Libro Estad 2013

ASIGNATURA ESTADSTICA
DOCENTE TITULAR: MG. CARMEN BARRETO R.

AO 2013

CONTENIDO

Pg.
1. RECOLECCIN Y PRESENTACIN DE DATOS Y MEDIDAS ESTADSTICAS 1
1.1. DEFINICIN DE ESTADSTICA 1
1.2. CLASIFICACIN DE LA ESTADSTICA 1
1.3. TRMINOS DE ESTADSTICA 1
1.4. RECOLECCIN DE DATOS 4
1.5. DISTRIBUCIN DE FRECUENCIAS: DEFINICIN Y CLASIFICACIN 7
1.6. GRFICOS ESTADSTICOS 23
2.1. MEDIDAS ESTADSTICAS 41
2.2. MEDIDAS DE TENDENCIA CENTRAL 42
3.1. MEDIDAS DE DISPERSIN 56
3.2. MEDIDAS DE FORMA 74
4.1. EXPERIMENTO 86
4.2. ESPACIO MUESTRAL 86
4.3. EVENTOS 87
4.4. OPERACIONES CON EVENTOS 90
4.5. EVENTOS MUTUAMENTE EXCLUYENTES Y COLECTIVAMENTE 92
EXHAUSTIVOS
4.6. PROPIEDADES DE LAS OPERACIONES CON EVENTOS 92
4.7. PROBABILIDAD Y ENFOQUES DE PROBABILIDAD 94
4.8. REGLAS DE PROBABILIDAD 98
4.9. PROBABILIDAD CONDICIONAL 100
4.10. TABLAS DE PROBABILIDAD 112

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA
__________________________________________________________________________________________
CAPITULO I
RECOLECCIN Y PRESENTACIN DE DATOS
1.1. DEFINICIN DE ESTADSTICA
La estadstica es una ciencia que proporciona un conjunto mtodos y tcnicas
que se utilizan para recolectar, organizar, presentar, analizar e interpretar el
comportamiento de los datos con respecto a una caracterstica materia de estudio
e investigacin con la finalidad de obtener conclusiones vlidas y tomar
decisiones razonables de acuerdo a tales anlisis.
1.2. CLASIFICACIN DE LA ESTADSTICA
La Estadstica se clasifica en dos grandes reas: Estadstica Descriptiva y
Estadstica Inferencial.
a) Estadstica descriptiva: Parte de la estadstica que analiza y describe un
conjunto de datos de una muestra o de una poblacin sin sacar conclusiones
de tipo general.
b) Estadstica inferencial: Parte de la Estadstica que infiere o induce leyes de
comportamiento para una poblacin a travs de una muestra aleatoria
seleccionada de dicha poblacin.
_________________________________________ 1
Elaborado por : Mg. Carmen Barreto R.
Fecha : Julio 2013
Versin : 3
Recoleccin Organizacin Presentacin
Cuadros
Grficos
Anlisis
Descriptivo
Poblacin
(N)
Muestra
(n)
Muestreo
Estadstica Inferencial
__________________________________________________________________________________________
1.3. TRMINOS DE ESTADSTICA
Considerando que existe un conjunto de trminos que se usan frecuentemente en
estadstica conviene precisar el significado de algunos de ellos.
1.3.1. POBLACIN (N)
Es el conjunto de todos los individuos objetos u observaciones que poseen alguna
caracterstica observable comn.
Ejemplo 1:
La poblacin de estudiantes de la Escuela de Contabilidad de la Universidad Los
ngeles de Chimbote
Una poblacin puede clasificarse como finita o infinita.
Poblacin finita: Es aquella que tiene un nmero limitado de elementos.
Ejemplo 2:
Las edades de todos los estudiantes de la Universidad Los ngeles de Chimbote.
Poblacin infinita: Es aquella que tiene un nmero ilimitado de elementos.
Ejemplo 3:
El nmero de unidades producidas en un proceso de produccin contino.
1.3.2. MUESTRA (n)
Es una parte o un subconjunto representativo de la poblacin y al proceso de
obtener la muestra se llama muestreo. La seleccin y el estudio de la muestra,
tiene por objeto la extraccin de conclusiones que sean vlidas para la poblacin
de la cual se obtuvo dicha muestra.
Ejemplo 4:
Estudio de una muestra aleatoria de 200 estudiantes de la Escuela de
Contabilidad de la ULADECH segn su nivel socio econmico
1.3.3. VARIABLES
Es una caracterstica de la poblacin que se va investigar y puede tomar
diferentes valores.
_________________________________________ 2
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
Las variables se clasifican en: cuantitativas y cualitativas:
Variables cuantitativas: Cuando el valor de la variable es de carcter numrico.
Las variables cuantitativas pueden ser discretas y continas.
a.1) Variable cuantitativa discreta: Cuando el valor de la variable est
representado solo por nmeros enteros (positivos).
Ejemplo 5:
X: nmero de hijos
a.2) Variable cuantitativa continua: cuando el valor de la variable puede
tomar cualquier valor dentro de un rango dado, por tanto se expresa por cualquier
nmero real.
Ejemplo 6:
X: Precio en soles
b) Variable cualitativa: Cuando expresan una cualidad, o atributo, tienen
carcter cualitativo, sus datos se expresan mediante una palabra, es no numrico.
La variable cualitativa puede ser: nominal u ordinal.
b.1) Variable cualitativa nominal: Son aquellas que establecen la distincin de
los elementos en las categoras sin implicar orden entre ellas.
Ejemplo 7:
X: Sexo: Masculino, Femenino.
b.2) Variable cualitativa ordinal: Son aquellas que agrupan a los objetos,
individuos, en categoras ordenadas, para establecer relaciones comparativas.
Ejemplo 8:
Y: Nivel de pobreza: No pobre, pobre, muy pobre, extremadamente pobre.
_________________________________________ 3
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
1.3.4. UNIDAD DE OBSERVACIN: Tambin se le conoce como unidad
estadstica o unidad de anlisis. Es el elemento u objeto indivisible de la poblacin
que ser analizado y sobre los cuales se obtendrn los datos.
Ejemplo 9:
Si se quiere estudiar el rendimiento acadmico de los alumnos de la Universidad
Los ngeles de Chimbote, la unidad de observacin sern los alumnos.
1.3.5. OBSERVACIONES: A los datos tambin se le conoce como
observaciones. Son los valores recopilados como resultado de las observaciones
de una variable.
1.3.6. PARMETRO: Es un valor obtenido para describir en forma resumida las
caractersticas pertinentes o ms importantes de una poblacin.
Ejemplo 10:
El sueldo promedio de todos los trabajadores de la Empresa Sider Per de
Chimbote.
1.3.7. ESTADGRAFO: Tambin se le conoce como estadstico(a). Es una
medida descriptiva de una muestra. El estadgrafo sirve como estimacin del
parmetro.
Ejemplo 11:
El sueldo promedio del 25% de los empleados de la Empresa Sider Per de
Chimbote.
1.4. RECOLECCIN DE DATOS
La recoleccin o recopilacin de datos es el momento en el cual el investigador se
pone en contacto con los sujetos, objetos o elementos sometidos a estudio con el
propsito de obtener los datos o respuestas de las variables consideradas; a partir
de estos datos se prepara la informacin estadstica, se calcular las medidas de
resumen e indicadores para el anlisis estadstico.
_________________________________________ 4
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
Para recoger la informacin se toma en cuenta las siguientes modalidades: Las
fuentes de informacin, los sistemas de recoleccin y las tcnicas de recoleccin.
1.4.1. Modalidades de Recoleccin de Datos:
1.4.1.1. Fuentes de informacin:
Es el lugar, la institucin o persona donde estn los datos que se necesitan para
cada una de las variables o aspectos de la investigacin. Las fuentes de
informacin pueden ser:
a) Fuentes primarias: Cuando los datos se obtienen directamente de la misma
persona o entidad utilizando ciertas tcnicas.
Ejemplo 12:
Llevar a cabo una encuesta para conocer el grado de satisfaccin laboral en los
trabajadores de una empresa X.
b) Fuentes secundarias: Cuando los datos ya han sido elaborados y procesados
por otras personas o instituciones.
Ejemplo 13:
La informacin estadstica que publica el INEI de los diferentes ministerios del
Per.
1.4.1.2. Sistemas de recoleccin: Son procedimientos que se utilizan para
recoger informacin.
Pueden ser:
a) Los registros: Son libros, padrones, etc. en donde se anotan en forma regular
permanente y obligatoria los hechos ocurridos.
Ejemplo 14:
Registros Civiles, RENIEC, Registros Pblicos, Registros Electrnicos, etc.
b) Las encuestas: Son procedimientos de obtencin de informacin estructurada
segn criterios previos de sistematizacin que se efecta con un propsito
especfico en toda la poblacin o en un sector de ella.
_________________________________________ 5
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
Pueden ser:
b.1) Encuesta censal: Cuando abarca toda la poblacin en estudio.
Ejemplo 15:
Censos de poblacin y vivienda de una localidad o pas.
b.2) Encuesta muestral: Cuando abarca una parte de la poblacin en estudio.
Ejemplo 16:
Llevar a cabo una Encuesta de preferencia electoral.
1.4.1.3. Tcnicas de recoleccion
Son procedimientos que se utilizan para recolectar informacin segn la
observacin, naturaleza del trabajo de investigacin.
Pueden ser: La observacin, el cuestionario, la entrevista, test, etc.
a) La observacin: Es la accin de mirar con rigor, en forma sistemtica y
profunda, con el inters de descubrir la importancia de aquello que se observa.
b) El cuestionario: Es un instrumento constituido por un conjunto de preguntas
sistemticamente elaboradas, que se formulan al encuestado o entrevistado, con
el propsito de obtener datos de las variables consideradas en estudio.
c) La entrevista: Es un dilogo entre personas, es una tcnica donde una
persona llamada entrevistador, encuestador o empadronador solicita al
entrevistado, le proporcione algunos datos e informacin.
d) El test : Pruebas o exmenes con ayuda de un cuestionario o escala que mide
determinadas funciones, generalmente cognitivas.
_________________________________________ 6
Fecha : Julio 2013
Versin : 3
Universidad Catlca Los ngeles de Chimbote CURSO ESTADSTICA
______________________________________________________________________________________________
1.5. DISTRIBUCIONES DE FRECUENCIAS: DEFINICIN Y CLASIFICACIN
Cuando se rene gran cantidad de datos primarios es til distribuirlos en clases y
categoras y determinar las frecuencias de las clases, o sea, el nmero de
elementos que pertenecen a una clase. El ordenamiento tabular de los datos por
clases conjuntamente con las frecuencias de clases se denomina distribucin de
frecuencias.
1.5.1. DEFINICIN:
Es un arreglo tabular en donde se presentan a los datos de una muestra o de una
poblacin bajo un ordenamiento convencional predeterminado de acuerdo a la
caracterstica en estudio.
1.5.1.1. Partes de una distribucin de frecuencias:
CDIGO
TITULO: Deber ser completo y conciso
Y
i
f
i
F
i
h
i
H
i
h
i
% H
i
%
Y
1
f
1
F
1
h
1
H
1
h
1
% H
1
%
Y
2
f
2
F
2
h
2
H
2
h
2
% H
2
%
Y f
3
F
3
h
3
H
3
h
3
% H
3
%
. . . . . . .
. . . . . . .
Total n - 1.00 - 100 -
Fuente:
a) Cdigo: Nmero de identificacin.
b) Ttulo: Expresa en forma resumida la informacin que contiene, se coloca en
la parte superior de la tabla.
El ttulo de un cuadro estadstico debe ser completo y conciso.
Se refiere a completo en que debe tener los cuatro elementos fundamentales:
poblacin, variable, lugar y tiempo.
Se refiere a conciso en que debe ser breve.
________________________________________________________ 7
Fecha : Julio 2013
Versin : 3
Encabezado
c
o
l
u
m
n
a
m
a
t
r
i
z
Cuerpo del Cuadro
______________________________________________________________________________________________
c) Encabezado: Primera fila del cuadro, explica las categoras y el objeto de
cada una de las columnas.
d) Columna principal o matriz: Formada por la primera columna y nos indica
tambin las caractersticas.
e) Cuerpo: Su formacin se presenta en filas y columnas.
f) Fuente: Se coloca en la parte inferior del cuadro y nos indica el lugar en
donde se obtuvieron los datos contenidos en la tabla.
1.2. Trminos elementales para construir una distribucin de frecuencias:
a) Clase o intervalo de clase: Son los grupos que se forman con los valores de
la variable cuando la variable es cuantitativa discreta (clase) o continua (intervalo
de clase). Cuando la variable es cualitativa nominal u ordinal toma el nombre de
categora.
b) Frecuencia absoluta: Es el nmero de veces que se repite un determinado
valor de la variable; en el caso de intervalos es el nmero de observaciones
comprendidas en dicho intervalo. Se representa por f
i
con (i=1,2... m); donde m
representa el nmero de valores distintos que toma la variable Y
i
o el nmero de
intervalos considerados (mn). Asimismo, la suma de las frecuencias absolutas
simples es igual al nmero total de observaciones y se expresa del siguiente
modo:

m
i
i m
n f f f f
1
2 1
.....
c) Frecuencia relativa: Es el cociente de la frecuencia absoluta de cada clase
entre el nmero total de observaciones. Esta frecuencia se denota por
i
h
con
(i=1,2,...m). entonces:
La frecuencia relativa simple toma valores comprendidos entre 0 y 1, es
decir:
1
i
h O
________________________________________________________ 8
Fecha : Julio 2013
Versin : 3
n
f
h
i
i

nes observacio de total nmero
clase cada de absoluta frecuencia
______________________________________________________________________________________________
Asi mismo, la suma de las frecuencias relativas simples es igual 1, es decir:

m
i
i m
h h h h
1
2 1
1 ...
d) Frecuencia relativa porcentual: Es la frecuencia relativa multiplicada por 100.
Se representa por
%
i
h
y se considera como el porcentaje de observaciones
correspondientes a cada clase. La frecuencia porcentual est comprendida entre
0 y 100.
e) Frecuencia absoluta acumulada: Resulta de acumular o sumar
sucesivamente las frecuencias absolutas, se representa por
i
F
. Donde:
F
1
= f
1
F
2
= f
1
+ f
2
F
3
= f
1
+ f
2
+ f
3
.
.
.
F
m
= f
1
+ f
2
+ f
m
=n
f) Frecuencia relativa acumulada: Resulta de acumular o sumar sucesivamente
las frecuencias relativas se representa por
i
H
. Donde :
H
1
= h
1
H
2
= h
1
+ h
2
H
3
= h
1
+ h
2
+ h
3
.
.
.
H
m
= h
1
+ h
2
+ h
3
+ h
m
= 1
La frecuencia relativa acumulada toma valores comprendidos entre 0 y 1 es
decir:
1 0
i
H
________________________________________________________ 9
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
g) Frecuencia relativa acumulada aorcentual: Es la frecuencia relativa
acumulada multiplicada por 100%. Se representa por
%
i
H
y se considera como
el porcentaje de observaciones acumuladas hasta cierta clase.
1.5.2. CLASIFICACIN DE DISTRIBUCION DE FRECUENCIAS:
Las distribuciones de frecuencias se construyen de acuerdo a la variable y su
clasificacin est dada por: distribuciones de frecuencias en puntos aislados,
distribuciones de frecuencias en intervalos de clase y distribuciones de
frecuencias por atributos o categoras, tal como se muestra en el siguiente mapa
conceptual.

