la distribucin de probabilidad normal
puede servir para aproximar probabilidades binomiales. Una
regla conveniente es que tal aproximacin resulta aceptable
cuando n30 y tanto np como nq5
Cuando la distribucin de probabilidad normal se usa como
base para aproximar un valor de probabilidad binomial, la media
y desviacin estndar se basan en el valor esperado y en la
varianza del nmero de xitos de la distribucin binomial
npq est Desv
np media
=
=
o

. .
149
Aproximacin normal de
probabilidades binomiales
Para llevar a cabo una probabilidad binomial
usando curvas normales, se debe considerar
algo que se conoce como correccin por
continuidad. Esta correccin se lleva a cabo
usando los siguientes parmetros
Reste 0.5 de X cuando se requiera P(XX
i
)
Reste 0.5 de X cuando se requiera P(X<X
i
)
Sume 0.5 de X cuando se requiera P(XX
i
)
Sume 0.5 de X cuando se requiera P(X>X
i
)
150
Aproximacin normal de
probabilidades binomiales
Ejemplo 52
En relacin con un grupo extenso de prospectos de
venta se ha observado que el 20% de contactados
personalmente por un representante de ventas
realizarn una compra. Si un representante de ventas
contacta a 30 prospectos, podemos determinar la
probabilidad de que 10 o ms realicen una compra, en
referencia a las probabilidades binomiales
Si sacamos la solucin ocupando lo que se vio en las
diapositivas 120-124 tenemos
P(X
10|n=30,p=0.20)=0.0355+0.0161+0.0064+
0.0022+0.0007+0.0002+=0.0611
151
Aproximacin normal de
probabilidades binomiales
Continuacin ejemplo 52
Hagamos ahora lo mismo, pero ocupando la curva
normal
Es n30?, si n = 30
Es np5?, si, np = 30(0.20) = 6
Es nq 5?, si, nq = 30(0.80) = 24
Para la correccin por continuidad tenemos que tomar
a X 10, por lo que se debe restar 0.5 y queda de la
siguiente forma
0548 . 0 4452 . 0 5000 . 0 ) 19 . 2 , 0 . 6 | 5 . 9 (
4452 . 0 60 . 1
19 . 2
0 . 6 5 . 9
19 . 2 8 . 4 80 . 20 . 30
0 . 6 20 . 30
= = = = >
= + ~

=
~ = = =
= = =
o
o

X P
x
z
x x npq
x np
152
Aproximacin normal de
probabilidades de Poisson
Cuando la media de una distribucin de Poisson
es relativamente grande, la distribucin normal de
probabilidad puede servir para aproximar
probabilidades de Poisson. Una regla conveniente
es que esta aproximacin es aceptable si 10.0
o

=
=
. .est Desv
media
153
Aproximacin normal de
probabilidades Poisson
Ejemplo 53
El nmero promedio de llamadas recibidas en
un departamento de reparacin de maquinaria
por turno de 8 horas es de 10.0. Cul es la
probabilidad de que en el turno se reciban
ms de 15 llamadas?
Si sacamos la solucin ocupando lo que se
vio en las diapositivas 127-129 tenemos:
P(X>15|=10.0)=P(X=16)+P(X=17)+
=0.0217+0.0128+0.0071+0.0037=0.0488
154
Aproximacin normal de
probabilidades Poisson
Continuacin ejemplo 53
Hagamos ahora lo mismo, pero ocupando la curva
normal, ya que 10
0409 . 0 4591 . 0 5000 . 0 ) 0 . 10 | 15 (
4591 . 0 74 . 1
16 . 3
0 . 10 5 . 15
16 . 3 10
10
= = = >
= + ~

