Documente Academic
Documente Profesional
Documente Cultură
1
4
1
f (1)
2
1
f ( 2)
4
f (0)
TABLA DE PROBABILIDAD
x
P(X = x)
1
4
1
2
1
4
1 1 1
1
4 2 4
Es decir:
f ( x) 1
x
E ( X ) xf ( x)
x
Var ( X ) E[( X ) 2 ] ( x ) 2 f ( x)
x
DESVIACION ESTANDAR DE X ()
=
Var ( X )
2
2
2
Var(X) = 2 = E(X2) - x f ( x)
x
Ejemplo:
Una urna contiene diez canicas numeradas. Cinco canicas muestran un 1, dos muestran
un 2 y tres muestran un 3. Una canica es sacada al azar. Si X es el nmero que muestra,
determine , Var(X) y
5
10
2
f (2) P ( X 2)
10
3
f (3) P ( X 3)
10
f (1) P ( X 1)
5
4
9
9
5
2
3
xf ( x) 1 f (1) 2 f (2) 3 f (3) (1)
( 2)
(3)
10 10 10 5
10
10
10
x
2
9
9
Var ( X ) ( x ) 2 f ( x ) 1 f (1) 2
5
5
x
19
16 5 1 2 36 3
25
25 10 25 10 25 10
19
25
f ( 2) 3
5
f (3)
19
5
Ejercicios:
En los problemas 1-2 est dada la distribucin de la variable aleatoria X. Determine ,
Var(X) y
1. f(0) = 0,1; f(1) = 0,4; f(2) = 0,2; f(3) = 0,3
R. = 1,7; Var(X) = 1,01; = 1
2. f(4) = 0,4; f(5) = 0,6
3. La variable aleatoria X tiene la siguiente distribucin:
x
P(X = x)
2
4
0,5
0,4
A. Encuentre P(X = 2)
B. Encuentre
C. Encuentre 2
R. A. 0,1. B. 5. C. 3
4. La variable aleatoria X tiene la distribucin siguiente
4
P(X = x)
2n
0,4
3 2 3
, = , = 0,87
2
4
6. De un grupo de dos mujeres y tres hombres, son seleccionadas al azar dos personas
para formar un comit. Sea X el nmero de mujeres en el comit.
R. E(X) =
4 2
9
3
, =
, =
5
25
5
7. Una urna contiene tres canicas rojas y dos blancas. Se sacan al azar dos canicas en
sucesin sin reemplazo. Sea X = al nmero de canicas rojas sacadas. Encuentre la
distribucin f de X.
R. f(0) =
1
3
3
, f(1) = , f(2) =
10
5
10
8. Una organizacin benfica est realizando una rifa con un solo premio de $ 8.500.
Cada boleto de la rifa cuesta $ 1 y han sido vendidos 10.000 boletos.
A. Encuentre la ganancia esperada para el comprador de un solo boleto.
B. Encuentre la ganancia esperada para el comprador de dos boletos.
R. A. -0,15. B. -0,30
9. Considere el siguiente juego. Lance tres monedas legales. Si aparecen tres caras o
tres sellos, alguien le paga $ 10. Si slo aparecen una o dos caras, usted debe pagar $6.
Cul es la ganancia o prdida esperada por juego?