________________________________________________________ 10
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
1.5.2.1. DISTRIBUCIN DE FRECUENCIAS EN PUNTOS AISLADOS
Se utiliza cuando la variable es cuantitativa discreta ya que generalmente los
valores de la variable son pocos, por lo que puede considerarse cada uno de ellos
como una clase.
La distribucin de frecuencias absolutas toma la siguiente forma:
TABLA N 1
Distribucin de frecuencias absolutas
en puntos aislados
Valores de la variables
i
Y
Frecuencias absolutas
i
f
Y1
Y2
.
.
.
Ym
f1
f2
.
.
.
fm
Total n
La distribucin de frecuencias ampliada toma la siguiente forma:
TABLA N 2
Distribucin de frecuencias ampliada
i
Y
i
f
i
f
i
h
i
H
i
h
i
H
Y1
Y2
Y3
.
.
.
Ym
f1
f2
f3
.
.
.
fm
F1
F2
F3
.
.
.
Fm
h1
h2
h3
.
.
.
hm
H1
H2
H3
.
.
.
Hm
h1%
h2%
h3%
.
.
.
hm%
H1%
H2%
H3%
.
.
.
Hm%
Total n - 1.00 - 100 -
Ejemplo 17:
Los siguientes datos hipotticos corresponden a una muestra aleatoria de 30
empresas de la ciudad de Lima segn su nmero de accidentes de trabajo
durante el ao 2007:
0 3 3 3 4 4 0 2 3 1
2 2 3 1 3 4 1 2 2 2
3 3 2 2 2 3 1 2 2 4
________________________________________________________ 11
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
La informacin fue obtenida mediante una encuesta realizada por la Empresa
Datum S.A.
Se pide:
a) Identificar la unidad de observacin y la variable en estudio.
b) Construir la tabla de conteo.
c) Construir una distribucin de frecuencias ampliada.
Interpretar d) f
3,
F
3
, h
3
% y H
3
%.
d) Determinar cuantas empresas no han tenido accidentes de trabajo.
e) Determinar que porcentaje de empresas han tenido por lo menos 3 accidentes
de trabajo.
f) Determinar que porcentaje de empresas han tenido a lo ms 2 accidentes de
trabajo.
Solucin:
a) Unidad de observacin: Las empresas
Variable: N de accidentes de trabajo
b) A continuacin le mostraremos como construr la tabla de conteo:
En primer lugar se observa que el nmero de observaciones es de tamao 30
(n=30).
En segundo lugar identificamos el nmero de observacin diferentes, m=5.
Estos valores son y
1
=0, y
2
=1, y
3
=2, y
4
=3 y y
5
=4. Los cuales se ubican (en ese
orden) en la primera columna de la tabla N 3.
Seguidamente contamos el nmero de empresas con 0, 1, 2, 3 y 4 accidentes
de trabajo. Esto se hace utilizando la segunda columna de la tabla N 3
llamada conteo, usando el mtodo de los palotes que consiste en colocar
una raya vertical o tarja (/) cada vez que se aparece el valor en cuestin,
destacando cada cinco unidades con el fin de facilitar el cmputo final.
Finalmente se cuenta el nmero de palotes, obtenindose las frecuencias
absolutas (f
i
).
En este caso:
f
1
= 2, f
2
= 4, f
3
= 11, f
4
= 9, y f
5
= 4
________________________________________________________ 12
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
De esta manera se ha construido tabla de conteo de las 30 empresas segun
su nmero de accidentes de trabajo , tal como se observa en el tabla N 3:
Tabla N 3
Distribucin de empresas segn su nmero de accidentes de trabajo
N de accidentes de
trabajo
i
Y
CONTEO
N de
empresas
i
f
0
1
2
3
4
II
IIII
IIII IIII I
IIII IIII
IIII
2
4
11
9
4
Total ____ 30
Asi mismo el Cuadro N 1 muestra una distribucin de frecuencias ampliada.
Las frecuencias absolutas (f) se obtienen en el proceso de conteo, que vienen
a ser las unidades correspondientes a cada clase.
Las frecuencias acumuladas (F) se obtienen sumando en forma acumulativa
las frecuencias absolutas. As:
F
1
= f
1
= 2
F
2
= f
1
+ f
2
= 2 + 4 = 6
F
3
= f
1
+ f
2
+ f
3
= 2 + 4 + 11 = 17
F
4
= f
1
+ f
2
+ f
3
+ f
4
= 2 + 4 + 11 + 9 = 26
F
5
= f
1
+ f
2
+ f
3
+ f
4
+ f
5
= 2 + 4 + 11+ 9 + 4 = 30
Las frecuencias relativas se obtienen dividiendo las frecuencias absolutas
entre el tamao de la muestra.
________________________________________________________ 13
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
1 2
1 2
3 4
3 4
5
5
f f 2 4
h 0.07 h 0.13
n 30 n 30
f f 11 9
h 0.37 h 0.30
n 30 n 30
f 4
h 0.13
n 30
= = = = = =
= = = = = =
= = =
La suma de las frecuencias relativas es igual a 1:
5
i 1 2 3 4 5
i 1
5
i
i 1
h h h h h h
h 0.07 0.13 0.37 0.30 0.13 1.00
=
=
= + + + +
= + + + + =
Las frecuencias relativas acumuladas se obtienen sumando en forma

acumulativa las frecuencias relativas. As:
1 1
2 1 2
3 1 2 3
4 1 2 3 4
5 1 2 3 4 5
H h 0.07
H h h 0.07 0.13 0.20
H h h h 0.07 0.13 0.37 0.57
H h h h h 0.07 0.13 0.37 0.30 0.87
H h h h h h 0.07 0.13 0.37 0.30 0.13 1.00
= =
= + = + =
= + + = + + =
= + + + = + + + =
= + + + + = + + + + =
Las frecuencias relativas porcentuales se obtienen multiplicando por 100 las
frecuencias relativas. As:
1 1
2 2
3 3
4 4
5 5
h % h 100 0.07 100 7
h % h 100 0.13 100 13
h % h 100 0.37 100 37
h % h 100 0.30 100 30
h % h 100 0.13 100 13
= = =
= = =
= = =
= = =
= = =
Las frecuencias relativas porcentuales acumuladas se obtienen por 100 las
frecuencias relativas acumuladas. As:
________________________________________________________ 14
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
1 1
2 2
3 3
4 4
5 5
H % H 100 0.07 100 7
H % H 100 0.20 100 20
H % H 100 0.57 100 57
H % H 100 0.87 100 87
H % H 100 1.00 100 100
= = =
= = =
= = =
= = =
= = =
c)
CUADRO N 1
Distribucin de empresas segn su nmero de accidentes de trabajo
Lima : Ao - 2007
N de accid.
de trabajo
i
Y
N de
empresas
i
f
Frec.
acumulada
i
F
Frec.
relativa
i
h
Frec.
relativa
acumulada
i
H
Frec.
porcentual
%
i
h

Frec.
porcentual
acumulada
%
i
H
0
1
2
3
4
2
4
11
9
4
2
6
17
26
30
0.07
0.13
0.37
0.30
0.13
0.07
0.20
0.57
0.87
1.00
7
13
37
30
13
7
20
57
87
100
Total 30 - 1.00 - 100 -
Fuente: Encuesta realizada por la Empresa Datum S.A.
b) Interpretacin:
f
3
: 11 empresas han tenido 2 accidentes de trabajo.
F
3
: 17 empresas han tenido 2 accidentes de trabajo o menos.
h
3
% : El 37 % de las empresas han tenido 2 accidentes de trabajo.
H
3
% : El 57% de las empresas han tenido 2 accidentes de trabajo o menos.
________________________________________________________ 15
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
1.5.2.2. DISTRIBUCIN DE FRECUENCIAS EN INTERVALOS DE CLASE
Se utiliza generalmente cuando la variable es cuantitativa continua, aqu los
valores de las variables son nmeros por lo que no puede considerarse cada uno
de ellos como una clase, lo cual es necesario agruparlos en intervalo de clase.
Se siguen los siguientes pasos para su construccin:
a) Determinar el rango (R): Se obtiene restando el valor mximo y el mnimo.
As
R = Valor Mximo Valor Mnimo
b) Determinar el nmero de intervalos (m): El criterio a seguir para
determinar el nmero de intervalos generalmente del mismo tamao es que el
mismo sea suficientemente pequeo para lograr la simplificacin deseada, pero lo
suficientemente grande para minimizar los posibles errores de clasificacin.
Naturalmente, no es conveniente utilizar muchos intervalos de pequea amplitud
ya que en un caso extremo, equivaldra a trabajar con los datos originales. Por
otra parte, un nmero muy reducido de intervalos, significa cierta concentracin y
la prdida de informacin consiguientemente, como ocurrira en otro caso, si se
considerase un solo intervalo. Se recomienda:
b.1) considerar el nmero de intervalos entre 5 y 20.
5 m 20
b.2) Utilizar la regla de Sturges para determinar el nmero de intervalos:
m = 1 + 3.33 log n
Donde: n es el nmero de observaciones.
a) Determinar la amplitud intervlica (C): Tambin se le conoce como ancho
del intervalo y se obtiene dividiendo el rango entre el nmero de intervalos.
C = R .
m
b) Determinar los lmites de clase, de manera que cada observacin se
clasifique sin ambigedades en una sola clase.
________________________________________________________ 16
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
LI(i) LS(i)
[y0 - y1 )
[y1 - y2 )
:
:
[ym-1 - ym)
c) Determinar las marcas de clases, la marca de clase o punto medio de cada
intervalo se halla mediante la semisuma del lmite inferior y del lmite superior.
As:
2
) ( ) ( i i
i
LS LI
Y

Los cuales presentamos a continuacin:

Intervalos
LI(i) LS(i)
Marca de clase
i
Y
[y0 - y1 )
[y1 - y2 )
:
:
[ym-1 - ym)
Y1
Y2
:
:
Ym
d) Finalmente se halla frecuencia absoluta de cada clase. As:
TABLA N 4
Distribucin de frecuencias absolutas
en intervalos de clase
Intervalos
) ( ) ( i i
LS LI
Marca de clase
i
y
Frecuencia absoluta
simple
i
f
[y0 - y1 )
[y1 - y2 )
.
:
[ym-1 - ym)
y1
y2
:
:
ym
f1
f2
:
:
fm
Total - n
________________________________________________________ 17
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
Ejemplo 18:
Los siguientes datos corresponden a una muestra aleatoria de 20 jubilados de la
AFP Integra de la ciudad de Chimbote segn su monto de pensin mensual en
soles correspondiente al mes de Enero del 2007:
500 650 650 800 700 730 760 790 520 870
600 670 1000 850 720 750 780 840 400 860
La informacin fue obtenida de los Registros de Atencin al Usuario de la AFP
Integra.
a) Determinar la unidad de observacin y la variable en estudio.
b) Construir la tabla de conteo. Utilice la regla de Sturges.
c) Construir una distribucin de frecuencias ampliadas.
d) Interpretar f
2
, F
2
, h
2
% y H
2
%.
e) Determinar cuantos jubilados han tenido un monto de pensin de 640 soles o
ms pero menos de 880 soles.
f) Determinar que porcentaje de jubilados han tenido un monto de pensin
mensual comprendido entre 760 y 1000 soles.
Solucin:
a) Unidad de observacin: Los jubilados.
Variable en estudio: monto de pensin en soles.
b) Siguiendo los pasos establecidos:
Hallando el Rango (R):
R = Valor Mximo Valor Mnimo
R = 1000 400 = 600
Hallando el Nmero de Intervalos (m):
m = 1 + 3.33 log n
n = 20 log

20 = 1.30
m = 1 + 3.33 x 1.30 = 5.33
m = 5 intervalos
________________________________________________________ 18
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
Hallando la Amplitud Intervlica (C):
C = R = 600 = 120
m 5
Determinando los lmites de clases y sus respectivas marcas de clase.
Monto de pensin en soles
) ( ) ( i i
LS LI
Marca de clase
i
Y
[400 520)
[520 640)
[640 760)
[760 880)
[880 1000]
460
580
700
820
940
c) Determinando la distribucin de frecuencias absolutas:
Tabla N 5
Distribucin de jubilados segn su monto de pensin en soles
AFP INTEGRA - Chimbote: Enero - 2007
Monto de pensin en soles
) ( ) ( i i
LS LI
Marca de
Clase
i
y
Conteo
N de jubilados
i
f
[400 520) 460 II 2
[520 640) 580 II 2
[640 760) 700 IIII II 7
[760 880) 820 IIII III 8
[880 1000] 940 I 1
Total - 20
d) A continuacin le mostramos la distribucin de frecuencias ampliada para las
diferentes frecuencias dadas:
________________________________________________________ 19
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
CUADRO N 2
Distribucin de jubilados segn su monto de pensin en soles
Monto de pensin en
soles
) ( ) ( i i
LS LI
Marca de
clase
i
y
N de jub.
i
f
I
F
i
h
i
H %
i
h %
i
H
[400 520)
[520 640)
[640 760)
[760 880)
[880 1000]
460
580
700
820
940
2
2
7
8
1
2
4
11
19
20
0.10
0.10
0.35
0.40
0.05
0.10
0.20
0.55
0.95
1.00
10
10
35
40
5
10
20
55
95
5
Total - 20 - 1.00 - 100 -
Fuente: Registros de Atencin al Usuario.
e) Interpretando:
f
2
: 2 jubilados han tenido un monto de pensin de 520 soles o ms pero
menos de 640 soles..
F
2
: 4 jubilados han tenido un monto de pensin de 400 soles o m;as pero
menos de 640 soles.
h
2
% : El 10% de los jubilados han tenido un monto de pensin de 520 soles
o ms pero menos 640 soles.
H
2
% : El 20% de los jubilados han tenido un monto de pensin de 400 soles
o ms pero menos de 640 soles.
f) Sumanos las frecuencias absolutas simples de los intervalos 3 y 4 obteniendo:
( 7 + 8 ) =15 trabajadores.
g) Sumamos las frecuencias porcentuales simples de los intervalos 4 y 5
obteniendo : (40% +5%) = 45%
1.5.2.3. DISTRIBUCIN DE FRECUENCIAS POR ATRIBUTOS O
CATEGORAS
Este tipo de distribucin se utiliza para clasificar los datos de una variable
cualitativa nominal u ordinal.
________________________________________________________ 20
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
TABLA N 6
Distribucin de frecuencias para variables cualitativas
Variable
i
X
Frecuencia
absoluta
i
f
Frecuencia
relativa
i
h
Frecuencia relativa
porcentual
%
i
h
x1
x2
.
,
,
xm
f1
f2
.
.
.
fm
h1
h2
.
.
.
hm
h1%
h2%
.
.
.
hm%
Total n 1.00 100%
Ejemplo 19:
Los siguientes datos obtenidos mediante una encuesta realizada por la Empresa
AMC en el mes de Febrero del 2007 corresponden a una muestra aleatoria de 40
empresas de la ciudad de Chimbote segn motivo del uso de Internet:
P O F F F P F RP P F
O P F F F O P RP P P
P P P RP O P P F O RP
RP P F RP P P P F P F
Donde:
P: PUBLICIDAD F: FACTURACION
RP: RECEPCION DE PAGOS O: OTROS
Se pide:
b) Construir una distribucin de frecuencias (absolutas y porcentuales).
c) Interpretar f
2
y h
2
%.
Solucin:
a) Como resultado de la clasificacin y tabulacin se tiene:
________________________________________________________ 21
Fecha : Julio 2013
Versin : 3
______________________________________________________________________________________________
CUADRO N 3
Distribucin de empresas segn su motivo de uso de Internet
Cabina Alfa Net - Chimbote
Mayo - 2005
Motivo de uso de
Internet
i
X
N de empresas
i
f
Frecuencia relativa
i
h
Frecuencia relativa
porcentual
%
i
h
Publicidad
Facturacin
Recepcin de Pagos
Otros
17
12
6
5
0.425
0.300
0.150
0.125
42.50
30.00
15.00
12.50
TOTAL 40 1.000 100.00
FUENTE: Encuesta realizada por la Empresa AMC
b) Interpretando:
f
2
: 12 empresas manifiestan que el motivo de uso de Internet es por
facturacin.
h
2
% : El 30% de las empresas manifiestan que el motivo de uso de Internet
es por facturacin.
________________________________________________________ 22
Fecha : Julio 2013
Versin : 3
_________________________________________________________________________________________
1.6. GRFICOS ESTADSTICOS
1.6.1. DEFINICIN: Un grfico es la representacin de un fenmeno estadstico
por medio de figuras geomtricas (puntos, lneas, rectngulos, paraleleppedos,
etc.) cuyas dimensiones son proporcionales a la magnitud de los datos
representados. Su objetivo principal es la representacin de los datos en forma
grfica, que permita a simple vista darse cuenta del conjunto de elementos
presentados y de evidenciar sus variaciones y caractersticas. El grfico es un
auxiliar del cuadro estadstico no lo sustituye, sino lo complementa.
1.6.1.1. Partes de un grfico: Al igual que un cuadro estadstico en el grfico
se consideran las siguientes partes:
1.6.1.2. Escalas usadas en el trazado de un grfico: La mayora de los
grficos se representan en las llamadas Sistema de Coordenadas Cartesianas
donde hay dos ejes, X (Eje horizontal) e Y (eje vertical). En el eje X se colocan las
diferentes clases de la variable y en el eje Y se colocan las frecuencias (absolutas
o porcentuales). La escala de medida que se usan deben ser de la misma longitud
o algo mayor la horizontal que la vertical. En general, las 2 escalas deben guardar
una proporcin 1 a 1 y 1 a 2, es decir, que si el eje vertical mide 10cm. el eje
_______________________________________________ 23
Fecha : Julio 2013
Versin : 3
(
F
R
E
C
U
E
N
C
I
A
)
CDIGO
TTULO
CUERPO
FUENTE
VARIABLE
_________________________________________________________________________________________
horizontal debe medir entre 10 y 20. Esta exigencia se hace con el fin de no
distorsionar el fenmeno que se estudia.
1.6.2. CLASIFICACIN DE GRFICOS
Entre los grficos ms usuales tenemos: grfico de bastones, histograma de
frecuencias, polgono de frecuencias, grfico de barras simples, grfico de
sectores circulares y grfico Lineal, tal como se muestra en el siguiente mapa
conceptual.
_______________________________________________ 24
Fecha : Julio 2013
Versin : 3
_________________________________________________________________________________________
1.6.2.1. GRFICOS DE BASTONES
Tambin se le conoce como diagrama de frecuencias, se utiliza generalmente
para describir datos cuando la variable es cuantitativa discreta y su construccin
se hace levantando segmentos perpendiculares al eje de la variable y con una
altura proporcional a su frecuencia absoluta o relativa porcentual.
Ejemplo 20:
Los Grficos N 1 y N 2 muestra el grfico de bastones para frecuencias
absolutas y relativas porcentuales del Cuadro N 1 de la pag. 15:
GRFICO N 1
Empresas segn s u nmero de accidentes de trabajo
Lima : 2007
Fuente: Encuesta realizada por la Empresa
Datum S.A.
Comentario: En el Grafico N 1 observamos que el menor nmero de empresas
(2) no han tenido accidentes de trabajo y el mayor (11) ha tenido 9 accidentes de
trabajo.
_______________________________________________ 25
Fecha : Julio 2013
Versin : 3
N de accidentes
de trabajo
0 1 2 3 4
12
9
6
3
N

d
e

e
m
p
r
e
s
a
s
_________________________________________________________________________________________
GRFICO N 2
Porcentaje de empresas segn s u nmero de accidentes de trabajo
Lima : 2007