=
~ = =
= =

o

X P
x
z
155
Problemas
El proceso de empaque de una compaa productora
de cereales para el desayuno ha sido ajustado para
que cada empaque contenga un promedio de =13.0
onzas de cereal. Por supuesto que no todos los
paquetes contienen 13.0 oz a causa de fuentes
aleatorias de variabilidad. La desviacin estndar del
peso neto real es =0.1 oz y se sabe que la
distribucin de pesos sigue la distribucin normal de
probabilidad. Determine la probabilidad de que un
paquete aleatoriamente elegido contenga entre 13 y
13.2 oz de cereal.
156
Problemas
5 apndice el con acuerdo de , 4772 . 0 ) 2 0 (
0 . 2
1 . 0
0 . 13 2 . 13
= s s
+ =

=
Z p
X
z
o

Respecto al problema anterior, cul es la probabilidad de que el peso del
cereal exceda 13.25 onzas?

0062 . 0 4938 . 0 5000 . 0 ) 5 . 2 (
5 . 2
1 . 0
0 . 13 25 . 13
= = >
+ =

=
Z p
X
z
o

157
Problemas binomiales y de Poisson
Se sabe que 70% de las personas que acuden a un
importante centro comercial realizan al menos una
compra. En una muestra de n = 50 individuos, cul
es la probabilidad de que al menos 40 personas
realicen una o ms compras cada una?
0823 . 0 4177 . 0 5000 . 0 ) 24 . 3 , 0 . 35 | 5 . 39 (
4177 . 0 39 . 1
24 . 3
0 . 35 5 . 39
24 . 3 5 . 10 30 . 70 . 50
0 . 35 70 . 50
= = = = >
= + ~

=
~ = = =
= = =
o
o

X P
x
z
x x npq
x np
158
Problemas binomiales y de Poisson
Se sabe que las llamadas de servicio llegan
aleatoriamente y en calidad de proceso estacionario
a un promedio de 5 por hora. Cul es la
probabilidad de que en un turno de 8 horas se
reciban al menos 50 llamadas de servicio?
Puesto que =5x8=40 y excede a 10, entonces
podemos usar la distribucin normal de probabilidad,
para aproximar el valor de probabilidad de Poisson
0485 . 0 4515 . 0 5000 . 0 ) 0 . 40 | 5 . 50 (
4515 . 0 66 . 1
32 . 6
40 5 . 50
32 . 6 40
40
= = = >
= + ~

=
~ = =
= =

o

X P
x
z
159
Trabajo de investigacin 7
Las calificaciones reportadas en una prueba
de aprovechamiento de vigencia nacional
para graduados de preparatoria tiene una
media de = 80 con la desviacin estndar
= 10. La distribucin de calificaciones es
aproximadamente normal. Cul es la
probabilidad de que la calificacin de un
individuo aleatoriamente elegido se
encuentre
a) entre 80 y 95
b) entre 70 y 90
160
Trabajo de investigacin 7
La media de una prueba de aprovechamiento
de vigencia nacional es = 80 con = 10.
Las calificaciones siguen una distribucin
normal. Qu calificacin se encuentra en el
a) 50 punto percentil
b) 30 punto percentil
c) 90 punto percentil?
161
Trabajo de investigacin 7
En relacin con los varios miles de artculos
almacenados por una empresa de pedidos
por correo, existe una probabilidad global de
0.10 de que un artculo en particular
(incluidos tamao y color especficos, etc.),
no est en existencia. Si un embarque
comprende pedidos de 200 artculos
diferentes, cul es la probabilidad de que 20
o ms artculos no estn en existencia?
162
Trabajo de investigacin 7
Durante el periodo pico de 8 a 10 p.m. de
una estacin de servicio automovilstico llega
un promedio de un auto cada 5 minutos.
Cul es la probabilidad de que ms de 25
autos arriben a la estacin en demanda de
servicio entre las 4 y 5 p.m.?
163
Distribuciones de muestreo e
intervalos de confianza para la media
Un parmetro es un valor de resumen para una
poblacin o proceso
Una estadstica muestral es un valor de resumen
para una muestra
Para emplear una estadstica muestral como
estimador de un parmetro, debe ser aleatoria de
una poblacin
Distribucin de muestreo. Se refiere a la
distribucin de los diferentes valores que una
estadstica muestral podra adoptar en muchas
muestras del mismo tamao
164
Distribuciones de muestreo e
intervalos de confianza para la media
Un estimador puntual es el valor numrico de una
estadstica muestral empleado para estimar el valor
de un parmetro, una de sus caractersticas ms
importantes de un estimador es que sea insesgado
Un estimador insesgado es una estadstica
muestral cuyo valor esperado es igual al parmetro
por estimar
Ambos mtodos de muestreo garantizan que la
muestra sea insesgada, aunque no eliminan el error
de muestreo
As entonces, por lo general disponemos de una
muestra aleatoria, por lo que se debe reconocer que
el valor de la estadstica muestral variar de una
muestra a otra a causa de la variabilidad del
muestreo aleatorio o error de muestreo
165
Distribuciones de muestreo e
intervalos de confianza para la media
Ejemplo 54 (error de muestreo)
Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra 5
14.95
14.96
14.95
15.03
14.99
15.07
15.08
14.94
15.09
14.98
15.05
14.99
14.71
14.94
14.88
14.98
14.96
15.20
15.31
15.21