10. Un paisajista gana $ 200 diarios cuando trabaja y pierde $ 30 por da cuando no
trabaja. Si la probabilidad de trabajo en cualquier da es de
4
, encuentre los ingresos
7
np
=
npq
Ejemplos:
6
1
. Encontrar la
3
distribucin para X
q 1
1
2
3
3
0
1 2
P ( X 0) 4 C 0 p q 4 C 0
3 3
0
1 2
3 3
P ( X 1) 4 C1 p1q 3 4 C1
32
81
1 2
3 3
P ( X 2) 4 C 2 p 2 q 2 4 C 2
1 2
3 3
P ( X 3) 4 C3 p 3q1 4 C3
1 2
3 3
16
81
8
81
P ( X 4) 4 C 4 p 4 q 0 4 C 4
8
27
1
81
1
1
, q=
2
2
P(X 2) = 1 P(X 2)
0
1 1
2 2
1 1
2 2
+ 8 C1
1
1
9
256 32 256
P(X 2) = 1 -
9
247
256 256
LA DISTRIBUCION DE POISSON
La distribucin de Poisson se usa para determinar la probabilidad de la ocurrencia de un
nmero determinado de eventos cuando stos ocurren en un continuo de espacio o
tiempo. Con frecuencia se utiliza para describir el nmero de llegadas de clientes por
hora, el nmero de accidentes industriales cada mes, el nmero de mquinas que se
daan y esperan ser reparadas.
7
xe
x!
donde:
x = nmero de veces que ocurre el evento
x e 53 e 5
0,1404
x!
3!
2. Una compaa de pavimentacin local obtuvo un contrato con el Alcalde municipal para
hacer mantenimiento a las vas de su ciudad. Las vas recientemente pavimentadas por
esta compaa demostraron un promedio de dos defectos por milla, despus de haber
sido utilizadas durante un ao. Si el municipio sigue con esta compaa de pavimentacin,
cul es la probabilidad de que se presenten 3 defectos en cualquier milla de va despus
de haber tenido trfico durante un ao?
P( x)
xe
23 e 2
0,1804
x!
3!
Ejercicios:
En los problemas 1-3 determine la distribucin f para la variable aleatoria binomial X si el
nmero de ensayos es n y la probabilidad de xito en cualquier ensayo es p. Tambin
encuentre y
1. n = 2, p =
R. f(0) =
1
4
9
3
1
1
, f(1) = , f(2) =
, = , = 6
16
8
16
2
4
2. n = 3, p =
1
2
8
3. n = 3, p =
R. f(0) =
2
3
1
2
4
8
, f(1) = , f(2) =
, f(3) =
, = 2, = 6
27
9
9
27
3
R.
96
625
6. P(X 2), n = 5, p =
R.
4
5
1
2
3
16
7. P(X 2), n = 6, p =
2
3
45
1024
9. Una urna contiene cuatro canicas rojas y seis verdes, y son sacadas al azar cuatro
canicas en sucesin con reemplazo. Determine la probabilidad de que exactamente una
canica sea verde
R.
96
625
R. 0,002
11. Una moneda cargada es lanzada tres veces en sucesin. La probabilidad de que
salga cara en cualquier lanzamiento es de
1
. Encuentre la probabilidad de que
4
9
5
. B.
64
32
1
son
3
defectuosos. Si se selecciona al azar una muestra de cuatro, encuentre la probabilidad de
que no ms de uno sea defectuoso
12. En la produccin de un lote grande de dispositivos electrnicos, se cree que
R.
16
27
R.
1
)
2
13
16
15. Suponga que X es una variable aleatoria distribuida binomialmente tal que = 2 y
2 =
R.
3
. Encuentre P(X = 1)
2
2187
8192
LA DISTRIBUCION NORMAL
Los datos de mediciones hechas en la prctica, como la altura de las personas en una
poblacin son a menudo representados por una variable aleatoria cuya funcin de
densidad puede aproximarse por la curva en forma de campana
10
2
1
e (1 / 2 )[( x ) / ] , - x ,
2
P( - 2 X + 2) = 0,95
P( - 3 X + 3) = 0,997
Ejemplo:
Sea X una variable aleatoria cuyos valores son las calificaciones obtenidas en una prueba
aplicada a estudiantes de bachillerato. Supongamos que, para fines de establecer un
modelo, X est distribuida normalmente con una media de 600 y una desviacin estndar
de 90. La probabilidad de que X se encuentre dentro de 2 = 2(90) = 180 puntos
alrededor de 600 es 0,95. En otras palabras, el 95% de las calificaciones se encuentran
entre 420 y 780. Similarmente, el 99,7% de las calificaciones estn dentro de 3 = 3(90) =
270 puntos alrededor de 600, esto es, entre 330 y 870.
