Estadistica para Las Ciencias Economico Administrativas

i
ii
Fundamentos de Estadística para las
ciencias económico-administrativas
Texto guía
iii
iv
Fundamentos de Estadística para las
ciencias económico-administrativas
Texto guía
Mary Nieves Cruz Zuluaga
v
Cruz Zuluaga, Mary Nieves
Fundamentos de Estadística para las ciencias económico-administrativas / Mary
Nieves Cruz Zuluaga. Medellín: Centro editorial Esumer, 2014
147 p.
ISBN 978-958-8599-79-3
1. ESTADISTICA 2.ESTADISTICA DESCRIPTIVA 3. ANÁLISIS DE
REGRESIÓN 4. MÉTODOS ESTADISTICOS 5. PROBABILIDAD
ESTADÍSTICA 6. INSTITUCION UNIVERSITARIA ESUMER
SCDD 519.5 Biblioteca Esumer
Fundamentos de Estadística para las ciencias Consejo Superior

económico-administrativas Luis Alfonso Quintero Arbeláez
© Mary Nieves Cruz Zuluaga Presidente de los Consejos
ISBN 978-958-8599-79-3 Ricardo Sierra Caro
Centro Editorial Esumer, 2014 Vicepresidente Consejo Superior
Gustavo León Castillo Sierra
Rector Miembro Consejo Superior
John Romeiro Serna Peláez Fernando Osorio Mora
Miembro Consejo Superior
Decano Facultad de Estudios Empresariales y Emilio Alberto Estrada Isaza
de Mercadeo Miembro Consejo Superior
Carlos Mario Morales Castaño Jorge Iván Sierra Builes
Editor Félix Mejía Aránzazu
Luis David Delgado Vélez Miembro Consejo Superior
Luis.delgado@esumer.edu.co Elceario Rojas Castaño
Entidad Editora
Centro Editorial Esumer Consejo Directivo
Luis Alfonso Quintero Arbeláez
Portada
Presidente de los Consejos
Anderson Echavarría Severino
Carlos Mario Gallo Martínez
Representante de los Docentes
Diagramación
Juan Carlos Vélez Madrid
Facultad de Estudios Empresariales y de Mercadeo
Representante de los Egresados
Impresión
Omar Andrés Bermúdez Mazo
Editorial L.Vieco S.A.S.
Representante de los Estudiantes
comercial@lvieco.com
Álvaro González Vélez
Publicado y hecho en Colombia
Secretario General
Printed in Colombia
John Romeiro Serna Peláez
Institución Universitaria Esumer Rector
Calle 76 No. 80-26, Carretera al Mar
Teléfono: (57) (4) 4038130
www.esumer.edu.co
Medellín, Colombia
Reservados todos los derechos.
Prohibida la reproducción total o parcial de este libro, por cualquier medio, sin permiso
escrito de la Facultad de Estudios Empresariales y de Mercadeo de la Institución
Universitaria Esumer
Las opiniones expresadas en esta publicación son responsabilidad directa de los autores y
no necesariamente representan los puntos de vista de la Institución Universitaria Esumer.
vi
ESTADÍSTICA
Mary Nieves Cruz Zuluaga Facultad de Estudios Empresariales y de
Mercadeo
TABLA DE CONTENIDO
0. PRESENTACIÓN …………………………………………………………………………………….. 1
0.1 PROBLEMA …………………………………………………………………………………………… 1
0.2 OBJETO ……………………………………………………………………………………………….. 1
0.3 OBJETIVO …………………………………………………………………………………………….. 1
0.4 SISTEMA DE CONOCIMIENTOS …………………………………………………………………… 1
0.5 SISTEMA DE HABILIDADES ……………………………………………………………………….. 1
0.6 VALORES ……………………………………………………………………………………………… 2
0.7 MÉTODOS Y MEDIOS ………………………………………………………………………………. 2
0.7.1 MÉTODOS ……………………………………………………………………………………………. 2
0.7.2 MEDIOS ……………………………………………………………………………………………….. 2
1. UNIDAD DE APRENDIZAJE 1: ESTADÍSTICA DESCRIPTIVA ……………………………….. 3
Introducción …………………………………………………………………………………………… 3
Objetivo de aprendizaje …………………………………………………………………………….. 3
Competencias a desarrollar ………………………………………………………………………… 3
1.1 UNIDAD TEMÁTICA 1: ORGANIZACIÓN, PROCESAMIENTO Y ANÁLISIS
DESCRIPTIVO DE LA INFORMACIÓN …………………………………………………………… 4
1.1.1 CONCEPTOS BÁSICOS …………………………………………………………………………….. 4
Población ……………………………………………………………………………………………… 4
Muestra ………………………………………………………………………………………………… 4
Unidad o Elemento de Investigación …………………………………………………………….. 4
Variable ……………………………………………………………………………………………….. 4
Base de Datos ……………………………………………………………………………………….. 5
1.1.2 TABLAS DE FRECUENCIA …………………………………………………………………………. 5
Para una variable cualitativa ……………………………………………………………………… 5
Frecuencia absoluta …………………………………………………………………………………. 6
Porcentajes …………………………………………………………………………………………… 6
Para una variable cuantitativa sin agrupar por intervalos ………………………………….. 7
Frecuencia relativa …………………………………………………………………………………… 7
Frecuencia absoluta acumulada …………………………………………………………………… 8
Frecuencia relativa acumulada …………………………………………………………………….. 8
Para una variable cuantitativa agrupada por intervalos ……………………………………… 9
Marcas de clase ……………………………………………………………………………………… 9
Amplitud de los intervalos ………………………………………………………………………….. 10
Conformación de los intervalos ……………………………………………………………………. 10
Conteo de las frecuencias absolutas …………………………………………………………….. 11
TABLAS DE FRECUENCIA PARA DOS O MAS VARIABLES ………………………………… 11
Tablas de clasificación cruzada para dos variables ……………………………………………. 11
Tablas de clasificación cruzadas para tres o más variables ………………………………….. 12
vii
ESTADÍSTICA
Mercadeo
1.1.3. GRÁFICOS ESTADÍSTICOS ……………………………………………………………………….. 13