Fuente: Encuesta realizada por la Empresa
Datum S.A.
Comentario: En el Grafico N 2 observamos que el menor porcentaje de
empresas (7%) no han tenido accidente de trabajo y el mayor porcentaje de
empresas (37%) han tenido 2 accidentes de trabajo.
1.6.2.2. HISTOGRAMA DE FRECUENCIAS
Este grfico se utiliza para describir datos cuando la variable es cuantitativa
continua. Su construccin se hace levantando sobre el eje de la variable
rectangular que tengan por base la amplitud del intervalo de clase y una altura
proporcional a su frecuencia absoluta o relativa porcentual.
Ejemplo 21: Los Grficos N 3 y N 4 muestran el histograma de frecuencias para
frecuencias absolutas y relativas porcentuales del Cuadro N 2 de la pag. 19.
_______________________________________________ 26
Fecha : Julio 2013
Versin : 3
N de accidentes
de trabajo
0 1 2 3 4
40
30
20
10
P
o
r
c
e
n
t
a
j
e
_________________________________________________________________________________________
GRFICO N 3
Nmero de jubilados segn su monto de pensin en soles
Comentario: En el Grafico N 3 observamos que el menor nmero de jubilados
(1) han tenido un monto de pensin que varia entre 880 soles y 1000 soles y el
mayor nmero de jubilados (8) han tenido un monto de pensin en soles de 760
soles o ms pero menos de 880 soles.
_______________________________________________ 27
Fecha : Julio 2013
Versin : 3
N

d
e

j
u
b
i
l
a
d
o
s
0 400 520 640 760 880 1000

Monto de pensin en
soles
8
6
4
2
_________________________________________________________________________________________
GRFICO N 4
Porcentaje de jubilados segn su monto de pensin en soles
Comentario: En el Grafico N 4 observamos que el menor porcentaje de jubilados
(5%) han tenido un monto de pensin que varia entre 880 soles y 1000 soles y el
mayor porcentaje de jubilados (40%) han tenido un monto de pensin en soles de
760 soles o ms pero menos de 880 soles.
_______________________________________________ 28
Fecha : Julio 2013
Versin : 3
40
30
20
10
0 400 520 640 760 880
1000
P
o
r
c
e
n
t
a
j
e
Monto de pensin en
soles
_________________________________________________________________________________________
1.6.2.3. POLGONO DE FRECUENCIAS
Este se utiliza tambin para describir datos cuando la variable es cuantitativa
continua. Su construccin se hace uniendo los puntos medios superiores de los
rectngulos en el histograma.
Ejemplo 22:
Los Grficos N 5 y N 6 muestran el polgono de frecuencias para frecuencias
absolutas y frecuencias relativas porcentuales del Cuadro N 2 de la pg. 19.
GRFICO N 5
Nmero de jubilados segn su monto de pensin en soles
En el Grafico N 5 observamos que el menor nmero de jubilados (2) han tenido
un monto de pensin de 940 soles y el mayor nmero de hogares (8) han tenido
un consumo mensual de 820 soles.
_______________________________________________ 29
Fecha : Julio 2013
Versin : 3
N

d
e

j
u
b
i
l
a
d
o
s
Monto de pensin
en soles
8
6
4
2
0 340 460 580 700 820 940 1060
_________________________________________________________________________________________
GRFICO N 6
Porcentaje de jubilados segn su monto de pensin en soles

Fuente: Encuesta realizada por la Empresa Data S.A.
En el Grafico N 6 observamos que el menor porcentaje de jubilados (5%) han
tenido un monto de pensin de 940 soles y el mayor porcentaje de jubilados
(40%) han tenido un monto de pensin de 820 soles.
_______________________________________________ 30
Fecha : Julio 2013
Versin : 3
Monto de pensin
en soles
40
30

20

10
0 340 460 580 700 820 940 1060
P
o
r
c
e
n
t
a
j
e
__________________________________________________________________________________________
1.6.2.3. GRFICO DE BARRAS SIMPLES
Este grfico se utiliza para describir datos cuando la variable es cualitativa nominal
u ordinal presentados en cuadro de entrada simple. Su construccin se hace
levantando barras proporcionales a la frecuencia absoluta o relativa porcentual de
la cualidad que representan.
Recomendaciones para su construccin:
- Todas las barras deben tener el mismo grosor.
- El espacio entre barras debe ser de la misma magnitud y constituye la mitad
del ancho de la barra.
- El ancho de la barra debe ser el doble del espacio que se deja entre barra y
barra.
- La escala de frecuencia debe empezar por cero.
- Las barras por esttica deben ordenarse de mayor a menor cuando se pueda.
- No se debe recargar las barras tratando de expresar muchos productos en
cada uno de ellas.
- Si el grfico tiene muchas barras es mejor expresarlo con un grfico lineal.
Ejemplo 24:
Los Grficos N 7 y N 8 muestran el grfico de barras simples para frecuencias
absolutas y frecuencias relativas porcentuales del Cuadro N 3 de la pag. 21.
_______________________________________________ 31
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________

(5) manifiestan que usan internet por otros motivos y el mayor nmero de
empresas (17) manifestan que el motivo de uso de internet es por publicidad.
_______________________________________________ 32
Fecha : Julio 2013
Versin : 3
FUENTE: Encuesta realizada por la Empresa Consultora OMEGANET.
Publicidad Facturacin Recepcin de
Pagos
Otros
0
5
10
15
20
17
12
6
5
GRAFICO N 7
Empresas segn su motivo de uso de Internet
Cabina Alfa Net: Chimbote - Mayo 2005
Motivo de Uso de Internet
N

d
e

E
m
p
r
e
s
a
s
__________________________________________________________________________________________

empresas (12.5%) manifiestan que usan internet por otros motivos y el mayor
porcentaje de empresas (42.5%) manifestan que el motivo de uso de internet es
por publicidad.
1.6.2.4. GRFICO DE SECTORES CIRCULARES O PASTEL
Al igual que el grfico de barras este grfico se utiliza generalmente para
representar variables cualitativas (nominal u ordinal). Se usa frecuentemente
cuando se desea comparar cada categora de la variable con respecto al total.
Para su elaboracin se utiliza una circunferencia, siendo necesario que los valores
absolutos y/o porcentuales sean traducidos en grados. A cada categora le
corresponde un sector de la circunferencia.
Hallando los ngulos para cada sector:
_______________________________________________ 33
Fecha : Julio 2013
Versin : 3
%
Publicidad Facturacin Recepcin de
Pagos
Otros
0
9
18
27
36
45 42.5
30
15
12.5
GRAFICO N 8
Porcentaje de empresas segn su motivo de uso de Internet
Cabina Alfa Net : Chimbote - Mayo 2005
Motivo de Uso de Internet
P
o
r
c
e
n
t
a
j
e
%
%
%
%
__________________________________________________________________________________________
Tipos de Caso Angulos(
o
i
)
Publicidad
Facturacin
o
2
12
360 108
40
a = =
Recepccin de Pagos
o
3
6
360 54
40
a = =
Otros
o
4
5
360 45
40
a = =

Total 360
Se puede comprobar que la suma de los cuatro sectores da 360.
Ejemplo 25:
Los Grficos N 9 y N 10 muestran el grfico de barras simples para frecuencias
absolutas y frecuencias relativas porcentuales del Cuadro N 3 de la pag. 21.
_______________________________________________ 34
Fecha : Julio 2013
Versin : 3
o
1
17
360 153
40
a = =
Publicidad 17
Facturacin 12
Recepcin de Pagos 6
Otros 5
GRAFICO N 9
Empresas segn su motivo de uso de Internet
__________________________________________________________________________________________
(5) manifiestan que usan internet por otros motivos y el mayor nmero de
empresas (17) manifestan que el motivo de uso de internet es por publicidad.
empresas (12.5%) manifiestan que usan internet por otros motivos y el mayor
porcentaje de empresas (42.5%) manifestan que el motivo de uso de internet es
por publicidad.
1.6.2.5. GRFICO LINEAL
Estos grficos se utilizan para representar series cronolgicas o sea distribuciones
que se desarrollan a travs del tiempo. Se representan en los ejes de
coordenadas cartesianas mediante lneas rectas o quebradas. En el eje horizontal
se ubica el tiempo (aos, meses, das, etc.) y en el eje vertical el valor de los
datos. Puede incluir ms de un hecho o situacin.
_______________________________________________ 35
Fecha : Julio 2013
Versin : 3
Publicidad 42.5
Facturacin 30
Recepcin de Pagos 15
Otros 12.5
GRAFICO N 10
Porcentaje de empresas segn su motivo de uso de Internet
%
%
%
%
__________________________________________________________________________________________
Ejemplo 26:
El Grfico N 11 le muestra el grfico de lneas utilizando los datos del Cuadro N
4.
CUADRO N 4
Numero de usuarios mensuales de la Cabina Alfa Net
Chimbote: Ao - 2005
Aos EN FE M A M J J A S O N D
N de usuarios 150 210 350 400 600 450 800 650 700 350 200 500
Fuente: Encuesta realizada por la Empresa Consultora OMEGANET.
Comentario: En el Grafico N 11 observamos que el nmero de usuarios de la
Cabina Alfanet presentan un crecimiento ascendente en los meses de enero a
mayo, de junio a julio el nmero de usuarios que llegan a dicha cabina presentan
un comportamiento irregular.

_______________________________________________ 36
Fecha : Julio 2013
Versin : 3
150
210
350
400
600
450
800
650
700
350
200
500
0
200
400
600
800
E F M A M J J A S O N D
N
d
e

u
s
u
a
r
i
o
s
MESES
GRAFICO N 11
Numero de usuarios de la Cabina Alfa Net
Chimbote: Ao - 2005
Fuente: Encuesta realizada por la Empresa Consultora OMEGANET.
__________________________________________________________________________________________
AUTOEVALUACIN 01
1. Los siguientes datos corresponden a una muestra aleatoria de 30 unidades operativas
de la ULADECH CATLICA segn su nmero de supervisiones realizadas en el ao
2012:
2 2 3 3 2 4 1 2 2 3
3 3 3 4 5 3 2 4 1 5
4 4 3 4 5 3 2 3 3 4

La informacin fue proporciona por la Oficina de Gerencia de Calidad ULADECH
CATLICA
Se pide:
b) Construir una tabla de distribucin de frecuencias absolutas. (Tabla de Conteo)
c) Construir una de distribucin de frecuencias ampliada.
d) Interpretar f
4
, F
4
, h
4
% y H
4
%.
e) Determinar cuntos trabajadores han tenido ms de 3 supervisiones.
f) Determinar qu porcentaje de trabajadores han tenido a lo ms 3 supervisiones.
2. Los siguientes datos corresponden a una muestra aleatoria de 20 trabajadores de la
Empresa Sol y Sombra de la ciudad de Chimbote segn monto de CTS en soles Julio
del 2012:
200 400 410 350 420 550 480 380 470 700
250 450 500 590 600 330 650 460 580 430
Los datos fueron obtenidos de la Oficina de Personal de dicha entidad.
Se pide:
b) Construir una distribucin de frecuencias ampliada. Utilice m=5 de intervalos.
c) Interpretar f2, F2, h2% y H2%.
d) Determinar que porcentaje de trabajadores tienen un monto de CTS de 200 soles o
ms pero menos de 500 soles. (1punto)
3. Los siguientes datos corresponden a una muestra aleatoria de 40 administradores de
hoteles de la ciudad de Chimbote segn opinin acerca del problema que afecta la
actividad turstica en Marzo del 2012:
F S S I O I I I F I
I F I I I I O O F I
O O O I I S S I I I
I I I I S S S I I I
Donde:
_______________________________________________ 37
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
F: Falta de promocin I: Insuficiente Infraestructura S: Inseguridad
O : Otros
Los datos fueron obtenidos mediante una encuesta realizada por la Empresa Apoyo S.A.
b) Construir una distribucin de frecuencias absolutas y porcentuales.
c) Interpretar f2 y h2%.
d) Construir un grfico adecuado para frecuencias porcentuales.

4. Dado del siguiente cuadro:
CUADRO N 1
POBLACIN ECONOMICAMENTE ACTIVA OCUPADA
DE 14 A 29 AOS POR SEXO
PERU: AO 2005 - 2008
AO 2005 2006 2007 2008
HOMBRE
S
2440 2582 2700 2800
MUJERE
S
3000 2500 2300 2200
Fuente: Encuesta de hogares. INEI
Construir un grfico lineal y comentar. (3 puntos)
5. Identificar cada una de las siguientes variables segn su clasificacin:
N de caidas del sistema
Marcas de impresoras
Velocidad en mg. ..............
Nivel socio econmico ...
6. Identifique la unidad de observacin y la variable de estudio en el siguiente
enunciado:
Poblacin de usuarios de Internet segn modalidad speedy de su preferencia:
Unidad de observacin:
Variable:
7. Determine si es una Poblacin N o muestra n en las siguientes afirmaciones:
a) Estudio del nivel socio econmico de todos los estudiantes de la ULADECH. ( )
b) Estudio del 5% de trabajadores de una empresa X segn su sexo. ( )
_______________________________________________ 38
Fecha : Julio 2013
Versin : 3
__________________________________________________________________________________________
c) Distribucin del 30% de clientes del Banco de Crdito de una poblacin de 1000
segn sus ahorros mensuales en soles. ( )
d) Encuesta a 100 trabajadores de la Empresa TASA S.A segn su sueldo en soles. ( )
8. De dos ejemplos de poblacin relacionados a su campo porfesional.
9. De 4 ejemplos de variables segn su clasificacin
a) Variable Cuantitativa discreta: ............................................................
b) Variable cuantitiativa continua: ............................................................
c) Variable cualitativa nominal: ...........................................................
d) Variable cualitativa ordinal: ...........................................................
10. Identifique el tipo de fuente de informacin en las siguientes proposiciones:
a) La informacin estadstica que tiene el registro de contribuyentes de la SUNAT.
.
b) El nmero de arribos extranjeros registrados por el Ministerio de Comercio y Turismo.
.
11. De 1 ejemplos relacionados de fuente de informacin primaria y secundaria
respectivamente.
......................................................................................................................
......................................................................................................................
12. De 1 ejemplo de encuesta muestral realizadas en su campo profesional.
......................................................................................................................
_______________________________________________ 39
Fecha : Julio 2013
Versin : 3
CAPITULO II
MEDIDAS DE TENDENCIA CENTRAL
2.1. MEDIDAS ESTADISTICAS
2.1.1. DEFINICION:
Las medidas estadsticas son medidas de resumen que se calculan a partir de una
muestra y que describen ciertos aspectos de una serie o distribucin de datos para
poder tener un mejor conocimiento de la poblacin.
2.1.2. CLASIFICACIN:
A continuacin presentamos un mapa conceptual de la clasificacin de las medidas
estadsticas ms usadas.
_________________________________________ 41
Fecha : Julio 2013
Versin : 3
2.2. MEDIDAS DE TENDENCIA CENTRAL
2.2.1. DEFINICIN
Son estadgrafos que se ubican en la parte central de un conjunto de datos o de una
distribucin.
Los estadgrafos de tendencia central ms importantes y ms usuales son: la media
aritmtica, mediana y moda.
2.2.2. LA MEDIA ARITMTICA: Tambin se le conoce como media o promedio. Se
obtiene sumando todos los valores de los datos observados y se divide entre el
nmero total de ellos.
Media Aritmtica = Suma de los valores de la variable
Nmero total de datos
Se denota por: x o M[x|
2.2.2.1. Formas de clculo de la media aritmtica:
a) Para datos no agrupados: La media aritmtica para datos no agrupados est
dado por la siguiente frmula:
Ejemplo 26:
Los siguientes datos corresponden a los sueldos mensuales en soles de 10 familias:
X
i
: 650, 750, 850, 1000, 750, 820, 850, 1200, 1000, 1000
Calcular la media aritmtica e interpretar.
Solucin:
Sustituyendo los datos en la frmula se tiene:
_________________________________________ 42
Fecha : Julio 2013
Versin : 3
n
x
x
n
i
i
=
=
1
10
i
1 2 10 i 1
x
x x ... x 650 + 750 + 850 + 1000 + 750 + 820 + 850 + 1200 + 1000 + 1000
x
10 10 10
=
+ + +
= = =
x 887 soles mensuales. =

Interpretacin: Los trabajadores tienen un sueldo mensual promedio de 887 soles.
b) Para datos agrupados: La media aritmtica para datos agrupados est dada por
la siguiente frmula:
n
f y
y
m
i
i i
=

=
1
Donde
" "
i
y
es la clase o marca de clase de cada grupo o intervalo.
La media aritmtica se obtiene sumando el producto de las clases o marcas de clase
por la frecuencia correspondiente y dividiendo la suma entre el nmero total de
datos.
b.1.) Media aritmtica cuando la variable es cuantitativa discreta.
A continuacin presentamos un ejemplo para calcular la media aritmtica cuando la
variable es cuantitativa discreta.
Ejemplo 27: Los siguientes datos de la Tabla N 07 corresponde a una muestra
aleatoria de 100 cabinas de Internet segn su nmero de cibernautas que acudieron
el mes anterior:
Tabla N 07
N de cibernautas
i
y
N de cabinas
i
f
40 10
45 20
50 40
55 15
60 10
65 5
Total 100
Calcular la media aritmtica e interpretar.
_________________________________________ 43
Fecha : Julio 2013
Versin : 3
Solucin:
En la siguiente tabla de trabajo le mostraremos como calcular la media aritmtica
cuando la variable es discreta, debemos multiplicar los valores de cada clase con
sus respectivas frecuencias finalmente se suma esos resultados y se divide entre el
nmero de observaciones, tal como se muestra en la siguiente Tabla N 8:
Tabla N 08
N de cibernautas
i
y
N de cabinas
i
f 44
i i
f y
40 10 400
45 20 900
50 40 2000
55 15 825
60 10 600
65 5 325
TOTAL 100 5050
Luego:
s cibernauta 51 5 . 50
100
5050
100
5 65 10 60 15 55 40 50 20 45 10 40
100
6
1
~ =
=
+ + + + +
=
=

=
y
f y
y
i
i i
Interpretacin: A las cabinas de Internet acuden en promedio 51 cibernautas
durante el mes anterior.
b.2.) Media aritmtica cuando la variable es cuantitativa continua:
A continuacin le mostraremos cono calcular la media aritmtica cuando la variable
es cuantitativa continua:
Ejemplo 28:
La siguientes datos de la Tabla N 09 corresponde a una muestra aleatoria de 300
trabajadores segn su edad en aos:
_________________________________________ 44
Fecha : Julio 2013
Versin : 3
Tabla N 09
Edad en
en aos
LI - LS
N de
trabajadores
fi
[25 - 30) 40
[30 - 35) 60
[35 - 40) 100
[40 - 45) 92
[45 - 50) 8
TOTAL 300
Se pide:
Calcular la media aritmtica e interpretar
Solucin:
Para calcular la media aritmtica para datos agrupados cuando la variable es
continua debemos hallar la marca de clase o punto medio de cada intervalo y luego
ese valor hallado multiplicarlo por su respectiva frecuencia, finalmente debemos
sumar los resultados hallados y dividir entre el nmero total de observaciones, tal
como se muestra en la siguiente tabla N 10:
TABLA N 10
Edad en aos
) i ( ) i (
LS LI
Marca de Clase
i
y
N de
trabaj.
i
f
i i
f y
[25 - 30) 27.5 40 1100
[30 - 35) 32.5 60 1950
[35 - 40) 37.5 100 3750
[40 - 45) 42.5 92 3910
[45 - 50) 47.5 8 380
Total - 300 11090
Luego:
6
i i
i 1
y f
27.5 40 32.5 60 37.5 100 42.5 92 47.5 8
y
1300 300
11090
y 36.97 aos.
300
=

+ + + +
= =
= =
Interpretacin: Los trabajadores tienen en promedio 36.97 aos.