Si Z es una variable aleatoria distribuida normalmente con = 0 y = 1, obtenemos la
curva normal, llamada curva normal estndar
12
13
2. P(0,5 z 2)
P(0,5 z 2) = A(2) A(0,5) = 0,4772 0,1915 = 0,2857 = 28,57%
14
3. P(Z 2)
P(Z 2) = 0,5 + A(2) = 0,5 + 0,4772 = 0,9772 = 97,72%
15
4. P(-2 Z -0,5)
P(-2 Z -0,5) = P(0,5 Z 2) = A(2) A(0,5) = 0,2857 = 28,57%
16
Ejemplos:
1. Suponga que X est distribuida normalmente con = 4 y = 2. Encontrar P(0 X 6)
z1
x1 0 4
17
z2
x2 6 4
2. Suponer que los salarios semanales de 5.000 empleados en una empresa estn
distribuidos normalmente con una media de $ 450 y desviacin estndar de $ 40.
Cuntos empleados ganan menos de $ 400 semanalmente?
400 450
P(X < 400) = P(Z < -1,25) = P(z > 1,25) = 0,5 A(1,25) = 0,5 0,3944 = 0,1056 = 10,56%
Esto significa que el 10,56% de los empleados tienen salarios menores a $ 400, lo cual
corresponde a (0,1056)(5.000) = 528 empleados
18
Ejercicios:
1. Si Z es una variable aleatoria normal estndar, encuentre cada una de las siguientes
probabilidades:
A. P(0 Z 1,8)
B. P(0,45 Z 2,81)
C. P(Z -1,22)
D. P(Z 2,93)
E. P(-2,61 Z 1,4)
F. P(Z 0,07)
R. A. 0,4641. B. 0,3239. C. 0,8888. D. 0,9983. E. 0,9147. F. 0,4721
19
En los problemas 2-4 encuentre zo tal que el enunciado dado sea verdadero. Suponga
que Z es una variable aleatoria normal estndar
2. P(Z zo) = 0,5517
R. 0,13
3. P(Z zo) = 0,8599
R. -1,08
4. P(-zo Z zo) = 0,2662
R. 0,34
5. Si X est distribuida normalmente con = 16 y = 4, encuentre cada una de las
siguientes probabilidades:
A. P(x 22)
B. P(X 10)
C. P(10,8 X 12,4)
R. A. 0,9332. B. 0,0668. C. 0,0873
6. Si X est distribuida normalmente con = -3 y = 2, encuentre P(X -2)
R. 0,3085
7. Si X est distribuida normalmente con = 25 y 2 = 9, encuentre P(19 X 28)
R. 0,8185
8. Si X est distribuida normalmente tal que = 40 y P(X 54) = 0,0401, encuentre
R. 8
9. Las calificaciones de un examen a nivel nacional estn distribuidas normalmente con
una media de 500 y desviacin estndar de 100. Qu porcentaje de los que presentaron
el examen tuvieron una calificacin mayor a 630?
R. 9,68%
10. El coeficiente de inteligencia (IQ) en una gran poblacin de nios est distribuido
normalmente con una media de 100,4 y desviacin estndar de 11,6. Qu porcentaje de
los nios tiene un IQ mayor que 125?
R. 1,7%
LA APROXIMACION NORMAL A LA DISTRIBUCION BINOMIAL
20
npq
(100)(0,3)(0,7)
21 4,58
39,5 30
2,07
4,58
40,5 30
z 2
2,29
4,58
z1
P(X = 40) = P(2,07 Z 2,29) = A(2,29) A(2,07) = 0,4890 0,4808 = 0,0082 = 0,82%
21
npq
(500)(0,08)(0,92)
36,8 6,07
50,5 40
1,73
6,07
P(X 51) = P(Z 1,73) = 0,5 A(1,73) = 0,5 0,4582 = 0,0418 = 4,18%
22
Ejercicios:
En los problemas 1-4 X es una variable aleatoria binomial con los valores dados de n y p.
