Estadística Aplicada A La Educación

ESTADSTICA APLICADA
A LA EDUCACION
ELABORADO POR:
INGENIERA: JESSICA LISET MARTNEZ
AGOSTO DE 2014
SANTA ANA, EL SALVADOR, CENTROAMRICA
INDICE
INTRODUCCION.................................................................................................1
UNIDAD 1:........................................................................................................1
NOCIONES PRELIMINARES............................................................................1
1.1
RELACIN DE LA ESTADSTICA Y EL MTODO CIENTFICO.......................2
1.1.1
Definicin y Objeto de la Estadstica...............................................................2
1.1.2
Para qu sirve la Estadstica..........................................................................3
1.1.3
El mtodo cientfico....................................................................................3
1.1.4
El proceso experimental...............................................................................5
1.2
CONCEPTOS BSICOS.............................................................................7
1.3
ESTADSTICA DESCRIPTIVA E INFERENCIAL.............................................8
1.3.1
Tipos de Estadstica....................................................................................8
1.3.2
Universo, Poblacin y Variable......................................................................9
UNIDAD 2:......................................................................................................13
ORGANIZACIN DE LOS DATOS..................................................................13
2.1
FUENTES Y MTODOS DE RECOLECCIN DE DATOS...............................14
2.2
NOCIN DE VARIABLE. CLASIFICACIN................................................20
2.3
ESCALAS ESTADSTICAS.......................................................................21
2.4
DISTRIBUCIN DE FRECUENCIAS..........................................................23
2.5
PRESENTACIN, TABULAR Y GRAFICAR................................................32
UNIDAD 3:......................................................................................................39
ANLISIS ESTADSTICO................................................................................39
3.1
MEDIDAS DE TENDENCIA CENTRAL......................................................40
3.1.1
La Media Aritmtica.................................................................................42
3.1.2
La Mediana............................................................................................45
3.1.3
La Moda................................................................................................47
3.1.4
La Media Armnica..................................................................................47
3.1.5
La Media Geomtrica................................................................................48
3.2
MEDIDAS DE VARIABILIDA O DISPERSION.............................................51
3.2.1
El Recorrido...........................................................................................52
Ingeniera Jessica Liset Martnez
3.2.2
La Desviacin Tpica o Estndar..................................................................53
3.2.3
El Coeficiente De Variacin........................................................................55
3.2.4
APLICACIONES.....................................................................................56
UNIDAD 4:......................................................................................................58
ELEMENTOS DEL CLCULO...........................................................................58
DE PROBABILIDADES....................................................................................58
4.1
TECNICAS DE CONTEO.........................................................................59
4.1.1
Mtodos de Conteo...................................................................................62
4.2
DEFINICION Y MEDICION DE PROBABILIDAD.........................................77
4.2.1
Probabilidad...........................................................................................77
4.2.2
Experimento...........................................................................................82
4.2.3
Espacio Muestral......................................................................................82
4.3
INDEPENDENCIA ESTADSTICA.............................................................83
4.3.1
Tipos de Eventos o Sucesos........................................................................83
4.4
PROBABILIDAD CONDICIONAL.............................................................85
4.4.1
Definicin de probabilidad condicionada........................................................85
UNIDAD 5:......................................................................................................89
DISTRIBUCIONES DE PROBABILIDAD..........................................................89
5.1
VARIABLE ALEATORIA..........................................................................90
5.2
CONCEPTOS BASICOS...........................................................................90
5.3
DISTRIBUCIONES DE PROBABILIDAD....................................................98
5.3.1
Distribucin Binomial...............................................................................98
5.3.2
Distribucin Normal...............................................................................101
5.3.2.1 reas Bajo la Curva Normal..................................................................104

5.3.2.2 Porcentaje Entre dos Datos Nominales.....................................................106
BIBLIOGRAFA...........................................................................................118
INTRODUCCION
Lind, Mason y Marchal (2001) en su libro Estadstica para administracin y contadura

hacen referencia a una cita de H.C.Well, un escritor e historiador ingls, quien dijo hace ms de 100
aos que para ser un buen ciudadano, el pensamiento estadstico sera un da tan importante como
saber leer. Estos mismos autores afirman que Well no mencion los negocios porque apenas
comenzaba la revolucin francesa, sin embargo, aseguran que si ese escritor tuviera hoy la
posibilidad de hacer un comentario sobre las estadsticas seguramente dira que el pensamiento
estadstico es necesario no slo para ser un buen ciudadano, sino tambin para la toma de decisiones
acertadas en los negocios.
La estadstica la aprendemos desde la educacin bsica, no obstante, pareciera que no
encontrramos el valor y la utilidad que ella tiene en la vida diaria. Aun en las circunstancias ms
comunes de nuestro da a da empleamos estadstica para la toma de decisiones, por ejemplo, cada
vez que vamos a baarnos si disponemos de un calentador de agua abrimos el chorro durante un rato
hasta que comienza a salir el agua caliente, metemos la mano, probamos la temperatura, decidimos
si se agrega ms agua fra o no y cuando consideramos que la temperatura es adecuada decidimos
entrar a la regadera. En este caso tomamos una decisin basndonos en una muestra,
esta
cotidianidad es una de las tcnicas empleadas por la estadstica.

Estadstica es el conjunto de tcnicas que se emplean para la recoleccin, organizacin,
anlisis e interpretacin de datos, los resultados del anlisis y la interpretacin nos permiten predecir
determinados acontecimientos que nos pueden favorecer en la administracin de una empresa. Por
ello la importancia de esta unidad curricular dentro del plan de formacin Administracin y
Gestin la cual te brindar herramientas para toma de decisiones acertadas en los diferentes
procesos administrativos.
UNIDAD 1:
NOCIONES PRELIMINARES
1.1
RELACIN DE LA ESTADSTICA Y EL MTODO CIENTFICO

1.1.1
Definicin y Objeto de la Estadstica
La Estadstica tiene por objeto la recoleccin, presentacin, anlisis e interpretacin de

observaciones o mediciones hechas sobre un conjunto de objetos, personas, procesos, fenmenos, etc.
Comnmente es considerada como una coleccin de hechos numricos expresados en trminos de
una relacin, y que han sido recopilados a partir de otros datos numricos.
A continuacin se te presenta un cuadro con definiciones de estadstica planteadas por
diferentes autores en diferentes aos:
Autor
Gini, 1953
Yale y Kendal, 1954
Kendall y Buckland ,1980
Murria R. Spiegel, 1991
Lind, Mason y Marchal,

2001
Definicin
La estadstica es una tcnica especial apta para el estudio
cuantitativo de los fenmenos de masa o colectivo, cuya
mediacin requiere una masa de observaciones de otros
fenmenos ms simples llamados individuales o
particulares
La estadstica es la ciencia que trata de la recoleccin,
clasificacin y presentacin de los hechos sujetos a una
apreciacin numrica como base a la explicacin,
descripcin y comparacin de los fenmenos
Un valor resumido, calculado, como base en una muestra
de observaciones que generalmente, aunque no por
necesidad, se considera como una estimacin de parmetro
de determinada poblacin; es decir, una funcin de valores
de muestra.
La estadstica estudia los mtodos cientficos para recoger,
organizar, resumir y analizar datos, as como para sacar
conclusiones vlidas y tomar decisiones razonables basadas
en tal anlisis
La ciencia de reunir, organizar, presentar, analizar e
interpretar datos para ayudar a tomar las mejores
decisiones
Consideras que ha habido una diferencia u avance notorio a travs de los

aos en las definiciones de estadstica presentadas en el cuadro anterior?
Quizs el hecho ms curioso que resalta de las definiciones anteriores es:

La estadstica es una ciencia o una tcnica? En la actualidad se considera como
un poderoso auxiliar en la investigacin. Por ello estudiaremos la estadstica
como un conjunto de mtodos que nos permiten evaluar datos cualitativos y
cuantitativos.
Entendiendo por dato cuantitativo a aquel que est expresado de forma numrica, por
ejemplo: la edad, el peso, las calificaciones, etc. Mientras los datos cualitativos reflejan, como su
nombre lo indica, cualidades, caractersticas del objeto que se analiza por ejemplo: Categorizar las
los niveles de inasistencias de un trabajador en muchas o pocas, la estatura en bajo, mediano o alto,
opinar sobre un producto calificndolo de muy bueno, bueno, regular o deficiente, etc.1
1.1.2
Para qu sirve la Estadstica
Ya hemos visto que la Estadstica se encuentra ligada a nuestras actividades cotidianas. Sirve
tanto para pronosticar el resultado de unas elecciones, como para determinar el nmero de ballenas que
viven en nuestros ocanos, para descubrir leyes fundamentales de la Fsica o para estudiar cmo ganar
la ruleta. La Estadstica resuelve multitud de problemas que se plantean en ciencia:
Anlisis de muestras. Se elige una muestra de una poblacin para hacer inferencias respecto a
esa poblacin a partir de lo observado en la muestra (sondeos de opinin, control de calidad,
etc.).
Descripcin de datos. Procedimientos para resumir la informacin contenida en un conjunto
(amplio) de datos.
Contraste de hiptesis. Metodologa estadstica para disear experimentos que garanticen que
las conclusiones que se extraigan sean vlidas. Sirve para comparar las predicciones resultantes
de las hiptesis con los datos observados (medicina eficaz, diferencias entre poblaciones, etc.).
Medicin de relaciones entre variables estadsticas (contenido de gas hidrogeno neutro en
galaxias y la tasa de formacin de estrellas, etc.)
Prediccin. Prever la evolucin de una variable estudiando su historia y/o relacin con otras
variables.
1.1.3
El mtodo cientfico
Citando a Martin Gardner: La ciencia es una bsqueda de conocimientos fidedignos acerca del
mundo: como se estructura y cmo funciona el universo (incluyendo los seres vivos). La informacin
que maneja la ciencia es amplia, al ser amplio su mbito. Pero se suele reunir en tres apartados: los
hechos, las leyes y las teoras. No es una particin estancada, aunque podemos entender aqu nos
referimos con algn ejemplo. Los hechos se refieren a casos especficos y nicos. Por ejemplo la Tierra
tiene una luna (satlite natural).
1 De material elaborado por Mrquez Zambrano, Luisa
La primera ley de Kepler (ya que estamos con planetas) es un buen ejemplo de ley: los planetas
describen orbitas elpticas en torno al Sol, que ocupa uno de los focos de la elipse. Como se ve, frente al
hecho, concreto y nico, la ley se refiere a muchos casos, como lo son los planetas que orbitan en torno
al Sol. La generalizacin de la ley de Kepler permite aplicarla a cualquier par de cuerpos ligados por la
gravedad.
Una teora es una abstraccin, con entidades inobservables, que explica hechos y leyes. Por
ejemplo la teora newtoniana de la gravitacin. En ella se habla de fuerzas (o de campos gravitatorios)
que no son entes observables, pero esta teora explica hechos y leyes.
Sucede que el conocimiento cientfico no es completamente seguro en ninguna de las
precedentes categoras. Podra existir otra luna en torno a la Tierra. O, como sabemos, la teora
newtoniana de la gravitacin no es completa, porque no da cuenta de algunos fenmenos. De ah vino
su evolucin a nuevas teoras de la gravitacin. No hay as un conocimiento completamente seguro: los
enunciados absolutamente ciertos solo existen en el mbito de las matemticas o la lgica. Pero la
ciencia usa una correspondencia con estas dos disciplinas. La matemtica y la lgica aplicadas a las
ciencias facilitan poder establecer hechos, leyes y teoras con coherencia interna y con un alto grado de
certeza. Y la Estadstica proporciona una herramienta para poder evaluar esta certeza, o proporcionar
pautas para realizar inferencias a partir delo que se conoce.
Lo que distingue a una teora cientfica es que esta, a diferencia de la que no lo es, puede ser
refutada: puede existir un conjunto de circunstancias que si son observadas demuestran que la teora
est equivocada.
A continuacin se ofrece una visin simplificada del mtodo cientfico.
Hacemos observaciones en la naturaleza y a travs de un proceso creativo generamos una
hiptesis de cmo funciona cierto aspecto de la naturaleza (modelos). Basndonos en esa hiptesis
diseamos un experimento que consiste en que un conjunto de observaciones deben tener lugar, bajo
ciertas condiciones, si la hiptesis es cierta. En el caso de que estas observaciones no ocurran nos
enfrentamos a varias posibilidades: nuestras hiptesis necesitan ser revisadas, el experimento se llev a
cabo de forma incorrecta, o nos hemos equivocado en el anlisis de los resultados del experimento.2
2 Tomado del libro Estadstica Basica para Estudiantes de Ciencias. Febrero 2009
Hace algunos cientos de aos se estableci un mtodo para encontrar respuestas a

los interrogantes que nos planteamos al contemplar la naturaleza. Este mtodo, conocido
como mtodo cientfico, se basa en tres pilares fundamentales: observacin, razonamiento y
experimentacin.
El mtodo cientfico no es una simple receta, sino que es un proceso exigente que
requiere, entre otros ingredientes, juicio crtico.
De forma resumida, el mtodo cientfico incorpora las siguientes facetas:
Observacin: aplicacin atenta de los sentidos a un objeto o a un fenmeno, para
estudiarlos tal como se presentan en realidad.
Descripcin: las mediciones deben ser fiables, es decir, deben poder repetirse. Las
observaciones nicas e irrepetibles no permiten predecir futuros resultados. En este sentido
la Cosmologa se enfrenta, a priori, a un grave problema. El Universo es nico y no podemos
volver a repetirlo modificndolas condiciones iniciales.
Prediccin: las predicciones de cualquier fenmeno deben ser vlidas tanto para
observaciones pasadas, como presentes y futuras.
Control: capacidad de modificar las condiciones del experimento para estudiar el impacto de
los diferentes parmetros participantes. Esto se opone a la aceptacin pasiva de datos, que
puede conducir a un importante sesgo (vas) emprico.
Falsabilidad o eliminacin de alternativas plausibles: Este es un proceso gradual que
requirela repeticin de los experimentos (preferiblemente por investigadores
independientes, quienes deben ser capaces de replicar los resultados iniciales con la
intencin de corroborarlos). Todas las hiptesis y teoras deben estar sujetas a la posibilidad
de ser refutadas. En este sentido, a medida que un rea de conocimiento crece y las hiptesis
o teoras sobre la que se sustenta van realizando predicciones comprobables, aumenta la
confianza en dichas hiptesis o teoras (uno de los defensores fundamentales del criterio de
falsabilidad es Karl Popper (19021994); ver, por ejemplo, La lgica de la investigacin
cientfica en Popper (1935).
Explicacin causal: los siguientes requisitos son normalmente exigibles para admitir una
explicacin como cientfica:
1.1.4
El proceso experimental
La experimentacin est lejos de estar carente de dificultades. Algunas tcnicas experimentales

exigen un aprendizaje largo y, en muchas ocasiones, el volumen de datos a manejar puede ser tan
grande que sea necesario un trabajo de anlisis intenso. La paciencia y la perseverancia son grandes
aliadas en este sentido.
Las razones para realizar un experimento son diversas y de alcance muy variable. Preguntas
tpicas son, por ejemplo: Como de aplicable es una teora particular? Es posible mejorar una tcnica
de medida? A qu temperatura debe fundir una nueva aleacin? Qu ocurre con las propiedades
magnticas de un material al someterlo a temperaturas de trabajo muy bajas? Se ven alteradas las
propiedades de un semiconductor debido al bombardeo por radiacin nuclear?
De una forma esquemtica, el proceso experimental suele desarrollarse siguiendo el siguiente
esquema:
1. Definir la pregunta o problema a resolver. Cuanto ms claro y definido sea el objetivo del
experimento, mucho ms fcil ser realizar su planificacin y ejecucin.
2. Obtener informacin y recursos. Una vez definido el objetivo del experimento, es necesario
elaborar un plan de trabajo para poder alcanzarlo. Hay que identificar que equipos son necesarios,
que cantidades hay que medir, y de qu manera se va a realizar el experimento.
3. Formular hiptesis, acerca de los resultados de nuestro experimento. Hacerlo antes de su
ejecucin evita el sesgo personal de identificar los resultados que ya se conocen como objetivos
iniciales (no debemos engaarnos a nosotros mismos).
4. Realizar el experimento y obtener las medidas. Esta tarea se subdivide en varios pasos:
Preparacin: el equipo debe ser puesto a punto para su utilizacin. Si el experimento requiere
la utilizacin de aparatos con los que no estamos familiarizados, es necesario leer atentamente
los manuales de utilizacin, e incluso consultar a experimentadores con experiencia previa en
su manejo. Todo ello evita perder tiempo y cometer errores de bulto, a la vez que preserva la
integridad del equipo (y la nuestra!).
Experimentacin preliminar: suele ser muy aconsejable realizar una pequea
experimentacin de prueba antes de iniciar la toma definitiva de medidas. Esto facilita el uso
correcto del equipo instrumental, permitiendo identificar los aspectos ms difciles o en los
que resulta ms fcil cometer errores.
Toma de datos: el trabajo cuidadoso y detallado son fundamentales en todo proceso
experimental. Ejecutar dicha labor siguiendo un plan de trabajo bien definido resulta bsico.
No hay nada ms frustrante que descubrir, tras largas horas de medidas, que hemos olvidado
anotar algn parmetro esencial o sus unidades. En este sentido resulta imprescindible tener
presentes varias cuestiones:
Cules son las unidades asociadas a cada medida?
Cul es la incertidumbre asociada?
Que variabilidad presentan las medidas?
Cmo puedo tener una idea del orden de magnitud de una medida antes de realizarla y saber
as que los resultados que se van obteniendo son razonables?
Qu informacin debe ser incluida en la tabla de datos?
Comprobacin de la respetabilidad: siempre que sea posible, todo experimento debera
repetirse varias veces para comprobar que los resultados obtenidos son repetibles y
representativos. Y aunque, obviamente, la repeticin de un experimento no proporciona
exactamente los mismos nmeros, discrepancias muy grandes deben alertarnos acerca de la
existencia de efectos sistemticos que pueden estar distorsionando el experimento.
5. Analizar los datos: una vez obtenidas las medidas es necesario su tratamiento estadstico para
poder obtener magnitudes (e incertidumbres asociadas) representativas del objeto de nuestro
estudio.
6. Interpretar los datos y extraer conclusiones que sirvan como punto de partida para nuevas
hiptesis. El xito de esta interpretacin depender, bsicamente, de la calidad de las medidas y
de su anlisis. Las herramientas estadsticas que se describen en este libro nos permitirn tomar
decisiones de manera objetiva.
7. Publicar los resultados. Los resultados de cualquier proceso experimental deben ser
comunicados de manera clara y concisa. Esto incluye desde un sencillo informe de laboratorio,
como el que se exigir en los diversos laboratorios en los que se trabajara durante la licenciatura
de Fsicas, hasta la publicacin de un artculo cientfico una revista reconocida.
1.2
CONCEPTOS BSICOS
Variables:
Una variable es la caracterstica de un objeto, persona o situacin que es capaz de
modificarse en extensin y naturaleza, es decir, es una caracterstica que vara de un objeto a otro
que no permanece constante y como consecuencia sirve para singularizar un objeto o grupo de ellos.
Debemos tener claro que a variable no es el objeto de estudio en s, sino sus caractersticas, por
ejemplo si estuviramos analizando un local para alquilar el local no es variable, variables son sus
atributos: ubicacin, tamao, iluminacin, ventilacin, etc. Podemos encontrar dos tipos de datos:
Cualitativos y cuantitativos.
Variables Cualitativas: Llamamos variable cualitativa a aquella no o puede ser expresada de

forma numrica, por ejemplo la religin, podemos decir que somos catlicos, judos,
protestantes, evanglicos, etc. Observemos que este es un dato que vara de un individuo a otro
pero no puede ser expresado de forma numrica.
Variables Cuantitativas: Es aquella variable que puede ser expresada de forma numrica, por
ejemplo el nmero de hijos por familia. Estas variables se dividen en dos grupos: variables
continuas y discretas.
Variable Discreta:
Es aquella que solo puede asumir ciertos valores, y ente stos suele haber huecos,
generalmente se expresan en nmeros enteros, por ejemplo, cantidad de miembros de una
cooperativa, podemos decir que est conformada por doce, trece personas, pero nunca podremos
decir que nuestra cooperativa est conformada por 20.5 personas. Apreciemos el siguiente ejemplo:
Una variable discreta puede ser la cantidad de lapiceros que tenemos disponibles en
nuestro inventario, si contamos podemos decir que tenemos 96 bolgrafos, el dato en este
caso se expresa evitando los rangos entre los valores, es decir, no podamos decir que
tenemos 95,2 lapiceros o 96,1. En este tipo de casos se expresa el dato en un nmero entero.
Variables Continuas:
Es aquella que puede adoptar cualquier valor dentro de un rango especfico, por ejemplo, la
duracin de un viaje en carro de Caracas a Maracay, algunas veces puede durar una hora y cuarenta
y cinco minutos o dos horas, etc. Otro ejemplo de variable continua el promedio de las
calificaciones de un estudiante en cada lapso. Veamos este otro ejemplo:
Una variable continua es nuestra temperatura corporal, cuando tenemos fiebre nos tomamos la
temperatura, la medida puede ir desde los 36 grados hasta los 41, pero incluyendo los nmeros
decimales, por ejemplo 36; 36,1; 36,2;37; 37,138; 38,139,9; 40; 40,5 etc.
El peso de las verduras que compramos peridicamente es una variable continua, pues puede
variar de forma ascendente o descendente incluyendo los decimales, no hay vacos entre los rangos,
todos son continuos, de all el nombre de la variable.
1.3
ESTADSTICA DESCRIPTIVA E INFERENCIAL
El tema de la estadstica moderna abarca la recoleccin, presentacin y caracterizacin de

informacin para ayudar tanto en el anlisis de datos como en el proceso de la toma de decisiones.
1.3.1
Tipos de Estadstica
Dos corrientes de influencia han conducido al desarrollo de los mtodos estadsticos. Una de
ellas, tena por objeto mantener en orden registros del gobierno (de hecho, estado y estadstica vienen
de la misma raz latina, status). De ella evolucionaron las actividades de conteo, medicin, descripcin,
tabulacin, ordenamiento y levantamiento censal, que conforman lo que hoy conocemos como
estadstica descriptiva. La segunda corriente de influencia se origin en las matemticas de los juegos
de azar y condujo al desarrollo de la estadstica inferencial o inductiva, basada fundamentalmente en
el concepto de probabilidad matemtica.
Estadstica Descriptiva:
La estadstica descriptiva est dedicada a descubrir las regularidades o caractersticas existentes
en un conjunto de datos mediante la utilizacin de grficos y de medidas numricas de resumen. En
otras palabras, resume y transforma datos para poder interpretar la informacin. A travs de la
cuantificacin y ordenamiento de los datos intenta explicar los fenmenos observados, por lo que
resulta una herramienta de suma utilidad para la toma de decisiones.
Tienen por objeto fundamental describir y analizar las caractersticas de un conjunto de
datos, obtenindose de esa manera conclusiones sobre las caractersticas de dicho conjunto y sobre
las relaciones existentes con otras poblaciones, a fin de compararlas. No obstante puede no solo
referirse a la observacin de todos los elementos de una poblacin (observacin exhaustiva) sino
tambin a la descripcin de los elementos de una muestra (observacin parcial).
Estadstica Descriptiva:
Mtodos Jessica
para organizar,
y presentar
Ingeniera
Lisetresumir
Martnez
8 datos de manera informativa
Estadstica Inductiva o Inferencial:

Est fundamentada en los resultados obtenidos del anlisis de una muestra de poblacin, con
el fin de inducir o inferir el comportamiento o caracterstica de la poblacin, de donde procede, por
lo que recibe tambin el nombre de Inferencia estadstica. En resumen, son procedimientos
estadsticos que se utilizan para deducir o inferir algo acerca de un conjunto de datos numricos
(poblacin), seleccionando un grupo menor de ellos (muestra).
El objetivo de la inferencia en investigacin cientfica y tecnolgica radica en conocer clases
numerosas de objetos, personas o eventos a partir de otras relativamente pequeas compuestas por
los mismos elementos. La Estadstica inferencial permite, mediante la utilizacin de mtodos
estadsticos basados en la teora de las probabilidades, generalizar las conclusiones obtenidas a partir de
una muestra a la poblacin de la que ha sido extrada. Es importante destacar que para que las
conclusiones sean vlidas, se debe tratar que la muestra sea representativa de la poblacin.
Estadstica Inferencial:
Mtodos usados para determinar algo acerca de la poblacin basndose en una muestra.
Leamos el siguiente ejemplo
Imaginemos que nuestro profesor de estadstica I calcula la calificacin
promedio de nuestro grupo en primera unidad. Como est empleando la
estadstica para describir el desempeo sin generalizar estos resultados
hacia otros grupos de Estadstica I el profesor est utilizando estadstica
descriptiva, con grficas, tablas y diagramas muestra los datos de
manera que sea ms fcil su entendimiento. Supongamos ahora que el
mismo profesor decide utilizar el promedio de calificaciones obtenidas por
nosotros en la primera unidad para estimar la calificacin promedio que
obtendremos en el resto de las unidades de esta asignatura. El proceso
de estimacin de tal promedio sera un problema concerniente a la
estadstica inferencial.
1.3.2
Universo, Poblacin y Variable
La estadstica est compuesta por mtodos cientficos mediante los cuales podemos recolectar,
organizar, resumir, presentar y analizar datos relativos a un conjunto de individuos u observaciones que
nos permiten extraer conclusiones vlidas y efectuar decisiones lgicas basadas en dichos anlisis.
En cualquier trabajo en el que se aplique, la estadstica debe hacer referencia a un conjunto de
sujetos u objetos de anlisis, conocido como poblacin.
Poblacin o Universo: Es el conjunto de entidades u objetos que satisfacen una definicin comn y en
los que interesa analizar una o varias caractersticas. Aqu el trmino poblacin tiene un significado
mucho ms amplio que el usual, ya que puede referirse a personas, cosas, actos, reas geogrficas e
incluso al tiempo.
Una poblacin se precisa como un conjunto finito o infinito de personas que presentan
caractersticas comunes, por lo que debe estar perfectamente definida en el tiempo y en el espacio, de
modo que ante la presencia de un potencial integrante de la misma, se pueda decidir si forma parte o no
de la poblacin bajo estudio. Por lo tanto, al definir una poblacin, se debe cuidar que el conjunto de
elementos que la integran quede perfectamente delimitado. Si, por ejemplo, estamos analizando las
escuelas primarias, debemos especificar cules y cundo, por ejemplo: Escuelas primarias de Caracas,
ao 1995.
El tamao de una poblacin viene dado por la cantidad de elementos que la componen.
Generalmente se simboliza esta informacin con la letra N, en el caso en que sea una poblacin finita,
es decir, que podemos contabilizar y establecer un lmite de existencia.
Poblacin:
Es la recoleccin completa de todas las observaciones de inters para el investigador.
Muestra: Es un subconjunto de unidades de anlisis de una poblacin dada, destinado a suministrar