_________________________________________ 45
Fecha : Julio 2013
Versin : 3
i
1
2
3
4
5
2.2.2.2. Caractersticas:
Es la ms conocida y ms usada en el anlisis estadstico.
Para su clculo intervienen todas las observaciones.
Es una medida nica, es decir un conjunto de datos tiene una sola media.
Es sensible a los valores extremos demasiados altos o demasiados bajos.
No se puede calcular cuando presenta clases abiertas en los extremos.
2.2.3. LA MEDIANA: Es una medida de tendencia central que divide al total de n
observaciones debidamente ordenadas o tabuladas en dos partes de igual tamao,
cada una con el 50% de los datos observados.
Notacin: Me.
2.2.3.1. Formas de clculo
a) Para datos no agrupados: Para calcular la mediana, los n datos originales se
ordenan en forma ascendente o descendente, luego se halla el lugar en donde se
encuentra la mediana (lugar = (n + 1)/2) y finalmente se determina su valor. Se
presenta dos casos:
a.1.) Para un nmero par de datos: La mediana ser el promedio de los dos
valores centrales..
Ejemplo 29:
Calcular e interpretar la mediana del Ejemplo 26 de la pag. 38.:
X
i
: 650, 750, 850, 1000, 750, 820, 850, 1200, 1000, 1000
Solucin:
- Ordenando en forma ascendente
650 750 750 820 850 850 1000 1000 1000 12000
Lugar 5.5
- Ubicando el lugar en donde se encuentra la Me
n 1 10 1
Lugar 5.5
2 2
+ +
= = =
_________________________________________ 46
Fecha : Julio 2013
Versin : 3
- Cuando se tiene un nmero par de datos la mediana ser el valor ser el
promedio de los dos valores centrales:
- Interpretacin: El 50% de los trabajadores tienen un ingreso mximo de 850
soles , no ms del 50% supera dicho ingreso.
a.2.) Para un nmero impar de datos: La mediana ser el valor que est
ocupando la posicin central.
Ejemplo 30:
Los siguientes datos corresponden a los tiempos de acceso en minutos a 11
Pginas Web cargadas por la tarde en el horario de 14 a 15 horas desde un
ordenador domestico:
X
i
: 2.9, 1.4, 1.2, 3.4, 1.3, 2.5, 1.6, 1.8, 2.3, 1.5, 1.0
Solucin:
- Ordenando los datos en forma ascendente
1.0 1.2 1.3 1.4 1.5 1.6 1.8 2.3 2.5 2.9 3.4
Lugar 6
- Hallando el lugar en donde se encuentra la mediana:
- Cuando se tiene un nmero impar de datos la mediana ser el valor que est
ocupando la posicin central.
_________________________________________ 47
Fecha : Julio 2013
Versin : 3
850 850
Me
2
Me 850 soles.
+
=
=
n 1 11 1
Lugar 6
2 2
+ +
= = =
Interpretacin: El 50% de las pginas Web son cargadas en un tiempo de acceso
mximo de 1.6 minutos., el otro 50% supera dicho tiempo.
b) Para datos agrupados
b.1) La mediana cuando la variable es cuantitativa discreta: Cuando la variable
es cuantitativa discreta y los datos se encuentra agrupados la mediana ser el valor
de la variable cuya frecuencia acumulada sea la primera en exceder a n/2, as:
Me = X
i
tal que: F
i
> n/2
i determina clase
en donde se encuentra la Me.
Ejemplo 31:
Calcular e interpretar la mediana de los datos de la tabla N 07 de la pgina 39.
Tabla N 11
N de cabinas
i
y
N de cibernautas
i
f
i
F
40 10 10
45 20 30
50 40 70
55 15 85
60 10 95
65 5 100
Total 100 -
Aqu vemos que n = 100, luego n/2 = 50
Entonces la primera frecuencia acumulada que excede a
2
n
= 50 es 70, esto es:

70 > 50
F
3
> 10
i = 3, la mediana se encuentra
en la 3ra. clase.
Me = 50 cibernautas
Interpretacin: Al 50% de las cabinas acuden como mximo 50 cibernautas durante
el mes anterior, el otro 50% de las cabinas supera dicho nmero.
_________________________________________ 48
Fecha : Julio 2013
Versin : 3
i
1
2
3
4
5
6
b.2.) La mediana cuando la variable es cuantitativa continua: Para calcular la
mediana cuando la variable es cuantitativa continua se utilizar la siguiente frmula:
| |
i
i
i i
f
F n
C LI Me
1
) (
2 /

+ =
Se debe cumplir la siguiente relacin:

i determina el intervalo en
donde se encuentra la Me.
Cuando:
2
1
n
F
i
=
La mediana est dado por:

Me =
) (i
LI
Adems:
) (i
LI
: Lmite inferior del intervalo en donde se encuentra la Me.
i
C
: Amplitud o ancho del intervalo en donde se encuentra la Me.
n
: Nmero de observaciones de la muestra.
1 i
F
: Frecuencia acumulada inmediata anterior al intervalo en donde se

encuentra la Me.
i
f
: Frecuencia absoluta del intervalo en donde se encuentra la Me
_________________________________________ 49
Fecha : Julio 2013
Versin : 3
i i
F
n
F < s
2
1
Ejemplo 32:
Calcular e interpretar la mediana de los datos de la Tabla N 09 de la pgina 41:
Solucin:
Tabla N 12
Edad en
en aos
LI - LS
N de
trabajadores
fi
i
F
[25 - 30) 40 40
[30 - 35) 60 100
[35 - 40) 100 200
[40 - 45) 92 292
[45 - 50) 8 300
TOTAL 300 -
Vemos que n = 300
n
150
2
=
y de acuerdo a la relacin dada tenemos:
100 < 150 < 200
F
2
< 150 < F
3
i = 3, la mediana se
encuentra en el 3er. intervalo.
Reemplazando el subndice i=3 en la frmula y los valores correspondientes
tenemos:
| |
| |
2
(3) 3
3
n / 2 F
Me LI C
f
150 100
Me 35 5
100
Me 37.5 aos.
= +
= +
=
Interpretacin: El 50% de los trabajadores tienen una edad mxima de 37.5 aos,
el otro 50% supera dicha edad.
_________________________________________ 50
Fecha : Julio 2013
Versin : 3
i
1
2
3
4
5
- La mediana es un estadgrafo que no est afectada por valores extremos muy
altos o muy bajos y por lo tanto es ms representativa que la media
aritmtica, o cuando las distribuciones son poco simtricas.
- Es til cuando los datos agrupados tienen clases abiertas en los extremos.
- Es una medida nica; esto es, una distribucin tiene solamente una mediana.
2.2.4. LA MODA: Es una medida de tendencia central que corresponde al valor de
la variable que tiene frecuencia mxima.
Notacin: Md.
Una distribucin puede ser amodal sino tiene ninguna moda, unimodal si tiene una
moda, bimodal si tiene dos modas y multimodal si tiene tres o ms modas.
En consecuencia es necesario considerar modas absolutas y modas relativas.
2.2.4.1. Formas de clculo
a) Para datos no agrupados
La moda ser el valor que se repite el mayor nmero de veces.
Ejemplo 33:
Calcular e interpretar la moda del Ejemplo 26 de la pag. 38.
Solucin:
Observamos que el valor que se repite frecuentemente es 850 y 1000.
Entonces: Md = 850 y 1000 soles.
Interpretacin: El mayor nmero de trabajadores tiene un sueldo mensual de 850 y
1000 soles.
Ejemplo 34:
Calcular e interpretar la moda del coeficiente intelectual expresado en puntaje del
siguiente grupo de alumnos.
X
i
: 95, 100, 105, 110, 95, 100, 110, 110, 95
_________________________________________ 51
Fecha : Julio 2013
Versin : 3
Solucin:
Md = 95 y 110
Interpretacin:
El mayor nmero de alumnos tiene un coeficiente intelectual de 95 y 110 puntos. En
este caso la serie es bimodal.
b) Para datos agrupados
b.1.) La moda cuando la variable es cuantitativa discreta
La moda ser clase cuya frecuencia es mxima. As:
Md = y
i
Tal que: f
i-1
< f
i
> f
i + 1
i determina la clase en
donde se encuentra la Moda
Ejemplo 35:
Calcular e interpretar la moda de los datos de la tabla N 07 de la pag. 39.
Solucin:
Tabla N 13
N de
cibernautas
i
y
N de cabinas
i
f
40 10
45 20
50 40
55 15
60 10
65 5
Total 100
Observamos que la mayor frecuencia es 40 y se cumple que:
20< 40 > 15
f
2
< f
3
> f
4

i = 3 la moda se encuentra en la 3ra. clase.
Por lo tanto:
Md = 50 cibernautas
_________________________________________ 52
Fecha : Julio 2013
Versin : 3
i
1
2
3
4
5
6
Interpretacin: Al mayor nmero de cabinas acudieron 50 cibernautas durante el
mes anterior.
b.2.) La moda cuando la variable es cuantitativa continua: Para calcular la moda
cuando la variable es continua se utilizar la siguiente frmula:
Se debe cumplir la siguiente relacin:

i 1 i i 1
f f f
+
< >

Adems:
d
1
= f
i
f
i-1

d
2
= f
i
f
i+1

Ejemplo 36:
Calcular e interpretar la moda de los datos dados en la tabla N09 de la pgina 41.
Solucin:
Tabla N 14
Edad en
en aos
LI - LS
N de trabajadores
fi
[25 - 30) 40
[30 - 35) 60
[35 - 40) 100
[40 - 45) 92
[45 - 50) 8
TOTAL 300
Observamos en la tabla N 14 que la mayor frecuencia es 100 y se cumple que:
60 < 100 > 92
f
2
< f
3
> f
4
i=3, la Md. se encuentra en el 3er.
intervalo.
d
1
= f
3
f
2
= 100 60 = 40
d
2
= f
3
f
4
= 100 92 = 8
_________________________________________ 53
Fecha : Julio 2013
Versin : 3
i
1
2
3
4
5
' i determina el intervalo en donde
se encuentra la Moda.
1
(i) i
1 2
d
Md LI C
d d
= +
+
Reemplazando el subndice i=3 en la frmula y los valores correspondientes
tenemos:
1
(3) 3
1 2
d
Md LI C
d d
40
Md 35 5
48
Md 39.17 aos.
= +
+
| |
= +
|
\ .
=
Interpretacin: El mayor nmero de trabajadores tiene 39.17 aos.
No se encuentra afectada por valores extremos.
Puede usarse cuando los datos presentan clases abiertas en los extremos.
No es significativa a menos que la distribucin contenga un gran nmero de
datos y exista significativa repeticin de alguno de ellos.
Muchas veces la serie no tiene moda porque ningn valor se repite.
Cuando la serie tiene dos, tres, o ms modas, se hace difcil su interpretacin y
comparacin.
AUTOEVALUACIN 02
1. Para lanzar un nuevo producto al mercado, una empresa estudia el tiempo publicidad, en
segundos, empleados en los medios audiovisuales por otra empresa que produce un
producto similar, los datos se muestran en la siguiente tabla:
Tiempo de publicidad en
segundos
LI - LS
N de anuncios
f
i
[00 - 20) 10
[20 - 25) 30
[25 - 30) 50
[30 - 35) 40
[35 - 40) 20
Total 150
_________________________________________ 54
Fecha : Julio 2013
Versin : 3
Se pide calcular e interpretar:
a) La media.
b) La mediana.
c) La moda
2. La siguiente tabla corresponde a una muestra aleatoria de 30 pequeas empresas de la
ciudad de Chimbote segn el nmero de empleados:
N de empleados
Y
i
N de empresas
f
i
2 3
3 7
4 10
5 7
6 3
TOTAL 30
Calcular e interpretar:
a) La moda b) La mediana. c) La media aritmtica
3. Los siguientes datos corresponden al importe de las facturas en dlares por gastos
consumo en un hotel 3 estrellas de la ciudad de Chimbote de 11 turistas:
X
i:
500, 700, 600, 910, 510, 700, 700, 700, 650, 700, 800
a) Calcular el importe de las facturas por gastos de consumo del mayor nmero de turistas.
b) Calcular el importe promedio de las facturas por consumo de los turistas.
c) Calcular el importe de las facturas por gastos de consumo de la mitad de turistas.
4. Los siguientes datos corresponden a 11 clientes del de la Caja Municipal del Santa
segn sus prstamos en dlares:
X
i:
4000, 3200, 4500, 3100, 4200, 3500, 4100, 4900, 5100, 3000, 3450
Que medida de tendencia central se ajusta al conjunto de datos dato. Cul es su valor?
_________________________________________ 55
Fecha : Julio 2013
Versin : 3
CAPITULO III
MEDIDAS DE DISPERSIN Y MEDIDAS DE FORMA
3.1. MEDIDAS DE DISPERSIN
3.1.1. DEFINICIN
Las medidas de dispersin son aquellas que cuantifican el grado de concentracin o
de dispersin de los valores de la variable en torno de un valor central, generalmente
la media aritmtica. Las medidas de dispersin se utilizan para dos propsitos
bsicos:
a) Para verificar la confiabilidad de los promedios y
b) Para que sirva como base para el control de la variacin misma.
Las medidas de dispersin que se utilizan con mayor frecuencia son:
- Varianza.
- Desviacin estndar.
- Coeficiente de variacin.
3.1.2. LA VARIANZA
Es una medida que cuantifica el grado de dispersin o de variacin de los valores de
una variable cuantitativa con respecto a su media aritmtica. Si los valores tienden a
concentrarse alrededor de su media, la varianza ser pequea. Si los valores tienen
a distribuirse lejos de la media, la varianza ser grande.
La varianza calculada a partir de una muestra se denota por s
2
y referida a la
poblacin se denota por
2
o o V [x|.
La varianza se define como la media aritmtica de los cuadrados de las desviaciones
de los datos respecto a su media aritmtica. La varianza es una medida de
dispersin con unidades de medicin al cuadrado: S/.
2
, $
2
, km
2
, etc. La varianza
siempre es positiva.
a) La varianza para datos no agrupados:
Se utiliza la siguiente frmula:
- Para n > 30
_________________________________________ 56
Fecha : Julio 2013
Versin : 3
n
) x x (
s
n
1 i
2
i
2

=

=
- Para n < 30 [varianza de Cochran]
1 n
) x x (
s
n
1 i
2
i
2
=

=
Ejemplo 36:
Los siguientes datos corresponden a una muestra al azar de 8 clientes segn su
tiempo en minutos que han visitado la pgina de Internet Google:
X
i
: 2.3, 4.5, 4.2, 3.2, 4.4, 2.1, 1.6, 4.3
Calcular e interpretar la varianza:
Solucin:
a) Para hallar la varianza primero debemos hallar el tiempo promedio de visita de los
clientes:
utos min 3 . 3
8
6 . 26
8
x
x
8
1 i
i
= = =
=
A continuacin construiremos una tabla de trabajo para calcular la varianza:
Tabla N 15
i
i
x
) x x (
i

2
i
) x x (
1 2.3 -1.0 1.00
2 4.5 1.2 1.44
3 4.2 0.9 0.81
4 3.2 -0.1 0.01
5 4.4 1.1 1.21
6 2.1 -1.2 1.44
7 1.6 -1.7 2.89
8 4.3 1.0 1.00
Total 26.6 - 9.80
_________________________________________ 57
Fecha : Julio 2013
Versin : 3
Donde:
80 . 9 ) x x (
8
1 i
2
i
=
=
Reemplazando dicho valor en la formula de la varianza de Cochran ya que n=8 <
30.
8
2
i
2 2 i 1
(x x)
9.80
s 1.4min utos
8 1 7
=

= = =
Interpretacin: La variabilidad de los tiempos de visita de los clientes a la pagina

Web Google respecto de su valor central es de 1.4 minutos
2
.
b) La varianza para datos agrupados:
Se utiliza la siguiente formula:
Ejemplo 37 :
Los siguientes datos de la tabla que se da a continuacin corresponden a 240
trabajadores de una Empresa X segn su nmero de inasistencias:
Tabla N 16
N de
inasistencias
yi
N de trabajadores
fi
3 10
5 30
7 100
9 80
11 20
Total 240
Calcular e interpretar la varianza.
_________________________________________ 58
Fecha : Julio 2013
Versin : 3
m
2
i i
2 i 1
m
2
i i
2 i 1
(y y) f
s ; para n 30
n
(y y) f
s ; para n 30 (Varianza de Cochran)
n 1
=
=

= >

= s

Solucin:
a) Hallando en primer lugar el nmero promedio de inasistencias:
b) A continuacin construiremos una tabla de trabajo para calcular la
varianza:
Tabla N 17
yi fi
3 10 -4.58 20.98 209.8
5 30 - 2.58 6.66 199.8
7 100 - 0.58 0.34 34.0
9 80 1.42 2.02 161.6
11 20 3.42 11.70 234.0
Total 240 - - 839.2
Donde:
Reemplazando dicho valor en la formula de la varianza para n=240 > 30.
_________________________________________ 59
Fecha : Julio 2013
Versin : 3
5
i i
i 1
y f
1820
y 7.58 inasistencias
240 240
=