Calcule las probabilidades indicadas usando la aproximacin normal
1. n = 150, p = 0,4; P(X 52), P(X 74)
R. 0,1056; 0,0122
2. n = 50, p = 0,3; P(X = 18), P(X 18)
3. n = 200, p = 0,6; P(X = 125), P(110 X 135)
R. 0,0430; 0,9232
4. n = 25, p = 0,25; P(X 5)
5. Suponga que un dado se lanza 300 veces. Cul es la probabilidad de que el 5 caiga
entre 45 y 60 veces inclusive?
23
R. 0,7507
6. Un servicio de entregas tiene una flotilla de 60 camiones. En cualquier momento, la
probabilidad de que un camin quede fuera de uso por descompostura o mantenimiento
es de 0,1. Cul es la probabilidad de que 7 o ms camiones estn fuera de servicio en
cualquier momento?
R. 0,4129
7. En una fbrica se toma una muestra de 100 objetos de la lnea de ensamblado. Para
cada objeto de la muestra, la probabilidad de que est defectuoso es de 0,06. Cul es la
probabilidad de que haya 3 o ms objetos defectuosos en la muestra?
8. En un examen tipo verdadero o falso con 20 preguntas, cul es la probabilidad de
acertar adivinando por lo menos a 12 preguntas? Si son 100 las preguntas, cul es la
probabilidad de acertar adivinando por lo menos a 60?
R. 0,2514; 0,0287
MUESTRA
Una muestra es un subconjunto de la poblacin que ha sido seleccionada con una tcnica
estadstica llamada diseo de muestreo para garantizar que la muestra sea representativa
de la poblacin, es decir, que las unidades sean seleccionadas aleatoriamente, de tal
forma que cada una de ellas tenga la misma probabilidad de ser seleccionada
MUESTREO
Es una tcnica estadstica mediante la cual se seleccionan aquellos elementos de la
poblacin que conforman la muestra y se registran sus caractersticas
METODOLOGIA PARA HACER MUESTREO
Para realizar un muestreo se debe llevar a cabo un proceso que va desde la planeacin y
termina con la inferencia de los resultados. En dicho proceso metodolgico se debe tener
en cuenta las siguientes caractersticas:
Tamao de la poblacin: finita (cuando se conoce el nmero de individuos que la
componen) o infinita (cuando no se conoce su nmero)
Objetivos de la investigacin
Preguntas a realizar
Tipos de muestreo
Forma de recolectar la informacin
Recurso humano
24
Recursos econmicos
Recursos fsicos
Recursos tecnolgicos
Cronograma
TIPOS DE MUESTREO
Segn la forma como se seleccione los elementos a encuestar, el muestreo se puede
clasificar en:
1. MUESTREO NO PROBABILISTICO
2. MUESTREO PROBABILISTICO O ALEATORIO:
-Muestreo aleatorio simple
-Muestreo aleatorio sistemtico
-Muestreo aleatorio estratificado
-Muestreo aleatorio por conglomerados
En el mtodo de muestreo no probabilstico, se seleccionan a los sujetos siguiendo
determinados criterios personales procurando que la muestra sea representativa.
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio del
azar, es decir, todos los elementos tienen la misma probabilidad de ser elegidos para
formar parte de una muestra. Los mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por lo tanto, los ms recomendados.
En el Muestreo Aleatorio Simple se asigna un nmero a cada elemento de la poblacin y a
travs de algn medio mecnico (papeletas, nmeros aleatorios generados por la
calculadora o el excel, etc.) se eligen tantos sujetos como sea necesario para completar
el tamao de muestra requerido.