X
Med
S

14.97
14.96
0.039

15.02
15.03
0.067

15.03
15.02
0.052

14.88
14.91
0.119

15.17
15.08
0.149
166
Distribucin de muestreo de la media
La distribucin de muestreo de la media se describe
determinando la media de dicha distribucin, la cual es el valor
esperado E(X) y la desviacin estndar de la distribucin de las
medias muestrales, designada como
x

Cuando los parmetros de la poblacin o proceso son
conocidos, el valor esperado, error estndar y la frmula del
error estndar de la media con el factor de correccin por finitud
incluido de la distribucin de muestreo de la media es:
correccin de factor el con estndar Error
1
estndar Error
esperado Valor ) (

=
=
=
N
n N
n
n
X E
x
x
o
o
o
o

167
Distribucin de muestreo de la media
Ejemplo 55
Supongamos que la media de una poblacin muy
grande = 50.0 y que la desviacin estndar de las
medidas es = 12.0. Determinamos la distribucin de
muestreo de las medias muestrales para un tamao
de muestra de n = 36 en trminos del valor esperado y
el error estndar de la distribucin. Si la poblacin
fuera de 100, obtenga el error estndar
60 . 1 ) 80 . 0 ( 2
1 100
36 100
2.0
1
estndar Error 2.0
36
12

esperado Valor 0 . 50 ) (
= =

=
= = =
= =
N
n N
n
n
X E
x
x
o
o
o
o

168
Distribucin de muestreo de la media
El efecto de este factor de correccin es
siempre reducir el valor que de otra forma se
calculara. Por regla general, la correccin es
insignificante y puede omitirse cuando
n<0.05N, esto es, cuando el tamao de la
muestra sea inferior al 5% del tamao de la
poblacin
169
Teorema del lmite central
Si la poblacin o proceso del cual se toma
una muestra tiene una distribucin normal,
tambin la distribucin de muestreo de la
media tendr distribucin normal, sin importar
el tamao de la muestra. No obstante, qu
ocurre cuando una poblacin no tiene
distribucin normal? por increble que
parezca, el teorema del lmite central permite
la aplicacin de la distribucin normal a estas
distribuciones de muestreo
170
Teorema del lmite central
Cuando el tamao de la muestra es mayor o
igual a 30 resuelve muchas de las
situaciones poblacionales adversas
171
Determinacin de probabilidades para
la media muestral
Dado que conocemos la media y desviacin estndar
de la poblacin se puede hacer uso de la frmula de
distribucin normal estndar, slo que en la frmula
se hace uso del error estndar de la media, porque
ste es la desviacin estndar de la variable X
o