= = =
i
(y y)
2
i
(y y)
2
i i
(y y) f
2
5
i i
i 1
(y y) f 839.2
=
=
5
2
2 2 3 4 5 i i
2 1 1 2 2 3 3 4 4 5 5 i 1
5
2
i i
2
i 1
5
2
i i
2 i 1
2
(y y) f
(y y) f (y y) f (y y) f (y y) f (y y) f
s
240 240
(y y) f
20.98 10 6.66 30 0.34 100 2.02 80 11.70 20
s
240 240
(y y) f
209.8 199.8 34 161.6 234
s
240 240
(y
s
=
=
=

+ + + +
= =

+ + + +
= =

+ + + +
= =
=
5
2
i i
i 1
5
2
i i
2 2 i 1
y) f
839.2
240 240
(y y) f
s 3.5 4 inasistencias .
240
=
=

=

= = ~

Interpetracin: La variabilidad de las inasistenicas es de 4 inasistencias
2
respecto
de su valor central.
Ejemplo 38:
La siguiente tabla corresponde a 280 trabajadores de una Empresa X segn su edad en
aos:
Tabla N 18
Edad en
en aos
LI - LS
N de trabajadores
fi
[25 - 30) 40
[30 - 35) 50
[35 - 40) 100
[40 - 45) 50
[45 - 50) 40
TOTAL 280
Calcular e interpretar la varianza.
Solucin:
Hallando en primer lugar el promedio:
A continuacin construiremos una tabla de trabajo para calcular la varianza:
Tabla N 19
Li - Ls y fi
[25 - 30) 27.5 40 -10 100 4000
[30 - 35) 32.5 50 -5 25 1250
[35 - 40) 37.5 100 0 0 0
[40 - 45) 42.5 50 5 25 1250
[45 - 50) 47.5 40 10 100 4000
Total - 280 - - 10500
Donde:
_________________________________________ 60
Fecha : Julio 2013
Versin : 3
5
i i
i 1
y f
10500
y 37.5 aos
280 280
=

= = =
2
5
i i
i 1
(y y) f 10500
=
=
i
(y y)
2
i
(y y)
2
i i
(y y) f
Interpetracin: La variabilidad de las edades de los trabajadores es de 37.5 aos
2
respecto de su valor central.
3.1.3. La desviacin estndar o tpica
Se define como la raz cuadrada positiva de la varianza:
Es uno de los estadgrafos de dispersin de mayor uso, la cual se expresa en
unidades reales de la variable, es decir ya no estn elevadas al cuadrado. La
desviacin estndar, al igual que la varianza, es no negativa (s > 0), puesto que es la
raz positiva de la varianza. A mayor dispersin le corresponder una mayor
desviacin estndar.
_________________________________________ 61
Fecha : Julio 2013
Versin : 3
5
2
2 2 3 4 5 i i
2 1 1 2 2 3 3 4 4 5 5 i 1
5
2
i i
2 i 1
5
2
i i
2 i 1
5
2
i i
2 i 1
(y y) f
s
280 280
(y y) f
100 40 25 50 0 100 25 50 100 40
s
280 280
(y y) f
4000 1250 0 1250 4000
s
280 280
(y y) f
s
2
=
=
=
=

+ + + +
= =

+ + + +
= =

+ + + +
= =

=
5
2
i i
2 2 i 1
10500
80 280
(y y) f
s 37.5 aos
280
=
=

= =
ianza s var =
Ejemplo 39:
Calcular e interpretar la desviacin estndar de los datos del Ejemplo 36 de la pag.
54..
Solucin:
Interpretacin: Los tiempos de visita de los clientes se alejan en promedio de su
valor central en 1.95 puntos.
Ejemplo 40 :
Calcular e interpretar la desviacin del Ejemplo 37 de la pag. 55:
Solucin:
3.5 1.87 2 . = = ~ s inasistencias
Interpretacin: Las asistencias de los trabajadores se dispersan o se alejan en
promedio de su valor central en 2 inasistencias.
Ejemplo 41 :
Calcular e interpretar la desviacin del Ejemplo 38 de la pag. 57:
Solucin:
Interpretacin: Las edades de los trabajadores se dispersan o se alejan en
promedio de su valor central en 6.12 aos.
3.1.4. El coeficiente de variacin
Es una medida de dispersin relativa exenta de unidades y expresada en porcentaje,
se utilizan para comparar la variacin de dos distribuciones siempre que las
variables se expresen en las mismas unidades de medida y sean aproximadamente
del mismo tamao promedio. Sin embargo, a veces es necesario comparar dos
conjuntos de datos expresados en unidades diferentes (tales como soles y
_________________________________________ 62
Fecha : Julio 2013
Versin : 3
s 1.4 1.2min utos = =
37.5 6.12 . = = s aos
kilogramos). En estos casos las medidas de dispersin absoluta no son comparables
y deben utilizarse medidas de dispersin relativa.
El coeficiente de variacin de un conjunto de datos se denota por c.v. y se expresa
como:
Donde:
estndar Desviacin s =
aritmtica Media y =
- Si c.v. s 15%, los datos son homogneos, es decir tienen una baja variabilidad.
- Si c.v. > 15%, los datos son heterogneos, es decir tienen una alta variabilidad.
Ejemplo 42:
Calcular e interpretar el coeficiente de variacin de los datos del Ejemplo 36 de la
pag. 54.
Solucin:
Interpretacin: Las dispersines de los tiempos utilizados por los clientes en visitar
la pgina Google respecto de su valor central son heterogneos.
Ejemplo 43:
pag. 55:
Solucin:
_________________________________________ 63
Fecha : Julio 2013
Versin : 3
100
y
s
. v . c =
% 15 % 4 . 36 100
3 . 3
2 . 1
. v . c > = =
1.87
. . 100 24.67% 15%
7.58
c v = = >
Interpretacin: Las dispersiones de las inasistencias de los trabajadores respecto
de su valor central son heterogneos.
Ejemplo 44:
pag. 57:
Solucin:
Interpretacin: Las dispersiones de las edades de los trabajadores respecto de su
valor central son heterogneos.
Ejemplo 45:
Los siguientes datos corresponden a una muestra aleatoria de los gastos mensuales
en soles de 7 estudiantes de administracin:
X
i
: 200, 250, 250, 400, 270, 300, 420
a) Cunto es la dispersin de los gastos mensuales respecto de su valor
central?
b) Son los gastos mensuales homogneos?
Solucin:
a) Hallando en primer lugar el promedio:
7
i
i 1
x
2090
x 298.57soles.
7 7
=
= = =

varianza:
Tabla N 20
i
i
x
) x x (
i

2
i
) x x (
1 200 -98.57 9716.04
2 250 -48.57 2359.04
3 250 -48.57 2359.04
4 400 101.43 10288.04
5 270 -28.57 816.24
_________________________________________ 64
Fecha : Julio 2013
Versin : 3
6.12
. . 100 16.32% 15%
37.5
= = > c v
6 300 1.43 2.04
7 420 121.43 14745.24
Total 2090 - 40285.68
Donde:
7
2
i
i 1
(x x) 40285.68
=
=
Reemplazando dicho valor en la formula de la varianza de Cochran ya que n=7 <

30.
c) Hallando la desviacin estndar :
s 6714.28 81.94 soles. = =
d) Hallando el coeficiente de variacin:
De acuerdo a las operaciones realizadas tenemos:
entonces:
Los gastos mensuales de los estudiantes no son homogneos.
Ejemplo 46:
Los siguientes datos corresponden a una muestra aleatoria de los ahorros
mensuales en dlares de 5 clientes del Banco de Crdito del Per:
X
i
: 500, 550, 220, 340, 180
_________________________________________ 65
Fecha : Julio 2013
Versin : 3
7
2
i
2 2 i 1
(x x)
40285.68
s 6714.28 soles .
7 1 6
=

= = =
x 298.57 soles.
s 81.94 soles.
=
=
6.12
. . 100 100 16.32% 15%
37.5
= = = >
s
c v
x
El gerente del Banco piensa hacer un aumento en la tasa de inters solo si los
ahorros mensuales son regulares. Qu decisin tomar el gerente del Banco.
(Hallar coeficiente de variacin).
Solucin:
a) Hallando en primer lugar el ahorro mensual promedio:
5
i
i 1
x
1790
x 358dlares.
5 5
=
= = =

varianza:
Tabla N 21
i
i
x
) x x (
i

2
i
) x x (
1 500 142 20164
2 550 192 36864
3 220 -138 19044
4 340 - 18 324
5 180 -178 31684
Total 1790 - 108080
Donde:
5
2
i
i 1
(x x) 108080
=
=
Reemplazando dicho valor en la formula de la varianza de Cochran ya que

n=5 < 30.
c) Hallando la desviacin estndar :
s 27020 164.38 dlares. = =
De acuerdo a las operaciones realizadas tenemos:
_________________________________________ 66
Fecha : Julio 2013
Versin : 3
5
2
i
2 2
i 1
(x x)
108080
s 27020 dlares .
5 1 4
=

= = =

x 358 dlares.
s 164.38 dlares.
=
=
entonces:
Los ahorros mensuales de los clientes son heterogneos; es decir no son
regulares. Por lo tanto el gerente del banco no subir la tasa de inters. El gerente
no subir la tasa de inters ya que los ahorros mensuales no son regulares.
Ejemplo 47:
Los siguientes datos corresponden a una muestra aleatoria de los ahorros
mensuales en dlares de dos grupos de clientes del Banco Continental :
Tabla N 22
GRUPO 1 2 3 4 5 6
1 500 550 540 530 520 550
2 400 450 500 460 450 470
En que grupo los ahorros son ms estables? (Hallar coeficiente de variacin)
Solucin:
Llevando acabo todo el proceso de clculo del coeficiente de variacin para cada
uno de los grupos se obtiene los siguientes resultados:
Para el Grupo 1
a) Hallando el ahorro mensual promedio para el Grupo 1:
6
i
i 1
1
x
3190
x 531.67soles.
6 6
=
= = =
b) Hallando la varianza:
_________________________________________ 67
Fecha : Julio 2013
Versin : 3
164.38
. . 100 45.92% 15%
358
= = = >
s
c v
x
Tabla N 23
i
i
x
i
(x x)
2
i
(x x )
1 500 -31.67 1002.99
2 550 18.33 335.99
3 540 8.33 69.39
4 530 -1.67 2.79
5 520 -11.67 136.19
6 550 18.33 335.99
Total 3190 - 1883.34
Donde:
6
2
i
i 1
(x x) 1883.34
=
=

n=6 < 30.
c) Luego hallamos la desviacin estndar :
1
s 376.67 19.41 soles. = =
d) Finalmente hallamos el coeficiente de variacin:
Para el Grupo 2
a) Hallando el ahorro mensual promedio para el Grupo 2:
6
i
i 1
2
x
2730
x 455soles
6 6
=
= = =
b) Hallando la varianza:
_________________________________________ 68
Fecha : Julio 2013
Versin : 3
1
1
1
19.41
. 100 3.65% 15%
531.67
= = = <
s
c v
x
6
2
i
2 2
i 1
1
(x x)
1883.34
s 376.67 soles .
6 1 5
=

= = =

Tabla N 24
i
i
x
i
(x x)
2
i
(x x )
1 400 -55 3025
2 450 -5 25
3 500 45 2025
4 450 -5 25
5 460 5 25
6 470 15 225
Total 2730 - 5350
Donde:
6
2
i
i 1
(x x) 5350
=
=

n=6 < 30.
c) Luego hallamos la desviacin estndar :
2
s 1070 32.71 soles. = =
d) Finalmente hallamos el coeficiente de variacin:
La siguiente tabla muestra los resultados obtenidos en forma resumida:
Tabla N 25
GRUPO
x
s . v . c
1 531.67 19.41 3.65% < 15%
2 455 32.71 7.19% <15%
Haciendo las comparaciones respectivas de los coeficientes de variacin obtenidos,
se observa que en el Grupo 1 los ahorros son ms estables.

_________________________________________ 69
Fecha : Julio 2013
Versin : 3
6
2
i
2 2
i 1
2
(x x)
5350
s 1070 soles .
6 1 5
=

= = =
2
1
2
32.71
. 100 7.19% 15%
455
= = = <
s
c v
x
Ejemplo 48:
Los siguientes datos corresponden a dos muestras aleatorias de dos grupos de
trabajdores segn su sueldo mensual en soles:
Tabla N 26 - GRUPO 1
Sueldo mensual en soles
LI - LS
N de trabajadores
f
i
[550 - 650) 40
[650 - 750) 60
[750 - 850) 100
[850 - 950) 40
[950 - 1050) 20
Total 260

Tabla N 27 - GRUPO 1
Sueldo mensual en soles
LI - LS
N de trabajadores
fi
[750 - 850) 30
[850 - 950) 50
[950 - 1050) 80
[1050 - 1150) 40
[1150 - 1250) 10
TOTAL 210
Qu grupo tiene sueldos mensuales ms homogneos?
Solucin:
Para el Grupo 1
varianza:
_________________________________________ 70
Fecha : Julio 2013
Versin : 3
5
i i
i 1
1
y f
202000
y 776.92 soles
260 260
=

= = =

Tabla N 28
Li - Ls y
i
f
i
[550 - 650) 600 40 -176.92 31300.69 1252027.6
[650 - 750) 700 60 -76.92 5916.69 355001.4
[750 - 850) 800 100 23.08 532.69 53269.0
[850 - 950) 900 40 123.08 15148.69 605947.6
[950 - 1050) 1000 20 223.08 49764.69 995293.8
Total 260 - -
3261539.4
Donde:
c) Hallando la desviacin estndar:
1
s 12544.48 112.00 soles. = =
_________________________________________ 71
Fecha : Julio 2013
Versin : 3
2
5
i i
i 1
(y y) f 3261539.4
=
=
5
2
2 2 3 4 5 i i
2
1 1 2 2 3 3 4 4 5 5 i 1
1
5
2
i i
2
i 1
1
5
2
i i
2
i 1
1
(y y) f
s
260 260
(y y) f
31300.69 40 5916.69 60 53269.0 100 15148.69 40 49764.69 20
s
260 260
(y y) f
1252027.6 355
s
260
=
=
=

+ + + +
= =

+ + + +
= =

+
= =
5
2
i i
2
i 1
1
5
2
i i
2 2
i 1
1
001.4 53269.0 605947.6 995293.8
280
(y y) f
3261539.4
s
260 260
(y y) f
s 12544.38soles
260
=
=
+ + +

= =

= =
i
(y y)
2
i
(y y)
2
i i
(y y) f
Para el Grupo 2
varianza:
Tabla N 29
Li - Ls y
i
f
i
[ 750 - 850) 800
30
-176.19 31042.92 931287.60
[ 850 - 950) 900
50
- 76.19 5804.92 290246.00
[ 950 - 1050) 1000
80
23.81 566.92 45353.60
[1050 - 1150) 1100
40
123.81 15328.92 613156.80
[1150 - 1250) 1200
10
223.81 50090.92 500909.16
Total -
210
- - 2380953.16
Donde:
_________________________________________ 72
Fecha : Julio 2013
Versin : 3
1
1
1
s 112.00
c.v 100 14.42% 15%
776.92 y
= = = <
5
i i
i 1
2
y f
205000
y 976.19 soles
210 210
=

= = =
2
5
i i
i 1
(y y) f 2380953.16
=
=
i
(y y)
2
i
(y y)
2
i i
(y y) f
c) Hallando la desviacin estndar:
1
s 11337.87 106.48 soles. = =
Tabla N 30
GRUPO
x
s . v . c
1 776.92 112 14.42% < 15%
2 976.19 106.47 10.91% <15%
Haciendo las comparaciones respectivas de los coeficientes de variacin obtenidos,
se observa que en el Grupo 2 los sueldos mensuales son ms homogneos.
_________________________________________ 73
Fecha : Julio 2013
Versin : 3
5
2
2 2 3 4 5 i i
2
1 1 2 2 3 3 4 4 5 5 i 1
2
5
2
i i
2
i 1
1
5
2
i i
2
i 1
1
(y y) f
s
210 210
(y y) f
31042.92 30 5916.69 60 566.92 80 15328.92 40 50090.92 10
s
210 210
(y y) f
931287.60 29024
s
210
=
=
=

+ + + +
= =

+ + + +
= =

+
= =
5
2
i i
2
i 1
1
5
2
i i
2 2
i 1
1
6.00 45353.60 613156.80 500909.16
210
(y y) f
2380953.16
s
210 210
(y y) f
s 11337.87soles
210
=
=
+ + +

= =

= =
1
1
1
s 106.48
c.v 100 10.91% 15%
976.19 y
= = = <
3.2. MEDIDAS DE FORMA
3.2.1. DEFINICIN
Miden la forma de distribucin de los valores de la serie y se clasifican en simtricas
o asimtricas y en puntiagudas o no. Por sus caractersticas requieren que los datos
sean cuantitativos y por lo general continuos.
3.2.1. MEDIDAS DE ASIMETRIA
Son medidas que miden el grado de deformacin horizontal de una serie de datos o
de distribucin de frecuencias.
Se dice que una distribucin de frecuencias es simtrica, si los intervalos
equidistantes del intervalo central tienen iguales frecuencias. Tambin se dice que
una distribucin es simtrica si su curva de frecuencias es simtrica con respecto al
centro de los datos.
Dos distribuciones pueden tener la misma media y la misma desviacin estndar,
pero pueden diferir en el grado de asimetra.
Si la distribucin es simtrica, entonces la media, la mediana y la moda coinciden.
En contraposicin, si estos 3 promedios no coinciden la distribucin es asimtrica.
Entre las medidas de asimetra ms usuales tenemos:
- El Coeficiente de asimetra de Pearson
Se expresa como:

Si:
A
S
= 0 La serie de datos o la distribucin es simtrica. Ver fig. 1.
A
S
> 0 La serie de datos o la distribucin es asimtrica positiva
(sesgada a la derecha). Ver fig. 2.
A
S
< 0 La serie de datos o la distribucin es asimtrica negativa
(sesgada a la izquierda). Ver fig. 3.
_________________________________________ 74
Fecha : Julio 2013
Versin : 3
3(x Me)
As
s
=

NOTA:
Si As

0, entonces se dice que la distribucin es aproximadamente
simtrica o ligeramente sesgada. Ser tanto ms sesgada cuanto ms As
se aleje de cero.
Ejemplo 49:
Calcular e interpretar el coeficiente de asimetra de los datos del Ejemplo 36 de la
pgina 54.
Solucin:
Utilizando el coeficiente de asimetra de Pearson :
s
) Me x ( 3
As

=
De los datos dados se ha obtenido:
Reemplazando en la frmula obtenemos:
_________________________________________ 75
Fecha : Julio 2013
Versin : 3
x Me Md
fig.2
= =
Distribucin
Asimtrica Positiva
Distribucin
Simtrica
Distribucin
Asimtrica Negativa
x Me Md
fig.3
< <
x 3.3min utos
Me 3.7min utos
s 1.2min utos
=
=
=
Md Me x
fig. 1
< <
Interpretacin: Este valor indica que la serie de tiempos de los clientes que visitan
la pgina Google es asimtrica negativa.
Ejemplo 50:
Hallar el coeficiente de asimetra de Pearson del Ejemplo 37 de la pgina 55.
Solucin:
Interpretacin: La distribucin de trabajadores segn su nmero de inasistencias es
asimtrica positiva.
En el siguiente grfico podemos observar que que hay mayor concentracin de
datos a la derecha:
_________________________________________ 76
Fecha : Julio 2013
Versin : 3
1
2 . 1
) 7 . 3 3 . 3 ( 3
As =
=
3(7.58 7)
As 0.93
1.87
= =
y 7.58inasistencias
Me 7inasistencias
s 1.87inasistencias
=
=
=
3(y Me)
As
s
=
Ejemplo 51:
Hallar el coeficiente de asimetra de Pearson del Ejemplo 38 de la pgina 57.
Solucin:
Interpretacin: La distribucin de trabajadores segn su edad en aos es simtrica.
_________________________________________ 77
Fecha : Julio 2013
Versin : 3
3(37.5 37.5)
As 0
6.12
= =
y 37.5 aos.
Me 37.5 aos.
s 6.12 aos.
=
=
=
100
80
60
40
20
0 3 5 7 9
11
N

d
e

t
r
a
b
a
j
a
d
o
r
e
s
N de inasistencias
En el grfico se observa que en hay igual concentracin de datos a la izquierda y
derecha.
3.2.2. MEDIDAS DE CRTOSIS
La Krtosis es el grado de apuntamiento de una distribucin. La crtosis se analiza
amparando la distribucin con la forma de una curva normal o simtrica, con igual
media aritmtica y desviacin estndar de la distribucin que se estudia.
Si una distribucin tiene relativamente un elevado pico o apuntamiento, se llama
leptocrtica, mientras si es achatada se denomina platicrtica. La distribucin
normal constituye una distribucin mesocrtica, tal como se puede ver en las
siguientes figuras:
_________________________________________ 78
Fecha : Julio 2013
Versin : 3
100
8 0
60
40
20
0
y Me Md = =
N

d
e

t
r
a
b
a
j
a
d
o
r
e
s
0 25 30 35 40 45 50

37.5
Edad en aos
Leptocrtica Mesocrtica Platicrtica
El estadgrafo para analizar el apuntamiento es el coeficiente de krtosis y se
expresa como:

4
4
M
k
s
=
Donde:
4 2 2
2
m
4
i i
4 i 1
s (s )
s Varianza
(y y) f
M
n
=
=
=

=
4
M
se llama: cuarto momento respecto a la media
Si:
3 = K , la distribucin es normal o mesocrtica.
3 < K , la distribucin es platicrtica.
3 > K , la distribucin es leptocrtica.
_________________________________________ 79
Fecha : Julio 2013
Versin : 3
fig. 4 fig. 5 fig. 6
Ejemplo 52:
Calcular e interpretar el coeficiente de crtosis del Ejemplo 37 de la pag. 55.
Solucin:
a) Hallando en primer lugar el promedio de los datos dados:
b) Luego se deben hallar las marcas de clases de cada intervalo, luego elevar a la
cuarta, seguidamente multiplicar por su respectiva frecuencia y finalmente sumar los
valores hallados en la ltima columna, tal como se muestra en la siguiente tabla:
Tabla N 31
yi fi
3 10 -4.58 440.01 4400.01
5 30 - 2.58 44.31 1329.30
7 100 - 0.58 0.11 11.00
9 80 1.42 4.07 325.60
11 20 3.42 136.81 2736.20
Total **
Expresin
errnea **
- -
** Expresin
errnea **
Donde:
c) Luego hallamos los momentos de orden 4 (M
4
) :
_________________________________________ 80
Fecha : Julio 2013
Versin : 3
5
i i
i 1
y f
1820
y 7.58 inasistencias
240 240
=

= = =
i
(y y)
4
i
(y y)
4
i i
(y y) f
4
5
i i
i 1
(y y) f 8802.11
=
=
5
4
i i
4 i 1
5
4
i i
4 i 1
5
4
i i
4 i 1
5
4
i i
4 4 i 1
(y y) f
440.01 10 44.31 30 0.11 100 4.07 80 136.81 20
M
240 240
(y y) f
4400.1 1329.30 11 325.60 2736.20
M
240 240
(y y) f
8802.11
M
240 240
(y y) f
M 36.68 inasistencias
240
=
=
=
=

+ + + +
= =

+ + + +
= =

= =

= =

Adems:
Por lo tanto el coeficiente de crtosis est dado por:
4
4
M
k
s
36.68
k
12.25
k 2.99 3
=
=
= <
Interpretacin: La distribucin de trabajadores segn su nmero de inasistencias es
platicrtica.
Ejemplo 53:
Calcular e interpretar el coeficiente de crtosis del Ejemplo 38 de la pag. 57
a) Hallando en primer lugar el promedio de los datos dados:
b) Luego se deben hallar las marcas de clases de cada intervalo, luego elevar a la
cuarta, seguidamente multiplicar por su respectiva frecuencia y finalmente sumar los
valores hallados en la ltima columna, tal como se muestra en la siguiente tabla:
Tabla N 32
Li - Ls y fi
[25 - 30) 27.5 40 -10 10000 400000
[30 - 35) 32.5 50 -5 625 31250
[35 - 40) 37.5 100 0 0 0
[40 - 45) 42.5 50 5 625 31250
[45 - 50) 47.5 40 10 10000 400000
Total - 280 - - ** Expresin
errnea **
_________________________________________ 81
Fecha : Julio 2013
Versin : 3
i
(y y)
4
i
(y y)
4
i i
(y y) f
5
i i
i 1
y f
10500
y 37.5 aos
280 280
=

= = =
2 2
4 4
s 3.5 inasistencias
Entonces :
s 12.25 inasistencias
=
=
Donde:
c) Luego hallamos los momentos de orden 4 (M
4
) :
Adems:
Por lo tanto el coeficiente de crtosis est dado por:
La distribucin de trabajadores segn su edad de aos es platicrtica.
_________________________________________ 82
Fecha : Julio 2013
Versin : 3
5
4
i i
4 i 1
5
4
i i
4 i 1
5
4
i i
4 i 1
5
4
i i
4 4 i 1
(y y) f
10000 40 625 50 0 100 625 50 10000 40
M
280 280
(y y) f
400000 31250 0 31250 400000
M
280 280
(y y) f
862500
M
280 280
(y y) f
M 3080.36aos
280
=
=
=
=

+ + + +
= =

+ + + +
= =

= =

= =
2 2
4 4
s 37.5 aos
Entonces :
s 1406.25 aos
=
=
4
4
M
k
s
3080.36
k
1406.25
k 2.19 3
=
=
= <
4
5
i i
i 1
(y y) f 862500
=
=

AUTOEVALUACIN 03
1. La siguiente tabla corresponde a consumo de telfono en soles de dos locutorios
durante 7 meses:
Locutorio 1 300 250 280 27
0
320 290
Locutorio 2 500 800 400 30
0
200 700
a) Calcular la varianza para el locutorio 1.
b) Calcular la varianza para el locutorio 2.
c) Calcular la desviacin estndar para el locutorio 1.
d) Calcular la desviacin estndar para el locutorio 2.
e) Calcular el coeficiente de variacin para el locutorio 1.
f) Calcular el coeficiente de variacin para el locutorio 2.
g) En que locutorio el consumo es ms regular?
2. Los siguientes datos corresponden al ndice de precios al consumidor en % (IPC)
de la ciudad de Chimbote del ao 2005:
AO E F M A M J J A S O N D
IPC 105.3
0
105.24 105.5
9
105.3
1
105.89 105.26 105.2
8
104.93 109.0 104.75 105.2
4
105.6
4
a) Calcular la varianza e interpretar.
b) Calcular la desviacin estndar e interpretar.
c) Calcular el coeficiente de variacin e interpretar.
d) Se han mantenido estable el IPC en la ciudad de Chimbote para el ao
2005?
e) Calcular el coeficiente de asimetra e interpretar
3. Dos Empresas X e Y que pertenecen al rubro financiero ha considerado
evaluar a sus trabajadores obtenindose los siguientes resultados respecto a sus
calificaciones
Empresa X Empresa Y
Calificacin media 60 60
Desviacin estndar 20 15
Qu empresa tiene calificaciones ms estables?
_________________________________________ 83
Fecha : Julio 2013
Versin : 3
4. El gerente de una empresa analiza las ventas mensuales en dlares de sus
promotores en los ltimos 6 meses y considera que si la desviacin estndar es
menor de 747 dlares considera que sus ventas son regulares y decidir contratarlos
para los prximos 6 meses siguientes:
X
i
: 5000, 4500, 4800, 4600, 6000
Qu decisin tomara el gerente?
5. Los siguiente tabla corresponde a las ventas mensuales en dlares de 32
empresas de productos agroinustriales:
Ventas mensuales
en $
LI - LS
N de empresas
f
i
[250 - 300) 6
[300 - 350) 8
[350 - 400) 12
[400 - 450) 4
[450 - 500) 2
Total 32
a) Calcular la varianza e interpretar.
b) Calcular la desviacin estndar e interpretar.
c) Calcular el coeficiente de variacin e interpretar.
d) Calcular el coeficiente de asimetra e interpretar.
e) Calcular el coeficiente de crtosis e interpretar.
6. Las siguientes tablas corresponden a 2 hoteles tursticos categora 3 estrellas de
una misma cadena de hoteles segn su consumo mensual en soles de los turistas
hospedados:
Hotel A
Consumo mensual en
$
Li - Ls
N de turistas
f
i
[550 - 600) 10
[600 - 650) 20
[650 - 7 00) 40
[700 - 750) 20
[750 - 800) 10
Total 100
_________________________________________ 84
Fecha : Julio 2013
Versin : 3
Hotel B
Consumo mensual
en $
Li - Ls
N de turistas
f
i
[600 - 700) 5
[700 - 800) 10
[800 - 900) 15
[900 - 1000) 8
[1000 - 1100) 4
Total 42
a) Calcular la varianza para el Hotel A.
b) Calcular la varianza para el Hotel B.
c) Calcular la desviacin estndar para el Hotel A.
d) Calcular la desviacin estndar para el Hotel B.
e) Calcular el coeficiente de variacin para el Hotel A.
f) Calcular el coeficiente de variacin para el Hotel B.
Qu hotel es ms regular respecto al consumo mensual de los turistas
hospedados?
g) Cacular el coeficiente de asimetra para ambas distribuciones, adems
graficar y comentar.
h) Calcular el coeficiente de crtosis para ambs distribuciones, adems
graficar y comentar.
_________________________________________ 85
Fecha : Julio 2013
Versin : 3
CAPTULO IV
NOCIONES DE PROBABILIDAD
4.1. EXPERIMENTO
Un experimento es un proceso mediante el cual se obtiene el resultado de una
observacin. Un experimento puede ser determinstico o aleatorio.
4.1.1. Experimento determinstico: Cuando el resultado de la observacin es
determinado en forma precisa por las condiciones bajo las cuales se realiza el
experimento.
Ejemplo 54:
- Lanzar una pelota en un tanque de agua y ver si flota o se hunde.
- Soltar una piedra en el aire.
- Observar la suma de dos nmeros naturales pares.
4.1.2. Experimento aleatorio: Un experimento es aleatorio o no determinstico,
cuando los resultados de la observacin no se puede predecir con exactitud, antes
de realizar el experimento.
Ejemplo 55:
- Observar el tiempo de vida de una computadora.
- Elegir un presidente de un grupo de 50 personas.
- Lanzar un dado y ver el nmero que aparece en la cara superior.
4.2. ESPACIO MUESTRAL
Es el conjunto de resultados posibles de un experimento aleatorio.
O = {w/w es un resultado particular simple de la realizacin de un exp. aleat.}
Los resultados posibles de un experimento se llaman puntos de muestra.
Ejemplo 56:
E
1
: Lanzar un dado y el observar el nmero que aparece en la cara superior.
O
1
= {1, 2, 3, 4, 5,6}
E
2
: Observar los resultados de un partido de ftbol.
____________________________________________ 86
Fecha : Julio 2013
Versin : 3
O
2
= {gana, pierde, empata}
E
3
= Preguntar a una ciudadano en particular su edad en aos.
O
3
= {w
e
R
+
/ w18}
Los espacios muestrales se clasifican en:
a) Espacio muestral discreto: Si se tiene un nmero finito o infinito numerable de
elementos.
b) Espacio muestral continuo: Cuando sus elementos son todos los puntos de un
intervalo.
4.3. EVENTOS
Son subconjuntos de un espacio muestral (O). En particular el espacio muestral (O)
y el conjunto vaco (C) son eventos. Al espacio muestral (O) se le llama evento
seguro y al conjunto (C) se le llama evento imposible.
Los eventos se denotan por las letras maysculas del abecedario: A, B, C, etc.
4.3.1. Tipos de eventos:
a) Evento simple: Cuando contiene solamente un punto del espacio muestral.
b) Evento Compuesto: Cuando puede expresarse como la unin de dos o ms
eventos simples.
Ejemplo 57:
Sea el experimento: lanzar una moneda dos veces y observar la cara superior.
a) Liste los elementos del espacio muestral.
b) Determinar los siguientes eventos:
A
1
: Ocurre cara en el primer lanzamiento.
A
2
: Ocurre sello en el segundo lanzamiento.
A
3
: Ocurre por lo menos una cara.
A
4
: Ocurre lo mismo en ambos lanzamiento.
____________________________________________ 87
Fecha : Julio 2013
Versin : 3
Solucin: Diagrama del rbol

a) O = {(c,c), (c,s), (s,c), (s,s)}
b) A
1
= {(c,c), (c,s)}
A
2
= {(c,s); (s,s)}
A
3
= {(c,s), (s,c), (c,c)}
A
4
= {(c,c), (s,s)}
Ejemplo 58:
Dado el siguiente experimento:
E: Preguntar a dos empresas que venden por Internet su fuente principal de
ingreso de comercio electrnico.
Teniendo en cuenta que fuente principal de comercio electrnico es:
P: Publicidad C: Comisiones y V: Venta de productos/Servicios
a) Liste los elementos del espacio muestral.
b) Determine los elementos de los siguientes eventos:
A: Que en ambas empresas la fuente principal de ingreso de comercio
electrnico sea por venta productos / servicios.
B: Que solamente en la segunda empresa la fuente principal de ingreso de
comercio electrnico sea por comisiones.
C: Que en ninguna empresa la fuente principal de ingreso de comercio
electrnico sea por publicidad.
D: Que la fuente principal de ingreso de comercio electrnico sea por
publicad o comisiones.
____________________________________________ 88
Fecha : Julio 2013
Versin : 3
C
S
C
S
C
S
Solucin:
DIAGRAMA DEL ARBOL
a)
b)
____________________________________________ 89
Fecha : Julio 2013
Versin : 3
P
C
V
P
P
P
C
C
C
V
V
V
{ } PP, PC, PV, CP, CC, CV, VP, VC, VV O =
{ } B PC, VC =
{ } D PP, PC, CP, CC =
{ } C CC, CV, VC, VV =
{ } A VV =
4.4. OPERACIONES CON EVENTOS
Usando las operaciones con conjuntos podemos formar nuevos eventos. Estos
nuevos eventos sern nuevamente subconjunto del mismo espacio muestral de los
eventos dados.
a) Unin de eventos: A B
Sean A y B dos eventos cualesquiera de un espacio muestral . La unin de
eventos es el evento que ocurre si A ocurre o B ocurre o ambos ocurren.
Simblicamente:
A B = {we O/weA v w eB}
A B A B A B
b) Interseccin de eventos: A B
Sean A y B dos eventos cualesquiera de un espacio muestral , la interseccin de
estos eventos, es el evento que ocurre si A y B ocurren simultneamente.
Simblicamente:
A B = {we O / w e A . w e B}
A B
c) Complemento de un evento: A
Si A es un evento del espacio muestral O, se llama complemento del evento A, al
evento que ocurre si A no ocurre.
____________________________________________ 90
Fecha : Julio 2013
Versin : 3
O
A B

O
A B
O

A
B

O
A B

Simblicamente:
A = {we O / w e A}
d) Diferencia de Eventos: A B
Sean A y B dos eventos de un espacio muestral , se llama diferencia de los
eventos A y B, al evento formado por los elementos que son favorables a A pero que
no son favorables a B.
Simblicamente:
A B = {w e O / w e A . we B}

e) Inclusin de eventos: A c B
Dado dos eventos A y B de un espacio muestral , se dice que el evento A est
contenido B, si siempre que ocurre A ocurre B.
Simblicamente: A c B, si W e a W e B

____________________________________________ 91
Fecha : Julio 2013
Versin : 3
O
A B

O
A
C

A
A B A B =
A B c

B

A

4.5. EVENTOS MUTUAMENTE EXCLUYENTES Y EVENTOS
COLECTIVAMENTE EXHAUSTIVOS
a) Una coleccin de eventos A
1
, A
2
,..., A
k
definidos sobre un mismo espacio
muestral. Se dice que son mutuamente excluyentes, si la ocurrencia de uno de ellos
excluye la ocurrencia de los otros, es decir:
i j
A A =
C
i j ; i 1, 2, ......., k = =
b) Se dice que una coleccin de eventos A
1
, A
2
,...., A
k
, definidos sobre el mismo
espacio muestral son colectivamente exhaustivos, si la unin de ellos de ello es igual
al espacio muestral.