En el Muestreo Aleatorio Sistemtico todos los elementos de la poblacin, deben estar
ordenados en una lista en la cual se toman grupos para seleccionar los elementos al azar
haciendo desplazamientos sistemticos. La manera de la seleccin depende del nmero
de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de
elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El
cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la
poblacin va a ser seleccionado. El primer elemento de la muestra es seleccionado al
azar.
En el Muestreo Aleatorio Estratificado se divide la poblacin en grupos homogneos al
interior, de donde se extraen al azar de cada grupo un cierto nmero de elementos. Lo
25
que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de
inters estarn representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarn parte de la muestra. El
nmero de elementos seleccionado de cada estrato puede ser proporcional o
desproporcional al tamao del estrato en relacin con la poblacin.
En el Muestreo Aleatorio por Conglomerados el universo se divide en grupos que son muy
heterogneos al interior y homogneos al exterior. Una muestra de conglomerados
produce un mayor error muestral que una muestra aleatoria simple del mismo tamao
DETERMINACION DEL TAMAO DE LA MUESTRA
Uno de los principales problemas que se deben resolver al efectuar una encuesta por
muestreo es la determinacin del tamao de la muestra. Dado que el muestreo es costoso
y requiere de tiempo, el objetivo al seleccionar una muestra es obtener una cantidad
especfica de informacin a un costo mnimo.
Cuando los elementos de la poblacin presentan caractersticas similares, una muestra
pequea produce la misma cantidad de informacin que una muestra grande. Por otro
lado, si la poblacin presenta caractersticas muy diferentes entre s, una muestra
pequea puede ser un reflejo muy deficiente de las caractersticas de la poblacin.
Los objetivos de la seleccin del diseo de muestreo y de la seleccin del tamao de la
muestra son los mismos, obtener una cantidad de informacin al mnimo costo. Las
decisiones sobre el diseo de la muestra se toman de acuerdo con la forma en que los
elementos se agrupan en la poblacin y de acuerdo con el costo de la obtencin de la
informacin contenida en esos elementos.
El tamao adecuado de una muestra depende de tres factores:
1. El tamao de la poblacin o universo
2. El nivel de confianza que asignemos. El nivel de confianza indica la probabilidad de
que los resultados de nuestra investigacin sean ciertos: un 95% de confianza es lo
mismo que decir que nos podemos equivocar con una probabilidad del 5%.
Los que llevan a cabo el estudio eligen el nivel de confianza. Los niveles de confianza de
95% y 99% son los ms comunes. El nivel de confianza de 95% corresponde al valor z de
1,96, y el nivel de confianza de 99%, a un valor z de 2,58. Mientras ms alto sea el nivel
de confianza elegido, mayor ser el tamao de la muestra correspondiente.
3. El error muestral deseado. El error muestral es la diferencia que puede haber entre el
resultado que obtenemos preguntando a una muestra de la poblacin y el que
obtendramos si preguntramos al total de ella. El margen de error promedio en un
estudio de investigacin es de +/- 5%. El mximo normalmente aceptado es de 10%.
Ejemplos:
26
1. Si los resultados de una encuesta dicen que 100 personas compraran un producto y
tenemos un error muestral del 5%, comprarn entre 95 y 105 personas
2. Si los resultados de una encuesta electoral indicaran que un partido iba a obtener el
55% de los votos y el error estimado fuera del 3%, se estima que el porcentaje real de
votos estar en el intervalo 52-58%
TAMAO DE LA MUESTRA
z 2 pqN
n= 2
e ( N 1) z 2 pq
donde:
n: es el tamao de la muestra
z: es el valor normal estndar correspondiente al nivel de confianza deseado
e: es el error mximo admisible
p: es la proporcin de individuos que poseen en la poblacin la caracterstica de estudio.