=
X
z
X
172
Ejemplo 56
Un auditor toma una muestra aleatoria de tamao
n= 36 de una poblacin de 1000 cuentas, el valor
medio de las cuentas por cobrar para la poblacin es
= $260.00, con la desviacin estndar de la
poblacin =$45.00. Cul es la probabilidad de que
la media muestral sea inferior a $250.00?
0918 . 0 4082 . 0 5000 . 0 ) 0 33 . 1 ( 500 . 0 ) 33 . 1 (
33 . 1
5 . 7
260 250
50 . 7
6
00 . 45
36
00 . 45
00 . 260 ) (
= = s s = <
=

=
= = = =
= =
z P Z p
X
z
n
X E
x
x
o

o
o

Ejemplo 57
El departamento de control de calidad de una
empresa de refrescos lleva un registro de la cantidad
del liquido con que se llena su botella gigante. La
cantidad de refresco en cada botella es crtica, pero
varia un poco de botella a botella. La empresa no
quiere que las botellas se llenen con menor cantidad
porque esto ocasionara problema respecto a la
exactitud de lo que se especifica en la etiqueta. Por
otro lado, las botellas tampoco deben contener
exceso de refresco porque la compaa estara
regalando su producto, con lo que se reduciran las
ganancias
Ejemplo 57 Continuacin
De acuerdo con los registros la cantidad de refresco
en las botellas sigue una distribucin normal. La
cantidad media por botella es 31.2 onzas y la
desviacin estndar poblacional es .4 onzas. Hoy a
las 8 de la maana el tcnico de control tomo una
muestra aleatoria de 16 botellas de la lnea de
llenado. La cantidad media de refresco en estas
botellas fue de 31.38 onzas. Es este resultado poco
probable?, Es probable que el proceso est
llenando con demasiado refresco las botellas?, dicho
de otra manera El error muestral de 0.18 onzas es
poco probable?
Ejemplo 57 Continuacin
3.5% 0.0359
.4641 - .5000 31.38) P(x tablas las De
80 . 1
16
4 .
20 . 31 38 . 31
=
= >
=

=

n
Z
X
o

Ejemplo 58
Una asociacin de gasolineras estima que en una
gasolinera se venden en promedio 20000 galones
diarios, la forma de la distribucin no se conoce. En
una muestra que se tomo ayer de 70 gasolineras, la
media fue de 19480 y la desviacin estndar de 4250
galones es razonable la aseveracin de que la
media poblacional sea de 20000 galones?, Cul es
la probabilidad de tomar una muestra con el
estadstico dado la poblacin propuesta?, Qu
suposiciones hay que hacer?
Ejemplo 58 Continuacin
Como la muestra es suficientemente grande
se puede sustituir la desviacin estndar
poblacional con la desviacin estndar
muestral
15.39% 0.1539
.3461 - .5000 ) 9480 1 P(x tablas las De
02 . 1
70
4250
20000 19480
=
= <
=

=

n
s
Z
X

Trabajo de Investigacin 8
El salario promedio por hora de los plomeros
de una determinada regin es de 28 dlares
Cul es la probabilidad de tomar una
muestra de 50 plomeros y encontrar un
salario medio por hora de 28.50 o ms?. La
desviacin estndar de la muestra es 2
dlares por hora