1 2
1
.... ; i 1, 2, ......., k
k
k i
i
A A A A
=
= = O =
4.6. PROPIEDADES DE LAS OPERACIONES CON EVENTOS
Dado los eventos A, B y C de un espacio muestral , se verifican las siguientes
propiedades bsicas de unin e interseccin de eventos.
a) Ley conmutativa.
A B = B A
A B = B A
b) Ley asociativa
(AB) C = A (BC)
(AB) C = A (BC)
c) Ley Distributiva
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)

d) Complemento del complemento
c
(A
C
) = A
____________________________________________ 92
Fecha : Julio 2013
Versin : 3
e) O A = O
C A = A
A A
C
= O
A A = A
f) O A = A
C A = C
A A
C
= C
A A = A
g) Leyes de Morgan
- A B A B =
- A B A B =
i) ( ) ( ) A A B A B =
____________________________________________ 93
Fecha : Julio 2013
Versin : 3

A B
O
A B

O

A B
A B
j) Si A c B, entonces A B = B y A B = A

4.7. PROBABILIDAD Y ENFOQUES DE PROBABILIDAD
Frecuentemente se usa el trmino probabilidad para sugerir que existe duda o
incertidumbre sobre lo que ocurri, lo que ocurre ocurrir. La experiencia humana
demuestra que existe una serie de hechos, acontecimientos, experimentos cuyos
resultados no se pueden determinar anticipadamente; sin embargo si es posible
definir, estimar o predecir el probable resultado. Podemos conocer el pasado, pero
nunca el futuro, pero existe un permanente inters por despejar las incertidumbres.
Las situaciones que implican incertidumbre varan desde simples juegos al azar,
como la ruleta, los dados, los naipes, la lotera, los tragamonedas, etc. A otros
experimentos y acontecimientos tan variados, complejos e importantes dentro de las
ciencias mdicas, ciencias sociales, la economa, las industrias, los negocios, los
seguros, las inversiones, etc. Permanente interesa predecir o estimar lo que
suceder en ciertas circunstancias. Un empresario decide comercializar un producto
si sabe que la probabilidad de aceptacin es alta. El aficionado de ftbol, puede
apostar contra su equipo favorito si sabe que la probabilidad de que gane es muy
pequea. Los inversionistas no deciden invertir en un pas polticamente y
econmicamente inestable si saben que porque la probabilidad de obtener
rendimientos futuros es baja. Es posible que ninguno de ellos sepa definir o medir la
probabilidad, pero si encontrar til la idea de estimarla intuitivamente.
El propsito de esta sesin es ilustrar las formas en las que pueden medirse la
posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la habilidad
para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la
especulacin arriesgada relacionada con el proceso de toma de decisiones.
4.7.1. PROBABILIDAD
Es la posibilidad numrica de la ocurrencia de un evento casual.
____________________________________________ 94
Fecha : Julio 2013
Versin : 3
A
B
O
4.7.2. AXIOMAS DE PROBABILIDAD
a) La probabilidad de un evento cualquiera, es siempre positiva.
( ) 0 P A >
b) La probabilidad de un evento cierto o seguro, es la probabilidad del espacio
muestral, que equivale a la unidad.
( ) 1 P O =
c) La probabilidad de la unin de una familia de eventos mutuamente excluyentes
es igual a la suma de las probabilidades de dichos eventos.
1 2 1 2
1
1
( ..... ) ( ) ( ) .... ( )
( )
k k
k
k
i i
i
i
P A A A P A P A P A
P A P A
=
=
= + +
| |
=
|
\ .

4.7.3. TEOREMAS DE LOS AXIOMAS DE PROBABILIDAD
De los axiomas de probabilidad resultan los siguientes teoremas:
a) La probabilidad de un evento toma valores entre cero y uno. Es decir:
0 ( ) 1 P A s s
b) La probabilidad de un evento nulo o imposible, es cero. Es decir:
( ) 0 P | =
c) La probabilidad del complemento de un evento est dada por:
( ) 1 ( ) P A P A =
d) Si el evento A es un subconjunto del evento B, entonces:
( ) ( ) P A P B s
4.7.4. ENFOQUES O TIPOS DE PROBABILIDAD
Existen tres enfoques para el estudio de la probabilidad.
a) Enfoque clsico
Llamada tambin probabilidad a priori debido a que es posible conocer el resultado
con anterioridad, es decir, sin llevar a cabo el experimento y slo basado en el
razonamiento lgico. Se basa en el supuesto en que cada elemento del espacio
muestral tiene la misma posibilidad de ser elegido.
____________________________________________ 95
Fecha : Julio 2013
Versin : 3
Para un evento A cualquiera, entonces:
Casos favorables de ocurrencia del evento A
( )
Total de casos posibles
( )
( )
( )
P A
n A
P A
n
=
=
O
Ejemplo 59:
Hallar la probabilidad de obtener cara en el lanzamiento de una moneda.
Solucin:
El espacio muestral ser:
} , { s c = O
Sea el evento A: obtener cara.
Luego:
( )
( )
( )
1
( ) 0.5
2
n A
P A
n
P A
=
O
= =
Ejemplo 60:
Hallar la probabilidad de obtener el nmero 2 en el lanzamiento de un dado.
Solucin:
El espacio muestral ser:
} 6 , 5 , 4 , 3 , 2 , 1 { = O
Sea el evento B: Obtener el nmero 2.
Luego:
____________________________________________ 96
Fecha : Julio 2013
Versin : 3
( )
( )
( )
1
( ) 0.17
6
n B
P B
n
P B
=
O
= =
Las probabilidades clsica, se utiliza para experimentos simples, como los
mencionados anteriormente. En la vida real se presentan situaciones ms complejas
que requieren el clculo de probabilidad desde otro enfoque.
b) Enfoque relativo
El clculo de este tipo de probabilidad se basa en la repeticin de la ocurrencia de
un evento, al realizar una gran cantidad de pruebas o experimentos.
Para un evento A cualquiera, entonces:
Nmero de veces que ocurri el evento A
( )
Nmero total de observaciones
( )
P A
f
P A
n
=
=
La probabilidad de frecuencia relativa, es llamada tambin emprica o a posteriori,
debido a que se obtiene el resultado despus de llevar a cabo el experimento.
Ejemplo 61:
En una encuesta realizada a 1500 pequeas empresas de la ciudad de Lima, sobre
el nmero de medidas de seguridad se encontr los siguientes resultados:
____________________________________________ 97
Fecha : Julio 2013
Versin : 3
TABLA N 33
N de medidas de
seguridad
i
A
N de Empresas
i
f ) (
i
A P
0 100 0.07
1 800 0.53
2 300 0.20
3 250 0.17
4 50 0.03
Total 1500 1.00
a) Cul es la probabilidad de que las pequeas empresas tengan 2 medidas de
seguridad?
P(A
2
)=0.20
El 20% de las empresas tienen 2 medidas de seguridad.
b) Cul es la probabilidad de que las pequeas empresas tengan ms de 2
medidas de seguridad?
P(A
i
> 2) = P(A
4
) + P(A
5
) = 0.17 + 0.03 = 0.20
El 20% de las pequeas empresas tienen ms de 2 medidas de seguridad.
c) Enfoque subjetivo
Es la probabilidad asignada bajo un criterio personal, basado en cualquier tipo de
evidencia disponible.
Las probabilidades subjetivas se asignan a eventos que pueden suceder solo una
vez o muy pocas veces.
Ejemplo 62:
a) La probabilidad que una mujer llegue a ser presidenta de los EE.UU.
b) La probabilidad que el hombre viva eternamente.
c) La probabilidad que quiebre la bolsa de valores de New York.
4.8. REGLAS DE PROBABILIDAD
Estudiaremos la probabilidad del producto y de la suma.
____________________________________________ 98
Fecha : Julio 2013
Versin : 3

A
B

A
B
4.8.1. PROBABILIDAD DEL PRODUCTO: P(AB)
Se utiliza para calcular la probabilidad conjunta o simultnea de dos o ms eventos.

Se toman en cuenta dos aspectos:
a) Que los eventos A y B sean dependientes,
Entonces la ocurrencia conjunta de los eventos es:
( ) ( ) ( / ) P A B P A P B A =
b) Que los eventos A y B sean independientes, se debe cumplir:

( / ) ( ) P A B P A =
Entonces la ocurrencia simultnea de los eventos independientes A y B es:

( ) ( ) ( ) P A B P A P B =

4.8.2. PROBABILIDAD DE LA SUMA: P(AB)
Se usa cuando se desea averiguar la probabilidad de ocurra al menos un evento.
Se toma en cuenta dos aspectos:
a) Que los eventos sean traslapados o unidos:
____________________________________________ 99
Fecha : Julio 2013
Versin : 3
P(A B)
P(A B) 0 =
( ) ( ) ( ) ( ) P A B P A P B P A B = +
Si A y B son independientes, entonces:
( ) ( ) ( ) ( ) ( ) P A B P A P B P A P B = +
b) Que los eventos A y B sean mutuamente excluyentes, la probabilidad de que
ocurra A B es:
( ) ( ) ( ) P A B P A P B = +
4.9. PROBABILIDAD CONDICIONAL
Es utilizada cuando se desea conocer la probabilidad de ocurrencia de un evento
condicionado a la ocurrencia previa de otro evento.
Se calcula mediante la frmula:
( )
( / ) con ( ) 0
( )
P A B
P A B P B
P B
= =
El smbolo / se lee: DADO, SI y expresa condicin.
Donde:
P(A/B) se lee: Probabilidad deque ocurra el evento A, dado que el evento B ya
ha ocurrido.
Ejemplo 63:
Se ha determinado que la probabilidad de televidentes que ven los programas A y B
son respectivamente 0.40 y 0.5. Cada televidente ve los programas independientes
uno del otro. Si se elige al azar uno de tales televidentes Qu probabilidad hay de
que vea ambos programas?
____________________________________________ 100
Fecha : Julio 2013
Versin : 3

0 ) B A ( P =
A
B
Solucin:
A: Televidentes que ven el programa A. P(A) = 0.4
B: Televidentes que ven el programa B. P(B) = 0.5
AB: Televidentes que ven el programa ambos programas.
A y B son independientes P(BA) = P(A) x P(B) = 0.2
Grficamente observamos:
La probabilidad de que los televidentes vean ambos programas es 0.2.
Ejemplo 64:
Los alumnos del II ciclo de Ingeniera de Sistemas tienen que realizar dos pruebas,
una terica y otra practica en la signatura de estadstica. La probabilidad de que un
estudiante apruebe la parte terica es de 0.6, la probabilidad de que apruebe la
prctica es de 0.8 y la probabilidad de que apruebe ambas pruebas es 0.5.
1. Cul es la probabilidad de que el alumno no apruebe ninguno de los
exmenes?
2. Cul es la probabilidad de que el alumno apruebe solamente la parte terica?
3. Cul es la probabilidad de que el alumno apruebe al menos uno de los cursos?
____________________________________________ 101
Fecha : Julio 2013
Versin : 3
P(A) 0.4 =
P(A B)
0.2
P(B) 0.5 =
Solucin:
Sean los eventos:
T : El alumno aprueba la parte terica. P(T) = 0.6
C : El alumno aprueba la parte prctica. P(C) = 0.8
T C : El alumno apruebe la parte terica y la parte prctica.
P(TC) = 0.5
a)
b)
c)
____________________________________________ 102
Fecha : Julio 2013
Versin : 3
0.10
0.30
0.5
P(B) 0.80 =
P(A B) 0.90 =
P(A) 0.60 =
P(A B) P(A) P(B) P(A B)
P(A B) 0.6 0.8 0.5
P(A B) 0.9
= +
= +
=
P(B A)
P(A B)
P(A B) 0.1 =
P(A B) P(A B) 0.1 = =
P(A B) P(A) P(A B)
P(A B) 0.10
=
=
P(A B)
Ejemplo 65:
Si P(A)= 3/5, P(B) = 3/6 y P(AB) = 1/4
Calcular:
a) ) B ( P b)
) B A ( P
c)
) B A ( P
d) ) ( A B P e)
) B / A ( P
Solucin:
a)
b)
P(A B) P(A) P(A B)
P(A B) 0.6 0.25
P(A B) 0.35
=
=
=
____________________________________________ 103
Fecha : Julio 2013
Versin : 3
0.35
0.25
0.25
P(B) 0.5 =
P(A B) 0.85 =
P(A) 0.6 =
P(B A)
P(A B)
P(A B)
P(A B) 0.15 =
P(B) 1 P(B)
P(B) 1 0.5
P(B) 0.5
=
=
=
c)
d)
e)
Ejemplo 66:
Si P(A) = 1/5 y P(B) = 1/4 y los eventos A y B son independientes, hallar:
a) b) ) B A ( P c)
) B / A ( P
d) e)
____________________________________________ 104
Fecha : Julio 2013
Versin : 3
P(A B) 0.6 0.5 0.25
P(A B) 0.85
= +
= +
=
P(B A) P(A B)
P(A B) 1 P(A B)
P(A B) 1 0.85
P(A B) 0.15
=
=
=
=
P(A B)
P(A/ B)
P(B)
0.25
P(A/ B)
0.5
P(A/ B) 0.50
=
=
=
P(A B)
) ( B A P P(B A)
Solucin:
a)
b)
c)
____________________________________________ 105
Fecha : Julio 2013
Versin : 3
0.15
0.20
0.05
P(A B) 0.45 =
P(A) 0.2 =
P(B A)
P(A B)
P(A B)
P(A B) 0.55 =
P(A B) P(A) P(B)
P(A B) 0.2 0.25
P(A B) 0.05
=
=
=
P(A B) 1 P(A B)
P(A B) 1 0.45
P(A B) 0.55
=
=
=
P(A B)
P(A/ B)
P(B)
0.05
P(A/ B)
0.25
P(A/ B) 0.20
=
=
=
P(B) 0.25 =
d)
e)
Ejemplo 67:
En la Escuela de Administracin de Empresas, 3 de 4 estudiantes saben informtica,
el 50% saben manejar Windows y el 30% saben manejar Linux.
a) Que porcentaje saben manejar los dos sistemas?
b) Que porcentaje sabe manejar solamente Windows?
c) Que porcentaje sabe manejar solamente Linux?
d) Que porcentaje no saben informtica?
Solucin:
Anlisis:
i) Se sabe que 3 de 4 estudiantes saben informatica, lo que quiere decir que:
ii) Entonces 1 de 4 estudiantes no saben informtica, lo que quiere decir:
iii) El 50% saben manejar windows, lo que quiere decir:
iii) El 30% saben manejar linux, lo que quiere decir:
____________________________________________ 106
Fecha : Julio 2013
Versin : 3
P(A B) P(A B) 1 P(A B)
P(A B) 1 0.45
P(A B) 0.55
= =
=
=
P(A B) 0.25 =
P(A) 0.5 =
P(B) 0.3 =
P(A B) 0.75 =
P(B A) P(B) P(A B)
P(B A) 0.25 0.05
P(B A) 0.20
=
=
=
iv) Cuntos manejan ambos programas?
Sabemos que:
a)
El 5% de los estudiantes saben manejar los dos sistemas.
b)
El 45% de los estudiantes saben manejar solamente windows.
c)
____________________________________________ 107
Fecha : Julio 2013
Versin : 3
P(A B) ? =
P(A B) 0.5 0.3 0.75
P(A B) 0.05
= +
= +
=
0.45
0.25
0.05
P(B) 0.3 =
P(A B) 0.75 =
P(A) 0.5 =
P(B A)
P(A B)
P(A B)
P(A B) 0.25 =
P(A B) 0.5 0.3 0.75
P(A B) 0.05
= +
= +
=
P(A B) P(A) P(A B)
P(A B) 0.5 0.05
P(A B) 0.45
=
=
=
P(B A) P(B) P(A B)
P(B A) 0.3 0.05
P(B A) 0.25
=
=
=
El 25% de los estudiantes saben manejar solamente linux.
d)
El 25% de los estudiantes no saben informtica.
Ejemplo 68:
El 40% de las empresas de una ciudad realizan su publicidad a travs de la TV. el
20% a travs de Internet y el 15% en ambos medios de comunicacin.
a) Cul es la probabilidad que una empresa realice su publicidad en al menos uno
de los medios de comunicacin?
b) Cul es la probabililidad de que una empresa haga su publicidad solamente en
la TV.?
c) Cul es la probabilidad de que una empresa no realice publicidad en ninguno de
los medios de comunicacin?
d) Son los dos eventos mutuamente excluyentes?
e) Son los dos eventos independientes estadsticamente?
f) Son los eventos colectivamente exhaustivos?
Solucin:
Sean los eventos:
A : La empresas realizan su publicidad en la TV.
P(A) = 0.4
B : La empresas realizan su publicidad por Internet.
P(B) = 0.2
A B : La empresas realizan su publicidad en ambos medios de
comunicacin.
P(AB) = 0.15
____________________________________________ 108
Fecha : Julio 2013
Versin : 3
P(A B) 0.25 =
a)
b)
c)
d) Para que los eventos sean mutuamente excluyentes se debe cumplir lo siguiente:
____________________________________________ 109
Fecha : Julio 2013
Versin : 3
0.25
0.05
0.15
P(B) 0.2 =
P(A B) 0.45 =
P(A) 0.4 =
P(B A)
P(A B)
P(A B)
P(A B) 0.55 =
P(A B) 0.4 0.2 0.15
P(A B) 0.45
= +
= +
=
P(A B) P(A) P(A B)
P(A B) 0.4 0.15
P(A B) 0.25
=
=
=
P(A B) 1 P(A B)
P(A B) 1 0.45
P(A B) 0.55
=
=
=
P(A B) 0
pero
P(A B) 0.15 0
=
= =
e) Para que los eventos sean independientes estadsticamente se debe cumplir lo
siguiente:
Por lo tanto los eventos no son independientes estadsticamente.
f) Para que los eventos sean colectivamente exhautivos:
Los eventos A y B no son colectivamente exhautivos.
Ejemplo 69:
Se sabe que la probabilidad de que una persona viaje al Per en la linea area
TACA es de 0.7 y de que viaje en la linea area STARPERU de 0.5. (Eventos
Independientes).
a) Cul es la probabilidad de que una persona viaje al Per en ambas lneas
areas.
b) Cul es la probabilidad de que una persona viaje solo en la linea area TACA.
c) Cul es la probabilidad de una persona viaje en al menos una de las lneas
areas?
Solucin:
____________________________________________ 110
Fecha : Julio 2013
Versin : 3
P(A B) P(A) P(B)
P(A B) 0.4 0.2
P(A B) 0.08
pero
P(A B) 0.15 0.08
P(A B) 0.05
=
=
=
= =
=
A B
pero
A B (A B)
por lo tan to:
A B
= O
O =
= O
Sean los eventos:
A : Las personas viajan al Per en la linea area TACA.
P(A) = 0.7
B : Las personas viajan al Per en la linea area STARPERU.
P(B) = 0.5
A B : Las personas viajan al Per en ambas lineas areas.
P(AB) = 0.35
a)
b)
c)
____________________________________________ 111
Fecha : Julio 2013
Versin : 3
0.35
0.05
0.35
P(B) 0.5 =
P(A B) 0.85 =
P(A) 0.7 =
P(B A)
P(A B)
P(A B)
P(A B) 0.15 =
P(A B) P(A) P(B)
P(A B) 0.7 0.5
P(A B) 0.35
=
=
=
P(A B) P(A) P(A B)
P(A B) 0.7 0.35
P(A B) 0.35
=
=
=
P(A B) 0.7 0.5 0.35
P(A B) 0.85
= +
= +
=
4.10. TABLAS DE PROBABILIDAD
4.10.1. DEFINICIN.- Son aquellas que se obtienen a travs de las tablas de
contingencia aplicando los criterios dados.
La siguiente Tabla N 34 de probabilidades muestra las probabilidades conjuntas y
marginales para una Tabla de Contingencia de manera general:
Tabla N 34
P(Bj)
P(Ai)
P(B1) P(B2) ...... P(BK) Total
P(A1) P(A1B1) P(A1B1) ...... P(A1BK) P(A1)
P(A2) P(A2B1) P(A2B2) ...... P(A2BK) P(A2)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
P(Ar) P(ArB1) P(ArB2) ...... P(ArBK) P(Ar)
Total P(B1) P(B2) ...... P(BK) 1
Ejemplo 70:
Se llev acabo una encuesta con respecto a la preferencia del consumidor respecto
a tres marcas competitivas de computadoras (A, B y C) y la modalidad de Speedy
para el uso del Internet en su hogar, los resultados se muestran en la siguiente tabla:
Tabla N 35
MARCA DE
COMPUTADORA
MODALIDAD SPEEDY
SPEEDY 200 SPEEDY 400 SPEEDY 600
TOTAL
A 100 200 300 600
B 300 250 400 950
C 200 300 450 950
TOTAL 600 750 1150 2500
Si se elige un consumidor al azar, calcular la probabilidad de que
a) Prefieran la modalidad Speedy 400.
b) Prefiere la computadora de marca A.
c) Prefiera computadora de marca B y la modalidad Speedy 600.
____________________________________________ 112
Fecha : Julio 2013
Versin : 3
d) Prefiera la computadora de marca C, si la modalidad Speedy 200
e) Prefieran la modalidad Speedy 200, si la computadora es de marca A.
f) Prefiera la computadora de la marca A o B.
Solucin:
Tabla N 36
MARCA DE
COMPUT.
MODALIDAD SPEEDY
P(200) P(400) P(600)
TOTAL
P(A) 100/2500=0.04 200/2500=0.08 300/2500=0.12 600/2500=0.24
P(B) 300/2500=0.24 250/2500=0.12 400/2500=0.16 950/2500=038
P(C) 200/2500=0.08 300/2500=012 450/2500=0.18 950/2500=0.38
TOTAL 600/2500=0.24 750/2500=0.30 1150/2500=0.46 1.00
a) P(400)=0.30
El 30% de los consumidores prefieren la modalidad Speedy 400.
b) P(A)=0.24
El 24% de los consumidores prefieren la computadora de la marca A.
c) P(B600)=0.16
El 16% de los consumidores prefieren la computadora de la marca B y la
modalidad Speedy 600.
d)
33 . 0
24 . 0
08 . 0
) 200 ( P
) 200 C ( P
) 200 / C ( P = =
=
El 33% de los consumidores que prefieren la modalidad Speedy 200, prefieren la
computadora la computadora de la marca C.
e)
17 . 0
24 . 0
04 . 0
) A ( P
) A 200 ( P
) A / 200 ( P = =
=
El 17% de los consumidores que prefieren la computadora de la marca A
prefieren la modalidad Speedy 200.
f)
62 . 0 38 . 0 24 . 0 ) B ( P ) A ( P ) B A ( P = + = + =
El 62% de los consumidores prefieren la computadora de la marca A o marca B.
____________________________________________ 113
Fecha : Julio 2013
Versin : 3
Ejemplo 71:
Una empresa que fabrica cmaras de video produce un modelo bsico y un modelo
de lujo. El ao pasado, 40% de las cmaras vendidas han sido del modelo bsico.
De los compradores del modelo bsico, 35% compran una garanta ampliada,
mientras que 50% de los compradores de lujo tambin lo hacen as.
Se pide:
11. Construir la tabla de probabilidad.
12. Si elige un comprador al azar, calcular la probabilidad de que:
b.1) Tenga una cmara de video de un modelo de lujo.
b.2) Tenga una cmara de video de un modelo de lujo, si tiene una garanta
ampliada.
b.3) Tenga una cmara de video de un modelo de bsico y compre una garanta
ampliada.
b.4) Compre una garanta ampliada, si la cmara de video es de modelo de lujo.
Solucin:
a) Construyendo la tabla de probabilidad:
B: El comprador compra una cmara de video de modelo bsico.
P(B)=0.40
L: El comprador compra una cmara de video de modelo de lujo.
P(L)=0.60
A: El comprador compra una garanta ampliada.
: A El comprador no compra una garanta ampliada.
Adems
i)