Este dato es generalmente desconocido y se suele suponer que p = q = 0,5 que es la
opcin ms segura
q: es la proporcin de individuos que no poseen esa caracterstica, es decir, q = 1 - p
Ejemplos:
1. Si se requiere realizar una encuesta de satisfaccin a clientes de un determinado
modelo de auto del que hemos vendido 10.000 unidades, en la que queremos un nivel de
confianza del 95%, deseamos un error muestral del 5% y consideramos que estarn
satisfechos el 50%. Determinar el tamao de la muestra
n=
(1,96) 2 (0,5)(0,5)(10.000)
369,98 370
(0,05) 2 (9.999) (1,96) 2 (0,5)(0;5)
(1,96) 2 (0,2)(0,8)(40.000.000)
245,86 246
(0,05) 2 (39.999.999) (1,96) 2 (0,2)(0,8)
Nmero de llamadas de
ventas
Nmero de copiadoras
vendidas
20
30
28
Jeff Hall
40
60
Brian Virost
20
40
Greg Fish
30
60
Susan Welch
10
30
Carlos Ramrez
10
40
Rich Niles
20
40
Mike Kiel
20
50
Mark Reynolds
20
30
Soni Jones
30
70
Total
220
450
Al revisar los datos, la seora Bancer sospecha que hay una relacin entre el nmero de
llamadas de ventas hechas en un mes y el nmero de copiadoras vendidas. Es decir, los
vendedores que hicieron ms llamadas de venta vendieron ms unidades. Sin embargo,
la relacin no es perfecta o exacta. Por ejemplo, Soni Jones hizo menos llamadas de
ventas que Jeff Hall, pero vendi ms unidades.
La implicacin es que el nmero de copiadoras vendidas se relaciona con el nmero de
llamadas de ventas. Conforme aumenta el nmero de llamadas de venta, parece que el
nmero de copiadoras vendidas tambin aumenta. De este modo, el nmero de llamadas
de ventas se considera variable independiente (se muestra en el eje x), y el de copiadoras
vendidas, variable dependiente (se muestra en el eje y).
29
30
considerable respecto de la recta trazada a travs del centro de los datos. Para el
diagrama de dispersin que representa una fuerte relacin, hay muy poca dispersin
respecto de la recta
Correlacin
Correlacin
negativa
No hay
positiva
perfecta
correlacin
perfecta
Correlacin
Correlacin
Correlacin
Correlacin
Correlacin
Correlacin
negativa
negativa
negativa
positiva
positiva
positiva
fuerte
moderada
dbil
dbil
moderada
fuerte
-1
-0,5
Correlacin negativa
0,5
Correlacin positiva
Representante de ventas
Llamadas (X)
Ventas (Y)
X X
Y Y
( X X )(Y Y )
Tom Keller
20
30
-2
-15
30
Jeff Hall
40
60
18
15
270
Brian Virost
20
40
-2
-5
10
Greg Fish
30
60
15
120
Susan Welch
10
30
-12
-15
180
Carlos Ramrez
10
40
-12
-5
60
Rich Niles
20
40
-2
-5
10
Mike Kiel
20
50
-2
-10
Mark Reynolds
20
30
-2
-15
30
Soni Jones
30
70
25
200
Total
220
450
( X X )(Y Y )
( n 1) S x S y
900
900
0,759
(10 1)(9,189)(14,337)
donde:
SX y Sy: desviaciones estndar muestrales
Sx
(X X )
Sy
(Y Y )
n 1
n 1
Ejercicios:
1. Las siguientes observaciones muestrales se seleccionaron de manera aleatoria
X
10
Nmero de transmisiones
Providence
15
Springfield
New Haven
21
Boston
24
Hartford
17
(miles de dlares)
34
Policas
Nmero de delitos
Oxford
15
17
Starksville
17
13
Danville
25
Athens
27
Holgate
17
Carey
12
21
Whistier
11
19
Woodville
22
ECUACION DE REGRESION: ecuacin que expresa la relacin lineal entre dos variables.