Trabajo de Investigacin 8
En estados unidos la edad promedio en la
que los hombres se casan por primera vez es
24.8 aos. No se conoce ni la forma ni la
desviacin estndar de la poblacin Cul es
la probabilidad de encontrar una muestra de
60 hombres que la edad promedio a la que
se casaron sea de 25.1 aos o ms?.
Supngase que la desviacin estndar
muestral es de 2.5 aos
Trabajo de Investigacin 8
En un estudio reciente realizado por una asociacin
de taxistas se encontr que la tarifa media entre dos
puntos de una ciudad es de 18 dlares y la
desviacin estndar de 3.50. Si se toma una muestra
de 15 tarifas Cul es la probabilidad de que la
media muestral este entre 17 y 20 dolares?
Una empresa fabricante de camiones asegura que el
peso medio de sus camiones cuando estn
totalmente cargados es 6000 libras y que la
desviacin estndar es 150 libras. Supongase que la
poblacin sigue una distribucin normal. Se
seleccionan aleatoriamente 40 camiones y se pesan.
Entre qu limites se encontrar el 95% de los
pesos?
181
Intervalos de confianza para la media
con el uso de la distribucin normal
Los intervalos de confianza para la media se
elaboran por lo general con el estimador insesgado X
en el punto medio del intervalo. Cuando est
garantizado el uso de la distribucin normal de
probabilidad, el intervalo de confianza para la media
se determina mediante
X
X
zs
Z x

X
mediante desconoce, se poblacin la de la cuando O o
o
182
Intervalos de confianza para la media
con el uso de la distribucin normal
Los intervalos de confianza de uso ms
frecuente son los intervalos de confianza de
90, 95 y 99%. Los valores de z requeridos
junto con estos intervalos se muestran en la
siguiente tabla:
Z (nmero de unidades de desviacin
estndar respecto de la media)
Proporcin de rea en el
intervalo
1.645
1.96
2.58
0.90
0.95
0.99
183
Ejemplo 59
Durante una semana dada, una muestra aleatoria de
30 empleados por hora seleccionada de un gran
nmero de empleados de una empresa
manufacturera tiene un salario medio muestral de X
= $180, con una desviacin estndar muestral de
s = $14.00. Estimamos el salario medio de todos los
empleados por hora de la empresa con una
estimacin por intervalo tal como para que podamos
tener una confianza del 95% de que el intervalo
incluye el valor de la media de la poblacin de la
siguiente manera:
Ejemplo 59 continuacin
] 02 . 185 , 98 . 174 [ )
30
14
( 96 . 1 180
X
mediante desconoce, se poblacin la de la cuando O
=

X
X
zs
Z x
o
o
Proceso de Toma de Decisiones
Es Normal la
Poblacin?
Es n igual o mayor
que 30?
Se conoce la
desviacin estndar
poblacional?
Utilizar una prueba
no paramtrica
Utilizar una
distribucin z
Utilizar una
distribucin t
Utilizar una
distribucin z
Si
Si Si
No
No No
Trabajo de investigacin 9
De una poblacin normal se toma una
muestra de 81 observaciones. La media de la
muestra tomada es 40 y la desviacin
estndar muestral es 5. Determine un
intervalo de confianza de 95% para la media
poblacional
De una poblacin normal se toma una
muestra de 49 observaciones. La media
muestral es 55 y la desviacin estndar
muestral es 10. Determine un intervalo de
confianza de 99% para la media poblacional
Tamao de la Muestra apropiado
El tamao necesario de la muestra depende
de tres factores
El nivel de confianza deseado
El margen de error que el investigador este
dispuesto a tolerar
La variabilidad de la poblacin que se estudia
Nivel de confianza
Los niveles de confianza ms comnmente
usados son del 95% y 99%, pero se puede
usar cualquier nivel entre 0 y 100%
Nivel de confianza para 95% z=1.96
Nivel de confianza para 99% z=2.58
Entre mayor sea el nivel de la z mayor ser el
tamao de la muestra
Error permitido
El mximo error permitido se designa por E,
es la cantidad que se suma o se resta a la
media muestral para determinar los extremos
de los intervalos de confianza.
Cantidad de error que las personas que
realizan el estudio estn dispuestas a tolerar,
si el error permitido es pequeo se necesitara
una muestra grande y viceversa si es grande
Desviacin Estndar Poblacional
Si la poblacin esta muy dispersa se
requerir una muestra muy grande.
Por otro lado si la poblacin esta
concentrada el tamao de la muestra
ser muy pequeo, ser necesario
usar una desviacin estndar
poblacional y existen tres sugerencias
para poder obtenerla
Uso de un estudio comparable
Se ocupa cuando existe una estimacin de la
dispersin, que se obtuvo en otro estudio
Uso de un mtodo basado en el
intervalo
Se sabe que aproximadamente toda la curva
normal se encuentra a 3 desviaciones
estndar si observamos la derecha y la
izquierda tendramos que un porcentaje
bastante grande de la curva es el de 6
desviaciones estndar as que tomamos el
nmero menor de nuestra muestra y el
nmero mayor para obtener el rango y lo
dividimos entre 6, eso nos dar una
aproximacin a la desviacin estndar
poblacional
Estudio piloto
Se utiliza con mayor frecuencia, se toma una
muestra de entre 30 y 100 y se aplica la
encuesta para identificar la desviacin
estndar muestral y ocuparla en la frmula
correspondiente.
Tamao de la muestra para estimar la
media poblacional
permitido error mximo E
poblacin la de estndar desviacin la de estimacin s
muestra la de tamao al
e correspond que estndar normal valor el es z
muestra la de tamao el es n
2
|
.
|