informacin sobre la poblacin. Para que este subconjunto de unidades de anlisis sea de utilidad
estadstica, deben reunirse ciertos requisitos en la seleccin de los elementos.
Las causas por la cual se seleccionan muestras son muchas. Puede ocurrir que la poblacin que
se defina tenga tamao infinito (incontable), y en consecuencia, no fuera posible observar a todos sus
elementos. En otras ocasiones, el costo de la observacin exhaustiva puede ser muy elevado, el extenso
tiempo de recoleccin de la informacin, o ms an, la observacin de los elementos puede ser
destructiva. En todos estos casos, la nica manera de estudiar la poblacin es obteniendo muestras de
ella. El tamao de la muestra queda determinado por el nmero de elementos que la forman y se
simboliza con la letra n.
Muestra:
Es una parte representativa de la poblacin que se estudia y se toma cuando la poblacin es
demasiado grande como para estudiarla completa.
Ejemplo:
Si necesitamos conocer la cantidad de personas entre 20 y 30 aos que pertenecen a cooperativas en
Venezuela, todas las personas que posean estas caractersticas (tener entre 20 y 30 aos y trabajar en
una cooperativa) sern nuestra poblacin, seguramente va a ser difcil buscar todas las cooperativas
de todo el pas para conocer este dato, una forma de hacer la investigacin es seleccionando un
Ingeniera Jessica Liset Martnez 10
grupo de estados del pas, podra ser uno de cada regin y visitando sus cooperativas, para obtener la
informacin, en este caso obtendremos una muestra, en la cual encontraremos personas de todas las
edades, pero estos datos nos permitirn predecir de acuerdo a la cantidad de jvenes en estos estados
la proporcin de jvenes que habrn en todas las cooperativas del pas. Observemos que este es una
cose de estadstica inferencial.
En conclusin la estadstica se divide normalmente en dos:
Teora de decisin.
Algunos de los problemas ms importantes de la inferencia estadstica se refieren a la
evaluacin de los riesgos y las consecuencias que pueden ocurrir al hacer generalizaciones a partir
de una muestra de datos. Esto incluye una estimacin de la probabilidad de tomar decisiones
errneas, las posibilidades de hacer predicciones incorrectas. En los ltimos aos, se han hecho
intentos de abordar todos estos problemas dentro del marco de referencia de una teora unificada
llamada teora de decisin. Si bien esta teora tiene muchas ventajas conceptuales y tericas, plantea
algunos problemas de aplicacin que son difciles de resolver. Para entenderlos debe comprenderse
que, por muy objetivamente que se planee un experimento o investigacin, es imposible eliminar
todos los elementos subjetivos. Un elemento de subjetividad interviene aun cuando definimos
elementos como bueno o mejor con respecto a la razn de criterios de decisin (por ejemplo
buscaremos una lnea recta que mejor se ajuste a un conjunto dado de pares ordenados de datos).
La gran mayora de los mtodos que sern usados para plantear y resolver estos problemas
pertenecen al enfoque clsico, ya que no toman en cuenta los varios factores subjetivos
mencionados antes. Algunas otras aplicaciones pertenecen al enfoque Bayesiano, que consideran,
informalmente al menos, algunos de estos factores subjetivos. La subjetividad influye mucho en la
eleccin de los mtodos estadsticos o frmulas empleadas en una situacin especfica.
Un Parmetro: Es una medida de resumen que se calcula para describir una caracterstica de toda
una poblacin.
Un Estadstico: Es una medida de resumen que se calcula para describir una caracterstica de una
sola muestra de la poblacin.
Muestra aleatoria: Es una muestra elegida independientemente de todas las dems, con la misma
probabilidad que cualquier otra y cuyos elementos estn elegidos independientemente unos de otros
y con la misma probabilidad.
UNIDAD 2:
ORGANIZACIN DE LOS
DATOS
2.1
FUENTES Y MTODOS DE RECOLECCIN DE DATOS
Fuentes de Datos
El lugar del cual obtenemos los datos para realizar nuestros anlisis estadsticos se denomina
fuente. Los datos que requerimos para realizar una evaluacin estadstica de los procesos
administrativos los podemos encontrar por medio de diversas fuentes las cuales pueden ser;
primarias o secundarias, u oficiales o privadas. Llamamos fuentes primarias la persona o institucin
que ha recolectado los datos, y secundaria si la persona o institucin que ha publicado los datos no
fue la que efectu la investigacin.
Datos Primarios: son aquellos que el investigador obtiene directamente de la realidad,
recolectndolos con sus propios instrumentos.
Datos Secundarios: son registros escritos que proceden de un contacto con la prctica,
pero que ya han sido elegidos y procesados por otros investigadores.
Los datos primarios y secundarios no son dos clases esencialmente diferentes de
informacin, sino partes de una misma secuencia: todo dato secundario ha sido primario en sus
orgenes, y todo dato primario, a partir del momento en que el investigador concluye su trabajo, se
convierte en dato secundario para los dems.
Los datos oficiales son todos aquellos que hayamos en dependencias gubernamentales, y por
el contrario los datos emitidos por entes no gubernamentales los denominamos privados.
Tcnicas de Recoleccin de Datos
Existen diversas tcnicas de recoleccin de datos, aqu mencionaremos las ms comunes o
las ms empleadas.
La Observacin
Consiste en el uso sistemtico de nuestros sentidos para captar la realidad que queremos
estudiar.
Es una tcnica antigua, a travs de sus sentidos, el hombre capta la realidad que lo rodea, que luego
organiza intelectualmente. El uso de nuestros sentidos es una fuente inagotable de datos que, tanto
para la actividad cientfica como para la vida prctica resulta de inestimable valor.
Observacin:
Es el registro visual de lo ocurre es una situacional real, clasificando los acontecimientos
de acuerdo con algn esquema pre estructurado y cnsono con el problema que se estudia
La observacin es un proceso cotidiano para nosotros, es parte de nuestra experiencia de
vida, pero nuestras observaciones diarias al no estar orientadas a un propsito determinado carecen
de controles que nos alejen de los errores. Para realizar un proceso de observacin con el propsito
de recabar datos debemos seguir algunos principios bsicos:
Debe tener un propsito especfico.
Debe ser planeada cuidadosa y sistemticamente.
Debe llevarse, por escrito o de forma audiovisual, un control cuidadoso de la misma.
Debe especificarse su duracin y frecuencia.
Debe seguir los principios bsicos de validez y confiabilidad.
La principal ventaja de esta tcnica es que los hechos son percibidos directamente, sin
ninguna clase de intermediacin, colocndonos ante una situacin tal como sta se da naturalmente.
De este modo, nunca obtendremos distorsiones de la realidad, las cuales solemos tener al emplear
una entrevista, ya que en ellas los entrevistados colocan su toque personal al brindar la informacin.
Otra ventaja es que la conducta se describe en el momento exacto en que est ocurriendo.
Adems, las observaciones se pueden realizar independientemente de que las personas estn
dispuestas a cooperar o no, a diferencia de otros mtodos en los que s necesitamos de la
cooperacin de las personas para obtener la informacin deseada.
Su principal desventaja reside en que la presencia del observador puede generar una
alteracin o modificacin en la conducta de los objetos observados, destruyendo la espontaneidad y
por tanto alterando la confiabilidad de los datos.
La Entrevista.
La entrevista es
una tcnica en la cual es investigador, de acuerdo a la
informacin que necesita
recolectar elabora una serie de preguntas que ms tarde
realiza a la persona que
se convertir en su fuente. Las entrevistas la mayora de
las veces se realizan en persona, es decir, visitando al entrevistado y registrando la informacin
ofrecida, ya sea con un grabador o por escrito.
Como tcnica de recoleccin de datos la entrevista tiene muchas ventajas; es aplicable a toda
persona, siendo muy til con los analfabetos, los nios o con aquellos que tienen limitacin fsica u
orgnica que les dificulte proporcionar una respuesta escrita. Se le puede explicar al entrevistado
con qu propsito estamos recogiendo los datos y esta ayuda a que ste dirija mejor sus respuestas.
A pesar de todas sus bondades la entrevista tambin posee algunas desventajas o

limitaciones: Requiere una mayor inversin de tiempo para recoger la informacin, como las
respuestas pueden ser totalmente abiertas se puede dificultar el anlisis de los datos y requiere de
mucha astucia para obtener los datos que se desean canalizando las respuestas del entrevistado aun
cuando ste se desoriente.
El Cuestionario
Es el mtodo que
utiliza un instrumento impreso. Como en el caso de la
entrevista, hay preguntas
pero todas estn formuladas en un papel, ellas estn
destinadas a obtener
repuestas sobre el problema en estudio y son dadas por
consultado a travs de un proceso de escritura, sin embargo, el cuestionario puede ser llenado por el
encuestado o con ayuda de un empadronador.
El cuestionario puede aplicarse a grupos o individuos estando presente el responsable de
recoger la informacin o no; puede enviarse por diversos medios a los seleccionados en la muestra.
Tambin puede contratarse a una persona que cumpla que aplique el cuestionario, en estos casos se
suele llamar cdula de entrevista. Un ejemplo de esta aplicacin son los empadronadores de los
censos de poblacin, recordemos que ellos traen el cuestionario con sus preguntas y sus respuestas,
la funcin que cumplen es leer cada pregunta y marcar la respuesta dada por el encuestado. Las
ventajas de esta administracin es que no quedarn preguntas en blanco y tambin que puede ser
aplicada a analfabetos, nios o personas con alguna discapacidad.
Cuando la aplicacin cuestionario queda en manos de los encuestados se pueden presentar
problemas relacionados con la cantidad y calidad de datos que pretende obtener para el estudio.
Estos problemas que a su vez se convierten en desventaja son: que el cuestionario no fuese devuelto;
que los consultados evadan la respuesta a alguna pregunta o no darle la importancia necesaria a las
respuestas proporcionadas. Debido a esa posible prdida de informacin se recomienda cuando se
use est tcnica se escoja una muestra ms grande de sujetos de estudio.
Existen tres tipos de cuestionarios:
Cuestionarios Abiertos. Son en los que se pregunta al sujeto algo y se le deja en libertad de
responder como quiera. Este tipo de cuestionario es muy til y proporciona mucha informacin,
pero requiere ms tiempo por parte del informante y es ms difcil de analizar por parte responsable
de recoger los datos.
Cuestionarios Cerrados. Estn estructurados de tal manera que al informante se le ofrecen
slo determinadas opciones de respuesta, y debe seleccionar una de ellas. Este cuestionario es ms
fcil de codificar y contestar. Como desventaja, es que al ofrecerle categoras al informante se le
estn "sugiriendo" las respuestas.
Cuestionarios Mixtos: poseen ambos tipos de preguntas abiertas y cerradas, por ello el
nombre de mixtos.
La mayora de los cuestionarios poseen la siguiente estructura:
Titulo
Instrucciones
Identificacin del encuestado (la identificacin no hace referencia al nombre, en muchos
estudios las respuestas annimas suelen ser ms objetivas, pero si vamos a aplicar el cuestionario
a una poblacin diversa podemos identificarlos por edad, profesin, etc.)
Preguntas
Observaciones
En general, en el proceso de recoleccin de datos los mtodos e instrumentos y fuentes
suelen combinarse; cada una con sus ventajas y desventajas, sus caractersticas propias y la
informacin que se requiera, sin embargo dan flexibilidad para que el investigador determine su uso
apropiado segn el estudio a realizar.
Preparacin de los Datos Estadsticos.
Una vez recogidos los datos pasamos a su preparacin para iniciar el estudio, para poder
lograr el anlisis estadstico es necesario ordenar los datos y clasificarlos, lo primero que hacemos es
revisar los instrumentos de recoleccin de informacin aplicados, sobre todos si son cuestionarios
llenados por el informante ya que en una entrevista el entrevistador es el que registra las respuestas.
Algunos autores proponen que cuando quedan cuestionarios con preguntas sin contestar las
llenemos con la respuesta que la mayora coloc, sin embargo esto se podra considerar poco tico,
pues no es la respuesta del encuestado, en ese caso la sugerencia es eliminar ese cuestionario de la
muestra. Terminado este proceso pasamos al agrupamiento.
En el caso de las entrevistas y cuestionarios con preguntas abiertas debemos crear categoras
de acuerdo con los puntos expresados por los entrevistados de tal forma que ninguna opinin o
planteamiento se queden sin categora, pero tambin de forma que ninguna opinin pueda incluirse
en dos categoras, es decir, deben ser mutuamente excluyentes. Una vez bien estructuradas las
categoras contamos la frecuencia de aparicin de cada categora en las respuestas dadas.
En el caso de ser un cuestionario de preguntas cerradas se contabiliza la frecuencia de
aparicin de cada respuesta para luego elaborar una tabla con la distribucin de frecuencias, tema
que ampliaremos ms adelante.
Razones Proporciones y Porcentajes
Una de las funciones de la estadstica es resumir todos los datos de un conjunto para resaltar
sus caractersticas ms importantes. Una de las formas de realizar esta actividad es relacionando los
datos, ya sea entre ellos mismos o con datos similares, es decir, convertir los valores absolutos en
valores relativos, ya veremos por qu.
Razones
La razn (R) es el valor que indica la relacin cuantitativa existente entre dos cantidades, por
ejemplo:
En una ciudad existen 54.000 empleados y 36.000 desempleados, la razn de empleado a
desempleado se expresa as:
Siendo
A= Nro. De individuos con cierta caracterstica
a= Nro. De individuos que no poseen cierta caracterstica
La interpretacin del ejemplo anterior es que por cada 4 empleados hay 1 desempleado.
Al ser la razn un valor relativo no depende de los valores absolutos de los individuos que la
forman, ya que por ejemplo en una zona donde hay 90.000 empleados y 10.000 desempleados la
razn sigue siendo de 9.
Proporcin
La proporcin es una razn, pero su diferencia con las razones anteriores, es que el
denominador del cociente es el nmero total de unidades enunciadas. La proporcin se representa
con la siguiente frmula:
siendo N= (A)+(a)
La proporcin contraria sera
Ambas p y q son complementarias y si se suman debe dar igual a 1

p+q=1
Remplacemos las formulas con los datos del ejercicio anterior
La proporcin de empleados sera de 0,85, y la de desempleados de 0.142. Ambas

proporciones son complementarias y si las sumamos da igual a 1
Porcentajes
Como vimos en el apartado anterior las proporciones vienen expresadas en valores
decimales, esto no es ningn inconveniente, pero cuando se quiere presentar al pblico los datos
utilizar decimales es confuso, por ello se acostumbra a multiplicar las proporciones por 100, para
convertir los valores decimales en enteros, es decir, para convertirlos en porcentajes.
Convirtamos pues nuestras proporciones en porcentajes:
Cmo interpretamos estos porcentajes? De la misma manera que lo hicimos con la

proporcin, decimos que 85,7% de las personas estn empleadas y el 14,2 % estn desempleados.
Observemos que si tan slo damos uno de los dos porcentajes con su respectiva interpretacin, el
segundo porcentaje no es necesario darlo, pues si decimos que en la cuidad X el 85,7% de las
personas estn empleadas, ya podemos inferir la minora est desempleada, sin necesidad de
manejar el porcentaje exacto.
Porcentajes de Cambio
Son los que muestran la diferencia entre dos porcentajes; estos pueden ser en aumento o en
descenso, veamos sus frmulas:
Siendo
Pa= Porcentaje de aumento
Pd= Porcentaje de descenso o disminucin
M= Cantidad mayor
m= Cantidad menor
Ejemplo: Si sabemos que el excedente de nuestra cooperativa en el ao 2004 fue de $100,000,000 y
para el ao 2005, $ 135,000,000, cul fue el porcentaje de aumento?
El porcentaje de aumento de nuestro excedente fue de un 35% en un ao.
2.2
NOCIN DE VARIABLE. CLASIFICACIN
2.3
ESCALAS ESTADSTICAS
Medicin:
Medicin es la cuantificacin del atributo de una variable, Qu quiere decir esto? Cuando
medimos hacemos una estimacin numrica de un objeto, pero no del objeto en s, medimos los
indicadores de sus atributos, para ello contamos con cuatro niveles de medicin
Niveles de Medicin o Escalas de Medicin:
Los datos se pueden clasificar de acuerdo a cuatro niveles de medicin. Los niveles de
medicin indican que tipo de operacin se puede hacer con los datos para resumirlos, presentarlos y
determinar que pruebas estadsticas pueden llevarse a cabo con ellos. Existen cuatro niveles de
medicin: Nominal, ordinal, de intervalo y de razn, estos niveles tienen un orden ascendente el ms
bajo de la escala es el nominal y el ms alto el de razn.
Escala Nominal
En el este tipo de medicin los objetos slo pueden ser nombrados o contados. No hay un
orden, consiste simplemente en clasificar observaciones dentro de ciertas categoras, las cuales
deben ser mutuamente excluyentes y colectivamente exhaustivas. Mutuamente excluyentes significa
que un individuo, objeto o medicin pertenece nicamente a una categora, y exhaustiva significa
que ningn individuo, objeto o medicin puede quedar sin categoras por ejemplo:
En un nivel de medicin ordinal, una categora que podramos
establecer es el sexo, clasificado en hombre y mujer, por lo que
los individuos que observamos slo pueden pertenecen a un
grupo. Si estuviramos realizando una observacin de la imagen
de la izquierda diramos: Hay un hombre y una mujer.
En la medicin nominal un mismo objeto de anlisis no pueden estar en dos categoras, pero
todos tienen que estar en una, no puede haber observacin fuera de una categora. Para que no se nos
olvide esta propiedad de la medicin nominal atendamos el siguiente ejemplo:
En un aula de clases vamos a clasificar las personas por lugar de nacimiento, una misma
persona no puede haber nacido en dos lugares, pero tampoco se puede decir que no naci en ningn
lado, por lo tanto, todos tenemos que estar en una sola categora.
Escala Ordinal
El siguiente nivel es el ordinal, en este caso las observaciones adems de poder ser
clasificadas en categoras, tambin pueden ser ordenadas por rango, de manera creciente o
decreciente. Esto significa que una primera observacin puede ser mayor que la segunda, y esta a su
vez mayor que la tercera, y as sucesivamente. Sin embargo esto no implica una secuencia de
intervalos iguales, atendamos al siguiente ejemplo: Vamos a comprar un vehculo para transportar
nuestra mercanca, tenemos tres opciones y los agrupamos de acuerdo a su kilometraje, el primero
tiene 25.000Km, el segundo 34.000Km y el ltimo 35.500km, observemos que ordenamos las
opciones de menor a mayor segn la cantidad de kilmetros, por ello lo ordinal, pero hay que
resaltar que los intervalos que los separa, o sea la cantidad de kilmetros entre cada carro son
diferentes, de 25.000 a 34.000 hay 9 kilmetros de diferencia, mientras que de 34.000 a 35.500 tan
slo hay kilmetro y medio. En la escala ordinal esto no importa.
Escala de Intervalo
La medicin de intervalo posee las caractersticas de la ordinal con la salvedad que aqu la
distancia entre los rangos son equivalentes, esto quiere decir que los intervalos pueden ser sumados
y restados. Por ejemplo, supongamos que hemos medido cuatro calificaciones con una escala de
intervalo las cuales son 10, 8, 7 y 5. Con estos datos podemos afirmar que la diferencia entre el
primero y el tercero es equivalente a la diferencia entre el segundo y el cuarto, observemos: 10-7=3,
8-5=3, sin embargo no podemos decir que el que sac 8 tuvo el doble del que sac cinco, a pesar que
la diferencia entre los que sacaron 10 y 7, es igual a la diferencia de los que sacaron 8 y 5
Otra caracterstica resaltante de la medicin por intervalos es que este tipo de variables no
tiene cero absoluto, esto significa que el atributo que medimos no tiene ausencia. Retomemos el
ejemplo de la medicin de la temperatura corporal, si empleamos un termmetro y nos tomamos la
temperatura podemos decir que tenemos fiebre o no pero, pero el hecho de no tener fiebre no
significa que tengamos cero temperatura, por lo tanto aqu el cero (0) es relativo. Otro caso en el que
el cero es relativo es el nmero de calzado, no hay calzado nmero 0. Si medimos el calzado en
medicin de intervalo diramos, en una casa hay cinco miembros familiares que calzan 15, 24, 25,
36 y 48.
25
28
31
37
43
La diferencia entre a y c= 6, entre b y d= 3 entre c y d=6 entre d y e=6, observemos que la

distancia entre a y c, c y d son es equivalente a la de d y e, pero no por ello podemos decir que la
persona e tiene el pie tres veces ms grande que la persona b.
Escala de Razn
Es el nivel ms alto de medicin, ella posee todas las caractersticas de las escalas anteriores,
con la diferencia de que aqu el cero si es absoluto, es decir, la presencia del cero indica la ausencia
del atributo observado. Un buen ejemplo de un cero absoluto es la velocidad, si detenemos un
vehculo la velocidad es cero, porque hay ausencia de velocidad. Pero a medida que comenzamos a
acelerar el vehculo podemos decir que si vamos a 30 kilmetros recorreremos la mitad del camino
que un carro que va a 60. En la medicin de razn la distancia entre los rangos son exactamente
iguales. Veamos otro ejemplo:
Las medidas de la regla, el cero indica la ausencia de medida, pero la
distancia del 0 al 1, del 1 al 2 es la misma que la del 2 al 3 la del 3 al 4,
y as sucesivamente, entre cada rango hay la misma diferencia.
2.4
DISTRIBUCIN DE FRECUENCIAS
En muchas ocasiones habrs observados tablas como esta:
Edades (en aos)
1a5
6-10
11-15
Frecuencia
26
44
32
Esta tabla se denomina Distribucin de Frecuencias. La estadstica descriptiva utiliza la

distribucin de frecuencias para organizar y presentar los datos. Lo deseable es que logremos
determinar de forma correcta las distancias de los intervalos que usaremos para agrupar nuestros
datos.
Distribucin de Frecuencias:
Es un agrupamiento de datos en categoras mutuamente excluyentes en el cual se registran la
cantidad de veces que se ha observado cada categora.
Ahora te preguntars Cmo elaboro una distribucin de frecuencias?, la forma ms fcil de
aprenderlo es a travs de un ejemplo:
Observemos el siguiente grupo de nmeros y supongamos que son la cantidad de viajes que realiza
cada da durante un mes la aerolnea Conviasa
15 12 10
8
20
14
10
12
13
20
15
12
17
8
9
18
9
13
19
10
En esa tabla de datos buscamos el valor mayor y el menor, para determinar la cantidad de
clases, para ello utilizamos la frmula 2k, emplendola de la siguiente manera, en los vuelos de
Conviasa n = 20, asignemos a k un valor arbitrario, por ejemplo 4, 24=16 si n = 20, 4 clases no
cubriran todos los datos, probemos con k=5, 25=32, es mayor que 20, cubriramos completamente a
n, por lo que deberamos conformar 5 clases.
Ahora vamos a calcular la amplitud del intervalo, recordando que debe ser el mismo para
todas las clases, y que deben abarcar desde el dato menor hasta el mayor, lo calculamos a travs de
la siguiente frmula:
En la que i es el intervalo de la clase, H el mayor nmero observado, L el menor valor observado y k

el nmero de clases:
Redondeamos a 2 que ser el tamao de nuestros intervalos, recordemos que debemos tener
5 clases. Ahora organicemos nuestros datos:
Cantidad de Vuelos
8 a 11
11 a 13
14 a 16
17 a 19
20 a 22
Frecuencia (f)
7
5
3
3
2
Ya construimos nuestra distribucin de frecuencias, es bueno acotar que el punto medio de

la clase se haya en el punto medio entre el lmite superior y el lmite inferior, en el primer intervalo
el punto medio entre 8 y 10 es 9. 9 es el punto medio de la primera clase.
Tambin podemos tener distribuciones de frecuencia relativa, que es la frecuencia absoluta
entre la cantidad total de observaciones (n):
Das al Mes
Cantidad de Vuelos
Frecuencia relativa
Frecuencia (f)
8 a 10
7
7/20
0,35
11 a 13
5
5/20
0,25
14 a 16
3
3/20
0,15
17 a 19
3
3/20
0,15
20 a 22
2
2/20
0,10
Total
20
20/20
1
Con la frecuencia relativa obtenemos la fraccin del nmero total de observaciones, y si lo

multiplicamos por 100 los porcentajes. Si interpretamos el cuadro anterior segn su frecuencia
relativa podamos decir que el 35 % de los das del mes Conviasa realiza entre 8 y 10 vuelos.
Que son las distribuciones de frecuencias? y cmo hacerlas?
Los datos ayudan a los encargados de la toma de decisiones a hacer conjeturas bien
fundamentadas acerca de las causas y, por lo tanto, sobre los efectos probables de ciertas
caractersticas de algunas situaciones. Por lo dems, el conocimiento de las tendencias adquirido con
la experiencia permite conocer los posibles resultados y planear con anticipacin.
Los datos estadsticos se obtienen mediante un proceso que comprende la observacin o
medicin de conceptos, como ingresos anuales de una comunidad, calificaciones de exmenes,
resistencia a la rotura de las fibras de plstico, etc., a menudo son tan numerosos que carecen de
utilidad a menos que sean condensados o reducidos a una forma ms adecuada.
Algunas veces puede ser satisfactorio presentar los datos tal como se encuentran y obtener
informacin directamente de ellos; otras veces solo habr que agruparlos y presentarlos en forma
grfica o tabulada, aqu el uso de las tecnologas computacionales es mucha utilidad y rapidez.
DATOS AGRUPADOS
Cuando la muestra consta de ms de 30 datos, lo aconsejable es agrupar los datos en clases y
a partir de estas determinar las caractersticas de la muestra y por consiguiente las de la poblacin de
donde fue tomada.
Los datos agrupados se pueden resumir grficamente, o en tablas, y mediante el uso de
medidas numricas, como la media, la amplitud, la desviacin estndar, y otras ms. El nombre que
reciben los datos ordenados en grupos o categoras es el de distribucin de frecuencia.
Distribucin de frecuencia
Una forma de sintetizar los datos consiste en valerse de una tabla o distribucin de
frecuencia. Tomemos como ejemplo el inventario promedio en das de 20 tiendas de conveniencia.
En las siguientes tablas se han incluido datos idnticos referentes al inventario promedio y
se han dispuesto primero como un arreglo en orden ascendente y luego como una distribucin de
frecuencia. Para obtener la tabla 2 se tuvo que dividir los datos en grupos de valores semejantes.
Despus se registraron el nmero de puntos graficados (observaciones) de datos que caan dentro de
cada grupo.
TABLA 1: Arreglo de datos del inventario promedio (en das) de 20 tiendas de artculos de
conveniencia
2.0
3.4
3.4
3.8
3.8
4.0
4.1
4.1
4.1
4.2
4.3
4.7
4.7
4.8
4.9
4.9
5.5
5.5
5.5
5.5
TABLA 2: Distribucin de frecuencia del inventario promedio (en das) de 20 tiendas de artculos
de conveniencia (6 clases)
Clase (grupo de observaciones de Frecuencia
(nmero
de
datos con valores semejantes)
observaciones en cada clase)
2.0 a 2.5
1
2.6 a 3.1
0
3.2 a 3.7
2
3.8 a 4.3
8
4.4 a 4.9
5
5.0 a 5.5
4
Ntese que perdimos un poco de informacin al construir la distribucin de frecuencia, por
ejemplo ya no sabemos que el valor 5.5 aparece cuatro veces o que el valor 5.1 no parece en
absoluto. Pero por otra parte, adquirimos informacin concerniente al patrn de los inventarios
promedio.
La distribucin de frecuencia es una tabla que organiza los datos en clases; es decir, en
grupos de valores que describen una caracterstica de los datos. El inventario promedio es una
caracterstica de las 20 tiendas de conveniencia.
Una distribucin de frecuencia muestra el nmero de observaciones provenientes del
conjunto de datos que caen dentro de cada una de las clases. Si podemos determinar la frecuencia
con que ocurren los valores en cada clase de un conjunto de datos, estaremos en condiciones de
construir una distribucin de frecuencia.
Caractersticas de las distribuciones de Frecuencia relativa
Hasta ahora se ha expresado la frecuencia con que ocurren los valores en cada clase como el
nmero total de observaciones que caen en dicha clase. Tambin se puede expresar la frecuencia de
cada valor como una fraccin o porcentaje del nmero total de observaciones. La frecuencia de un
inventario promedio, digamos de 4.4 a 4.9, es 5 en la tabla 2 y de 0.25 en la tabla 3. Para obtener
este ltimo valor, dividimos la frecuencia de esta clase (5) entre el nmero total de observaciones
en el conjunto de datos (20). La respuesta puede expresarse como una fraccin (
), un decimal
(0.25) o un porcentaje (25%). Una distribucin de frecuencia relativa presenta las frecuencias en
fracciones o porcentajes.
TABLA 3: Distribucin de frecuencia relativa del inventario promedio (en das) de 20 tiendas de
artculos de conveniencia.
CLASE
2.0 a 2.5
2.6 a 3.1
3.2 a 3.7
3.8 a 4.3
4.4 a 4.9
5.0 a 5.5
Total
FRECUENCIA
1
0
2
8
5
4
20
Frecuencia relativa:
0.05
0.00
0.10
0.40
0.25
0.20
1.00
La suma de todas las frecuencias relativas es de 1.00 o 100 %. Esto sucede porque una
distribucin de frecuencia relativa parea cada clase con su fraccin o porcentaje correspondiente de
los datos totales. Por lo anterior, las clases en cualquier distribucin de frecuencia simple o relativa
son exhaustivas. Todos los datos encajan en una u otra categora. Observe tambin que las clases son
mutuamente excluyentes; es decir, ninguna observacin cae dentro de ms de una categora.
Clases discretas.
Los esquemas de clasificacin pueden ser cualitativos o cuantitativos y discretos o
continuos. Las clases discretas son entidades individuales que no pasan de una clase a la siguiente
sin una ruptura. Son discretas las siguientes clases: el nmero de hijos de las familias, el nmero de
camiones que poseen las compaas transportistas, las ocupaciones de los graduados universitarios.
Los datos continuos pueden pasar de una clase a la siguiente sin ruptura alguna. Contienen
una medida numrica como el peso de unas latas de tomates, los kilogramos de presin sobre el
concreto, o el promedio de calificaciones de los universitarios el ltimo semestre.
Construccin de una distribucin de Frecuencia
Ahora que hemos aprendido a dividir una muestra en clases, ya se est en condiciones de
tomar datos brutos y construir una distribucin de frecuencia. A continuacin tomaremos el
siguiente ejemplo para el desarrollo de la distribucin de frecuencia:
EJEMPLO 1: Un ingeniero de control de calidad del agua en Charlotte (North Carolina) es
responsable del nivel de cloracin del agua. Dicho nivel ha de acercarse bastante al que exige el
departamento de salubridad. Para vigilar el cloro sin necesidad de verificar cada galn de agua que
sale de la planta, el ingeniero muestrea diariamente algunos galones, mide el contenido de cloro y
extrae una conclusin sobre el nivel promedio de cloracin que tiene el agua tratada de ese da. La
tabla anexa muestra las concentraciones de cloro de 30 galones seleccionados como muestra de un
da. Estos niveles son los datos brutos de donde el ingeniero saca sus conclusiones respecto a la
poblacin total a la que se aplic la cloracin ese da.
TABLA 4: Concentraciones de cloro en partes por milln (ppm) en 30 galones de agua tratada.
16.2
15.7
16.4
15.4
16.4
15.8
16.0
15.2
15.7
16.6
15.8
16.2
15.9
15.9
15.6
15.8
16.1
15.9
16.0
15.6
16.3
16.8
15.9
16.3
16.9
15.6
16.0
16.8
16.0
16.3
Para analizar los datos de esta tabla seguiremos los siguientes pasos:
Escoger el tipo y nmero de clases para dividir los datos. En este caso, ya se ha optado por
clasificar los datos segn la medida cuantitativa del nmero de ppm del cloro en el agua tratada,
en vez de hacerlo a partir de un atributo cualitativo como color o el olor del agua.
Despus necesitamos decidir cuntas clases utilizar y el intervalo (la distancia que debe
comprender cada clase).
El nmero de clases por utilizar depende principalmente del nmero de observaciones en los
datos. Esto es, un nmero mayor de observaciones requiere un mayor nmero de grupos de clase. En
general la distribucin de frecuencia debe tener al menos cinco clases pero no ms de 15. Si no hay
suficientes agrupamientos de clase o si hay demasiados, se obtendr poca informacin.
A continuacin se muestra una tabla que nos puede ser til para seleccionar el nmero de
clases, aclarando que esta designacin no es obligatoria y puede ser a decisin del analista...
TAMAO DE MUESTRA O N DE DATOS
NUMERO DE CLASES (K)
Menos de 50
50 a 99
100 a 250
250 en adelante
5a7
6 a 10
7 a 12
12 a 15
Para designar el nmero de clases usaremos la letra K, para este ejemplo se usar K= 6
clases.
Es deseable que el ancho da cada agrupamiento de clase (intervalo del inicio de una clase al
inicio de la siguiente) sea igual. Para determinar el ancho de cada clase, el alcance de los datos de
divide entre el nmero de agrupamientos de clase deseado:
La amplitud o ancho del intervalo se calcula:

Ya se ha terminado el paso 1. Se han clasificado los datos segn la media cuantitativa de
cuantas ppm se encuentran en el agua tratada. Se escogieron seis clases para cubrir el intervalo de
15.2 a 16.9 y en consecuencia se utilizar 0.3 ppm como el ancho de los intervalos de clase.
Clasificar los puntos de datos en clases y contar el nmero de puntos en cada clase: Esta
informacin aparece en la tabla 5. Toda observacin de datos encaja por lo menos en una clase y
ninguna observacin lo hace en ms de una clase. Por lo que nuestras clases son exhaustivas y
mutuamente excluyentes. Observe que el lmite inferior de la primera clase corresponde a la
menor observacin de datos de la muestra, y que el lmite superior de la ltima clase corresponde
a la observacin mayor de los datos.
TABLA 5: Concentraciones de cloro en muestras de agua tratada con intervalos de clase de 0.3
ppm
FRECUENCI
CLASE
A
15.2 - 15.4
2
15.5 - 15.7
5
15.8 - 16.0
11
16.1 - 16.3
6
16.4 - 16.6
3
16.7 - 16.9
3
30
Mostrar las observaciones en una grfica. Vase la figura siguiente.
12
11
10
8
Frecuencia
2
0
15.2 - 15.4
15.5 - 15.7
15.8 - 16.0
16.1 - 16.3
16.4 - 16.6
16.7 - 16.9
Fig. 1 Histograma de Frec. Absoluta

EJEMPLO 2: Construir un histograma con la siguiente serie de datos:
2.41
3.34
4.04
4.46
8.46
9.15
11.59
12.73
13.18
15.47
16.20
16.49
17.11
17.87
18.03
18.69
19.94
20.20
20.31
24.19
28.75
30.36
30.63
31.21
32.44
32.89
33.51
33.76
34.58
35.58
35.93
36.08
36.14
36.80
36.92
37.23
37.31
37.64
38.29
38.65
39.02
39.64
40.41
40.58
40.64
43.61
44.06
44.52
45.01
45.08
45.10
45.37
45.70
45.91
46.50
47.09
47.21
47.56
47.93
48.02
48.31
48.55
48.62
48.98
49.33
49.36
49.95
50.02
50.10
50.10
50.72
51.40
51.41
51.77
52.43
53.22
54.28
54.71
55.08
55.23
55.56
55.87
56.04
56.29
58.18
59.03
59.37
59.61
59.81
60.27
61.30
62.53
62.78
62.98
63.03
64.12
64.29
65.44
66.18
66.56
67.45
67.87
69.09
69.86
70.37
71.05
71.14
72.46
72.77
74.03
74.10
76.26
76.69
77.91
78.24
79.35
80.32
81.21
82.37
82.79
83.31
85.83
88.67
89.28
89.58
94.07
94.47
94.60
94.74
96.78
Paso 1: Contar el nmero de datos n = 130

Paso 2: Calcular el rango R = Valor mayor Valor menor, R = 96.78-2.41 = 94.37.
Generalmente los datos no estn ordenados por lo cual resulta conveniente ordenarlos de menor a
mayor para tener una mejor visualizacin. En el ejemplo los datos ya han sido previamente
ordenados.
Paso 3: Seleccionar el nmero de columnas, mediante
histograma se compone de 11 columnas
. Por lo cual el
Paso 4: Calcular el tamao del intervalo de clase (C), dividiendo el rango entre el nmero de
columnas: C =
, resultando el tamao del intervalo 9.
Paso 5: Calcular los lmites de clase de cada intervalo: [0-8], [9-17], etc., considerando que el
tamao del intervalo representa la diferencia entre dos lmites de clase adyacentes ya sean inferiores
o superiores.
Paso 6: Contar el nmero de valores que caen en cada intervalo utilizando una hoja de registro, de
esta manera se obtiene la frecuencia para cada intervalo.
Columna
1
2
3
4
5
6
7
8
9
10
11
Intervalo
0 -8
9-17
18-26
27-35
36-44
45-53
54-62
63-71
72-80
81-89
90-98
Registro de frecuencias
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIII
I
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
III
I
II
IIIII
IIIII
III
IIIII
III
Paso 7: Basndose en los datos anteriores construya el histograma.
IIIII
III
5
9
6
11
17
28
18
13
10
8
5
2.5
PRESENTACIN, TABULAR Y GRAFICAR
A parte de la distribucin de frecuencias los datos pueden tambin pueden ser presentados
en grficos contentivos de los mismos datos que expresamos en la distribucin de frecuencias.
Seguro te preguntars Y si tienen los mismos datos para que hacerlos? La respuesta es que el
grfico permite apreciar de forma ms rpida los datos obtenidos, ya lo comprobaremos ms
adelante.
Existen una gran variedad de grficos, primero conoceremos los dos ms empleados en
administracin, tambin mencionaremos otros tipos de grficos de mucha utilidad, sin embargo te
invito a ampliar sobre este tema a travs de un arqueo bibliogrfico.
Histograma: Es uno de los grficos utilizados mayormente empleado para representar una
distribucin de frecuencias
Histograma:
Grfica en la que las clases se indican en el eje y (horizontal) y las frecuencias de la clase
por eje x (vertical). Las frecuencias quedan representadas en el grfico por la altura de las
barras, la que se trazan una al lado de la otra.
Polgono de frecuencia
Un polgono de frecuencia es perecido al histograma. Consiste en segmentos de lnea que se
conectan por los puntos formados por la interseccin del punto medio de la clase y de la frecuencia
de clase. La elaboracin de un polgono de frecuencias se hace colocando los puntos medios de cada
clase en el eje x y la escala en el eje y, es decir, las frecuentas de clase. Recordemos que el punto
medio representa los valores de cada clase.
El histograma y el polgono de frecuencia nos permiten tener una visin de las principales
caractersticas de un conjunto de datos, a pesar de tener ambos el mismo propsito, el histograma
tiene la ventaja de representar cada frecuencia como un rectngulo que adems incluye ambos
valores del intervalo. Por su parte el polgono de frecuencia tiene una ventaja sobre el histograma,
permite comparar dos distribuciones de frecuencia a la vez, y si por ejemplo queremos hacer un
grfico con los gastos de tres aos con una misma distribucin de frecuencias, fcilmente lo
podemos hacer.
100
90
80
70
60
50
Este
Oeste
40
30
20
10
0
1er trim .
2do trim .
3e r trim .
Norte
4to trim .
Otras presentaciones grficas de datos

Grfica por medio de lnea.
Las grficas por medio de lnea son muy tiles en la administracin porque podemos mostrar
el cambio de una variable en el tiempo, es decir, si queremos ver la cantidad de unidades vendidas
de un producto que fabricamos en nuestra organizacin, este grfico es la mejor opcin. Para su
elaboracin colocamos la variable, que continuando con nuestro ejemplo de Conviasa, sera cantidad
de vuelos diarios sobre el eje y y el tiempo sobre el eje x.
Grfico de Barras.
Es un grfico muy verstil, en l se puede graficar cualquier tipo de variable y en cualquier nivel de
medicin. Las barras pueden ser verticales u horizontales, y tampoco hay mayor inconveniente en la
distribucin de los datos a travs de los ejes del plano cartesiano.
100
90
80
70
60
50
40
30
20
10
0
Este
1e r trim . 2do trim . 3er trim . 4to trim .
Seguramente te preguntars En qu se diferencian los histogramas del grfico de barras? Se

diferencian en algo que podra parecer tonto, pero no, y es en la separacin que existe entre las
barras. Los histogramas poseen sus barras continuas porque sus datos son de intervalo o de razn,
mientras que en los grficos de barra al poder admitir cualquier nivel de medicin cada barra
representa una variable que puede ser cualitativa o cuantitativa.
Diagrama Circular:
El diagrama circular, muy reconocido por grfico de torta es especial para representar porcentajes.
El diagrama circular convierte los 360 grados del crculo en el 100% de la variable que estamos
representando. Este es un grfico muy de muy fcil lectura, pues las lneas que cortan la
circunferencia permiten, rpidamente, ver qu clase de la variable tiene el mayor porcentaje.
15%
15%2
10%
35%
3
25%
Graficacin de las distribuciones de Frecuencia.

Las grficas de distribucin de frecuencia y de distribucin de frecuencia relativa son tiles
porque ponen de manifiesto y aclaran las tendencias que no se captan fcilmente en las tablas.
Atraen la atencin del lector sobre las tendencias de los datos.
Histogramas
La figura 1 es otro ejemplo de un histograma. El histograma es una serie de rectngulos,
todos ellos de anchura proporcional a la gama de valores dentro de una clase y tambin de altura
proporcional a los elementos que caen dentro de la clase. Si las clases que empleamos en la
distribucin de frecuencia tienen el mismo ancho, las barras verticales del histograma lo tendrn
tambin. La altura de la barra de cada clase corresponde al nmero de elementos de esta ltima.
Un histograma que se sirve de la frecuencia relativa (tabla 6) de las observaciones de datos
en cada una de las clases y no del nmero real de observaciones recibe el nombre de Histograma de
frecuencia relativa (fig. 2). Este tiene la misma forma que un histograma de frecuencia absoluta
hecho con el mismo conjunto de datos. La nica diferencia entre el histograma de frecuencia
absoluta y el de frecuencia relativa, es la escala vertical de la izquierda, en el primero es el nmero
absoluto de observaciones en cada clase y en el segundo es el nmero de observaciones en cada
clase como una fraccin del nmero total de ellas.
TABLA 6: Concentraciones de cloro en muestras de agua tratada con intervalos de clase de 0.3
ppm usando la frecuencia relativa.
CLASE FRECUENCIA FREC. REL.
15.2 - 15.4
2
0.067
15.5 - 15.7
5
0.167
15.8 - 16.0
11
0.367
16.1 - 16.3
6
0.200
16.4 - 16.6
3
0.100
16.7 - 16.9
3
0.100
Total
30
1.000
Fig. 2 Histograma de Frec. Relativa
HISTOGRAMA DE FRECUENCIA RELATIVA
0.400
0.367
0.350
0.300
0.250
0.200
PORCENTAJE 0.200
0.167
0.150
0.100
0.100
0.100
0.067
0.050
0.000
15.2 - 15.415.5 - 15.715.8 - 16.016.1 - 16.316.4 - 16.616.7 - 16.9
Polgono de frecuencias
Aunque de menor uso, los polgonos de frecuencias son otro medio de representar
grficamente tanto las distribuciones de frecuencia simples como las de frecuencia relativa. Para
construir un polgono de frecuencias, marcamos las frecuencias sobre el eje vertical y los valores de
la variable que vamos a medir las marcamos sobre el eje horizontal, tal como lo hicimos con los
histogramas. El siguiente paso consiste en graficar cada frecuencia de clase dibujando un punto
sobre su marca de clase, o punto medio, y conectar los puntos consecutivos con una recta para
formar un polgono (figura de muchos lados).
A continuacin en la tabla 7 se muestran los datos de una distribucin de frecuencias para
elaborar un polgono.
TABLA 7: Datos de la concentracin de cloro en ppm (distribucin de frecuencia) para graficar polgono
de frecuencias.
CLASE
FRECUENCIA CENTRO CLASE
0
15.0
15.2 - 15.4
2
15.3
15.5 - 15.7
5
15.6
15.8 - 16.0
11
15.9
16.1 - 16.3
6
16.2
16.4 - 16.6
3
16.5
16.7 - 16.9
3
16.8
0
17.1
30
En la figura 3 se muestra un polgono de frecuencias construido con los datos de la tabla 7.
Si comparamos esta figura con las figuras anteriores vemos que se han agregado clases en cada
extremo de la escala de valores observados. Estas dos nuevas clases contienen cero observaciones,
pero permiten al polgono alcanzar el eje horizontal en ambos extremos de la distribucin.
POLIGONO DE FRECUENCIAS
12
10
8
FRECUENCIA
6
4
2
0
15
15.3 15.6
16.200000000000003
15.9
16.799999999999986
16.5
17.100000000000001
Concentracin de cloro en ppm

FIG. 3 Polgono de frecuencias
El polgono es simplemente una grfica lineal que une los puntos medios de todas barras en
un histograma.
Se llama polgono de frecuencias relativas a aquel que usa la frecuencia relativa de los
puntos de datos en cada clase y no el nmero real de puntos.
Ojivas
Una distribucin de frecuencia acumulativa nos permite ver cuntas observaciones se hallan
por arriba o por debajo de ciertos valores, en lugar de limitarnos a anotar los nmeros de elementos
dentro de los intervalos. Por ejemplo, si queremos saber cuntos galones contienen menos de 17.0
ppm, podemos servirnos de una tabla que incluya frecuencias acumulativas menores que en
nuestra muestra como se observa en la tabla 8.
Se llama ojiva a la grfica de una distribucin de frecuencia acumulativa. La ojiva de una
distribucin de este tipo se muestra en la figura 4. Los puntos graficados representan la cantidad de
galones que tienen menos cloro que las partes por milln indicadas sobre el eje horizontal.
TABLA 8: Distribucin de frecuencia acumulativa menor que de las concentraciones de cloro en ppm
CLASE
FRECUENCIA ACUMULATIVA
Menor que 15.2

Menor que 15.5
Menor que 15.8
Menor que 16.1
Menor que 16.4
Menor que 16.7
Menor que 17.0
0
2
7
18
24
27
30
FIG. 4 Ojiva menor que de la distribucin de las concentraciones de cloro en ppm para 30 galones de agua tratada.
No . Ac um ulati vo d e ga l. mu est read os

Con cent raci n d e clo ro e n pp m
En ocasiones la informacin que se utiliza se presenta a partir de frecuencias mayores que.

La ojiva apropiada para tal informacin tendr una pendiente hacia abajo y hacia la derecha.
Tambin es posible construir una ojiva de una distribucin de frecuencia relativa, de la
misma manera que una absoluta.
El alumnado deber practicar tanto en forma manual como con el uso de la tecnologa la
elaboracin de grficos estadsticos.
UNIDAD 3:
ANLISIS ESTADSTICO
3.1
MEDIDAS DE TENDENCIA CENTRAL.
Las medidas de tendencia central tienen como propsito hallar con toda precisin el centro de
un conjunto de observaciones
Mediana:
Observacin de la mitad de los datos despus de que se han
colocado de forma ordenada
Media Geomtrica:
Es una medida que calcula los promedios de los porcentajes
Media Aritmtica:
Es una medida de tendencia central que se obtiene
dividiendo la suma de los valores del conjunto de
datos entre el nmero total de stos.
Media Ponderada:
Es un caso especial de media aritmtica pero cuando todos los
datos tienen diferentes valores o ponderaciones que los
discrimina segn su importancia
Moda:
Es el valor que ms se repite dentro de su conjunto, es decir,
posee mayor frecuencia
Medidas de Tendencia Central para datos Simples

Mediana y Moda
Mediana: La mediana o media posicional queda en la mitad un grupo de elementos ordenados

de forma ascendente o descendente. En este caso la mitad de los nmeros estar por debajo de la
mediana y la otra mitad por encima de ella. La mediana se obtiene con la siguiente ecuacin:
Si el grupo de datos es impar la mediana se calcula as de la siguiente forma.

Ejemplo: Calculemos la mediana de los kilos (ordenados de forma ascendente) de materia prima
utilizadas durante esta semana: 33, 36, 40, 45, 57,60 y 68.
La mediana es el valor que est en la posicin 4: 33, 36, 40, 45, 57,60 y 68.
Si el grupo de datos es par, aplicamos la misma ecuacin promediando los dos valores
centrales, observemos el ejemplo:
Datos: 10, 15, 18, 25, 31, 36, 45, 60, 77, 80
El punto 5.5 estara entre los valores de las posiciones 5 y 6, por lo buscamos ambos valores
y los promediamos 10, 15, 18, 25, 32, 36, 45, 60, 77, 80
La mediana es 43.
Moda: Es la medida de tendencia central ms fcil de recordar ya vers por qu:

Por qu sabemos que algn producto est de
moda?
Seguramente responders Por qu lo usan muchas personas, o porque lo vemos

frecuentemente en la calle, y efectivamente eso es la moda, el dato que ms se repite dentro de
nuestro conjunto de elementos. Veamos este ejemplo:
Edades de los nios de nuestra familia:
12, 1, 10, 1, 10, 2, 5, 7, 8, 9, 10, 11. El nmero que ms se repite es el 10, a pesar del que el 1
tambin se repite, el 10 se repite mayor nmero de veces.
Medidas de Tendencia Central para Datos Agrupados

Antes de avanzar, es correcto aclarar que las definiciones de nuestras medidas de tendencia
central se mantienen, a continuacin se te presentan una comparacin de estas medidas.
Relacin entre Media, Mediana y Moda
En las distribuciones simtricas la media, la mediana y la moda coinciden en el valor, mientras que en un
Se puede decir entonces que la media o promedio, la mediana y la moda, brindan

informacin, aunque limitada del comportamiento de los datos; de estas medidas la ms usada es la
media, luego la mediana y por ltimo la moda, por su misma naturaleza esto se explica.
3.1.1
La Media Aritmtica.
Para aproximar la media aritmtica de datos organizados en una distribucin de frecuencias,

comenzamos por asumir que las observaciones de cada clase estn representadas por el punto medio
de la clase. La media de una distribucin de frecuencias se calcula as:
En donde:
= media aritmtica
X= valor o punto medio de cada clase
f= frecuencia de cada clase
fX= frecuencia en cada clase por el punto medio de la clase
= suma de estos productos
n= nmero total de frecuencias
Ejemplo: Calculemos la media del precio de venta de los vehculos del plan de una empresa X.
Precio de Venta de vehculos
(millones de bolvares)
Frecuencia
18 a 23
23 a 28
28 a 33
33 a 38
38 a 42
Total
25
28
26
17
13
109
Al precio de venta medio de los vehculos puede estimarse a partir de datos agrupados en
una distribucin de frecuencias, lo primero que debemos calcular es el punto medio de cada clase,
para eso le calculamos el promedio: (18+23)/2=20.5 luego ese valor medio se multiplica por la
frecuencia, como se muestra en la siguiente tabla:
Precios de venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
Punto Medio (PM)

20.5
25.5
30.5
35.5
40.5
f*PM
512.5
714
793
603.5
526.5
3,149.5
En este caso X = PM
Decimos entonces que la media del precio de venta del plan de la empresa X es de 28,800,000.
Definicin:
La media aritmtica o media es la medida de tendencia central que frecuentemente llamamos
promedio, consiste en la suma de los valores del grupo de datos dividida entre la cantidad de
valores. La media aritmtica de una poblacin se representa con el smbolo
aritmtica de una muestra se representa con el smbolo
siguientes:
(mu), y la media
(equis barra) y sus frmulas son las
Siendo:
La sumatoria d todos los datos
N Poblacin
n Muestra
Ambas frmulas son idnticas, con la nica diferencia que en el primer caso trabajamos con
la poblacin entera y en el segundo con una muestra.
Ejemplo: Durante cada hora de trabajo de un da una cooperativa produce las siguientes cantidades
de artculos de limpieza: 14, 19, 20, 15, 12, 18, 16, 10. Cul es el nmero medio de unidades
producidas?
El nmero medio de produccin es de 15.5 artculos de limpieza, pero si retomamos los

contenidos estudiados en la primera unidad, la cantidad de artculos producidos en un variable
discreta, ya que si estuvisemos hablando de jabones de bao no podemos decir que fabricamos 15
jabones y dejamos hecho la mitad del siguiente, por lo tanto aqu aplicamos una regla que se
denomina redondeo.
El redondeo de un nmero consiste en que una o varias de sus

cifras finales (de izquierda a derecha) se substituyen por ceros
o se ascienden o descienden si ese ltimo nmero es mayor o
menor que 5
De tal forma que de 15.5 redondeamos el nmero decimal, como 5 es

por exceso convertimos el 15.5 en 16.
a 5 redondeamos
Propiedades de la Media Aritmtica:

Para calcular la media se toman todas los valores
Un conjunto de datos slo tiene una media. La media es nica
La media es una medida til para comparar dos o ms poblaciones
La media aritmtica es la nica medida de posicin en la que las suma de las
desviaciones de los valores de la media es siempre cero:
Ejemplo: La media de 3, 8 y 4 es 5
Media Ponderada
La media ponderada o promedio ponderado es una media aritmtica en al que cada uno de
los valores se le pondera de acuerdo a su importancia con el grupo general. Las frmulas de media
ponderada poblacional y muestral son idnticas:
Dnde:
Media Ponderada
X Observacin individual
W Peso o ponderacin asignada a cada observacin
Cuando calculamos la media aritmtica no sale a discusin si cada uno de los datos tiene
igual importancia, sin embargo en ciertos casos puede ocurrir que determinados datos tengan ms
valor que otro de su mismo conjunto, observemos el siguiente ejemplo:
Un estudiante obtuvo las siguientes calificaciones en su curso de estadstica I: 19, 20, 18 y 16. Sin
embargo dentro de los porcentajes la tercera calificacin es la que tiene mayor ponderacin o mayor
valor, debido a que representaba el 30 % de la calificacin final, a continuacin se reflejan los datos
en la siguiente tabla:
Calificaciones
Ponderacin
XW
19
1
19
20
1
20
18
3
54
16
1
16
6
109
El promedio ponderado de calificaciones de este estudiante es de 18.16 puntos.

3.1.2
La Mediana
La mediana es el valor por debajo del cual se encuentran una mitad de los valores y por
encima del cual se encuentra la otra mitad. Como los datos estn organizados en una distribucin de
frecuencias, se ha perdido algo de informacin. As no podemos calcular la mediana exacta, sin
embargo, se puede estimar de la siguiente manera:
Dnde:
L= Lmite inferior de la clase que contiene la mediana.
n= Nmero de frecuencias.
f= frecuencia en la clase mediana.
CF= nmero de las frecuencias acumuladas en las clases que preceden a la clase que contiene la
mediana.
i= amplitud de la clase en la que se encuentra la mediana.
Utilicemos los datos del ejemplo anterior, pero en esta oportunidad debemos calcular la
frecuencia acumulada, que no es ms que la suma acumulada de las frecuencias de cada clase o
categora, vemoslo en la siguiente tabla:
Precios de Venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
Frecuencia Acumulada
25
53
79
96
109
Debemos localizar en cual clase se encuentra la mediana, para eso dividimos el total de la
frecuencia entre 2,
=190/2=54,5. Ahora buscamos en la frecuencia acumulada el grupo de
intervalos que tenga a este nmero:
Precios de Venta
18 a 23
Frecuencia (f)
25
Frecuencia Acumulada
25
23 a 28
28 a 33
33 a 38
38 a 43
Total
28
26
17
13
109
53
79
96
109
Podemos apreciar fcilmente que el tercer grupo de intervalos es el que posee al nmero en
la posicin 54,5 debido a que el anterior slo llega hasta el nmero 53, observemos este diagrama.
53
79
28.000.000
Sustituyamos ahora los valores:
33.000.000
Mediana
La mediana del precio de venta es 28,288,000.