FORMA GENERAL DE LA ECUACION DE REGRESION LINEAL:
y = mx + b
donde:
35
SY
Sx
m r
donde:
r: es el coeficiente de correlacin
Sy: es la desviacin estndar de y
Sx: es la desviacin estndar de x
INTERSECCION CON EL EJE Y:
b y mx
donde:
x : es la media de x (la variable independiente)
y
Sy
14,337
0,759
1,1842
9,189
Sx
m r
Tom Keller
20
42,6316
Jeff Hall
40
66,3156
Brian Virost
20
42,6316
Greg Fish
30
54,4736
Susan Welch
10
30,7896
Carlos Ramrez
10
30,7896
Rich Niles
20
42,6316
Mike Kiel
20
42,6316
Mark Reynolds
20
42,6316
Soni Jones
30
54,4736
Ejercicios:
1. Las siguientes observaciones muestrales se seleccionaron al azar
x
8
37
13
15
12
13
11
kilowatts-hora (miles)
12
14
10
10
10
10
10
14
24
12
14
20
28
16
30
46
80
23
30
48
90
50
85
55
120
50
110
NUMEROS INDICE
Un nmero ndice es una medida estadstica diseada para poner de relieve cambios en
una variable o en un grupo de variables relacionadas con respecto al tiempo, situacin
geogrfica, ingresos, etc.
APLICACIONES DE LOS NUMEROS INDICE
Los nmeros ndice se usan para hacer comparaciones. Por ejemplo, con nmeros ndice
podemos comparar los costos de alimentacin o de otros servicios en una ciudad durante
un ao con los del ao anterior, o la produccin de caf en un ao en una zona del pas
con la de otra zona. Aunque se usan principalmente en economa y la industria, los
nmeros ndice son aplicables en muchos otros campos.
39
pn
po
qn
qo
vn pn
v o po
qn
qo
1,036 103,6%
precioen 2009 496.900
Este resultado significa que en 2010 el valor del salario mnimo era el 103,6% del de
2009; es decir, aument un 3,6%
2. En enero de 1980 una empresa pag un total de $ 80.000 a 120 empleados en
nmina. En julio de ese mismo ao, la empresa tena 30 trabajadores ms en nmina y
pag $ 12.000 ms que en enero.
A. Con enero de 1980 como base, hallar el nmero ndice de empleo (la relacin de
cantidad) para julio.
B. Con enero de 1980 como base, hallar el nmero ndice (relacin de valor) trabajogasto para julio.
C. Usando el resultado relacin de precios x relacin de cantidad = relacin de valor,
qu interpretacin se puede dar a la relacin de precios en este caso?
A.
Relacin de cantidad =
B.
Relacin de valor =
C.
q n 150
1,25 125%
=
q o 120
v n $92.000
1,15 115 %
vo $80.000
41
Relacin de precios =
relacinde valor
relacinde cantidad
Relacin de precios =
1,15
0,92 92%
1,25
Podemos interpretar el resultado como un nmero ndice de costo por empleado. Lo cual
significa que en julio de 1980 el costo por empleado era el 92% del de enero de 1980
Ejercicios:
1. Los precios al por menor del cine en E.E.U.U durante 1978-1984 se ven en la tabla.
A. Con 1978 como base, hallar las relaciones de precios correspondientes a los aos
1982 y 1984.
B. Con 1978-1980 como periodo base, hallar las relaciones de precios correspondientes
a los aos dados.
Ao
1978
1979
1980
1981
1982
1983
1984
0,31
0,373
0,374
0,446
0,385
0,414
0,486
Ao
1978
1979
1980
1981
1982
1983
1984
88,1
106
106,3
126,7
109,4
117,6
138,1
R. A. 124,2%; 156,8%
R. B.
2. La tabla muestra las relaciones de valor y de precios de un artculo en los aos 19821986. Hallar las relaciones de cantidad para dicho artculo con
A. 1982 como base.
B. 1982-1984 como base.
Ao
Relacin de precios
Relacin de valor
1982
100
150
1983
125
180
1984
150
207
42
1985
175
231
1986
200
252
43
44