____________________________________________ 114
Fecha : Julio 2013
Versin : 3
P(A/ B) 0.35
P(A B)
P(A/ B)
P(B)
Entonces :
P(A B) P(B) P(A/ B)
P(A B) 0.40 0.35
P(A B) 0.14
=
=
=
=
=
ii)
A travs de las operaciones realizadas se obtiene la siguiente tabla de probabildad:
Tabla N 37
Garanta
Modelo
P(B) P(L)
Total
P(A) 0.14 0.30 0.44
P( A ) 0.26 0.30 0.56
Total 0.40 0.60 1.00
b) Hallando las probabilidades de los eventos dados:
b.1.)
El 60% de los compradores tienen una cmara de lujo.
b.2.)
____________________________________________ 115
Fecha : Julio 2013
Versin : 3
P(A/ L) 0.50
P(A L)
P(A/ L)
P(L)
Entonces :
P(A L) P(L) P(A/ L)
P(A L) 0.60 0.50
P(A L) 0.30
=
=
=
=
=
P(L) 0.60 =
P(L A)
P(L/ A)
P(A)
0.30
P(L/ A) 0.68
0.44
=
= =
El 68% de los compradores que compran una garanta ampliada tiene una
cmara de video de lujo.
b.3.)
El 30% de los compradores compran una garanta ampliada y tienen una cmara
de video de lujo.
b.4.)
El 50% de los compradores que tienen una cmara de video de lujo, han
comprado una garanta ampliada.
Ejemplo 72:
La siguiente tabla corresponde a 1000 turistas peruanos segn la forma de pago
que acostumbran en sus viajes de vacaciones y el tipo de ciudad que eligieron para
pasar sus vacaciones:
Tabla N 38
Forma de Pago Ciudad
Cuzco Huaraz
Total
Efectivo 200 150 350
Tarjeta crdito 300 200 500
Cheques de viajero 100 50 150
Total 600 400 1000
a) Construya la tabla de probabilidad.
b) Si se elige un turista al azar calcular la probabilidad de que :
b.1) Pague en efectivo y elija la ciudad del Cuzco para viajar.
b.2) Elija viajar al Cuzco.
b.3) Pague con tarjeta de crdito.
b.4) Pague con tarjeta de crdito, si elige viajar a Huaraz.
b.5) No viaje al Cuzco, ni pague en efectivo.
____________________________________________ 116
Fecha : Julio 2013
Versin : 3
P(L A) 0.30 =
P(A L)
P(A/ L)
P(L)
0.30
P(A/ L) 0.50
0.60
=
= =
Solucin:
Tabla N 39
Forma de Pago Ciudad
P(B
1
) P(B
2
)
Total
P(A
1
) 0.20 0.15 0.35
P(A
2
) 0.30 0.20 0.50
P(A
3
) 0.10 0.05 0.15
Total 0.60 0.40 1.00
b)
b.1)
El 20% de los turistas pagan en efectivo y eligen la ciudad del Cuzco para viajar.
b.2)
El 60% de los turistas eligen la ciudad del Cuzco para viajar.
b.3)
El 50% de los turistas pagan con tarjeta de crdito.
b.4)
El 50% de los turistas que eligen viajar a Huaraz, pagan con tarjeta de crdito.
____________________________________________ 117
Fecha : Julio 2013
Versin : 3
1 1
P(A B ) 0.20 =
1
P(B ) 0.60 =
2
P(A ) 0.50 =
2 2
2 2
2
2 2
2 2
P(A B )
P(A / B )
P(B )
0.20
P(A / B )
0.40
P(A / B ) 0.50
=
=
=
b.5)
El 25% de los turistas no viajan al Cuzco, ni pagan en efectivo.
Ejemplo 73:
El 35% de los crditos de un banco es para vivienda, el 50% para industrias y el
15% para consumo diverso. Resultan fallidos el 20% de los crditos para vivienda,
el 15% de los crditos para industrias y el 70% para crditos para consumo.
a) Construir la tabla de probabilidad.
b) Si se elige un crdito al azar, calcular la probabilidad de que:
b.1) resulte exitoso y sea para vivienda.
b.2) resulte exitoso, si es para industria.
b.3) resultoso exitoso.
b.4) sea para vivienda o industria
Solucin:
Determinado los eventos:
V: Los crdito son para vivienda. P(V) = 0.50
I: Los crditos son para industria. P(I) = 0.35
C: Los crditos son para consumo diverso. P(C) = 0.15
E: Los crditos son xitosos. P(E) = ?
F : Los crditos son fallidos. P(F) = ?
Adems:
____________________________________________ 118
Fecha : Julio 2013
Versin : 3
1 1
2 2 3 2
1 1
1 1
P(B A ) P(A B ) P(A B )
P(B A ) 0.20 0.05
P(B A ) 0.25
= +
= +
=
i) Resultan fallidos el 20% de los crditos para vivienda:
ii) Resultan fallidos el 15% de los crditos para industria:
iii) Resultan fallidos el 70% de los crditos para consumo diverso:
____________________________________________ 119
Fecha : Julio 2013
Versin : 3
P(F/ V) 0.2
Entonces :
P(F V)
P(F/ V)
P(V)
P(F V)
0.2
0.35
P(F V) 0.07
=
=
=
P(F/ I) 0.15
Entonces :
P(F I)
P(F/ I)
P(I)
P(F I)
0.15
0.5
P(F I) 0.075
=
=
=
Tabla N 39
Resultado de
crdito
Tipo de crdito
P(V) P(I) P(C)
Total
P(EV)=0.28 P(EI)=0.425 P(EC)=0.045 0.75
P(FV)=0.07 P(FI)=0.075 P(FC)=0.105 0.25
Total 0.35 0.50 0.15 1.00
b)
b.1)
b.2)
b.3)
____________________________________________ 120
Fecha : Julio 2013
Versin : 3
P(E)
P(F)
P(E V) 0.28 =
P(E V)
P(E/ V)
P(V)
0.28
P(E/ V)
0.35
P(E/ V) 0.8
=
=
=
P(E) 0.75 =
P(F/ C) 0.7
Entonces :
P(F C)
P(F/ C)
P(C)
P(F C)
0.7
0.15
P(F V) 0.105
=
=
=
b.4)
AUTOEVALUACIN 04
1. Si P(A)= 0.3, P(B) = 074 ; Sabiendo que A y B son independientes.
Calcular:
a)
P( A B )
b) P( A B ) c) P( B ) d)
P( B / A)
2. La clase de estadstica tiene 35 estudiantes. 20 cursan la clase de matemticas, 18 cur-
san la clase de economa y 10 cursan ambas materias. Encuentre la probabilidad de que, al
seleccionar un estudiante al azar, el estudiante:
a) Curse economa o matemticas.
b) Ni curse matemticas ni curse economa.
c) Curse economa pero no matemticas.
d) Curse economa o matemticas pero no ambas.
3. Hay 1000 trabajadores en la empresa Kiddie Carts International, de esos 770 son de pro-
duccin, 20 son supervisores, 100 son secretarias y el resto son administrativos Suponga
que se selecciona un trabajador de ese grupo, calcular la probabilidad de:
a) Sea de produccin.
b) No sea secretaria.
c) Sea secretaria o administrativo.
d) No sea de produccin, ni supervisor.
4. Una bolsa tiene 20 fichas numeradas del 1 al 20. Si se saca una al azar Cul es la pro-
babilidad de que la ficha extrada tenga un nmero que sea mltiplo de 4.
5. Se realiz una encuesta a 1200 personas segn sexo en la ciudad de Chimbote para
conocer el uso del vehculo a favor de mejorar el medio ambiente
USO DE
VEHICULO
SEXO Total
MASCULINO FEMENINO
Renunciar 200 100 300
Reducir 300 400 700
No hara caso 150 50 200
Total 650 550 1200
____________________________________________ 121
Fecha : Julio 2013
Versin : 3
P(V I) P(V) P(I)
P(V I) 0.35 0.50
P(V I) 0.85
= +
= =
=
Se pide:
b) Si se elige una persona al azar calcular la probabilidad de que :
b.1) Sea de sexo femenino y reducir el uso del vehculo.
b.2) Renuncie al uso del vehculo, si es de sexo femenino.
b.3) Que no haga caso al uso del vehculo.
b.4) Que no renuncien al uso del vehculo, ni sean de sexo femenino.
6) El 20% de los empleados de una empresa son ingenieros y el otro 20% son economistas.
El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin,
mientras los que no son ingenieros ni economistas solamente el 20% ocupan un puesto
directivo. Se pide:
b) Si se elige un empleado al azar calcular la probabilidad de que:
b.1) No sea directivo.
b.2) No sea economista, ni directivo.
b.3) Sea directivo, si es ingeniero.
b.4) que no sea ingeniero.
7. Determine el enfoque de probabilidad en los siguientes enunciados:
a) La probabilidad de obtener un nmero par en 10 fichas numeradas del 1 al 10 es 0.5.
b) La probabilidad de que ocurrencia de femicidio en nuestro pas va en aumento.
5. REFERENCIAS BIBLIOGRFICAS
Barreto, C.R, (2007). Estadstica Bsica Aplicaciones (2da. Ed.), Edit. SUA
Uladech. Chimbote Per.
Crdova, M. (2002). Estadstica Inferencial (4ta. Ed.). Edit. Moshera. Lima Per.
Behar, R. (2006). 55 respuestas a dudas tpicas de estadstica. Obtenido de
http://site.ebrary.com/lib/bibliocauladechsp/docDetail.action?
docID=10135772&p00=estadistica
De la Puente, V. (2009). Estadstica descriptiva e inferencial y una introduccin al
mtodo cientfico. Obtenido de
http://site.ebrary.com/lib/bibliocauladechsp/docDetail.action?
docID=10378624&p00=estadistica.
Ruiz, D. (s.f). Manual de Estadstica. Recuperado de
http://www.eumed.net/cursecon/libreria/drm/ped-drm-est.htm.
____________________________________________ 122
Fecha : Julio 2013
Versin : 3

Libro Estad 2013

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Libro Estad 2013

Încărcat de

Drepturi de autor:

Formate disponibile

ASIGNATURA ESTADSTICA

DOCENTE TITULAR: MG. CARMEN BARRETO R.

Las frecuencias relativas acumuladas se obtienen sumando en forma

Los cuales presentamos a continuacin:

x 887 soles mensuales. =

Interpretacin: Los trabajadores tienen en promedio 36.97 aos.

La mediana est dado por:

: Frecuencia acumulada inmediata anterior al intervalo en donde se

Interpretacin: La variabilidad de los tiempos de visita de los clientes a la pagina

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

b) A continuacin construiremos una tabla de trabajo para calcular la

Reemplazando dicho valor en la formula de la varianza de Cochran ya que n=7 <

b) A continuacin construiremos una tabla de trabajo para calcular la

Reemplazando dicho valor en la formula de la varianza de Cochran ya que

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Reemplazando dicho valor en la formula de la varianza de Cochran ya que

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Reemplazando dicho valor en la formula de la varianza de Cochran ya que

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

Universidad Catlica Los ngeles de Chimbote CURSO ESTADSTICA

b) La probabilidad de que ocurrencia de femicidio en nuestro pas va en aumento.

S-ar putea să vă placă și