Si comparamos la mediana con la media aritmtica se nos presenta una diferencia, pero
recordemos que
No podremos determinar una mediana exacta porque hemos perdidos
datos en el proceso de agrupacin
3.1.3
La Moda
Siendo la moda el valor con ms frecuencia, slo debemos buscar dentro de nuestra
distribucin de frecuencias los intervalos con mayor cantidad de frecuencia, revisemos la tabla de
precios de venta del Plan Empresa X.
Precios de Venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
El intervalo de 23 a 28 millones es que tiene mayor cantidad de observaciones, por lo tanto

para determinar la moda calculamos el punto medio de la clase: 23+28/2=25,5; por lo tanto la moda
del precio de venta es 25,500,000.
3.1.4
La Media Armnica
Media Armnica (H): Cuando los datos a promediarse estn medidos en unidades expresadas en
forma de cocientes (km./hr., $/lt, etc.), lo ms adecuado es utilizar la media armnica, ya que la
media aritmtica nos llevar a un promedio equivocado.
Datos No Agrupados:
Ejemplo:
Si un vehculo se mueve de la ciudad A, a la B a 65 Km./hr y regresa de B a A, a 98 Km./Hr a qu
promedio se desplaz.
Datos Agrupados:
Dnde: k = ltima clase

Nota: Se puede demostrar que
.
Tambin puede calcularse la media armnica ponderada.
Ejemplo: Supngase que una flotilla de vehculos muestra la siguiente informacin:
Velocidad promedio en km/hr
50
60
75
La respuesta es:
Nmero de vehculos
15
28
31
3.1.5
La Media Geomtrica
La media geomtrica es til para encontrar el promedio de porcentajes, proporciones,

ndices o tasas de crecimiento. Tiene mucha aplicacin en el comercio y en la economa debido a
que nos interesa encontrar el porcentaje de cambio en ventas, salarios o cualquier otro dato
econmico. La media de un conjunto n de nmeros positivos se define como la n-sima raz del
producto de los n valores. La frmula de la media geomtrica se escribe as:
La mayora de las calculadoras pueden calcular la raz ensima de

cualquier nmero
La media geomtrica ser siempre menor o igual a la media aritmtica, pero nunca mayor.
Ejemplo: Un empleado gana 700.000 bolvares al mes, este ao va a recibir un 5% de aumento y el
prximo ao un 15%, si sacamos la media aritmtica de estos de ambos porcentajes nos dara un
promedio de 10%, pero el verdadero promedio es 9, 886. Empleemos la frmula de media
geomtrica:
Verifiquemos: si el trabajador del que hablbamos gana Bs. 650,000 con los dos aumentos su sueldo
quedar:
650.000 * 0,05= 32.500
682.000 * 0,15= 102.370
Total con el aumento 784.870 bolvares
Ahora realicemos el clculo con nuestra media geomtrica
700.000*0,09886=64.259
714.259*0,09886=70.611,6
Total = Bs.784.870
Media Geomtrica para Datos Agrupados
La media geomtrica para datos agrupados se determina con la siguiente ecuacin:
Donde
X= punto medio de los intervalos
f = frecuencia
Recuerda
La media geomtrica se calcula para promedios de porcentajes
Datos No Agrupados:
Ejemplo: Si los precios de la accin Anhuac en los ltimos cuatro das fueron; 4.75, 5.23, 4.78 y
6.32 calculan el factor de crecimiento promedio y el crecimiento porcentual promedio.
Existen dos formas de resolverlo:
a) De la forma ms ortodoxa, es decir:
Lo que acabamos de obtener es factor de crecimiento promedio y para obtener el crecimiento

se aplica la siguiente formula:
b) Otra forma es
Datos Agrupados:
Dnde: k = ltima clase

Nota: Se puede demostrar que
.
Tambin puede calcularse la media geomtrica ponderada.
Ejemplo: Supngase que se cuenta con la informacin diaria de los incrementos porcentuales de
una accin y que se representan en la siguiente tabla:
Crecimiento porcentual (%) Frecuencias en das
10
14
20
15
30
48
a) Calcular los factores de crecimiento.
b) Calcular el factor de crecimiento promedio
Ejemplo: A continuacin se muestra una distribucin de frecuencias, calcula toda las medidas de
tendencia central sobre la tabla.
Clase
(Presin)
Frecuencia de clase
(das)
M
50-59
60-69
70-79
80-89
90-99
100-109
3
7
18
12
8
2
50
f*M
Frecuencia acumulada
F
3.2
MEDIDAS DE VARIABILIDA O DISPERSION.
Las medidas de tendencia central por s solas carecen de significado, pues de nada sirve saber
el promedio sin conocer la dispersin, qu significa esto, saber cunto se alejan las observaciones de
su propio promedio, observemos el siguiente ejemplo:
A continuacin se te presenta el monto en bolvares de ventas mensuales de las empresas
XXX y ZZZ
Meses
Empresa XXX
Empresa ZZZ
Julio
1.500.000
4.800.000
Agosto
1.800.000
3.900.000
Septiembre
2.000.000
2.000.000
Octubre
2.300.000
1.400.000
Noviembre
2.500.000
700.000
Diciembre
2.800.000
100.000
Total
12.900.000
12.900.000
Empresa XXX
Empresa ZZZ
Ambas tienen la misma media en ventas, pero si realizamos el anlisis considerando cada una de las
ventas del mes podemos apreciar que la situacin de la empresa ZZZ es muy delicada, debido a
que el ltimo mes de facturacin se aleja mucho de la media. Por esto la importancia de las medidas
de dispersin.
Medidas de Dispersin:
Miden que tanto se dispersan los datos recabados de
su media
Existen dos grupos de medidas de dispersin. El primer grupo es el de las medidas de
dispersin absolutas que vienen expresado por las mismas medidas que identifican a la serie de
datos; el segundo grupo es el de las medias de dispersin relativas que son relaciones entre las
medidas de dispersin y las medidas de tendencia central, expresado en valores abstractos
(porcentajes).
Medidas de Dispersin Absolutas: el rango o recorrido, varianza, desviacin media y desviacin
estndar.
Medidas Relativas de Dispersin: coeficiente de variabilidad o variacin
Varianza: La media aritmtica de las desviaciones de la media elevadas al

cuadrado.
Desviacin Estndar: La raz cuadrada positiva de la varianza
3.2.1
El Recorrido
El Rango o Recorrido: El rango o recorrido es la medida de dispersin ms sencilla, consiste en

calcular la diferencia entre el valor mayor o el valor menor de la observacin:
Ejemplo: Horas diarias dedicadas al estudio por un grupo de estudiantes del plan de formacin
Administracin y Gestin:
1,5
2
3
2,5
2
3
3,5
4
2
2,5
1
1
Calculemos la media aritmtica
. Podemos decir que todos los alumnos
dedican aproximadamente dos horas diarias al estudio. Calculemos el Rango, R=Vm-Vm=4-1=3. El
rango de 3 es la distancia entre los lmites. El rango es una medida de dispersin dbil pues slo
incluye dos valores del conjunto.
El rango es una buena opcin cuando comparamos dos situaciones similares, retomemos el
ejemplo al principio de la unidad
Monto en bolvares de ventas mensuales de las empresas XXX y ZZZ
Meses
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Total
Empresa XXX
1.500.000
1.800.000
2.000.000
2.300.000
2.500.000
2.800.000
12.900.000
Empresa XXX
Calculemos el rango de cada una
XXX= 2.800.000 - 1.500.000=1.300.000
ZZZ= 4.800.000 100.000= 4.700.000
Empresa ZZZ
4.800.000
3.900.000
2.000.000
1.400.000
700.000
100.000
12.900.000
Empresa ZZZ
Podemos concluir que la media de la empresa XXX es ms representativa que la de la

empresa ZZZ.
Para calcular el rango de datos agrupados tomamos el lmite inferior de la primera clase y el
lmite superior de la ltima clase. Ejemplo.
Utilicemos la distribucin e frecuencias del Plan Empresa X trabajado en la unidad anterior
Precios de Venta del Vehculo
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
El rango es 25 millones.
3.2.2
La Desviacin Tpica o Estndar
Desviacin Media: La desviacin media mide la cantidad media en que los valores de la
poblacin, o de la muestra, varan de la media. Se define as:
Donde
Xes el valor de cada observacin
= es la media aritmtica de los valores
n= es el nmero de observaciones en la muestra
= indica el valor absoluto. En otras palabras se hace caso omiso de los signos de las desviaciones
medias, Por qu? Porque si no lo hiciramos as las desviaciones positivas y negativas se anularan,
y al desviacin siempre sera cero, y una medida de dispersin cero sera completamente intil.
Ejemplo:
1,5
2
2
2
3
2,5
Nmero de horas
3
3,5
1
(X-X)
2,5
4
1
Desviacin Absoluta
1,5
2
3
3,5
4
1,5-2,3=-0,8
2-2,3=-0,3
3-2,3=0,7
3,5-2,3=1,2
4-2,3
0,8
0,3
0,7
1,2
1,7
4,7
El nmero de horas estudiada se desva de la media en una hora

Varianza y Desviacin Estndar
La varianza y la desviacin estndar son medidas de dispersin basadas en la desviacin
media, pero en lugar de usar valores absolutos, elevamos al cuadrado las desviaciones. Elevar al
cuadrado significa eliminar los nmeros negativos. La variancia y la desviacin son las medidas de
dispersin ms tiles, pues proporcionan una medida ms significativa sobre el punto de dispersin
Varianza poblacional y Desviacin Estndar para datos simples
Recordemos que la poblacin son todas las observaciones que hemos recabado, es decir, los
datos. Su frmula es:
Donde
=varianza poblacional
X= valor de una observacin de la poblacin
= media aritmtica de la poblacin
n= Nmero de observaciones de la poblacin
Ejemplo: Un corredor de seguros vende tres plizas por los siguientes precios en millones: 32, 23 y
26
El precio de las plizas de seguro est estrechamente agrupado alrededor de

los 27 millones de bolvares y pueden fluctuar entre los 3.740.000 bolvares.
Varianza Poblacional y Desviacin Estndar para Datos Agrupados
Ejemplo: El director de Conviasa requiere conocer el nmero de pasajeros atendidos por da para
determinar si la variacin de pasajeros es grande, ya que de ello depende la ampliacin en la flota de
aviones, la distribucin de frecuencias es la siguiente:
Pasajeros
(Clases)
50-59
60-69
70-79
80-89
90-99
100-09
TOTAL
Das
(Frecuencia)
3
7
18
12
8
2
50
Punto Medio
(M)
54,5
64,5
74,5
84,5
94,5
104,5
fM
M2
fM2
163,5
451,5
1341
1014
756
209
3.935
2.970,25
4.160,25
5.550,25
7.140,25
8.930,25
10.920,25
8.910,75
29.121,75
99.904,50
85.683
71.442
21.840,5
316.902,50
Por lo tanto
El director de Conviasa ya puede decidir si los aviones que utilizan actualmente pueden
acomodar fluctuaciones hasta de 12 pasajeros en los das de trnsito pesado.
3.2.3
El Coeficiente De Variacin
Las medidas de dispersin estudiadas hasta ahora no nos permiten hacer comparaciones entre
la dispersin de los valores de varias distribuciones, ya que todas ellas estn afectadas por la unidad
de medida en que se expresan los datos; de all que la comparacin sera imposible porque cada
medida vendra expresada en unidades diferentes. Adems varias distribuciones pueden tener un
mismo tener un mismo valor para determinada medida de dispersin y ser la variabilidad de sus
datos en relacin con la media, diferente.
Por ello la existencia de medidas de dispersin relativa que se expresan en porcentaje (valores
abstractos) y se determinan por la relacin existente entre una medida de dispersin absoluta y una
medida de la tendencia central, relacin que nos permite compara la variabilidad de los datos entre
varias series.
La medida de dispersin relativa de mayor importancia es el coeficiente de variacin, que se

expresa en porcentajes y se calcula por la relacin que existe entre la desviacin estndar y la media
aritmtica.
COEFICIENTE DE VARIACIN DE PEARSON: Cuando se quiere comparar el grado de
dispersin de dos distribuciones que no vienen dadas en las mismas unidades o que las medias no
son iguales se utiliza el coeficiente de variacin de Pearson que se define como el cociente entre la
desviacin tpica y el valor absoluto de la media aritmtica
Al hacer el cociente eliminamos las unidades.

CV representa el nmero de veces que la desviacin tpica contiene a la media aritmtica y por lo
tanto cuanto mayor es CV mayor es la dispersin y menor la representatividad de la media.
En porcentaje su frmula para la poblacin es la siguiente:
3.2.4
APLICACIONES
VARIANZA:
PROPIEDADES:
1. La varianza nunca puede ser negativa, s2 >0.
2. Otra forma ms sencilla de calcular la varianza es:
Demostracin:
Ejemplo 1: Usando las siguiente tabla que muestra la cantidad de nios atendidos en una clnica del
pas en una semana por edades en aos
Edad
0
1
2
3
4
5
6
fi
2
4
21
15
6
1
1
Calcular la varianza y comprobar que s2 = 1.25

DESVIACIN TPICA (S). La desviacin tpica que se define como la raz cuadrada positiva de la
varianza
PROPIEDAD: Se observa a partir de la definicin que s 0
Realizar el clculo y comprobar que: s = 1.12
CUASI-VARIANZA ( s*2 ) Se define de forma muy parecida a la varianza pero dividiendo por n-1.
Realizar el clculo de la cuasivarianza:

DESVIACIN MEDIA RESPECTO A LA MEDIA (D x):
Realizar el clculo de la desviacin media.

Edad
fi
0
1
2
3
4
5
6
2
4
21
15
6
1
1
xi - x
fi xi- x
D x =
Calcular e interpretar el coeficiente de variacin: CV=
UNIDAD 4:
ELEMENTOS DEL CLCULO

DE PROBABILIDADES
4.1
TECNICAS DE CONTEO
Anlisis Combinatorio:
Es la rama de la matemtica que estudia los diversos arreglos o selecciones que podemos
formar con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas
prcticos. Por ejemplo podemos averiguar cuntos nmeros diferentes de telfonos, placas o loteras
se pueden formar utilizando un conjunto dado de letras y dgitos.
Adems el estudio y comprensin del anlisis combinatorio no va a servir de andamiaje para
poder resolver y comprender problemas sobre probabilidades
Principios fundamentales del Anlisis Combinatorio:
En la mayora de los problemas de anlisis combinatorio se observa que una operacin o
actividad aparece en forma repetitiva y es necesario conocer las formas o maneras que se puede
realizar dicha operacin. Para dichos casos es til conocer determinadas tcnicas o estrategias de
conteo que facilitarn el clculo sealado.
El anlisis combinatorio tambin se define como una manera prctica y abreviada de contar;
las operaciones o actividades que se presentan son designadas como eventos o sucesos.
Ejemplo:
1. Sealar las maneras diferentes de vestir de una persona, utilizando un nmero determinado
de prendas de vestir
2. Ordenar 5 artculos en 7 casilleros
3. Contestar 7 preguntas de un examen de 10
4. Designar 5 personas de un total 50 para integrar una comisin
5. Sentarse en una fila de 5 asientos 4 personas
6. Escribir una palabra de 7 letras utilizando 4 consonantes y 3 vocales
I) Principio de multiplicacin:
Si un evento o suceso A puede ocurrir, en forma independiente, de m maneras diferentes y otro
suceso de n maneras diferentes, entonces el nmero de maneras distintas en que pueden suceder
ambos sucesos es m. n
Ejemplo 1:
En la etapa final de ftbol profesional de primera, cuatro equipos: CRISTAL (C), BOYS (B),
ESTUDIANTES (E), UNIVERSITARIO (U), disputan el primer y segundo lugar (campen y
subcampen). De cuntas maneras diferentes estos equipos pueden ubicarse en dichos lugares?
Solucin:
METODO 1: utilizando el diagrama del rbol

1o
C
C
C
2o
B
E
U
C
E
U
B
B
B
C
E
U
C
B
U
E
E
E
C
B
U
1er lugar
2do lugar
B
E
U
C
B
U
U
E
C
B
U
E
Existen 12 maneras diferentes en que estos equipos se pueden ubicarse en el primer y segundo
lugar
METODO 2: Utilizando el principio de multiplicacin

1o
2o
EXPLICACIN:
1o El primer lugar puede ser ocupado por cualquiera de los

cuatro equipos.
2o El segundo lugar puede ser ocupado por cualquiera de los
otros tres equipos que restan
3o Por el principio de multiplicacin, se observa que el evento
del primer lugar se presenta de 4 maneras y el del segundo
lugar de 3 maneras distintas, entonces el nmero de
maneras totales ser : 4x3 = 12
# maneras = 12
Ejemplo 2:
Cuntas placas para automviles pueden hacerse si cada placa consta de dos letras diferentes
seguidas de tres dgitos diferentes? (considerar 26 letras del alfabeto)
Solucin:
Letras
26
Dgitos
25
x 10
x 9
EXPLICACIN:
1oEl primer casillero puede ser ocupado por cualquiera
de las 26 letras
o
2 El segundo casillero puede ser ocupado por cualquiera
de las 25 letras que restan
3oEl tercer casillero puede ser ocupado por cualquiera
de los 10 dgitos ( del 0 al 9)
4oEl cuarto casillero lo pueden ocupar los 9 dgitos
restantes
o
5 El quinto casiller puede ser ocupado por cualquiera de
los 8 dgitos restantes
6oPor el principio de multiplicacin, el nmero de placas
ser = 26x25x10x9x8 = 468 000
x 8
# Placas = 468 000
II) Principio de adicin:

Supongamos que un evento A se puede realizar de m maneras y otro evento B se puede
realizar de n maneras diferentes, adems, no es posible que ambos eventos se realicen juntos
(AB = ), entonces el evento A o el evento B se realizarn de ( m + n) maneras.
Ejemplo 1:
Un repuesto de automvil se venden en 6 tiendas en la Victoria o en 8 tiendas de Brea. De cuntas
formas se puede adquirir el repuesto?
Solucin:
Por el principio de adicin:
Victoria o Brea
6 formas + 8 formas = 14 formas
Ejemplo 2:
Se desea cruzar un ro, para ello se dispone de 3 botes, 2 lanchas y 1 deslizador. De cuantas formas
se puede cruzar el ro utilizando los medios de transporte sealados?
Solucin:
Aplicando el principio de adicin se tiene:
Bote ,
lancha
, deslizador
RECUERDA
1) Si se desea que se realicen los eventos A y B,
entonces se utiliza el principio de multiplicacin
(x)
2) Si se desea que se realicen los eventos A B,
entonces se utiliza el principio de adicin (+)
# Maneras = 3 + 2 + 1 = 6
4.1.1
Mtodos de Conteo
En diferentes casos se tomar de algn conjunto parte de sus elementos o todos ellos, para
formar diferentes agrupaciones, que se van a distinguir por el orden de sus elementos o por la
naturaleza de algunos de ellos. Si los elementos que forman una agrupacin son diferentes entre s,
sern llamados agrupaciones sin repeticin y si alguno de ellos es igual se dir que son agrupaciones
con repeticin.
Entre los mtodos de conteo ms conocidos tenemos: Permutacin, Variacin y Combinacin
PERMUTACIN
Es un arreglo de todos o parte de un conjunto de objetos considerando el orden en su
ubicacin; cuando en el arreglo solo entran parte de los elementos del conjunto se llama variacin.
Es importante resaltar que el orden es una caracterstica importante en la permutacin, cuando
variamos el orden de los elementos se dice que permutamos dichos elementos.
Ejemplo:
Determinar los diferentes arreglos o permutaciones que se pueden hacer con las letras a, b y c
tomadas de dos en dos
Solucin:
Mtodo 1:
Sea el conjunto: {a,
b,
c} ,
entonces los arreglos pueden ser: ab, va. ac, ca, bc, cb
Nmero de arreglos = 6
Mtodo 2: (principio de multiplicacin)
EXPLICACIN
1) El primer casillero puede ser ocupado por
cualquiera de las tres letras, existiendo 3
posibilidades
2) El segundo casillero puede ser ocupado por
cualquiera de las otras dos letras restantes,
existiendo 2 posibilidades
# arreglos = 3
2=6
Teorema 1: (Permutacin lineal con elementos diferentes)

El nmero de permutaciones de n objetos diferentes, tomados en grupos de k elementos (siendo
k n) y denotado por
, estar dado por:
; donde: n, k N y 0 k n
Estas permutaciones son llamados lineales, porque los objetos son ordenados en una lnea
recta de referencia
Ejemplo:
En una carrera de 400metros participan 12 atletas. De cuantas formas
premiados los tres primeros lugares con medalla de oro, plata y bronce?
distintas podrn ser
Solucin:
Mtodo 1: Empleando el principio de multiplicacin
Oro
10
Plata
# maneras = 720
Bronce
x 8
EXPLICACIN
1) El primer casillero(MEDALLA DE ORO) puede ser
ocupado por cualquiera de los diez atletas, existiendo
10 posibilidades
2) El segundo casillero(MEDALLA DE PLATA) puede
ser ocupado por cualquiera de los nueve atletas
restantes, existiendo 9 posibilidades
3) El tercer casillero (MEDALLA DE BRONCE) puede
ser ocupado por cualquiera de los ocho atletas
restantes, existiendo 8 posibilidades
Mtodo 2: (usando la frmula de permutacin lineal)

Se busca las diferentes ternas (k = 3) que se pueden formar con los 10 atletas (n = 10)
RECORDAR
1)n! = 1 x 2 x 3 x ................ x n
2)0! = 1
3)1! = 1
4)
n! = (n 1)! x n
Teorema 2: (Permutacin lineal con elementos repetidos)
El nmero de permutaciones (P) distintas de n elementos tomados de n en n en donde hay un
primer grupo de n1 objetos iguales entre s; n2 objetos iguales entre si de un segundo tipo y as
sucesivamente hasta nk objetos iguales entre si de un ltimo tipo, entonces:
Ejemplo:
De cuntas maneras distintas se podrn ordenar las siguientes figuras?
Solucin:
Como entran todos los elementos del conjunto y estos se repiten, se trata de una permutacin
con repeticin, donde n1 = 3 (tres crculos), n2 = 2 (dos cuadrados) , n3 = 1 (un tringulo), n4
= 1( un rombo), luego:
=
COMBINACIN
Es cada uno de los diferentes arreglos que se pueden hacer
de un conjunto dado sin considerar el orden en su ubicacin
con parte o todos los elementos
El nmero de combinaciones de n elementos diferentes tomados de k en k, con k n, est

dada por:
Ejemplo 1:
Si disponemos de 5 puntos no colineales, cul es el mximo nmero de tringulos que se podrn
formar?
Solucin:
Para dibujar un tringulo solo es necesario 3 puntos en el plano, luego se escogern 3 puntos
(k = 3) de un total de 8 puntos (n = 5). Adems no importa el orden, ya que el tringulo ABC
es igual al CBA; por lo tanto se trata de una combinacin.
OBSERVACIN
1) En las permutaciones interesa el orden, se buscan
ordenaciones
2) En las combinaciones no interesa el orden, se
busca agrupaciones
Ejemplo 2: Una seora tiene 3 frutas: manzana, fresa y pia. Cuntos sabores diferentes de jugo
podr preparar
con estas frutas?
Fresa (F)
Pia (P)
Manzana (M)
Solucin:
Mtodo 1: (en forma grfica)
Cuando se escoge una fruta de las tres, los sabores son 3: F, P ,M
Cuando se escoge 2 de las tres frutas, los sabores son 3: FP, FM, PM
Cuando se escoge las 3 frutas los sabores son 1: FPM
Total de sabores diferentes: 3 + 3 + 1 = 7
Mtodo 2: (Empleando combinaciones)
Se puede escoger una fruta de las tres 2 frutas de las tres o las tres frutas de las tres, adems en
este caso no importa el orden; por lo tanto usamos el principio de adicin aplicado a la
combinacin:
# maneras diferentes =
# maneras diferentes =
Total de sabores diferentes: 3 + 3 + 1 = 7
Ejemplo 3:
Se desea formar un comit de 7 seleccionando 4 fsicos y 3 matemticos de un grupo de 8 fsicos y 6
matemticos. De cuantas maneras podr seleccionarse?
Solucin:
PROPIEDADES DE
1 Seleccionamos 4 fsicos entre 8 en
formas
1)
2)
2o Seleccionamos 3 matemticos entre 6 en
3)
4)
Aplico el principio de multiplicacin
= 70 x 20 = 1400
5)
6)
OBSERVACIN:
En la prctica se presentan diferentes combinaciones que no resultan sencillas, estas son las
combinaciones con repeticin. Para obtener las diferentes combinaciones con repeticin de
n elementos en el cual hay repeticin de los elementos (CR) agrupados de k en k, se utiliza
la siguiente frmula:
PROBLEMAS RESUELTOS
1. Cuntos numerales de 2 cifras se pueden formar con los dgitos 1, 3, 5 y 7?
A) 16
B) 12
C) 10
D) 14
e)8
Solucin:
MTODO 1: (mediante arreglo numrico)
Con los dgitos dados, formamos los siguientes nmeros:
OBSERVACIN
En estos casos el orden es importante, adems los
elementos del conjunto pueden repetirse, como
por ejemplo : 11 , 33, 55, 77
Respuesta: se pueden formar 16 numerales
MTODO 2: (mediante la aplicacin de los principios de anlisis combinatorio)
La forma general del numeral pedido es :
Los valores que pueden tomar los dgitos a y b en el numeral
son:
OBSERVACIN
1) a toma 4 valores
2) b toma 4 valores
3) Para formar el numeral
primero escribo las cifras

de las decenas(4 posibilidades) y luego la cifra de las
unidades (4 posibilidades), luego por el principio de
multiplicacin, la cantidad de numerales ser : 4 x 4 =
16
Cantidad de nmeros = 4 x 4 = 16
2. Determinar cuntos numerales de 3 cifras existen en el sistema de base seis.
A) 160
B) 12 0
C) 100
D) 140
e) 180
Solucin:
La forma general del numeral es

, hallaremos las posibilidades que pueden tomar a, b y c
en base seis y luego multiplicamos el nmero de las posibilidades
A b c
OBSERVACIN:
1) En base seis solo se dispone de los dgitos : 0,1,2,3,4 y
5
2) La primera cifra a no puede ser cero, solo puede tomar
las cifras : 1,2,3,4 y 5; es decir 5 posibilidades
3) Las cifras b y c, como no dicen que son diferentes,
pueden tomar 6 valores o posibilidades
5 x 6 x 6 = 180 numeral
3. Cuntos numerales de la forma:
existen?
A) 260
B) 2 00
C) 300
D) 240
e) 180
Solucin:
En estos tipos de problemas hay que tener en cuenta que cuando una variable representa una
cifra, y sta se repite en el numeral, entonces a dicha variable se le considera una sola vez al
calcular la cantidad de numerales.
En nuestro problema, con la indicacin anterior, tendremos:
Cantidad de numerales = 5 x 5 x 8
= 200
4. Cuntos numerales de tres cifras diferentes existen en el sistema de base decimal?
A) 900
B) 780
C) 800
D) 648
e) 724
Solucin:
La forma general del numeral es

, hallaremos las posibilidades que pueden tomar a, b y c
en base diez y luego multiplicamos el nmero de las posibilidades, teniendo en cuenta que
las tres cifras deben ser diferentes.
# numerales = 9 x 9
x 8
= 648
5. Cuntos numerales de la forma:
existen?
A) 9
B) 18
C) 26
D) 48
e) 24
Solucin:
Los valores de a deben se factores de 14 y adems menores que 9; luego los valores
posibles de a solo pueden ser: 1,2,7 ; es decir hay 3 posibilidades.
Los valores de b son mltiplos de 3, menores que 9; luego los valores de b solo pueden
ser: 0,3 y 6; es decir hay 3 posibilidades
OBSERVACIN
1)
por ser primera cifra no puede ser cero
2) A las posibilidades de
y
el principio de multiplicacin
se les aplica
cantidad de # = 3 x 3 = 9 nmeros
Respuesta: se pueden formar 9 nmeros
6. Cuntos nmeros de 3 cifras tienen por lo menos un 6 en su escritura?
A) 196
B) 188
C) 252
D) 480
e) 248
Solucin:
a) Podemos representar el procedimiento de solucin mediante un diagrama de Venn:
OBSERVACIN:
Para hallar los nmeros que tiene por lo menos
un 6 en su escritura, se consideran:
1) Los que tienen un solo 6
2) Los que tienen dos 6
3) Los que tienen tres 6
b) Del grfico anterior , se deduce que:

# de cifras con por lo menos un 6 = # de tres cifras - # de tres cifras que no usan el 6
x =
-y
............ (1)
c) Calculamos el nmero de tres cifras que existen:

a
EXPLICACIN:
1) a puede tomar los valores del 1 al 9, es decir hay 9
posibilidades para las centenas
2) para b y c hay 10 posibilidades, ya que b y c
pueden tomar los valores del 0 al 9
3) Para hallar la cantidad de nmeros de 3 cifras
aplicamos el principio de multiplicacin.
cantidad de #s = 9 x 10 x 10 = 900
d) Clculo del nmero de 3 cifras que no usan cifra 6
a
EXPLICACIN:
1) a puede tomar los valores del 1 al 9; sin
considerar el 7 es decir hay posibilidades para las
centenas
2) para b y c hay 9 posibilidades, ya que b y c
pueden tomar los valores del 0 al 9, exceptuando a
7
3) Para hallar la cantidad de nmeros de 3 cifras
aplicamos el principio de multiplicacin
cantidad de #s = 8 x 9 x 9 = 648
e) Remplazando los valores obtenidos en los pasos c y d en la ecuacin (1) de l paso (b), se
tiene:
X = 900 648 = 252
Respuesta: se pueden formar 252 nmeros
7) De un grupo de 5 estudiantes, cuantos grupos diferentes de tres alumnos podran formarse.
A) 16
B) 10
C) 12
D) 15
e) 18
Solucin:
METODO 1: Por conteo directo
Sean A, B, C, D y E los alumnos, los diferentes grupos de 3 seran : ABC, ABD, ABE, ACD,
ACE , ADE, BCD, BCE, BDE, CDE
Respuesta: se pueden formar 10 grupos diferentes
METODO 2: Por frmula
Como el grupo de alumnos ABC, CBA y BAC son el mismo grupo de alumnos, entonces no
interesa el orden de los elementos y se trata de una combinacin:
Respuesta: se pueden formar 10 grupos diferentes

8) Con 7 sumandos diferentes Cuntas sumas distintas de 4 sumandos se podrn efectuar?
A) 56
B) 35
C) 42
D) 64
e) 70
Solucin:
En la suma no importa el orden que se dispongan los sumandos, por lo tanto se trata de una
combinacin; adems para cada suma se escogen grupos de 4 sumandos de los siete de que se
disponen.
Respuesta: se pueden formar 35 sumas diferentes

9) De cuntas formas se pueden ubicar en una fila de 7 asientos 3 hombres y 4 mujeres, si
estas deben ocupar los lugares impares?
A) 160
B) 135
C) 144
D) 14
e) 170
Solucin:
Representemos grficamente el problema, y luego emplearemos el principio de multiplicacin
Posibilidades
4 3 3
# de formas = 4 x 3 x 3 x 2 x 2 x 1 x1 =144
Respuesta: se pueden ubicar de144 formar diferentes
10) Cuntos nmeros de 4 cifras diferentes y mayores que 5 000 , se pueden formar con los
siguientes dgitos: 1 , 3, 4 , 6 , 9?
A) 52
Solucin:
Sea :
B) 48
C) 27
el nmero, entonces se tiene:

a
c d
# de nmeros = 2 x 4 x 3 x 2 = 48
D) 96
e) 49
EXPLICACIN:
a puede ser 6 o 9, es decir tiene 2
posibilidades ; b, tiene (5 - 1) posibilidades;
c tiene (5 2) posibilidades y d tiene (5
3) posibilidades ya que las cifras deben ser
diferentes
Respuesta: se pueden formar 48 nmeros de cuatro cifras diferentes

11) Un grupo de 16 personas desean escoger entre sus miembros un comit de 3 personas que los
represente. De cuantas formas distintas se puede seleccionar dicho comit?
A) 1120
B) 48
C) 300
D) 560
e) 440
Solucin:
Para formar un comit , no interesa el orden en que se dispongan las tres personas por lo que los
posibles comits sern combinaciones de 16 personas tomadas en grupos de 3, as
Respuesta: se puede seleccionar el comit de 560 formas diferentes