\
|
=
E
zs
n
Ejemplo 60
Un estudiante de administracin pblica
quiere determinar el ingreso medio mensual
de los miembros del consejo ciudadano de
una ciudad grande. El error al estimar la
media debe ser inferior a 100 dlares con un
nivel de confianza del 95%. El estudiante
encontr un informe de la Secretara del
Trabajo en el que se estim que la
desviacin estndar era de 1000. De que
tamao debe ser la muestra?
Ejemplo 60
ciones especifica las satisfacer
para 666 de muestra una necesita se que lo Por
64 . 665
100
1000 58 . 2
99% a confianza de
nivel el aumentara se que de caso el Para
ciones especifica las satisfacer
para 384 de muestra una necesita se que lo Por
16 . 384
100
1000 96 . 1
2 2
2 2
=
|
.
|

\
|
=
|
.
|

\
|
=
=
|
.
|

\
|
=
|
.
|

\
|
=
x
E
zs
n
x
E
zs
n
Hiptesis
Enunciado acerca de una poblacin
elaborado con el propsito de ponerla a
prueba
Prueba de Hiptesis
Procedimiento basado en la evidencia
muestral y la teora de probabilidad; se
emplea para determinar si la hiptesis es una
afirmacin razonable
Paso 1 para probar una hiptesis
Establecer las Hiptesis nula H
0
y la
Alternativa H
1
La hiptesis nula es la hiptesis a ser probada
La hiptesis alternativa es el complemento de
la nula, es una afirmacin que se acepta si los
datos muestrales proporcionan evidencia
suficiente de que la hiptesis nula es falsa
Paso 2 para probar una hiptesis
Seleccionar el nivel de significancia, el cual
es la probabilidad de rechazar la hiptesis
nula cuando es verdadera
No hay un nivel de significancia que se
aplique a todas las pruebas, depender
sobre todo de lo que se esta evaluando, sin
embargo se ha estilado que para proyectos
de investigacin un nivel del 5% es correcto,
para aseguramiento de calidad 1% y para
encuestas polticas el 10%
Paso 2 Continuacin
Hiptesis Nula Se Acepta Ho Se Rechaza Ho
Ho es verdadera Decisin
Correcta
Error de tipo 1
Ho es Falsa Error de Tipo 2 Decisin correcta
Investigador
Paso 2 Ejemplo 61
Una muestra de 50 tarjetas de circuito
impreso revelo que 4 de estas fallaron, si el
cliente tolera solo el 6% de falla y la compra
es de 1000 tarjetas de circuito, al identificar
que 4 de ellas fallaron tendramos que el 8%
de nuestra muestra fallo, por lo que
rechazamos el embarque, supongamos que
de las 1000 solo esas 4 fallaron, entonces se
cae en un error de tipo 1, lo contrario sera
error de tipo 2
Paso 3 Calcular el valor estadstico de
la prueba
Valor determinado a partir de la informacin
muestral, que se utiliza para determinar si se
rechaza la hiptesis nula
Paso 3 Calcular el valor estadstico de
la prueba
Es Normal la
Poblacin?
Es n igual o mayor
que 30?
Se conoce la
desviacin estndar
poblacional?
Utilizar una prueba
no paramtrica
Utilizar una
distribucin z
Utilizar una
distribucin t
Utilizar una
distribucin z
Si
Si Si
No
No No
Paso 4 Formular la regla de decisin