12) A la final de un torneo de ajedrez se clasifican 10 jugadores, cuntas partidas se jugar si se
juega todos contra todos?
A) 1120
B) 48
C) 300
D) 560
e) 440
Solucin:
Si A juega con B es lo mismo decir que B juega con A, la partida es la misma, no
interesa el orden de sus elementos, pero es una agrupacin de 2 en 2, de un total de 10
elementos. Por lo tanto se trata de una combinacin
Respuesta: se jugarn 45 partidas

13) De cuntas maneras diferentes podr viajar una persona de A a D sin retroceder?
A) 24
B) 48
C) 36
Solucin:
Identificamos con un nombre a cada camino diferente:
D) 18
e) 30
Analizamos por tramos:

I)
ABD: para llegar a B, se puede utilizar cualquiera de los 3 caminos (1, 2, 3)
sealados. De B a D se puede ir por el camino z, luego habra 3 formas diferentes de
llegar: 1z,2z,3z; por lo tanto en el tramo ABD hay 3 formas
II)
ACD: para llegar a C se puede utilizar un camino para llegar a B (1, 2,3) y luego otro
camino para llegar a C (4, 5,6). Que aplicando el principio de multiplicacin se
tendra:
A
# maneras de llegar de A a C =
pasando por B
C
x
=9
Pero tambin hay dos caminos directos para llegar a C (x, y); por lo tanto el nmero total de
caminos para llegar de A a C es : 9 + 2 = 11 formas; y de C a D hay 3 formas (7,8,9)
Finalmente se tiene:
De A a C
11formas
de
C a D
3formas
A aD
11 x 3 formas
# total de formas diferentes

= 33 formas
En conclusin los caminos de (I) y (II) , pueden ser ABD ACD = 3 + 33 = 36 formas
Respuesta : 36 maneras diferentes
14) En un examen de matemticas, un estudiante debe responder siete preguntas de las diez
dadas. De cuntas formas diferentes debe seleccionar, si l debe responder por lo menos,
tres de las cinco primeras preguntas?
A) 64
B) 55
C) 50
D) 110
e) 120
Solucin:
El estudiante puede responder tres de las cinco primeras preguntas y 4 de las ltimas 5
preguntas; o cuatro de las primeras cinco preguntas y 3 de las ltimas; o cinco de las primeras
cinco y dos de las ltimas. Como no interesa el orden se trata de una combinacin, por lo tanto
tenemos:
Respuesta: 110 maneras diferentes

15) El servicio de inteligencia de cierto pas, desea enviar mensajes a sus agentes secretos. Solo
quiere utilizar las siguientes letras: V, A, M, P, I, R, O. Cuntas palabras claves de cinco
letras pueden formarse, si ninguna letra puede repetirse?
A) 2520
B) 1550
C) 1850
D) 1100
e) 1200
Solucin:
Mtodo 1:(usando el principio de multiplicacin)
#maneras =
7 x 6 x 5x 4 x 3
Mtodo 2:(usando permutacin)
= 2 520
16) Un hombre tiene 9 bonos financieros de 9 compaas distintas, y piensa regalarlos a sus 3
hijos de la siguiente manera: a su hijo mayor, 4; a su segundo hijo, 3; y al menor 2. De
cuantas formas puede repartir los bonos?
A) 1640
B) 1360
C) 680
D) 1100
e) 1120
Solucin:
Se trata de una permutacin con repeticin donde intervienen todos los elementos. Hay 4!
Maneras de arreglar los bonos para su hijo mayor; 3! Formas para arreglar los bonos para el
segundo hijo y 2! Formas para el hijo menor. Luego se tiene:
Respuesta: Los bonos se pueden repartir de 1360 formas

17) La seleccin peruana de voleibol est conformado por 12 chicas. De cuntas formas se
puede conformar un equipo de 6 si se sabe que 2 chicas se niegan a jugar en el mismo
equipo?
A)
B)
C)
D)
e)
Solucin:
La delegacin de 6 chicas se puede presentar en los siguientes casos:
1er caso: Si no figura ninguna de las dos chicas que se niegan a jugar juntas, las seis chicas
deben escogerse de entre10
OBSERVACIN:
Hemos aplicado la
propiedad:
# de equipos =
2do caso: Si figura una de las dos chicas que se niegan a jugar juntas, las otras cinco chicas
deben escogerse de entre las10 restantes
# de equipos =
# total de equipos =
Respuesta: El nmero total de equipos que se pueden formar es

18) De cuntas maneras diferentes se pueden sentar 8 personas en una mesa redonda de 5
asientos, si 3 estn en espera?
A) 1640
B) 1344
C) 680
D) 1124
e) 1120
Solucin:
El nmero de grupos de 5 personas que se ubican en la mesa circular es:
El nmero de formas en que cada grupo de 5 personas se pueden sentar en la mesa es:
(5 1)! =4! = 24
# total de formas = 56 x 24 = 1344
Respuesta: 1344 maneras diferentes
19) La tripulacin de un bote es de 10 hombres, cuatro solamente pueden remar a babor y tres a
estribor. De cuntas formas se pueden distribuirse para remar, sabiendo que cinco hombres
deben ubicarse a cada lado para mantener el equilibrio del bote?
PROA
Babor
Estribor
POPA
C) 3! x (5!)2
A) 3x (5!)
B) 6x (4!)
D) 12 x (3!)2
e) 6x (5!) x (4!)
Solucin:
Sean {a, b, c, d, e, f, g, h, i, j} los tripulantes del bote de los cuales: a, b, c y d pueden remar slo
a babor y h, i, y j pueden remar slo a estribor. Adems cinco hombres estn ubicados a cada
lado del bote.
a, b, c y d pueden ubicarse a babor de
formas distintas ocupando 4 lugares (observar que en
este problema el orden es importante). Los lugares que sobran a babor pueden ser ocupados por
d, e f, es decir 3 formas distintas. Luego los cinco lugares a babor pueden ser ocupados de:
. 3 formas o maneras distintas.
A estribor h, i, y j pueden acomodarse de

formas diferentes ocupando 3 lugares; y sobrando
2 lugares. Uno de los lugares que sobra puede ser ocupado de 2 formas diferentes, pues uno de
los tripulantes e, f o g ya est ubicado a babor, quedando (3 1) de ellos para ocupar aquel
cuarto lugar. El quinto lugar a estribor puede ser ocupado de (3 2) sola forma, por el que
queda de los dos anteriores. Por tanto los cinco lugares a estribor pueden ser ocupados de:
maneras diferentes.
Como se trata de un suceso simultaneo , aplicamos el principio de multiplicacin para los dos
resultados anteriores:
# de formas diferentes =
Respuesta:
.3x
formas diferentes
20) Seale cuntos productos diferentes, cada uno de tres factores primos, podr obtenerse con
los cinco factores primos : a, b, c, d, e ( a b c de)
A) 40
B) 35
C) 30
D) 24
e) 56
Solucin:
Mtodo 1: (Por conteo directo)
Se deben formar nmeros de la forma P = x. y. z; donde x, y, z son nmeros primos
CASO 1: Losa tres factores son iguales; es decir: x = y = z, los productos sern:
P1 = a a a ; P2 = b b b ; P3 = c c c ; P4 = d d d ;
P5 = e e e
Son 5 casos posibles
CASO 2: Dos factores son iguales y uno es diferente ; es decir : x = y ; con z diferente , los
productos sern:
P6 = a a b ;
P7 = a a c ;
P8 = a a d ;
P9 = a a e ;
P10 = b b a
P11 = b b c ;
P12 = b b d ; P13 = b b e ; P14 = c c a ;
P15 = c c b
P16 = c c d ; P17 = c c e ; P18 = d d a ; P19 = d d b ;
P20 = d d c
P21 = d d e ; P22 = e e a ; P23 = e e b ; P24 = e e c ;
P25 = e e d
Son 20 casos posibles
CASO : Los 3 factores son diferentes ; es decir : x y z ;, los
P26 = a b c ; P27 = a b d ; P28 = a b e ; P29 = a c d ;
P31 = a d e ; P32 = b c d ; P33 = b c e ; P34 = b d e ;
Son 10 casos posibles (
productos sern:
P30 = a c e
P35 = c d e
Finalmente se tendr : 5 + 20 + 10 = 35 formas posibles

Mtodo 2 : (Aplicando combinacin con repeticin)
En este caso aplicamos la frmula:

Con n = 5 y k = 3 , es decir:
4.2
DEFINICION Y MEDICION DE PROBABILIDAD.

4.2.1
Probabilidad
La probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre en cualquier

situacin donde podra ocurrir uno de varios resultados posibles. En algunos casos se utiliza de
manera informal como por ejemplo: hay un 50% de probabilidad de que llueva.
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra, se
pierde la credibilidad acerca del evento en cuestin, pero es posible tener siempre la certeza total en
todo proyecto o actividad que se desea realizar?, es muy difcil tenerla, debido a que el llevar a
efecto un proyecto cualquiera por ms simple que este sea, est sujeto a una gran diversidad de
factores que afectan su ocurrencia, entonces qu es lo ms aconsejable para predecir su
ocurrencia?, la probabilidad es la que nos ayuda en estos casos, ya que basndose en estadsticas,
podemos cuantificar la posibilidad de ocurrencia de los eventos y por consiguiente tomar una buena
decisin basados en esta informacin.
Probabilidad:
Es la posibilidad numrica de ocurra un evento. Se mide con valores comprendidos entre 0 y
1, entre mayor sea la probabilidad, ms se acercar a uno.
La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene
incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la
probabilidad est presente en casi en todas las actividades que se pretenda realizar, ejemplos:
Cualquier proyecto de Ingeniera o de otras reas
Competencias deportivas
Juegos de azar, etc., etc.
Definicin Clsica de Probabilidad. Modelo de frecuencia relativa
La probabilidad de un evento (E), puede ser calculada mediante la relacin del nmero de
respuestas en favor de E, y el nmero total de resultados posibles en un experimento.
de casos Favorablesde E
P ( E )=
Total de casos posibles
La probabilidad de un evento est comprendida siempre entre 0 y 1. La suma de las
probabilidades de todos los eventos posibles (E) en un espacio muestral S = 1
Un espacio muestral (S): Es el conjunto Universal; conjunto de todos los n elementos
relacionados = # Total de resultados posibles.
Cmo podemos calcular probabilidades?
1. Haciendo uso de las estadsticas.
En este caso, se hace uso de la informacin que se ha acumulado acerca del evento que nos
interesa, y despus de esto se procede a calcular las probabilidades requeridas.
Ejemplo 1. Determine la probabilidad de que en cierta lnea de produccin se manufacture

un producto defectuoso, si se toma como referencia que la produccin de la ltima semana en esta
lnea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos.
de productos defectuosos
P ( producto defectuoso )=
Total de productos elaborados en lasemana
18
=0.012
1500
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se
manufacturen en esa lnea sern defectuosos.
Por qu se utiliz para calcular las probabilidades la informacin de la semana inmediata
anterior?. Debido a que esta refleja la situacin que guarda actualmente la produccin de la lnea
mencionada.
2. Basndose en la experimentacin.
Hay casos en los que despus de repetir un nmero muy grande de veces un experimento, es
posible determinar las probabilidades de ocurrencia de algunos eventos, tales como: La probabilidad
de que aparezca guila al lanzar una moneda equilibrada, la probabilidad de que aparezca el nmero
3 en un dado, etc., etc.
Probabilidad Compuesta
Es la probabilidad compuesta por dos eventos simples relacionados entre s. En la
composicin existen dos posibilidades: Unin
y de Interseccin
Unin de A y B
Si A y B son eventos en un espacio muestral S, la unin de A y B
los elementos del evento A o B o ambos.
contiene todos
Interseccin de A y B
Si A y B son eventos en un espacio muestral S, la interseccin de A y B
compuesta por todos los elementos que se encuentran en A y B.
est
Relaciones entre eventos

Existen tres tipos de relaciones para encontrar la probabilidad de un evento:
complementarios, condicionales y mutuamente excluyentes.
1. Eventos complementarios: El complemento de un evento A son todos los elementos en un
espacio muestral S que no se encuentran en A. El complemento de A es: A C =1P( A)
Ejemplo 2: En el evento A (da nublado), P(A) = 0.3, la probabilidad de tener un da despejado ser
1 P(A) = 0.7
Grficamente:
P(AC)=0.7
P(A)=0.3
2. Probabilidad condicional: Para que se lleve a cabo un evento A se debe haber realizado el
evento B. La probabilidad condicional de un evento A dado que ha ocurrido el evento B es:
, si
B
P(B/A)=0.97
P(A)=0.9
8
Ejemplo 3:
Si el evento P(A y B) = (llueva y este nublado) = 0.2 y el evento B (nublado) = 0.3, cual es
la probabilidad de que llueva en un da nublado? Nota: no puede llover si no hay nubes.
A
P(A/B)=0.67
=
Ejemplo 4:
Las razones de queja en productos se muestran a continuacin:
RAZN DE LA QUEJA
En garanta
Fuera de garanta
Total
Falla elctrica
18%
12%
30%
Falla mecnica
13%
22%
35%
Falla apariencia
32%
3%
35%
Total
63%
37%
100%
Si A es el evento de que la queja es por apariencia y que B representa que la queja ocurri en
el periodo de garanta. Se puede calcular P(A/B) = P(A y B)/P(B)
P(A/B) = 0.32 / 0.63 = 0.51
Si C es el evento fuera de garanta y D falla mecnica:
P(C/D) = P(C y D) / P(D) = 0.22 / 0.35 = 0.628
Se dice que dos eventos A y B son independientes si:
P(A/B) = P(A) o P(B/A) = P(B).
La probabilidad de la ocurrencia de uno no est afectada por la ocurrencia del otro. De otra
manera los eventos son dependientes.
Un ejemplo de evento independiente es: Cul es la probabilidad de que llueva en lunes? El
ejemplo de evento dependiente es el ejemplo 2.
3. Eventos mutuamente excluyentes.
A
Cuando un evento A no contiene elementos en comn con un evento B, se dice que estos son
mutuamente excluyentes.
Ejemplo 5. Al lanzar un dado:
a) Cul es la probabilidad de que salga 2 o 3?
b) Calcule
a)
b)
= 0,
Ya que al ser conjuntos mutuamente excluyentes la interseccin no existe, es imposible que

salga 2 y 3 al mismo tiempo.
Ley aditiva:
Cuando dos eventos no son mutuamente excluyentes:

P ( A U B ) = P(A) + P(B) P(A B)
Cuando los eventos son mutuamente excluyentes:
P ( A U B ) = P(A) + P(B)
Ley multiplicativa:
Si los eventos A y B son dependientes:
P(A B) = P(A) P(B/A)
Si los eventos A y B son independientes:
P(A B) = P(A) P(B)
Ejemplo 6:
Se selecciona una muestra aleatoria n = 2 de un lote de 100 unidades, se sabe que 98 de los
100 artculos estn en buen estado. La muestra se selecciona de manera tal que el primer artculo se
observa y se regresa antes de seleccionar el segundo artculo (con reemplazo), a) calcule la
probabilidad de que ambos artculos estn en buen estado, b) si la muestra se toma sin reemplazo,
calcule la probabilidad de que ambos artculos estn en buen estado.
A: El primer artculo est en buen estado.
B: El segundo artculo est en buen estado.
A
P(A) =.98
B
P(B) =.98
a) Al ser eventos independientes el primero del segundo:

=
b) Si la muestra se toma sin reemplazo de modo que el primer artculo no se regresa antes de
seleccionar el segundo entonces:
=
Se observa que los eventos son dependientes ya que para que para obtener el evento B, se
tiene que haber cumplido antes el evento A.
P(B/A)=.97
P(A) =.98
4.2.2
Experimento.
Es toda accin bien definida que conlleva a un resultado nico bien definido como el
lanzamiento de un dado. Es el proceso que produce un evento. Es el proceso a travs del cual se
obtienen observaciones.
Ejemplo 2.1.Considere el experimento siguiente:
En una empresa existe una gra que tiene un sistema de cables, las cuales requieren ser
reemplazadas cada cierto tiempo de uso. Para probar si se debe cambiar, se somete el sistema a una
tensin exagerada, si se rompen 2 o ms hilos, se dice que el cable no sobrevive y por lo tanto debe
ser reemplazada. Se sabe por experiencia, que en cada tensin exagerada, se rompe a lo ms un hilo
y que la probabilidad de que se rompan ms de uno es despreciable.
4.2.3
Espacio Muestral.
Es el conjunto de todos los posibles resultados posibles de un experimento estadstico. El

espacio muestral suele denotarse por la letra S. Los elementos del espacio muestral, se denominan
puntos mustrales.
Espacio Muestral Discreto.
Es un espacio muestral que contiene un nmero finito o numerablemente infinito de puntos
mustrales.
Ejemplo 2.2. En el ejemplo anterior, el espacio muestral es discreto finito. Para definir este
espacio muestral elaboraremos un diagrama de rbol. Codifiquemos como cero (0) si no se rompe
algn hilo y uno (1) si se rompe un hilo. (Elaborar en clase)
Evento:
Es cualquier coleccin de resultados contenidos en el espacio muestral. Es simple si slo
tiene un resultado y compuesto si tiene varios resultados.
4.3
INDEPENDENCIA ESTADSTICA.
4.3.1
Tipos de Eventos o Sucesos
SUCESOS O EVENTOS MUTUAMENTE EXCLUYENTES:

Dos o ms sucesos son mutuamente excluyentes si la ocurrencia de uno cualquiera de ellos,
imposibilita la ocurrencia de los otros.
De la teora de conjuntos se sabe que dos o ms conjuntos que no tengan puntos muestrales en
comn su interseccin es nula.
La probabilidad de ocurrencia de E1 o E2, es la suma de las probabilidades de cada uno.
P { E1 E2 }=P { E1 E2 }=P { E 1 }+ P { E 2 }
EVENTOS SOLAPADOS:
Dos eventos E1 y E2, son solapados si tienen puntos muestrales comunes, los puntos
muestrales comunes a E1 y E2, forman un subconjunto llamado interseccin de E1 y E2, y se
representa por E1 E2.
La frmula para calcular la probabilidad de dos eventos solapados es:
P { E1 E 2} =P { E1 E2 }=P { E 1 }+ { E2 }P { E1 E2 }
Dnde:
P { E1 E 2 }=P { E1 } P [ E2 ]
Frmula para tres eventos solapados:
P { E1 E 2 E3 } =P { E 1 }+ { E2 } + P { E3 } =P { E 1 } + P { E 2 } + P { E3 }P { E1 E2 } { E1 E3 }P { E 2 E3 } + P { E1 E2 E
EVENTOS COMPLEMENTARIOS:
Dos eventos E1 y E2, son complementarios si el segundo es un subconjunto que contiene todos
los puntos muestrales del espacio muestral que no estn en el primero. Los eventos
complementarios, son a su vez mutuamente excluyentes: E1 E 2=S y E 1 E2 =
S, representa el espacio muestral
^
E , es el complementario de E, es decir, ^
E es lo que le falta a E, para se igual a S.
^
E , se lee complementario de E No E
La probabilidad del espacio muestral es 1; P { S }=1, por loque se tiene :
^ }=1
P { S }=P { E } + P { E
P {^
E }=P { S }P { E } = 1P { E }
EVENTOS INDEPENDIENTES:
Dos eventos E1 y E2 son independientes cuando la ocurrencia o no ocurrencia de uno de ellos

en una prueba, no afecta la probabilidad del otro en cualquier otra prueba.
En el lanzamiento de una moneda la probabilidad de obtener cara es y la probabilidad de
obtener otra cara en otra prueba, es tambin . Por lo que los dos eventos E1 y E2.
La frmula para buscar la probabilidad de que E 1 y E2, aparezcan cuando sean independientes
es:
P { E1 E2 } = p { E1 y E2 } =P { E 1 . E2 } =P { E 1 } . P { E2 }
EJEMPLO:
I.
Se lanzan dos dados simultneamente. Uno verde y uno rojo. Cul es la probabilidad de que
V 4 y R 2?
Procedimiento:
1. Se construye el espacio muestral (en un diagrama cartesiano), sealando los puntos
muestrales para cada dado.
2. Para el dado rojo existen 12 puntos muestrales, que resultan de la combinacin (1 y 2) con
los puntos (1, 2, 3, 4, 5,6) del dado verde.
3. Para el dado verde existen 18 puntos muestrales al combinar los puntos (4, 5 y 6), con los
(1, 2, 3, 4, 5, 6) del dado rojo.
4. Se calcula la probabilidad para cada evento:
18 1
12 1
P { E1 }=P { V 4 } = = ; P { E2 } =P { R 2 }= =
36 2
36 3
5. Se sustituye en la frmula para eventos independientes:
1 1 1
P { E1 y E2 } =P {V 4 y R 2 }=P { E 1 } . P { E2 }= =
2 3 6
6. Tambin se obtiene el mismo resultado dividiendo los puntos muestrales de la interseccin
de los dos eventos, por la cantidad de puntos muestrales del espacio muestral.
7. Interpretacin: Si se lanzan dos dados simultneamente, uno rojo y otro verde, la
probabilidad de que el verde muestre una cara con nmeros mayores o iguales a 4 y el rojo,
menores o iguales a dos, es de 1/6.
4.4
PROBABILIDAD CONDICIONAL
4.4.1
Definicin de probabilidad condicionada.
Para introducirnos en este concepto, veamos primero el siguiente ejemplo:

Los resultados de una encuesta sobre la actitud poltica de 334 personas es el siguiente:
DERECHAS
IZQUIERDAS
TOTAL
HOMBRES
145
51
196
MUJERES
42
96
138
TOTAL
187
147
334
Sea A:ser hombre y B:ser de derechas

Se elige una persona al azar, Cul es la probabilidad de que sea de derechas sabiendo que es
hombre?. Evidentemente la probabilidad pedida es:
pues hay 196 varones de los cuales 145 son
de derechas.
Esta probabilidad es la que llamamos Probabilidad condicionada del suceso B respecto al
suceso A. Dicho de otro modo, la probabilidad condicionada de un suceso B respecto de otro A es la
probabilidad del suceso B sabiendo que previamente ha ocurrido el suceso A.
Definicin: Se llama probabilidad condicionada del suceso B respecto del suceso A, y lo
denotamos por
, al cociente:
si
Anlogamente se define
.
De lo anterior se deducen claramente las relaciones siguientes:
Ejemplo: De una urna que contiene 9 bolas rojas y 5 negras, se extraen sucesivamente 2 bolas.
Calcular la probabilidad de los siguientes sucesos:
a) Que las dos sean negras
b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.
Solucin:
a) Sea
: Sacar la 1 negra
: Sacar la 2 negra
b) Sea
: Sacar la 1 roja
: Sacar la 2 roja
c) Sea
: Sacar la 1 negra
: Sacar la 2 roja
1. Concepto de sucesos independientes.

Definicin: Dos sucesos A y B se dicen independientes si
Ejemplo: Consideremos el experimento de extraer cartas de una baraja. Cul es la probabilidad
de extraer dos reyes?
a) sin devolver la 1 carta.
b) Con devolucin
Sol. a)
:conseguir rey en la 1 extraccin

:conseguir rey en la 2 extraccin
=
b)
2. Clculo de probabilidades condicionadas y de interseccin de sucesos.
De la combinacin de la frmula de la probabilidad condicionada y de la definicin de sucesos
independientes se puede deducir que si dos sucesos A y B son independientes entonces:
Esta frmula se puede extender para el caso de n sucesos independientes
quedando:
=
Como hemos visto, en el caso de sucesos dependientes tenamos la expresin:
que en el caso de tres sucesos sera:
pudiendo generalizar tambin esta frmula para el caso de n sucesos.

Definicin: Se dice que un conjunto de sucesos
forman un sistema completo de sucesos
para un determinado experimento aleatorio si verifican las dos condiciones siguientes:
-
son incompatibles dos a dos.
Teorema de la probabilidad total

Sea
un sistema completo de sucesos tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso para el que se conocen las probabilidades
entonces la probabilidad del suceso B viene dada por:
Demostracin:
entonces :
Teorema de Bayes
Sea
un sistema completo de sucesos tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso para el que se conocen las probabilidades
entonces:
Demostracin:
despejando
nos queda:
y por el teorema de la probabilidad total :
.
Ejemplo:
Se tiene dos urnas, la primera tiene 3 bolas blancas y 2 negras, la segunda tiene 2 bolas blancas y 3
negras. Se elige al azar una urna y de ella se extrae una bola. Calcular la probabilidad de que sea
blanca.
Sea
:elegir la urna n1
:elegir la urna n2
:extraer bola blanca
Supongamos ahora que realizada la extraccin, la bola resulta ser blanca y queremos saber
qu probabilidad hay de que la bola proceda de la urna n1.
UNIDAD 5:
DISTRIBUCIONES DE
PROBABILIDAD
5.1
VARIABLE ALEATORIA
5.2
CONCEPTOS BASICOS
Una variable aleatoria es una variable que toma valores numricos determinados por el
resultado de un experimento aleatorio. No hay que confundir la variable aleatoria con sus
posibles valores. Ejemplos:
- n de caras al lanzar 6 veces una moneda (valores: 0, 1, 2)
- n de llamadas que recibe un telfono en una hora
- tiempo que esperan los clientes para pagar en un supermercado
Las variables aleatorias pueden ser discretas o continuas:

- Discretas: el conjunto de posibles valores es numerable. Suelen estar asociadas a
experimentos en que se mide el nmero de veces que sucede algo.
- Continuas: el conjunto de posibles valores es no numerable. Puede tomar todos los valores
de un intervalo. Son el resultado de medir.
Ejemplo:
Clasificar como discretas o continuas las siguientes variables aleatorias:
a) n de pginas de un libro discreta
b) tiempo que tarda en fundirse una bombilla continua
c) n de preguntas en una clase de una hora discreta
d) cantidad de agua consumida en un mes continua
En la prctica se consideran discretas aquellas variables para las que merece la pena asignar
probabilidades a todos los posibles sucesos elementales.
Distribucin de una variable aleatoria
Sea x una variable aleatoria discreta. Su distribucin viene dada por los valores que puede
tomar, x1, x2, x3, , xk, y las probabilidades de que aparezcan p1, p2, p3, , pk. Estas cantidades
reciben el nombre de funcin de probabilidad o funcin de masa.
Ejemplo:
Variable aleatoria x=n de caras al lanzar tres veces una
moneda
Posibles valores de x: 0, 1, 2 y 3
Lanzar 3 veces moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
La variable aleatoria x:
- Toma valor 0 cuando ocurre el suceso {XXX}
- Toma valor 1 cuando ocurre el suceso {XXC,XCX,CXX}
- Toma valor 2 cuando {CCX,CXC,XCC}
- Toma valor 3 cuando {CCC}
La funcin de probabilidad es:
Funcin de probabilidad de x:
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0
Cul ser la probabilidad de que salgan al menos dos caras?
y
probabilidad de que el nmero de caras est entre 1 y 2?
La probabilidad de que una variable aleatoria x tome un valor entre dos cantidades a y b ser:
La funcin de probabilidad verifica que:

-
la
La funcin de distribucin o de probabilidad acumulada representa en cada punto x0 la

probabilidad de que la variable tome un valor menor o igual que dicho punto, es decir,
.
Ejemplo: n caras al lanzar tres veces una moneda
Funcin de distribucin de x
1.0
0.8
0.6
0.4
0.2
0.0
0
Sea x una variable aleatoria continua. Si queremos conocer su distribucin de probabilidad no

nos vale la funcin de probabilidad empleada con las discretas (cada valor con su probabilidad
asociada) porque toma muchos valores. La probabilidad asociada a cada valor es prcticamente
nula (la funcin de distribucin es continua).
Emplearemos la funcin de densidad. Se interpreta de forma parecida al histograma. Expresa la

densidad o concentracin de probabilidad en cada zona. Expresa las probabilidades por reas.
Sus valores ms altos corresponden a zonas en las que es ms probable que aparezcan
resultados del experimento aleatorio.
Media o esperanza de una variable aleatoria
La media o esperanza de una variable aleatoria discreta ser:
Ejemplo:
x=resultado de lanzar un dado
La distribucin de probabilidad de x ser:
El valor esperado de x ser:
La idea de media o esperanza de una variable aleatoria continua es equivalente pero su clculo
es algo ms complicado porque requiere emplear el concepto de integral.
La media de una variable aleatoria puede interpretarse como el valor esperado o medio que
toma dicha variable o como el valor central de dicha distribucin.
Propiedades:
- si x e y son dos variables aleatorias se cumple que:
si a y b son constantes se cumple que:
Ejercicio
Una compaa ha vendido 205 billetes para un avin de 200 plazas.
Sea x la variable aleatoria que expresa el n de viajeros que va al aeropuerto para viajar en el avin.
Su distribucin es:
xi
198
199
200
201
202
203
204
205
pi
0,05
0,09
0,15
0,20
0,23
0,17
0,09
0,02
a) Hallar la probabilidad de que todos los viajeros que van al aeropuerto tengan plaza.
b) Obtener la probabilidad de que se quede sin plaza alguno de los viajeros que va al
aeropuerto.
c) Calcular el n esperado de viajeros que acude al aeropuerto.
d) Cul es la probabilidad de que la primera persona de la lista de espera tenga sitio en el

vuelo?
Desviacin tpica de una variable aleatoria
La desviacin tpica de una variable aleatoria es una medida de dispersin de la distribucin

alrededor de la media. Los valores pequeos indican concentracin de la distribucin alrededor
de la esperanza y los valores grandes corresponden a distribuciones ms dispersas.
El concepto de desviacin tpica es equivalente en variables aleatorias discretas y continuas,

aunque en estas ltimas su clculo es ms complicado.
Si x es una variable aleatoria discreta su desviacin tpica viene dada por:
y su varianza ser:
Propiedades:
- si a y b son constantes se cumple que:
si x e y son dos variables aleatorias independientes se cumple que:

y
Ejercicio:
Se lanza tres veces una moneda. Sea x la variable aleatoria que expresa el n de caras en los tres
lanzamientos.
a) Hallar y representar la funcin de probabilidad de x. (ver Ejemplo pag. 3)
Se lanza 3 veces una moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
x=0 {XXX}
x=1 {XXC,XCX,CXX}
x=2 {CCX,CXC,XCC}
x=3 {CCC}
b) Calcular el n esperado de caras al lanzar la moneda. Era previsible el resultado?
S, ya que en cada lanzamiento P(C)=1/2 y al lanzar tres veces se tiene que

c) Hallar la desviacin tpica de x
o bien:
La desviacin tpica es una medida de dispersin que depende de las unidades de medida de la
variable. Para evitar este inconveniente podemos emplear el coeficiente de variacin. El
coeficiente de variacin de una variable aleatoria x ser:
Ejercicio:
Sea x una variable aleatoria que expresa el n de personas que habitan en una vivienda elegida al
azar. La distribucin de probabilidad de x es la siguiente:
xi
1
2
3
4
5
6
7
8+
pi
0,230
0,322
0,177
0,155
0,067
0,024
0,015
0,010
a) Comprobar que es una distribucin de probabilidad.
Todas las pi son mayores o iguales que cero y adems se cumple que:
b) Hallar la probabilidad de que el n de personas que viven en un hogar sea menor o igual que
cuatro.
c) Calcular la probabilidad de que al menos dos personas vivan en una vivienda.
d) Obtener el n medio de personas que habitan en una vivienda.
5.3
DISTRIBUCIONES DE PROBABILIDAD
5.3.1
Distribucin Binomial
Objetivo: Presentar la distribucin Binomial como un caso particular de distribucin de

probabilidad Discreta y realizar ejercicios relacionados con esto.
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:
En cada prueba del experimento slo son posibles dos posibles resultados: el suceso A que
llamaremos xito y su contrario A que llamaremos fracaso.
El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
La probabilidad del suceso A es constante la representamos por p y no vara de una prueba a
otra. La probabilidad de A es 1 p
El experimento consta de un nmero n de pruebas
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de la
distribucin Binomial. A la variable X que representa el nmero de xitos obtenidos en cada prueba
la llamaremos variable de la distribucin Binomial.
Esta variable es discreta ya que nicamente tomar los valores 0, 1, 2.n
Representaremos por B(n, p) a la distribucin Binomial siendo n y p los parmetros de la
distribucin. Su frmula es la siguiente:
()
nm
m
P(A ocurra m veces) = n [ P( A) ] [ P( A c ) ]
m
Donde
n es el nmero de veces que se repite el experimento.
m es el nmero de veces que debe ocurrir A.
P(A) es la probabilidad que ocurra A al efectuar el experimento una sola vez.
P(Ac) es la probabilidad que no ocurra A al realizar el experimento una sola vez.
Ejemplo 1: Una marca de tabacos ha calculado que el nmero de fumadores en una ciudad es del
35%. Se escoge al azar una muestra formada por 10 personas. Comprueba si la variable que expresa
el nmero de fumadores dentro de la muestra sigue una distribucin Binomial. En caso afirmativo
seala los parmetros de la distribucin
Solucin:
En cada prueba solo son posibles dos resultados:
A = individuo fumador
Ac = individuo no fumador
3 Todos los ejercicios son tomados del documento de Pea y Romo.
El resultado obtenido de la pregunta Fuma o no fuma en cada individuo de la muestra es

independiente de los otros.
La probabilidad del suceso A es P(A) = 0.35 constante.
As pues la variable que representa el nmero de individuos fumadores en la muestra es una
variable aleatoria que sigue una distribucin Binomial cuyos parmetros son n = 10 y p = 0.35.
A continuacin le pasamos a explicar otra forma de la funcin de probabilidad de la
distribucin Binomial, la media y varianza y pondremos algunos ejemplos que aclaren todos estos
conceptos.
La funcin de probabilidad de la distribucin Binomial viene dada por la siguiente expresin
en otra forma:
()
P(Obtener x xitos) = P(X=x)= n p x (1 p)nx

x
Cmo el clculo de estas probabilidades puede resultar algo trabajoso se han construido
tablas que nos proporcionan para los distintos valores de n y de x, la probabilidad de que la variable
X tome los distintos valores de 0 a n.
Parmetros de la distribucin
Si tenemos una distribucin Binomial de parmetro n y p se verifica que
Media o esperanza: =np
Varianza: 2=np(1 p)
Desviacin tpica: = np(1 p)
Se estudiaran algunos ejemplos que aclaren estos conceptos:
Ejemplo 2: Una prueba de inteligencia est compuesta por 10 preguntas, cada una de las cuales
tiene 4 respuestas y solo una de ellas correcta. Un alumno tiene prisa por acabar la prueba y decide
contestar aleatoriamente. Se pide
1. Probabilidad de acertar exactamente 4 preguntas
2. Probabilidad de no acertar alguna
3. Probabilidad de acertar todas
4. Probabilidad de acertar al menos 8
5. Probabilidad de acertar a los sumo 6
6. Media y varianza
Solucin:
Consideremos los sucesos
A = Contestar bien P(A) = 0.25
Ac = No contestar bien P (Ac) = 0.75
Se trata de una distribucin Binomial de parmetros B (10,0.25)
Sea X la variable aleatoria que representa el nmero de preguntas contestadas correctamente:
1.
( )
104
P ( de acertar 4 )=P ( X=4 ) = 10 (0.25)4 ( 0.75 ) =0.1460
4
2.
3.
4.
5.
( )
( )
10
P ( no acertar alguna )=P ( X =0 ) = 10 (0.25)0 ( 0.75 ) =0.0563
0
0
P ( acertar todas )=P ( X =10 )= 10 (0.25)10 ( 0.75 ) =0
10
P ( acertar al menos 8 )=P ( X 8 )=P ( X =8 ) + P ( X =9 ) + P ( X=10 )
2
1
P ( acertar al menos 8 )= 10 (0.25)8 ( 0.75 ) + 10 (0.25)9 ( 0.75 ) + 0=0.005
8
9
P ( acertar a lo sumo 3 )=P ( X 3 )=P ( X =0 ) + P ( X=1 ) + P ( X =2 )+ P ( X =3 )
10
9
8
7
10 (0.25)0 ( 0.75 ) + 10 (0.25)1 ( 0.75 ) + 10 (0.25)2 ( 0.75 ) + 10 (0.25)3 ( 0.75 ) =0.7759
0
1
2
3
Media y Varianza
( )
6.
( )
( )
( )
( )
( )
A continuacin se proponen estos ejercicios para que los realicen los alumnos
Ejercicio 1:
La probabilidad de que un estudiante obtenga el ttulo de licenciado en Geografa e Historia
es de 0.3. Halla la probabilidad de que de un grupo de siete estudiantes matriculados en primer curso
1. Ninguno de los 7 finalice la carrera
2. Finalicen todos la carrera
3. Al menos 2 acaben la carrera
4. Halla la media y la desviacin tpica
Solucin:
Consideremos los sucesos:
A = Finalizar la carrera P(A) = 0.3
= No finalizar la carrera P ( ) = 0.7
Por tanto se trata de una distribucin Binomial de parmetros B (7,0.3)
Sea X la variable aleatoria que representa el nmero de estudiantes que obtienen el ttulo de
licenciado en Geografa e Historia
Media y desviacin tpica
Ejercicio 2:
En geografa Humana se ha determinado que las condiciones socioeconmicas del 35% de la
poblacin de una comarca determinada son inaceptables. Elegida una muestra de esa poblacin
formada por 9 individuos, calcular:
1. Probabilidad de que solo vivan 3 en condiciones inaceptables
2. Hallar la media y la varianza de la distribucin
Solucin:
Consideramos los sucesos
A = Las condiciones socioeconmicas son inaceptables P(A)= 0.35
= Las condiciones socioeconmicas son aceptables P ( ) = 0.65
Por tanto se trata de una distribucin Binomial de parmetros B (9, 0.35)
Sea X la variable que representa el nmero de individuos que viven en condiciones
socioeconmicas inaceptables
a)
Media y varianza
5.3.2
Distribucin Normal
Cuando los datos estn distribuidos con frecuencias ascendentes-descendentes

aproximadamente simtricas, se le llama distribucin normal.
Cuando se trata de una variable discreta, o sea que solamente puede tomar valores como 1, 2,
3, 4, etc., pero no 2.04 5.6, el histograma correspondiente est formado por un conjunto de barras
como se muestra en la figura 2.5.1a. Si, en cambio, la variable es continua, el histograma es una
curva como la mostrada en la figura 2.5.1b, llamada curva normal.
Figura 2.5.1
La distribucin normal es una de las distribuciones ms usadas e importantes. Se ha vuelto
una herramienta indispensable en cualquier rama de la ciencia, la industria y el comercio. Muchos
eventos reales y naturales tienen una distribucin de frecuencias cuya forma es muy parecida a la
distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su forma acampanada.
En una curva normal lo que se utiliza es el rea bajo la curva entre dos valores x 1 y x2 ver
figura 2.5.1b, cuyo valor se emplea para obtener diferentes informaciones de los datos que
conforman dicha curva. El procedimiento para obtener esa rea es la que se va a estudiar en este
apartado.
Adems, en una curva normal las tres medidas de tendencia central coinciden en el centro: la
media, la moda la mediana; si acaso, puede haber una escasa diferencia entre algunas de ellas.
Tambin es simtrica respecto de la media, que es el punto ms elevado de la curva y, por lo
tanto, el rea bajo la curva hacia la izquierda de la media es del 50% y el otro 50% se localiza a la
derecha.
figura 2.5.2
Una caracterstica muy importante de la curva normal es que a partir de su eje de simetra se
puede dividir como lo muestra la figura 2.5.3, de tal manera que el valor igual a cero de la grfica
corresponda siempre a la media aritmtica de la distribucin normal de datos, y luego los datos
nominales se pueden transformar a uno equivalente de la escala de 3 a +3 de la figura 2.5.3.
Por eso, a los datos comprendidos en la escala de - 3 a + 3 se les llama dato estndar.
figura 2.5.3
En esa escala estandarizada, el 1 representa una desviacin estndar, el 2 representa dos
desviaciones estndares, y as sucesivamente. El signo positivo solamente indica que est a la
derecha del cero y el signo negativo significa que est a la izquierda. Con los ejemplos venideros se
aclararn esos significados.
ESTANDARIZACIN DE DATOS
Por lo dicho en el prrafo anterior, los datos pertenecientes a una distribucin normal se
pueden estandarizar o normalizar, lo cual se consigue utilizando la frmula:
xx
z=
s
En donde:
z = dato estandarizado o normalizado z
x = valor nominal del dato a estandarizar x
x = media aritmtica del conjunto de datos x
s = desviacin estndar. s
Ejemplo 1: Convertir cada uno de los datos nominales de la siguiente tabla a datos estandarizados.
Solucin:
Para transformar un dato nominal en dato estndar, tambin llamado dato z, se requiere
calcular la media de todo el conjunto. Para este caso ya se da por hecho que se sabe calcular la
media y la desviacin estndar, por lo que se omiten sus clculos. La media es y la desviacin x
= 12 estndar es s = 0.2994
Se tienen ya todos los datos para utilizar la frmula del dato:
xx
z=
x
f
xf
Dato z
s
6
1
6
7
2
14
8
3
24
9
5
45
10
9
90
11
15
165
12
18
216
13
15
195
14
9
126
15
5
75
16
3
48
17
2
34
18
1
18
88
El significado, a partir de que la media aritmtica del conjunto es x = 12 y la desviacin
estndar es s = 2.2994, es el siguiente: Un valor estandarizado z = 1 significa una distancia a partir
de la media aritmtica igual a una desviacin estndar a la derecha, es decir una distancia de 2.2994.
Un valor estandarizado z = - 2 significa una distancia a partir de la media aritmtica igual a dos
desviaciones estndar a la izquierda, es decir, una distancia de 4.5988.
Ahora bien, si al dato nominal x= 6 le corresponde un dato estndar z = - 2.609, significa que
ese 6 se alej de la media 2.609 desviaciones estndares a la izquierda. Y as con cada uno de los
datos nominales.
Grficamente:
5.3.2.1
reas Bajo la Curva Normal
En una curva normal, el rea bajo la curva desde el extremo izquierdo hasta la media, es
decir, hasta el eje de simetra, es del 50% y, obviamente, el otro 50% est en la parte derecha.
Una caracterstica importante de la curva normal y de los datos normalizados es que el rea
bajo la curva desde la media hasta una desviacin estndar, es decir desde z = 0 hasta z = 1, ya sea a
la izquierda o a la derecha, siempre es del 34.13% respecto del rea total que puede haber bajo la
curva.
De la misma forma, el rea bajo la curva desde la media hasta dos desviaciones estndar, es
decir desde z = 0 hasta z = 2, ya sea a la izquierda o a la derecha, es del 47.72%.
Como la curva normal sale de graficar los datos recolectados, es obvio que esos porcentajes
de reas bajo la curva tambin lo son para dichos datos, es decir, para una desviacin estndar, el
porcentaje de datos entre la media y z = 1 es de 34.13% aproximadamente; para dos desviaciones
estndar el porcentaje de datos entre la media y z = 2 es tambin aproximadamente de 47.72%.
Por lo tanto, es posible obtener el porcentaje de rea bajo la curva entre la media y cualquier
valor estandarizado z, lo cual se ha concentrado en una tabla. La tabla de reas bajo la curva, de los
valores de z normalizados, en anexo 1.
Esto ltimo es muy importante: Debe tomarse en cuenta que los valores mostrados en la
tabla son siempre desde la media hasta el valor estandarizado z.
Ejemplo 2: Al recolectar 250 datos, se obtuvo que la media es x = 7.65 y la desviacin estndar
s = 2.24. Calcular el nmero de datos aproximados que hay entre la media y el dato nominal x = 8.1
Solucin:
En este caso el enunciado proporciona los valores de la media y de la desviacin estn-dar.

Entonces, hay que estandarizar el valor nominal x = 8.1 con la frmula de z.
xx 8.17.65
z=
=
=0.20
s
2.24
Se toman solamente dos decimales porque as vienen en las tablas. A continuacin, se busca
en la tabla el valor de z = 0.20, para lo cual se localiza en la columna de la izquierda el valor z = 0.2
y en la primera fila de la tabla el 0. La celda interseccin de la columna con la fila es el valor del
rea bajo la curva que se busca.
El valor que le corresponde de 7.93% es el porcentaje de rea bajo la curva entre la media y
el dato z = 0.20, pero como ese porcentaje tambin corresponde a los datos recolectados, entonces
puede obtenerse por una simple regla de tres el nmero de datos nominales comprendidos en esa
regin:
250
nd
=
100 7.93
de donde el nmero de datos es nd.
250 7.93
nd=
=19.82
100
El nmero datos en forma calculada es nd = = 19.82, pero ese valor carece de sentido ya que
los datos recolectados siempre son nmeros enteros, porque se recolectan 200 datos, o 220 datos, o
300 datos, pero jams 291.8. Entonces entre la media aritmtica y el dato z = 0.20 no pueden haber
19.82 datos nominales, o hay 19 o hay 20, pero no una fraccin de ellos. De manera que lo correcto
es redondear y expresarlo no como que es igual, sino como aproximadamente. La solucin
entonces se expresa as: Hay aproximadamente 20 datos entre la media de 7.65 y el dato nominal de
8.1.
x =
Ejemplo 3: Al recolectar 850 datos con una distribucin normal, se obtuvo una media de
27 y una desviacin estndar s=5.34. Calcular el nmero de datos aproximados que hay entre la
media y el dato nominal x= 20.
Solucin:
En este caso el enunciado proporciona los valores de la media y de la desviacin estn-dar.
Hay que convertir el valor nominal x= 20, con la frmula:
xx 2027
z=
=
=1.31
s
5.34
En este caso el valor de z es negativo, lo que significa que el dato nominal x= 20 est a la
izquierda de la media aritmtica, pero en las tablas se busca simplemente como z=1.3; le
corresponde un porcentaje de rea de 40.49%.
850
nd
=
100 40.49
de donde el nmero de datos es nd.
850 40.49
nd=
=344.16
100
Hay aproximadamente 344 datos entre la media y el dato nominal.
5.3.2.2
Porcentaje Entre dos Datos Nominales
Otro problema que puede presentarse es cmo obtener el porcentaje de rea bajo la curva ya
no a partir de la media, sino entre dos datos nominales.
Hay dos opciones: La primera es que los datos estandarizados z 1 y z2 se localicen uno a la
izquierda y el otro a la derecha de la media. La solucin a ste nuevo problema es muy simple, pues
por una lgica muy elemental se puede deducir que el rea total es igual a la suma del rea 1 ms el
rea 2, como se ve en la figura, en donde A 1 es el rea desde la media hasta el dato estandarizado z 1,
la cual se obtiene de la tabla. Mientras que A2 es el rea desde la media hasta el dato estandarizado
z2.
Otra opcin que puede presentarse es la que se muestra a continuacin, consistente en que
ambos valores estandarizados, se encuentren del mismo lado respecto de la media, en la que tambin
por una lgica muy elemental puede deducirse que el rea total es simplemente la resta del rea 1
menos el rea 2. De tal manera que el porcentaje de datos entre z1 y z2 es la resta de porcentajes
bajo la curva de cada uno. Como se muestra en la figura.
Ejemplo 4: De un conjunto de datos con una distribucin normal, se obtuvo una media de x =
33.2, y una desviacin estndar s = 9.4. Calcular el porcentaje de rea bajo la curva que hay entre el
dato nominal x1 = 14 y el dato nominal x2 = 45.
Solucin: Estandarizando ambos datos nominales y localizando en las tablas el porcentaje de rea
bajo la curva que a cada uno le corresponde se obtiene que:
x x
x x
z 1=
z 2=
s
s
1433.2
4533.2
z 1=
=2.04
z 2=
=1.25
9.4
9.4
A1 = 47.93%
A2 = 39.44%
Como z1 es negativo significa que su regin o porcentaje de rea est a la izquierda de la
media y como z2 es positivo, su porcentaje de rea est a la derecha de la media. Por lo tanto, el
porcentaje total de rea bajo la curva es la suma de ambas, como se mostr anteriormente.
La suma de los porcentajes de reas es el porcentaje total de rea buscado:

AT = 47.93% + 39.44%
AT = 87.37%
Ejemplo 5: De un conjunto de datos con una distribucin normal, se obtuvo una media de x =
43.2 y una desviacin estndar s = 8.9. Calcular el porcentaje de rea bajo la curva que hay entre el
dato nominal x1 = 53 y el dato nominal x2 = 68.
Solucin: Estandarizando ambos datos nominales y localizando en las tablas el porcentaje de rea
bajo la curva que a cada uno le corresponde se obtiene que:
x x
x x
z 1=
z 2=
s
s
5343.2
6843.2
z 1=
=1.10
z 2=
=2.78
8.9
8.9
A1 = 36.43%
A2 = 49.73%
El porcentaje total de rea bajo la curva es la resta de ambas:
A = 49.73% 36.43%
A = 13.3%
Tablas
Estadstica Aplicada a la Educacin
Uso de la tabla de la distribucin normal tpica

Sea Z una variable aleatoria con distribucin normal tpica
1) Busca de la funcin de distribucin de un nmero positivo.
Supongamos que queremos calcular P{ Z 0,92}. Dicha probabilidad est representada por el
rea sombreada en la figura 1.
figura 1
Obtendremos la respuesta buscando en la tabla normal (para ello buscamos la fila
correspondiente al nmero truncado en su primera cifra decimal (es decir 0,9) y la columna
correspondiente a la segunda cifra decimal (es decir 0,02). La interseccin de esa fila y esa columna
nos indicar el nmero buscado.
Por lo tanto P{ Z 0,92}= 0,8212.

2) Clculo de la funcin de distribucin de un nmero negativo.
Tablas
Supongamos que queremos calcular P{ Z -1.53}. Dicha probabilidad est representada por
el rea sombreada en la figura 3.
figura 3
El nmero 1.53 no figura en la tabla, pero eso no nos impide calcular la probabilidad en
cuestin. Simplemente hay que tener en cuenta que, por la simetra de la campana de Gauss se tiene:
P{Z -1,53}= P{Z >1,53}
La probabilidad que figura en el segundo miembro de la ecuacin est representada en el
rea sombreada en la figura 4:
figura 4
Dicha probabilidad es la complementaria de la probabilidad P{Z 1.53}, representada en la figura 5
Tablas
figura 5
Es decir: P{Z 1,53}+ P{Z >1,53}=1. Para hallar P{Z1,53} simplemente vamos a la tabla
y procedemos como en el caso 1:
De aqu obtenemos P{Z 1,53} = 0,9370 y, por lo tanto:

P{ Z -1,53}= P{ Z > 1,53} = 1 - P{ Z 1,53}= 1- 0,9370 = 0,0630
3) Clculo de la probabilidad de que la normal tpica caiga entre dos valores dados.
Supongamos que queremos calcular P{0,41 < Z 1,62}. Esta probabilidad est representada
por el rea sombreada en la figura 7.
Tablas
figura 7
Dicha probabilidad se puede calcular como
P{ 0,41 < Z 1,62}.= P{ Z 1,62}- P{Z 0,41}.
El minuendo y el sustraendo estn representados por las reas sombreadas en las figuras 8 y
9, respectivamente.
figura 8
figura 9
Tablas
La busca en la tabla nos da los valores:

P{ Z 1,62} = 0,9474,
y
P{Z 0,41} = 0,6591 .
Por lo tanto:
P{ 0,41 < Z 1,62}.= 0,9474 - 0,6591= 0,2883.
4) Clculo de la probabilidad de que un normal con parmetros cualesquiera caiga entre dos
valores dados.
Supongamos que queremos calcular P{2,3 < X 3,7}. Donde X es una variable aleatoria
normal con parmetros =1,5 y =2 Esta probabilidad est representada por el rea sombreada en
la figura 10.
.
figura 10
Para calcular esta probabilidad, llevamos la variable X a una normal tpica, restando y
dividiendo entre :
P{2,3 < X 3,7} = P{(2,3 - ) / < (X-) / (3,7-) / } =
P{(2,3-1,5) /2 < (X-1,5) /2 (3,7-1,5) /2 }= P{0,4< (X-) /
1,1 }
la variable Z= (X-) tiene distribucin normal tpica. La probabilidad que se quiere calcular es
igual al rea sombreada en la figura 11:
La resolucin del problema se reduce
entonces a lo explicado en la parte 3.
P{2,3 < X 3,7}
= P{0,4< Z 1,1 }
= P{ Z 1,1 } P{ Z 0,4 }
= 0,8643 - 0,6554
= 0,2089
figura 11
Tablas
TABLA I (A)
DISTRIBUCIN NORMAL TIPIFICADA N(0 , 1)
La tabla proporciona, para cada valor de z, el rea que queda a su izquierda.
Tablas
TABLA I (B)
La tabla proporciona, para cada valor de z, el rea que queda a su izquierda.
Tablas
TABLA II
La tabla proporciona el rea que queda comprendida entre 0y z.
Tablas
Tablas
Tablas
BIBLIOGRAFA
Sitios Web:
http://www.itch.edu.mx/academic/industrial/estadistica1/toc.html
http://es.scribd.com/doc/37268578/Distribucion-muestral-3#download
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un3/cont_305_83.html
http://matematica1.com/category/distribucion-normal/
Documentos:
Probabilidad y Distribuciones de Probabilidad. Hctor Hernndez Primitivo Reyes Aguilar.
Enero 2009.
http://cms.dm.uba.ar/academico/materias/verano2014/probabilidades_y_estadistica_C/tabla_
tstudent.pdf
http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20II.pdf
Libros:
ESTADSTICA PARA ADMINISTRACIN Y ECONOMA. ANDERSON -SWEENEYWILLIAMS. 10 EDICION

INTRODUCCION A LA ESTADSTICA. LINCOLN L. CHAO.
Estadstica para Ciencias del Comportamiento. Elorza, Haroldo.
Estadstica Psicoeducativa Trillas. Escotet, Miguel.
Estadstica en Psicologa y Educacin. Garret, Henry H.
Estadstica General. Haber y Rynion.
Mtodos Estadsticos aplicados a las Ciencias Sociales. Stanley/Glass.
Estadstica. Teora y Problemas. Spiegel, Murria
Otros materiales entregados por la maestra.
Estadstica. Serie Schaum Spiegel M. R.
Carrasco Arroyo, S (2005): Aproximacin a la Estadstica desde las Ciencias Sociales.
Valencia, Espaa.http://www.uv.es/carrascs/PDF/aproximacion%20estadistica.pdf
Zavrostsky, A: Varias definiciones de la Estadstica. Revista de Economa. Facultad de
Ingeniera. Universidad de Los Andes, Venezuela.
http://iies.faces.ula.ve/Revista/Articulos/Revista_02/Pdf/Rev02Zavrotsky.pdf
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 1
TEMA: ESTADSTICA DESCRIPTIVA
1. OBJETIVOS
Reforzar los conceptos bsicos de estadstica descriptiva.
Elaborar distribuciones de frecuencias segn los pasos discutidos en clases.
Utilizar los distintos tipos de grficos para presentar la informacin en estudio.
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
I PARTE:
A. En este mdulo es importante entender algunos conceptos bsicos antes de seguir adelante.
Responde las preguntas y realiza las actividades siguientes, que sintetizan los principales
aspectos del mdulo.
1. Cul es la diferencia entre Estadstica y Estadsticos?
2. Piensa ejemplos de Estadsticos que puedan resultar tiles para aplicar en el campo de las
relaciones laborales.
3. Explica la diferencia entre Estadstica Descriptiva y Estadstica Inferencial.
4. Distingue entre poblacin y muestra. Cita ejemplos de estudios para los cuales sea factible
trabajar con toda la poblacin (censo) o con muestras. Fundamenta.
5. Qu relacin hay entre las unidades de anlisis y la poblacin?
6. Piensa ejemplos de variables con sus sistemas de categoras. Identifica el nivel de medicin.
B. Se quiere realizar un estudio para conocer el perfil que los docentes, deben cumplir para ser
elegidos en el sistema pblico, y su tipo de contratacin.
Imagina qu caractersticas podran ser de inters estudiar. Identifica las variables que se
corresponden con esas caractersticas y el sistema de categoras que les asignaras. Menciona el
nivel de medicin de cada variable. Construye la estructura de la matriz de datos en la cual se
volcara la informacin recogida.
C. Identifica las escalas de medicin de las siguientes variables, de acuerdo al sistema de

categoras que se les ha asignado.
Variable
Categoras
Escala de
medicin
Nivel
educativo
Ninguno
Primaria
Secundaria
Terciaria
Nivel
0 ao aprobado
educativo
1 ao aprobado
2 aos aprobados
Categora de Patrn
ocupacin
Empleado pblico
Empleado privado
Cooperativista
Trabajador por cuenta propia
Trabajador familiar no remunerado
I PARTE:
1. Identifique el Tipo de Variables en Cualitativas ( nominal ordinal ) Cuantitativas. (discretas y
continuas )
a) Genero ( sexo ) de la persona .
b) Color de ojos de la persona.
c) Tiempo transcurrido desde el nacimiento hasta el momento de la toma del dato.
d) Nmero de hijos en la familia.
e) Percepcin que tiene el mdico del mejoramiento de un paciente.
f) Longitud del cuerpo humano, sin usar zapato.
g) Tipo de cncer que se diagnostica..
h) Nombre del peridico matutino que se lee.
i) Temperatura medida a las 6.00 a.m.
j) Volumen de llenado de la botella de leche.
k) Nmero de piezas defectuosas por hora.
l) Grado de inters del entrevistado en asuntos polticos.
m) Longitud recorrida desde la casa.
2. Para cada una de las siguientes variables determine los valores, si la variable es Cualitativa o si
es Cuantitativa en ( discreta continua)
a.- Estado de salud de una persona.
b.- Precio de una calculadora cientfica.
c.- Nmero de llamadas que recibe un conmutador.
d.- Monto de una compra al contado que se hace en una tienda.
e.- Temperatura corporal de una persona con gripe.
f.- Analgsico que toma una persona para aliviar un dolor de cabeza.
g.-Nmero de transacciones realizadas al da en cierto cajero automtico
h.- Tipo de ciruga a la que es sometido un paciente en cierto hospital.

i.- Tiempo de prstamo de cierto libro otorgado a un estudiante.
j.- Nivel de ansiedad de una persona medido por una prueba estandarizada.
k.- Severidad de las quemaduras en una persona rescatada de un incendio.
l.- Consumo diario de agua que hace una persona.
ll.- Posible presencia de parsitos en un paciente que presenta problemas digestivos.
m.- Tipo de complicacin que padeci un beb al momento de nacer.
n.- Posible causa de alta temperatura en una persona.
.- grado de toxicidad del veneno de una araa.
o.-Fecha de nacimiento de una persona.
p- Intensidad con que siente una persona un dolor de cabeza.
3. Se realiz un estudio en 20 perros. La siguiente tabla muestra su distribucin segn tamao.
Tamao
Pequeo
Mediano
Grande
N de animales
4
6
10
a) Clasifique la variable Tamao.

b) Qu porcentaje de los animales es de tamao pequeo?
c) Grafique la informacin en un grfico de barras
4. En una empresa ganadera se han pesado los animales y se han obtenido los siguientes datos.
Peso (Kgs )
N de animales
300 - 400
1
2
a) Qu porcentaje de 400 - 500
los animales pesa entre 500
500
600
10
y 600?
2
b) Qu porcentaje de 600 - 700
los animales pesa ms de
400?
c) Qu porcentaje de los animales pesa como mnimo 600 kilos?
d) Construya un histograma con la informacin de la tabla.
5. Los siguientes datos corresponden a los lugares favoritos de vacaciones de los empleados de un
empresa.
Mar
Campo
Monta
a
Monta
a
Monta
a
Campo
Camp
o
Mar
Mar
Mar
Camp
o
Mar
Ma
r
Ma
r
Ma
r
Monta
a
Mar
Camp
o
Mar
Monta
a
Campo
Campo
Camp
o
Monta
a
Ma
r
Ma
r
Ma
r
Camp
o
Camp
o
Mar
Campo
Monta
a
Camp
o
Mar
Ma
r
Monta
a
Mar
Monta
a
Ma
r
Camp
o
a.- Construya una tabla de distribucin de frecuencias para este tipo de datos.
b.- Qu porcentaje de los trabajadores prefiere la montaa?
c.- Qu porcentaje de los trabajadores prefieren el mar?
d.- Construya un grfico para este tipo de tabla
6. Considere la siguiente situacin. En una gran compaa, se est desarrollando un programa para
ofrecer a los trabajadores una prestacin que les permita adquirir un automvil nuevo a un costo
moderado tanto para el trabajador como para la empresa. Sin embargo, el contrato de
arrendamiento implica decidir qu tipo de automvil prefieren los trabajadores, pues en funcin
de esto se podr seleccionar la mejor empresa arrendadora. El gerente de recursos humanos
realiza un muestreo aleatorio simple en la nmina de la empresa: selecciona 60 trabajadores sin
importar los niveles, y les aplica una encuesta en la cual les pregunta cul sera la marca de su
preferencia. A continuacin se presentan los resultados.
FORD = F CHEVROLET = CH MAZDA = M VOLKSWAGEN = V
NISSAN = N
OTROS = O.
F
CH CH F
M
CH F
CH CH O
V
F
N
CH CH CH F
CH V
V
N
CH CH N
M
M
O
V
F
F
CH CH N
F
CH V
V
V
CH V
M
V
CH CH V
N
O
V
F
M
CH V
V
M
CH CH CH O
V
M
a.- Construya una tabla de Distribucin de Frecuencia para dichos datos.
b.- Construya un grfico para este tipo de tabla.
c.- De la tabla saque tres conclusiones.
7. Se pidi a 40 colaboradoras casadas de una empresa textil, seleccionadas aleatoriamente, que
dijeran el nmero de horas que haban dormido la noche anterior. Los resultados fueron:
5
6
7
5
6
6
4
7
6
6
4
6
6
4
5
5
3
5
3
7
4
5
4
7
7
5
6
4
5
5
4
5
5
5
7
8
9
4
5
6
a) Construya una tabla de distribucin de frecuencia para dichos datos.

b) Con los datos de la tabla conteste las siguientes preguntas.
1.- Cuntas colaboradoras durmieron 8 horas noche anterior?
2.- Qu porcentaje de las colaboradoras durmieron 6 horas noche anterior?
3.- Cuntas colaboradoras durmieron entre 3 y 6 horas la noche anterior?
4.- Qu porcentaje de las colaboradoras durmieron entre 3 y 7 horas la noche anterior?
5.- Cuntas colaboradoras durmieron 7 y ms horas la noche anterior?
c) Construya un grfico para este tipo de tabla.

8. Construya una tabla de distribucin de frecuencias , con los puntajes obtenidos en la Prueba
de ingreso Universitario, en una muestra de 50 estudiantes.
331
535
526
462
675
625
573
715
539
489
450
370
430
581
460
519
760
372
468
613
730
328
333
755
789
427
612
405
440
390
640
569
710
629
544
619
592
777
810
632
690
674
381
670
487
409
438
461
570
465
a.- Cuntos estudiantes obtuvieron entre 504 y menos de 548 puntos?

b.- Qu porcentaje de los estudiantes obtuvo entre 680 y menos 724 puntos?
c.- Cuntos estudiantes obtuvieron menos de 680 puntos?
d.- Qu porcentaje de los estudiantes obtuvo menos de 504 puntos?
e.- Cuntos estudiantes obtuvieron 636 puntos y ms?
f.- Construya un grfico para este tipo de tabla.
9. En un estudio se le pregunt a 381estudiantes de tiempo completo de cierta Universidad y que
trabajan, cuntas horas a la semana dedican a un trabajo asalariado. Y se obtuvo la siguiente
informacin.
Intervalos
Marca Clase Frec. Absoluta Frec. Abs. Acu Frec. Relativa Frec. Rel. Acu
0 - 3
5
3 - 6
77
6 - 9
83
9 - 12
74
12 - 15
55
15 - 18
36
18 - 21
26
21 - 24
16
24 - 27
8
27 - 30
1
a.- Complete la tabla de distribucin de frecuencia.
b:- Cuntos estudiantes dedican menos de 18 horas semanales al trabajo?
c.- Qu porcentaje de los estudiantes dedican entre 15 y menos de 18horas semanales al trabajo?
d.- Qu porcentaje de los estudiantes dedican menos de 21 horas semanales al trabajo?
e.- Cuntos estudiantes dedican 18 horas y ms al trabajo?
f.- Construya un grfico para este tipo de tabla.
10. Las notas del examen parcial de matemtica dieron la siguiente distribucin de frecuencias.
a) Completar la distribucin de frecuencias.
b) Graficar el histograma de porcentajes.
Intervalos
3
-
Marca Clase
Frecuencia Relativa
0.15
Frec. Relat. Acumulada
0.45
0.70
13.5
0.10
11. Seala 4 reas distintas en las cuales se utilice la estadstica como herramienta de
investigacin.
12. Se desea saber si los dueos de automviles catalticos estn dispuestos a pagar la conversin
de sus motores a gas natural. Para ello se decide realizar una encuesta.
a) Determina cul de las siguientes es la mejor muestra:
Escoger al azar a adultos que caminan por el centro de las principales ciudades del pas.
Escoger al azar a conductores de automviles en las intersecciones ms concurridas.
Escoger al azar del registro de vehculos motorizados a dueos de automviles catalticos y
enviarles un encuestador.
b) Explica la razn de tu eleccin, seala las ventajas y desventajas de cada alternativa.
c) cules son las variables en la encuesta? A qu tipo de variables corresponden?
13. A continuacin aparece una distribucin de frecuencias de los niveles de zinc en la sangre en
hombres entre las edades de 15 y 17 aos de edad.
VARONES ESTADOUNIDENSES, DE 15 A 17 AOS DE EDAD.
Nivel de zinc en la sangre (Ug/dl) Cantidad de Varones
50
19
6
60
69
35
70
79
110
80
89
116
90
99
91
100
109
63
110
119
30
120
.
129
5
130
139
2
140
149
2
150
159
2
a) Calcule la frecuencia relativa asociado a cada intervalo de la tabla. Qu concluye usted
acerca de la distribucin de niveles de zinc en la sangre?
b) Disee un histograma de los datos. 4
4 Diseada por profesor Carlos Flores Carvajal
GUA DE PRCTICA N 2
TEMA: ANALISIS ESTADISTICO
1. OBJETIVOS
Practicar el uso de las distintas frmulas de las medidas de tendencia central y dispersin.
Realizar el anlisis y comparacin de los distintos clculos de medidas.
Fomentar el uso de medidas de tendencia central y dispersin en el anlisis de informacin.
2. METODOLOGA
3. EJERCICIOS
I PARTE: Tendencia Central
1. En una calle de la ciudad se midieron con radar las velocidades de 55 automviles:
27 23 22
38
43
24
35
26
28
18
20
25
23
22
52
31
30
41
45
29
27
29
28
27
25
29
28
24
37
28
29
26
33
25
27
25
34
32
36
22
32
21
23
24
18
48
23
16
38
26
21
43
18
33
23
a. Clasifique estos datos en una distribucin de frecuencias agrupada utilizando las clases 15-20,
20-25 ..., 50-55.
b. Encuentre el ancho de clase.
c. Obtenga las distintas medidas de tendencia centra: Media
mediana
moda
d. Obtenga el primer y tercer cuartil
e. Obtenga las distintas medidas de variabilidad: La varianza
el desvo estndar de la muestra
f. Elabore un pequeo informe con los resultados obtenidos.
2.En mayo pasado se aplic una encuesta a 32 estudiantes de UTN. A cada estudiante se le pregunt
:"cuntas horas de televisin vio ayer?". Los resultados son los siguientes:
0
1/2
2 .5
0
2.5
6
0
1
2.5
1
0
0
1.5
2
0.5
5
0
1
2.5
2.5
1.5
0
4
0
2
0
2
a. Clasifique estos valores en una distribucin de frecuencias agrupadas

b. Cules son las fronteras de estas clases?
c. Cules son las marcas correspondientes?
d. Cul es la forma del histograma producido por estos datos?
e. Encuentre la media.
f. Encuentre la mediana.
g. Encuentre la moda.
h. Encuentre la variancia y el desvo.
i. Elabore un pequeo informe con los resultados obtenidos.
3. Se pidi a 15 estudiantes de universidad seleccionados aleatoriamente, que dijeran el nmero de
horas que haban dormido la noche anterior. Los datos resultantes fueron 5, 6, 6, 8, 7, 7, 9, 5, 4, 8,
11, 6, 7, 8, 7. Obtenga lo siguiente:
a. La media .
b. La mediana .
c. La moda.
d. La variancia.
e. El desvo.
f. Interprete los resultados obtenidos elaborando un pequeo informe.
Ejercicios Tema: medidas de dispersin
1) Calcular todas las medidas de dispersin para la siguiente distribucin
X 5 10 15 20 25
i
ni
2) Calcular todas las medidas de dispersin para los datos de la siguiente distribucin
x 0
100
200
300100
200
300
800
n 90
140
150
120
3) Una empresa de fabricacin de productos cermicos dispone de tres centros de produccin. En el
centro A, el ms grande y moderno, se hace un estudio de los m de azulejo producidos al mes
durante el ao pasado, obtenindose una media de produccin mensual
m , con una
desviacin tpica SA = 15.000 m . Se sabe que el centro B, por tener maquinaria ms anticuada
que A, produce cada mes un tercio de la produccin de A, y que el centro C, por tener un horno
menos que B, produce cada mes 25.000 m menos que B Cul es la media y la varianza de la
produccin mensual de C?
4) Sumando 5 a cada nmero del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que
ambos conjuntos de nmeros tienen la misma desviacin tpica pero diferentes medias cmo
estn relacionadas las medias?.
5) Multiplicando cada nmero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto
11, 17, 9 7, 19 15. Cul es la relacin entre la desviacin tpica de ambos conjuntos? Y entre las
medias?
6) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. Cul es el valor de la
media de X?.
7) El coeficiente de variacin de la variable X sabemos que es 1 Qu podemos decir sobre su media
y su varianza?
8) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9
respectivamente. Para cul de las dos variables el valor de la media es ms representativo?
9) Sea una variable con media 8 y desviacin tpica 0. Qu se puede afirmar sobre el
comportamiento de esta variable?.
10) La distribucin de edades del Censo Electoral de Residentes a 1 de enero de 1.999 para las
comunidades autnomas de Aragn y Canarias, en tantos por cien es la siguiente:
Edades
1618
1830
3050
5070
7090
Aragn
3.54
21.56
31.63
28.14
15.12
Canarias
4.35
29.99
35.21
21.97
8.48
a) Representa sobre los mismos ejes de coordenadas los histogramas de la distribucin de la edad
para las dos CC.AA. (emplea distinto trazo o distintos colores). Qu conclusiones obtienes a la
vista de los histogramas?
b) Calcula la edad mediana para las dos comunidades. Compralas. Qu indican estos
resultados?
c) Qu comunidad tiene mayor variabilidad en la distribucin de su edad?
11).En el siguiente histograma se representa la distribucin de los salarios (variable X), en miles de
pesetas de una industria del sector cermico:
Fre cuen cias r elativas
Variable X (m ar cas de clase)
Conforme a esta informacin determinar

a) Tabla estadstica de frecuencias
b) Salario mediano, moda y coeficiente de variacin
c) Sueldo mnimo del 20% de los empleados con mayor sueldo. Qu porcentaje de la nmina
corresponde a este grupo.
d) De los sueldos de otra empresa tambin perteneciente al sector cermico se sabe que el sueldo
medio de sus trabajadores es de 120.000 ptas., con una varianza de 0,5 y que la mediana de los
sueldos es de 125.000 ptas. Qu empresa tiene un sueldo medio ms representativo? Razona la
respuesta.
12) Al lanzar 200 veces un dado se obtuvo la siguiente distribucin de frecuencias
x 1 2
3
4
5 6
n a 32 35 33 b 35
Hallar la mediana, la moda y la varianza de la distribucin, sabiendo que la media aritmtica es 3,6.
13) En un taller de reparacin de automviles recojo datos sobre los das de permanencia de los
vehculos a reparar en l, y obtengo:
Das de estancia 1
2
3 4
5 8 15
N de coches
23 12 7 10 3 2 1
a) Calcula el nmero medio de das de permanencia y una medida de su representatividad
b) Cuantos das como mximo permanecen en el taller el 75% de los automviles, que menos
permanecen en el taller?
c) Calcula la mediana y la moda
14) Sea una distribucin de frecuencias con las siguientes caractersticas
30. Determinar estas medidas para la distribucin yi = xi + 10
; Mo = 5;
; n=
15) Sean X e Y tales que

;
;
;
. Sabiendo que yi = axi + b
determinar los valores de estas dos constantes a y b
y que a>0,
16) Sea una distribucin con las siguientes caractersticas
; Me= 6.
Determinar estas medidas para la distribucin:
; Mo = 5 ;
17) La siguiente tabla muestra los coeficientes de inteligencia de 480 nios de una escuela
elemental.
C.I.
70
74
78
82
86
90
94
98
ni
16
28
45
66
85
72
10
2
54
10
6
38
110 114 118 12

2
27 18 11 5
126
2
Calcula:
a) El C.I. medio de los nios estudiados
b) Su desviacin tpica.
c) Si una madre afirma que exactamente la mitad de los nios del colegio tienen un C.I. superior
al de su hijo, qu C.I. tiene el nio?
d) Supongamos que se quieren hacer estudios sobre el proceso de aprendizaje de los nios con
mayor C.I., pero que el psiclogo solo puede atender al 15% de los nios del centro. Qu C.I.
deber tener un nio como mnimo para ser considerado dentro de ese grupo de elegidos?
e) Se van a preparar unas clases de apoyo, para un 25% de los nios del centro, precisamente para
aquellos que tengan menor C.I. Hasta qu nios de qu C.I. deberemos considerar en estas
clases?
18) La tabla siguiente recoge la distribucin (en porcentajes) de volmenes de ventas anuales en las
empresas cermicas de la provincia durante el ao pasado:
Ventas (dlares)
menos de 2.500
2.5005.000
5.000010.000
10.00020.000
20.00040.000
40.000100.000
100.000250.000
250.000500.000
500.000 o ms
Empresas (%)
25,9
13,2
13,0
17,7
11,0
14,4
8,5
1,8
0,6
a) Por qu ni la media ni la desviacin tpica son medidas apropiadas de centralizacin y de

dispersin, respectivamente, para esta distribucin?.
b) Qu medidas de centralizacin y de dispersin deben utilizarse en su lugar?
III PARTE: REFORZAR

1) El siguiente cuadro muestra la distribucin de la renta anual (en miles de soles) en que incurren
50 viviendas:
Marca de Clase
18.85
21.55
24.25
26.95
29.65
32.35
35.05
N de Viviendas
11
11
a) Halle e interprete segn el enunciado

i)
Media, mediana y moda.
ii)
Desviacin estndar y coeficiente de variabilidad.
b) Estime el porcentaje de viviendas con rentas superiores o iguales a 26 000 soles pero menores
que 32 000 soles.
c) Si las rentas menores que 28 300 soles se incrementaron en 2 500 soles y las rentas mayores o
iguales que 28 300 soles se redujeron en un 30%. Calcule la nueva renta promedio.
2) Una compaa requiere los servicios de un tcnico especializado. De los expedientes
presentados, se han seleccionado 2 candidatos: A y B, los cuales renen los requisitos mnimos
requeridos. Para decidir cul de los 2 se va a contratar, los miembros del Jurado deciden tomar 7
pruebas a cada uno de ellos.
Los resultados se dan a continuacin:
1
57
80
Puntaje obtenido por A

Puntaje obtenido por B
2
55
40
3
54
62
Prueba
4
52
72
5
62
46
6
55
80
7
59
40
a) Halle e interprete la media, mediana y moda de los dos candidatos.

b) Estadsticamente Cul de los candidatos debe ser contratado? Fundamente su respuesta.
3) Se toman las medidas de 80 personas las que tienen estatura media de 1.70 m y desviacin
estndar de 3.4 cm. Posteriormente se verific que la media usada tena 4 cm de menos.
Rectifique los estadgrafos mencionados.
4) Una asistencia social desea saber cul es el ndice de natalidad en 2 distritos de Lima para lo que
encuest a 10 familias de cada distrito con los siguientes resultados
A
B
0
3
6
4
1
1
2
4
3
2
1
3
4
1
3
5
6
4
4
3
a) Calcule la media, mediana y moda para cada distrito e interprtelos.

b) Considera Ud. que en el distrito B, el nmero de hijos por familia es ms homogneo que en el
distrito A.
5) La produccin de papa en Tn. fue de 4000 Tn. con variancia de 3600 para el departamento de
Cuzco, mientras que para el departamento de Puno fue de 10 000 Tn. con 1440000 de variancia,
en qu departamento se puede decir que la produccin de papa es ms homognea
6) El salario promedio en una ciudad es de 11 000 u.m. con una variancia de 2 000 u.m. Cules
sern la nueva media y la nueva variancia si se efectan los siguientes cambios:
a) Se aumenta 810 u.m a todos
b) Se aumenta el 15 % de su salario a cada trabajador
c) Si se duplican los sueldos
7) En un examen 20 alumnos del curso A obtienen una media de 60 puntos. y desviacin estndar
de 20 puntos
En el curso B los alumnos obtienen una media de 80 y desviacin estndar de 16. Ante un
reclamo se decide subir en 5% ms 5 puntos adicionales a todos los alumnos del curso A, en
cambio como hubo muchas copias en el curso B se decidi disminuir la quinta parte de la
calificacin.
Despus de los mencionados ajustes Cul es el puntaje medio de los 50 alumnos?
8) Los siguientes datos pertenecen a la distribucin de la produccin de papas (en Tn.) en 40 zonas
del pas
Y1=20
f2-f5=2
Y5= 100
f1=4 f3=20
Si se sabe que la distribucin es simtrica y presenta 5 intervalos de clase.
a) Reconstruya los intervalos de clase y obtenga las frecuencias absolutas
b) Calcule la media, la mediana y moda e interprtelos
c) Calcule la variancia, desviacin estndar y coeficiente de variabilidad
GUA DE PRCTICA N 3
TEMA: TECNICAS DE CONTEO
1. OBJETIVOS
Utilizar las distintas tcnicas de conteo vistas en clase.
Determinar los distintos ejemplos de combinacin y permutacin.
Fomentar el uso de tcnicas de conteo y su aplicacin en el medio.
2. METODOLOGA
3. EJERCICIOS
Tcnicas de Conteo
1. En un sistema de comunicacin digital, cada mensaje se clasifica segn llega o no dentro del
tiempo establecido por el diseo del sistema. Si se clasifican tres mensajes, utilice un
diagrama de rbol para representar el espacio muestral de los posibles resultados.
2. La orden de pedido de un automvil puede especificar transmisin automtica o estndar,
con o sin aire acondicionado, y uno de cuatro colores: rojo, azul, negro o blanco. Utilizando
la regla de la multiplicacin y el diagrama de rbol, describa el conjunto de todos los pedidos
posibles para este experimento.
3. En el diseo de la cubierta de un tren de engranes pueden emplearse cuatro tipos diferentes
de sujetadores, tres longitudes distintas de tornillo y tres posiciones diferentes de stos.
Utilice la regla de la multiplicacin para conocer el espacio muestral formado por el
experimento.
4. Una persona acomoda en un estante de una librera seis libros de filosofa, cuatro de qumica
y ocho de historia. De cuntas formas se pueden acomodar los libros si:
a) los de historia siempre deben de ir juntos
b) los libros deben de ir separados por materias
5. Un examen de mtodos numricos est formado por tres temas. EL tema A contiene seis
preguntas, el tema B cuatro y el tema C ocho preguntas y se tienen que contestar mnimo tres
preguntas de cada tema, calcula de cuntas maneras diferentes un estudiante puede elegir sus
preguntas.
6. Se quieren formar arreglos de cuatro cifras con los nmeros 0 a 9.
a) cuntos nmeros diferentes de cuatro cifras se pueden formar con los nmeros 0 a 9 si no
se permite la repeticin y el cero no puede ir al principio y los nmeros formas pueden ser
cualesquiera?
b) Los nmeros formados del inciso a) deben ser pares.
Regla del Producto y Permutaciones
1. Un sbado, cuando iban de compras, Luisa y Mara vieron a dos hombres alejarse en
automvil de la fachada de una joyera, justo antes de que sonara una alarma contra robos.
Aunque todo ocurri muy rpido, cuando fueron interrogadas las dos jvenes, pudieron dar a
la polica la siguiente informacin acerca de la placa (dos letras seguidas de cuatro dgitos)
del automvil que huy. Mara estaba segura de que la segunda letra de la placa era O o una
Q, y que el ltimo dgito era un 3 o un 8. Luisa dijo que la primera letra de la placa era una C
o una G y que el primer dgito era un 7. Cuntas placas diferentes tendr que verificar la
polica? (800)
2. Tres pueblos, designados como A, B y C, estn intercomunicados por un sistema de
carreteras de doble sentido, como se muestra en la figura 1.1.
a. De cuntas formas puede una persona ir del pueblo A al pueblo C? (14)
b. Cuntos trayectos puede hacer una persona del pueblo A al pueblo C y de regreso al
pueblo A? (196)
c. Cuntos de los trayectos completos de la parte (b) son tales que el viaje de regreso
(del pueblo C al pueblo A) es diferente, al menos parcialmente, de la ruta que toma
una persona del pueblo A al pueblo C? (182)
1
3
A
B
4
8
9
Figura 1.1
3. Un profesor de computacin tiene 7 libros de programacin diferentes, de los cules 3 son de

JAVA y 4 de C++. De cuntas formas puede ordenar el profesor estos libros:
a. No hay restricciones. (7!)
b. Los lenguajes se deben alternar. (3!4!)
c. Todos los libros de JAVA deben estar juntos. (3!5!)
4.
5.
6.
7.
d. Todos los libros de JAVA deben estar juntos y todos los libros de C++ tambin. (3!4!
2)
Enumere todas las permutaciones de las a, c, t y u.
De cuntas formas es posible distribuir 12 libros diferentes entre cuatro nios de modo que:
a. Cada nio reciba tres libros. (12!/(3!3!3!3!))
b. Los dos nios mayores reciban cuatro libros cada uno y los dos menores reciban dos
libros cada uno. (12!/(4!4!2!2!))
Con la palabra SOCIOLOGICAL:
a. Cuntas disposiciones hay de todas las letras de la palabra? (12!/(3!2!2!2!1!1!1!))
b. En cuntas de las disposiciones de la parte (a) estn juntas la A y la G? (11!/(3!2!2!
2!)*2!/(1!1!))
c. En cuntas de las disposiciones de la parte (a) estn juntas todas las vocales? (7!/(2!
2!)*6!/(3!2!))
Doce platillos (con forma idntica) se ordenan en cuatro columnas verticales, como se
muestra en la figura 1.2. Hay 4 de color rojo en la primera columna, 3 azules en la segunda
columna, 2 grises en la tercera columna y 3 blancos en la cuarta columna. Para entrar al
equipo de tiro de su universidad, Carlos debe romper 12 platillos (con su pistola y slo 12
balas) y, para esto, siempre debe romper el platillo que queda en la parte inferior de la
columna. En estas condiciones, de cuntas formas puede disparar (y romper) y romper los
12 platillos? (12!/(4!3!2!3!)).
Figura 1.2
8. Se tienen 7 personas para sentar en una mesa circular. De cuntas formas puedo sentarlas:
a. Sin restricciones. (6!)
b. Si dos de las personas insisten en sentarse juntas. (5!*2)
9. En un computador los nombres de los archivos son palabras que tienen de uno a cinco
caracteres, cada carcter puede ser alguno de los 36 alfanumricos (26 letras y 10 dgitos) o
cualquiera de otros 15 smbolos determinados. El computador no distingue maysculas de
minsculas. Tambin es posible aadir al nombre del archivo una extensin de archivo
opcional, la cual es de tres caracteres alfanumricos, esta extensin se obtiene al escribir un
punto y tres caracteres alfanumricos.
a. Sin restricciones.
b. Cuntos nombres de archivo utilizan solamente los 36 caracteres alfanumricos, sin
extensin?
c. Cuntos de los nombres de archivo de la parte (b) comienzan con una A?
d. Cuntos nombres de archivo utilizan extensiones?
Combinaciones
1. Responda:
a. Cuntas permutaciones de tamao dos pueden producirse con las letras m, p, i y a?
Enumrelas. (12)
b. Enumere todas las combinaciones de tamao dos pueden producirse con las letras m,
p, i y a. (6)
2. Calcule C(6,2) y verifique su respuesta enumerando todas las selecciones de tamao dos que
se pueden hacer con las letras a, b, c, d, e y f. (15)
3. Diana debe hacer un viaje de cuatro horas en autobs de regreso a su escuela, decide llevar
consigo 5 revistas de las 12 de su hermana. De cuntas formas puede Diana hacer su
seleccin? (C(12,5))
4. La directora de un coro debe elegir 6 himnos para el acto cvico de su escuela. Ella tiene tres
libros de himnos, cada uno de los cuales contiene 10 himnos (en total hay 30 himnos
distintos). De cuntas formas puede elegir los himnos si desea elegir:
a. Sin restricciones. (C(30,6))
b. Dos himnos de cada libro. (C(10,2) * C(10,2) * C(10,2))
c. Al menos un himno de cada libro. (C(10,1) * C(10,1) * C(10,1) * C(27,3))
5. De la siguiente lista se eligen 4 nmeros: -5, -4, -3, -2, -1, 1, 2, 3, 4.
a. De cuntas formas se puede hacer la seleccin de modo que el producto de los
cuatro nmeros sea positivo y los nmeros sean distintos? (C(5,4) + C(5,2) * C(4,2)
+ C(4,4))
b. De cuntas formas se puede hacer la seleccin de modo que el producto de los
cuatro nmeros sea negativo y los nmeros sean distintos? (C(5,1) * C(4,3) + C(5,3)
* C(4,1))
6. Se tiene un plano de 15 puntos, de los cuales no hay tres alineados, o sea, no hay tres en la
misma recta.
a. Cuntas rectas determinan? (C(15,2))
b. Cuntos tringulos determinan estos puntos? (C(15,3))
7. Se tiene un alfabeto con los smbolos 0, 1 y 2. Se quieren obtener cadenas de longitud 10.
Cuntas de estas tienen:
a. Cuatro 0, tres 1 y tres 2. (C(10,4) * C(6,3) * C(3,3))
b. Al menos ocho 1. (C(10,8) * 22 + C(10,9) * 21 + C(10,10) * 20)
c. Peso 4, sumando sus dgitos de 4. (C(10,4) * 16 + C(10,2) * 18 + C(10,1) * C(9,2) *
17)
8. En el sistema Braille, un smbolo, como una letra minscula, un signo de puntuacin, un

sufijo, etc., se escribe resaltando al menos uno de los puntos de los 6 puntos que aparecen en
la parte (a) de la figura 1.3.
a. Cuntos smbolos diferentes podemos representar en el sistema Braille? (C(6,1) +
C(6,2) + C(6,3) + C(6,4) + C(6,5) + C(6,6))
b. Cuntos smbolos tienen exactamente tres puntos en relieve? (C(6,3))
c. Cuntos smbolos tienen un nmero par de puntos relieve? (C(6,2) + C(6,4) +
C(6,6))
d. Cuntos smbolos tienen al menos cuatro puntos relieve? (C(6,4) + C(6,5) + C(6,6))
1
4
(a)
(b) c
(b) m
(b) t
(b) ;
Figura 1.3
Espacios Muestrales
1. Supongamos que lanzamos una moneda de un centavo, una de diez centavos y un dado.
a. Describa el espacio muestral S adecuado.
b. Exprese explcitamente los siguientes eventos: A = {salen dos escudos y un nmero
par}, B = {salen un dos}, C = {salen exactamente una cara y un impar}.
c. Exprese explcitamente los siguientes eventos: ocurran A y B, solamente ocurre B,
ocurren B y C.
d. Cules parejas de eventos A, B y C son mutuamente exclusivas?
2. Supongamos que lanzamos una moneda y un dado.
a. Describa el espacio muestral S adecuado.
b. Exprese explcitamente los siguientes eventos: A = {salen cara y un nmero par}, B =
{salen un nmero primo}, C = {salen un escudo y un impar}.
c. Exprese explcitamente los siguientes eventos: ocurran A o B, solamente ocurre B,
ocurren B y C.
d. Cules parejas de eventos A, B y C son mutuamente exclusivas?
3. Una clase tiene 3 nias y 2 nios. Se quiere seleccionar tres alumnos.
a. Describa el espacio muestral S adecuado para escoger tres alumnos de los 5 en total
que hay.
b. Exprese explcitamente los siguientes eventos: A = {todos sean nias}, B = {al menos
haya un nio}, C = {haya exactamente dos nias}.
c. Cules parejas de eventos A, B y C son mutuamente exclusivas?
4. Sean A y B eventos. Encuentre una expresin y dibuje el diagrama de Venn para el evento de
que:
a. A ocurra o B no ocurra.
b.
c.
d.
e.
Ni A ni B ocurran.
B ocurra pero no ocurra A.
Ocurra A o B, pero no ambos.
Donde ocurran A y B.
Problemas de Tcnicas de Conteo