Una regla de decisin establece las
condiciones especficas en las que se
rechaza la hiptesis nula y las condiciones en
las que no se rechaza la hiptesis nula
Valor Crtico
Punto de divisin entre la regin en la que se
rechaza la hiptesis nula y la regin en la que
no se rechaza la hiptesis nula
Paso 5 Tomar una decisin
Se refiere a calcular el estadstico de prueba,
compararlo con el valor crtico y tomar la
decisin de rechazar o no la hiptesis nula
Identificar la probabilidad de que el evento
suceda
Pruebas de significancia de una o dos
colas
Se ocupa una prueba de significancia de una
cola cuando la hiptesis nula es menor o
igual o mayor o igual
Se ocupa una prueba de significancia de dos
colas cuando la hiptesis nula es igual u
ocupa el signo igual
Valor P
Es la probabilidad de observar un valor muestral tan
extremo, o ms extremo, que el valor observado,
dado que la hiptesis nula es verdadera
Si el valor P es menor que
0.10 se tiene alguna evidencia de que Ho no es
verdadera
0.05 se tiene una fuerte evidencia de que Ho no es
verdadera
0.01 se tiene una muy fuerte evidencia de que Ho no
es verdadera
0.001 se tiene una evidencia extremadamente fuerte
de que Ho no es verdadera
Problemas
Se dan las siguientes hiptesis
Ho: =200
H1: 200
En una muestra de 50 observaciones se encuentra
que
x
=203.5 puede rechazarse la hiptesis nula al
nivel de significancia de 0.01?
Establezca la regla de decisin
Calcule el valor del estadstico de Prueba
Cul es la decisin respecto a la hiptesis nula?
Cul es la probabilidad de que la hiptesis nula se
rechace debido a situaciones del azar?

Problemas
Como el nivel de significancia es de 0.01
Z=2.58, como la hiptesis nula es con el
signo igual se tiene una curva con dos colas,
por consiguiente la regla de decisin es
rechazar la hiptesis nula y aceptar la
hiptesis alternativa si el valor de z cae en la
regin menor a -2.58 y mayor a 2.58, se
acepta la hiptesis nula si cae dentro de este
intervalo
Problemas
55 . 1
50
16
200 5 . 203
=

=
n
X
Z
o

Puesto que 1.55 no cae en la regin de rechazo, se
acepta la hiptesis nula
Para obtener la Probabilidad sera P(z>1.55)=0.500-
0.4394=0.0606
Debido a que son dos colas se multiplica por dos as
que la probabilidad es 0.1212 por lo que Ho no se
rechaza por cuestiones de probabilidad
Trabajo de investigacin 10
Una cadena de tiendas de descuento expide su
propia tarjeta de crdito, el gerente del departamento
de tarjetas de crdito desea averiguar si el saldo
insoluto medio mensual es mayor que 400 dlares, el
nivel de significancia se deja en 0.05. En una revisin
aleatoria de 172 saldos, se encontr que la media
muestral es de 407 y la desviacin estndar es de
38. Debera concluir el funcionario de crdito que la
media poblacional es mayor que 400 o es razonable
suponer que la diferencia de 7 dlares se debe al
azar?.