1.-Cuantos nmeros diferentes de seis dgitos se pueden formar usando
todos los dgitos siguientes: 4,4,5,5,5,7?
2.- Cuantos comits diferentes de 3 Hombres y 4 Mujeres pueden formarse a partir de un grupo
formado por 8 Hombres y 6 Mujeres?
3.- En una fbrica los productos se codifican con 4 letras distintas y con 3 dgitos
Distintos, primero las letras y despus los nmeros. Las letras utilizadas son
A, B, C y D.
a) Cuantos tipos de productos distintos pueden codificarse?
b) Cuantos cdigos empiezan con A y terminan con 9?
c) Cuantos cdigos tienen al menos una A
4.- El precio de un recorrido turstico por Europa incluye 4 sitios que visitar que deben seleccionarse
a partir de 10 ciudades. De Cuantas maneras diferentes se puede planear el viaje si:
a) El orden de las paradas es importante
b) El orden de las paradas no es importante
5.- De cuantas maneras se pueden formar en lnea 5 personas para subir a un autobs?. De cuantas
maneras se pueden formar en lnea si 2 de las personas se rehsan a hacerlo una detrs de la otra?
6.- Un equipo colegial juega 10 partidos de futbol durante una temporada. De cuantas maneras
puede terminar la temporada con 5 juegos ganados, 4 perdidos y un empate?
7.- Entre 10 aparatos de televisin de un embarque, hay 3 que estn defectuosos. De cuantas
maneras puede un Hotel comprar 4 de estos aparatos y recibir al menos 2 defectuosos?
8.- Una coleccionista de arte, duea de 10 pinturas de artistas famosos est preparando su
testamento. De cuantas maneras diferentes puede dejar estas 10 pinturas a sus 3 herederos?
9.- Al final del da, una pastelera dona todo lo que no pudo vender a centros de ayuda para los
necesitados. Si al final de un da dado, le quedan 12 pasteles de manzana, de Cuantas maneras
diferentes puede repartir estos pasteles entre 6 centros de acopio?
10.- Seis personas van a jugar un juego de tablero en una mesa circular, en este juego es importante
donde se sienta cada jugador en relacin con el resto (quien queda a la izquierda de quien) y no en
relacin con la habitacin (quien se sienta ms al Norte) .De Cuantas maneras se pueden sentar a
jugar 6 personas?
GUA DE PRCTICA N 4
TEMA: CALCULO DE PROBABILIDAD
1. OBJETIVOS
2. METODOLOGA
3. EJERCICIOS
EJERCICIOS DE PROBABILIDAD
1.- Lanzamos una moneda 5 veces. Cuntos resultados distintos se pueden dar?.
Cul es la probabilidad de no obtener 5 caras?.
2.- Tenemos que guardar 5 folios en 7 sobres. De cuntas formas distintas lo podemos hacer?
a Si en cada sobre no puede ir ms de un folio.
b Si en cada sobre pueden ir hasta cinco folios.
3.- En una urna opaca tenemos 12 bolas del mismo peso y forma. Cinco de ellas son Blancas, tres
son Negras y cuatro son Rojas. Extraemos dos bolas al azar, una detrs de otra y sin
devolverlas a la urna.
Hallar la probabilidad de que las dos sean Negras.
Hallar la probabilidad de que la primera sea Negra y la segunda Roja.
4.- En una urna opaca tenemos 12 bolas del mismo peso y forma. Cinco de ellas son Blancas, tres
son Negras y cuatro son Rojas. Extraemos una bola, anotamos su color, la devolvemos a la urna
y extraemos otra bola.
Hallar la probabilidad de que las dos sean Negras.
Hallar la probabilidad de que la primera sea Negra y la segunda Roja.
5.- Dos futbolistas se juegan el campeonato en un penalti. La probabilidad de que lo meta el
primero es , y de que lo meta el segundo, si el primero lo hace antes, es . Cul es la
probabilidad de que los dos metan el penalti?.
6.- La probabilidad de que un alumno apruebe Matemticas es de 0,6 y la de aprobar Fsica es de

0,7.Cul es la probabilidad de aprobar ambas asignaturas?
Y de no aprobar ninguna?.Y de
aprobar una de ellas?.
7.- La probabilidad de que Andrs haga la comida es de 2 / 9. La probabilidad de que la haga su
mujer es de 3 / 5. Cul es la probabilidad de que la comida est hecha?.
8.- En un cruce nos encontramos dos semforos. La probabilidad de que el primero est en rojo es
1 / 3 y la probabilidad de que, si el primero est en rojo, el segundo est en mbar, es de 1 / 5.
Cul es la probabilidad de que el primero est en rojo y el segundo en mbar?.
9.- Miriam espera la llamada de Carlos y de Guillermo. La probabilidad de que la llame Carlos es
de 0,7 y de que la llame Guillermo es de 0,5. Calcula:
a) La probabilidad de que llamen los dos.
b) La probabilidad de que llame alguno de ellos.
c) La probabilidad de que no llame ninguno.
10.- En un dado se pintan cuatro caras de Rojo y las otras dos de Azul. Se lanza el dado dos veces.
Calcula:
a) La probabilidad de que las dos veces salga azul.
b) La probabilidad de que la primera sea azul y la segunda rojo.
c) La probabilidad de que las dos veces sea rojo.
EJERCICIOS: PROBABILIDAD CONDICIONADA
1. Una urna contiene 3 bolas blancas y 2 negras. Obtn los posibles resultados y sus
probabilidades al extraer dos bolas.
a) Sin reemplazamiento.
b) Con reemplazamiento.
2. Sean A y B dos sucesos de un espacio de probabilidad de manera que :
P(A)=0,4 ; P(B)=0,3 y P(AB)=0,1
Calcular razonadamente:
a) P(A B)
b) P(
)
c) P(A/B)
d) P( B)
3. Son independientes los sucesos: sacar una figura (sota, caballo y rey) y sacar un oro al
tomar una carta de una baraja espaola de 40 cartas?
4. Sean A y B dos sucesos de una espacio de probabilidad tal que P(A B)=0,7 y P(A)=0,3.
Hallar P(B) si:
a) A y B son incompatibles
b) A y B son independientes
c) P(A/B)=0,35
5. En un colegio hay 60 alumnos de Bachillerato. De ellos 40 estudian ingls, 24 estudian francs y
12 los dos idiomas.
Se elige al azar un alumno. Determinar las probabilidades de los siguientes sucesos:
a) Estudia al menos un idioma.
b) No estudia ingls o estudia francs.
c) Estudia francs sabiendo que tambin estudia ingls.
d) Estudia francs sabiendo que estudia algn idioma.
e) Estudia ingls sabiendo que no estudia francs.

6. Una caja contiene cuatro bolas blancas y dos negras. Se saca una bola y a continuacin (sin
devolver la primera a la caja) se extrae otra. Considerados los sucesos A: la primera bola extrada
es blanca y B:la segunda bola extrada es blanca:
a) Hallar P(A) y P(B/A)
b) Son A y B independientes?
c) Cul es la probabilidad de que las dos bolas extradas sean blancas?
d) Cul es la probabilidad de que las dos bolas extradas sean negras?
7. Sean A y B dos sucesos aleatorios independientes. Se sabe que P(A)=0,3 y P(B)=0,4.
Calcular:
a) P(A B)
b) P(A/B)
8. Juan y Pedro juegan a obtener la puntuacin ms alta lanzando sus dados. El dado de Juan tiene
cuatro caras con la puntuacin 5 y las otras dos caras con el 1. El dado de Pedro tiene dos caras con
el 6, otras dos con el 4 y las otras dos con el 1. Hallar:
a) La probabilidad de que gane Pedro.
b) La probabilidad de empatar.
9. En una ciudad, el 40% de sus habitantes lee el diario A, el 25% lee el diario B y el 50% lee al
menos uno de los dos diarios.
a) Los sucesos leer A y leer B, son independientes?
b) Entre los que leen A qu porcentaje lee tambin B?
c) Entre los que leen al menos un diario qu porcentaje lee los dos?
d) Entre los que no leen el diario A Qu porcentaje lee el diario B?
10. Dados dos sucesos A y B, se sabe que P(B)=(3/4) y P(A)=P(A/B)=(1/3).
a) Razonar si A y B son independientes.
b) Calcular P(A B).
11. Se dispone de una baraja de 40 cartas. Se saca una carta al azar y, sin devolverla, se saca otra.
a) Calcular la probabilidad de que ninguna de las dos cartas sea de oros.
b) Sabiendo que la segunda carta extrada ha sido de copas, calcula la probabilidad de que
tambin lo sea la primera.
12. En una caja tenemos dos bolas blancas, una negra y siete rojas. Extrayendo dos bolas
sucesivamente, cul es la probabilidad de obtener una bola negra seguida de una bola blanca?
a) Reponiendo la bola en la caja.
b) Sin reponerla.
13. La probabilidad de que una bomba lanzada por un avin haga blanco en el objetivo es 1/3.
Hallar la probabilidad de alcanzar el objetivo si se tiran tres bombas seguidas.
14. Un dado numerado del 1 al 6 est lastrado de modo que la probabilidad de obtener un
nmero es proporcional a dicho nmero.
a) Hallar la probabilidad de que salga 3 si se sabe que sali impar.
b) Calcular la probabilidad de que salga par si se sabe que sali mayor que 3.
15. Se tira una moneda repetidamente hasta que salga cara. Calcular la probabilidad de que
haya que tirar la moneda menos de cinco veces.
16. Se lanza un dado. Si aparece un nmero menor que 3, nos vamos a la urna I, que contiene
6 bolas rojas y 4 bolas blancas, y si el resultado es mayor o igual que 3 nos vamos a la urna II
que contiene 4 bolas rojas y 8 blancas. A continuacin extraemos una bola. Se pide:
a) Probabilidad de que la bola sea roja y de la urna II.
b) Probabilidad de que la bola sea blanca.
17. Un estudiante cuenta, para un examen, con la ayuda de un despertador, el cual consigue
despertarlo en un 80% de los casos. Si oye el despertador, la probabilidad de que realice el examen
es 0,9 y, en caso contrario, de 0,5.
a) Si va a realizar el examen cul es la probabilidad de que haya odo el despertador?
b) Si no realiza el examen, cul es la probabilidad de que no haya odo el despertador?
18. En una universidad, en la que slo hay estudiantes de Empresariales, G.A.P. y R.R.L.L., acaban
la carrera el 10% de Empresariales, el 55% de G.A.P. y el 45% de R.R.L.L. Se sabe que el 70%
estudian Empresariales, el 20% G.A.P. y el 10% R.R.L.L. Tomando a un estudiante cualquiera al
azar, se pide:
a) Probabilidad de que haya acabado la carrera y sea de Empresariales.
b) Nos dice que ha acabado la carrera. Probabilidad de que sea de Empresariales.
19. En una casa hay tres llaveros A, B y C, el primero con 5 llaves, el segundo con 7 y el tercero con
8, de las que slo una de cada llavero abre la puerta del trastero. Se escoge al azar un llavero y, de l,
una llave para intentar abrir el trastero. Se pide:
a) Cul ser la probabilidad de que se acierte con la llave?
b) Cul ser la probabilidad de que el llavero escogido sea el tercero y la llave no abra?
c) Y si la llave escogida es la correcta, cul es la probabilidad de que pertenezca al primer llavero
A?
CUESTIONES PARA RAZONAR
1. Decir si son ciertas o falsas las siguientes afirmaciones:
a) Si dos sucesos son incompatibles, son contrarios.
b) Si dos sucesos son contrarios, son incompatibles.
2. Si dos sucesos son incompatibles, los sucesos contrarios de aqullos son tambin
incompatibles?
3. Qu es ms probable , obtener cara al lanzar una moneda u obtener tres caras al lanzar
cuatro monedas? Razonar la contestacin
4. Sean A y B dos sucesos de un espacio de probabilidad con probabilidad no nula. Razonar la
verdad o falsedad de las siguientes afirmaciones.
a) Si A y B son incompatibles , entonces son independientes.
b) Si A y B son independientes , entonces son incompatibles.
c) Si A y B son independientes P(A B) = P(A/B) P(B/A)
5. Decir si es cierta la siguiente afirmacin:
"Si dos sucesos pertenecen al mismo espacio muestral ambos son necesariamente
incompatibles"
6. Si dos sucesos pertenecen al mismo espacio de sucesos entonces:
a) Ambos son necesariamente independientes
b) Ambos son necesariamente incompatibles
c) Ninguno pertenece al espacio muestral

d) El suceso contrario a la unin de sucesos equivale a la interseccin de sus contrarios.
7. Sabemos que:
a) El espacio de sucesos contiene a E como elemento.
b) Los elementos de S son todos incompatibles
c) Algunos de los elementos de S son todos independientes y otros no
d) S es el conjunto de todos los subconjuntos de E
8. Razonar si son ciertas las siguientes afirmaciones para dos sucesos A y B:
a) Si A es incompatible con B entonces P(A)+P(B)=1
b) P(A/A)=1
GUA DE PRCTICA N 5
TEMA: DISTRIBUCIONES DE PROBABILIDAD
1. OBJETIVOS
2. METODOLOGA
3. EJERCICIOS
1. Una mquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas
defectuosas. Hallar la probabilidad de que al examinar 50 piezas slo haya una defectuosa.
2. La probabilidad de xito de una determinada vacuna es 0,72. Calcula la probabilidad de que una
vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
3. La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4 por 100.
Hallar:
a) El nmero de carburadores defectuosos esperados en un lote de 1000
b) La varianza y la desviacin tpica.
4. La probabilidad de que un paciente se recupere de una extraa enfermedad es 0.4 . Si se sabe que
15 personas contraen esa enfermedad,
a) Cul es la probabilidad de que sobrevivan al menos 10?

b) Cul es la probabilidad de que sobrevivan de 3 a 8?
c) Calcule la media y la varianza de esta distribucin binomial.
5. En ciudad la necesidad de dinero para comprar drogas se establece como la razn del 75% de los
robos. Encuentre la probabilidad de que entre los siguientes cinco casos de robo:
a) dos resulten de la necesidad de dinero para comprar drogas.

b) al menos tres resulten de la necesidad de dinero para comprar drogas.
c) Represente esta distribucin binomial en un histograma
0,75
5 -k
0,25
0,0009765
6
0,0039062
5
0,015625
0,0625
1
2
3
5
10
10
0,75
0,5625
0,421875
0,3164062
5
0,25
0,2373046
9
1
probabilida
d
0,00097656
0,01464844
0,08789063
0,26367188
0,39550781
0,23730469
d) Calcule la media y la varianza de esta distribucin binomial.
6. Un prominente mdico afirma que 70% de las personas con cncer de pulmn son fumadores
empedernidos. Si su aseveracin es correcta:
a) encuentre la probabilidad de que de 10 de tales pacientes menos de la mitad sean fumadores
empedernidos.
Todos Tienen cncer n=10
70% por fumar
30% por otras causas
b) encuentre la probabilidad de que de 10 de los pacientes con cncer de pulmn ninguno sea
fumador empedernido.
c) Represente esta distribucin binomial en un histograma
7. De acuerdo con un estudio publicado por un grupo de socilogos de la Universidad de

Massachussets aproximadamente el 60% de los consumidores de Valium en el estado de
Massachussets tomaron Valium por primera vez debido a problemas psicolgicos. Encuentre la
probabilidad de que entre los siguientes ocho consumidores entrevistados en este estado:
a) tres comenzaron a tomar Valium por problemas psicolgicos.
b) al menos cinco comenzaron a consumir Valium por problemas que no fueron psicolgicos.
c) Represente esta distribucin binomial en un histograma.
8. De acuerdo a una encuesta a nivel nacional en Estados Unidos de la universidad de Michigan a

estudiantes universitarios de ltimo ao revela que el 70% de los estudiantes desaprueba el
consumo diario de la mariguana. Si se seleccionan doce estudiantes al azar y se les pide su
opinin, encuentre la probabilidad de que el nmero de los que desaprueban fumar mariguana
todos los das sea:
a) entre siete y nueve.
b) a lo ms cinco.
c) no memos de ocho.
d) Represente esta distribucin binomial en un histograma.
e) Calcule la media y la varianza de esta distribucin binomial.
9. Un estudio examin las actitudes hacia los antidepresivos. El estudio revel que
aproximadamente el 70% cree que los antidepresivos en realidad no curan nada, slo encubren
el problema real. De acuerdo con este estudio
a) cul es la probabilidad de que al menos tres de las siguientes cinco personas seleccionadas al
azar sean de esta opinin?
b) Represente esta distribucin binomial en un histograma
c) Calcule la media y la varianza de esta distribucin binomial.
10. El departamento de mercadotecnia de Kellogg Company planea realizar una investigacin para
determinar si los consumidores de cereal en hojuelas pueden distinguir su cereal favorito de
otros. Para probar el cuestionario y el procedimiento a ser usado se invit a ocho personas a
participar en un experimento. Se les coloc frente a cinco pequeos tazones de cereal en
hojuelas marcados con las letras A, B, C, D, Y E para que identificaran su cereal favorito. A las
personas se les inform que solo uno de los tazones contena su cereal favorito.
a) Si una persona no pudo identificar su cereal favorito y supuso que estaba en el tazn C. Cul
es la probabilidad de que la persona haya adivinado correctamente?
b) Cul es la variable aleatoria en este problema?
c) Es la variable aleatoria discreta o continua? Por qu?
d) Suponga que a las ocho personas les fue imposible identificar su cereal favorito y trataron de
adivinar en cual tazn estaba. Cul es la probabilidad de que ninguno de los ocho haya
adivinado correctamente?
e) Desarrolle una distribucin binomial para este experimento
f) Calcule la media, varianza, y desviacin estndar de la distribucin.
g) Represente la distribucin de probabilidad en una grfica.
h) Suponga que siete de las ocho personas identifican el cereal que ms les gusta. Es razonable
decir que ellos adivinaron? Explique. Cul es tu conclusin?
i) Por qu es la distribucin binomial apropiada para este problema?
VARIBLES ALEATORIA DISCRETAS Y F. DE DISTRIBUCIN BINOMIAL

1. La probabilidad de que un estudiante que ingresa en la Universidad se licencie es 0,4.
Encuentra la probabilidad de que entre 5 estudiantes escogidos al azar:
P ( x=0 )=0 ' 0776
a. Ninguno se licencie.
P ( x 1 ) =0 ' 337
b. No se licencie ms de uno.
P ( x 1 ) =0 ' 92
c. Al menos uno se licencie.
P ( x=5 )=0 ' 01
d. Todos se licencien.
2. Se lanza una moneda 10 veces. Calclese la probabilidad de:
P ( x <5 ) =0 ' 38
a. Obtener menos de cinco caras.
P ( x=8 )=0 ' 044
b. Obtener ocho caras.
P (3< x<7 )=0 ' 65
c. Obtener ms de tres pero menos de siete caras
P ( x >5 ) =0 ' 62
d. Obtener ms de cinco caras.
3. Se ha pasado una prueba sobre fluidez verbal a un numeroso grupo de nios de una comarca
socialmente deprimida y se ha detectado que el 35% de ellos tienen una fluidez verbal
prcticamente nula; el resto se puede considerar aceptable. De una muestra aleatoria
formada por siete nios, hallar:
a. La media y la varianza.
=np=7 0' 35=2 ' 45
b. La funcin de probabilidad.
= npq=1 ' 26
4. Una cadena metlica est compuesta por 4 eslabones, La probabilidad de ruptura de cada
eslabn a un peso de 100 kilos de es de 0,6. Se somete la cadena a un peso de 100 kilos se
pide: B(4,06)
a. Probabilidad de que no se rompa la cadena. P ( x=0 )=0 ' 0256
b. Si se quiere que la probabilidad de que no se rompa la cadena sea de 0,81, cul debe
ser la probabilidad de ruptura de cada eslabn?
q =095 y p=005
5. Una encuesta revela que el 20% de la poblacin es favorable a un poltico y el resto
desfavorable. Elegidas 6 personas al azar, se desea saber:
a. La probabilidad de que las 6 personas sean desfavorables.
P ( x=6 )=6 ' 4 105
P ( x=0 )=0 ' 26
b. La probabilidad de que las 6 personas sean favorables.
6. Una determinada raza de perros tiene cuatro cachorros en cada camada. Si la probabilidad de
que un cachorro sea macho es de 0,55, se pide:
a. Calcular la probabilidad de que, en una camada dos exactamente sean hembras.
P ( x=2 )=0 ' 37
b. Calcular la probabilidad de que, en una camada al menos dos sean hembras.
P ( x 2 )=0 ' 61
7. La probabilidad de que salga cara en una moneda trucada es 0,45. Se lanza la moneda 7
veces. Calcular la probabilidad de que:
P ( x=3 )=0 ' 27
a. Salgan exactamente tres caras.
P ( x 3 )=0 ' 77
b. Salgan al menos tres caras.
P ( x 3 )=0 ' 77
c. Salgan a lo sumo tres caras.
8. Se lanza una moneda 90 veces. Calcular: B (90 ; 0' 5) N ( 45 ; 4 ' 74)
P ( x >50 ) = 015
a. Probabilidad de obtener ms de 50 caras
b. Probabilidad de que el nmero de caras est comprendido entre 40 y 50
P ( 40< x <50 )=0' 7062
9. El departamento de control de calidad de una fbrica de aparatos de televisin realiza cuatro
controles. De 420 televisores se han obtenido los siguientes datos:
N DE FALLOS
N DE TELEVISORES
0
1
2 3
316 219 58 6
4
1
Ajustar a esta distribucin emprica una distribucin binomial y hallar las frecuencias tericas
0 ' 56
p=
=0 ' 15
esperadas. x =0 ' 56
B(4;015)
4
xi
pi (x=x i)
052
037
0097
0011
00005
313
221
59
Frecuencias tericas
10. En una ciudad se ha hecho un estudio sobre 1000 familias con cinco hijos para averiguar el
n de hijas que tienen y se ha obtenido la siguiente tabla:
N DE CHICAS
N DE FAMILIAS
0
54
1
2
3
4
5
202 334 279 115 16
Ajusta esta distribucin emprica a una distribucin binomial y hallar las frecuencias tericas
esperadas.
2' 25
p=
=0 ' 45
x =2 ' 25
B(5,045)
5
xi
pi (x=x i)
005
021
034
028
011
002
5033
2058
3369
2757
1128
185
Frecuencias tericas

Estadística Aplicada A La Educación

Încărcat de

Informații document

Titlu original

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

Estadística Aplicada A La Educación

Încărcat de

Drepturi de autor:

Formate disponibile

ESTADSTICA APLICADA

RELACIN DE LA ESTADSTICA Y EL MTODO CIENTFICO.......................2

Definicin y Objeto de la Estadstica...............................................................2

Para qu sirve la Estadstica..........................................................................3

ESTADSTICA DESCRIPTIVA E INFERENCIAL.............................................8

Universo, Poblacin y Variable......................................................................9

FUENTES Y MTODOS DE RECOLECCIN DE DATOS...............................14

NOCIN DE VARIABLE. CLASIFICACIN................................................20

PRESENTACIN, TABULAR Y GRAFICAR................................................32

MEDIDAS DE TENDENCIA CENTRAL......................................................40

MEDIDAS DE VARIABILIDA O DISPERSION.............................................51

Ingeniera Jessica Liset Martnez

La Desviacin Tpica o Estndar..................................................................53

DEFINICION Y MEDICION DE PROBABILIDAD.........................................77

Tipos de Eventos o Sucesos........................................................................83

Definicin de probabilidad condicionada........................................................85

5.3.2.1 reas Bajo la Curva Normal..................................................................104

Ingeniera Jessica Liset Martnez

Lind, Mason y Marchal (2001) en su libro Estadstica para administracin y contadura

cotidianidad es una de las tcnicas empleadas por la estadstica.

Ingeniera Jessica Liset Martnez

Ingeniera Jessica Liset Martnez

RELACIN DE LA ESTADSTICA Y EL MTODO CIENTFICO

Definicin y Objeto de la Estadstica

La Estadstica tiene por objeto la recoleccin, presentacin, anlisis e interpretacin de

Yale y Kendal, 1954

Kendall y Buckland ,1980

Murria R. Spiegel, 1991

Lind, Mason y Marchal,

Consideras que ha habido una diferencia u avance notorio a travs de los

Quizs el hecho ms curioso que resalta de las definiciones anteriores es:

Para qu sirve la Estadstica

Hace algunos cientos de aos se estableci un mtodo para encontrar respuestas a

La experimentacin est lejos de estar carente de dificultades. Algunas tcnicas experimentales

Ingeniera Jessica Liset Martnez

Ingeniera Jessica Liset Martnez

Variables Cualitativas: Llamamos variable cualitativa a aquella no o puede ser expresada de

Ingeniera Jessica Liset Martnez

ESTADSTICA DESCRIPTIVA E INFERENCIAL

El tema de la estadstica moderna abarca la recoleccin, presentacin y caracterizacin de

Estadstica Inductiva o Inferencial:

Universo, Poblacin y Variable

Ingeniera Jessica Liset Martnez

Muestra: Es un subconjunto de unidades de anlisis de una poblacin dada, destinado a suministrar

Ingeniera Jessica Liset Martnez 12

Ingeniera Jessica Liset Martnez 13

FUENTES Y MTODOS DE RECOLECCIN DE DATOS

A pesar de todas sus bondades la entrevista tambin posee algunas desventajas o

Ingeniera Jessica Liset Martnez 16

Ambas p y q son complementarias y si se suman debe dar igual a 1

Ingeniera Jessica Liset Martnez 18

La proporcin de empleados sera de 0,85, y la de desempleados de 0.142. Ambas

Convirtamos pues nuestras proporciones en porcentajes:

Cmo interpretamos estos porcentajes? De la misma manera que lo hicimos con la

El porcentaje de aumento de nuestro excedente fue de un 35% en un ao.

NOCIN DE VARIABLE. CLASIFICACIN

Ingeniera Jessica Liset Martnez 20

Ingeniera Jessica Liset Martnez 21

Ingeniera Jessica Liset Martnez 22

La diferencia entre a y c= 6, entre b y d= 3 entre c y d=6 entre d y e=6, observemos que la

Ingeniera Jessica Liset Martnez 23

Ingeniera Jessica Liset Martnez 24

Esta tabla se denomina Distribucin de Frecuencias. La estadstica descriptiva utiliza la