Gráfico de pastel o circular …………………………………………………………………………. 13
Diagrama de barras …………………………………………………………………………………. 14
Histograma de frecuencias …………………………………………………………………………. 16
Polígono de frecuencias ……………………………………………………………………………. 16
Ojiva ……………………………………………………………………………………………………. 17
Gráfico lineal (para series de tiempo) …………………………………………………………….. 17
Diagrama de disperción y función de ajuste …………………………………………………….. 18
1.1.4. MEDIDAS DE TENDENCIA CENTRAL ……………………………………………………………. 19
LA MEDIA …………………………………………………………………………………………….. 19
Media aritmética simple …………………………………………………………………………….. 19
Media aritmética ponderada ……………………………………………………………………….. 19
Propiedades de la media ………………………………………………………………………….. 19
LA MEDIANA …………………………………………………………………………………………. 20
La mediana para datos desagrupados …………………………………………………………… 20
La mediana para datos agrupados ………………………………………………………………… 20
LA MODA ……………………………………………………………………………………………… 22
1.1.5. MEDIDAS DE VARIABILIDAD ……………………………………………………………………… 23
La varianza ……………………………………………………………………………………………. 23
La desviación típica o estándar ……………………………………………………………………. 24
Coeficiente de variación ……………………………………………………………………………. 24
Rango o Recorrido ………………………………………………………………………………….. 24
1.1.6. EJEMPLOS DE APLICACIÓN RESUELTOS (Unidad Temática 1):
Organización, procesamiento y análisis descriptivo de la información ……………………… 25
1.1.7. EJEMPLOS DE APLICACIÓN PROPUESTOS (Unidad Temática 1):
Organización, procesamiento y análisis descriptivo de la información ……………………… 47
1.2. UNIDAD TEMÁTICA 2: ANÁLISIS DE REGRESIÓN Y CORRELACIÓN …………………….. 71
1.2.1. CONCEPTOS BÁSICOS …………………………………………………………………………….. 71
Regresión …………………………………………………………………………………………….. 71
Diagrama de disperción (Nube de puntos) ………………………………………………………. 71
Función de ajuste ……………………………………………………………………………………. 71
Dato real ………………………………………………………………………………………………. 71
Dato pronosticado …………………………………………………………………………………… 72
Coeficiente de correlación lineal ………………………………………………………………….. 72
1.2.2. ANÁLISIS DE REGRESIÓN LINEAL ……………………………………………………………… 72
Ajuste lineal …………………………………………………………………………………………… 72
Estimación de los parámetros …………………………………………………………………….. 73
Cálculo del pronóstico ………………………………………………………………………………. 74
Error residual …………………………………………………………………………………………. 74
Coeficiente de correlación …………………………………………………………………………. 75
Cálculo del coeficiente de correlación …………………………………………………………… 76
ii
viii
ESTADÍSTICA
Mercadeo
1.2.3. ANÁLISIS DE REGRESIÓN EN UNA SERIE DE TIEMPO …………………………………….. 78

1.2.4. EJEMPLOS DE APLICACIÓN RESUELTOS (Unidad temática 2):
Análisis de regresión y correlación ……………………………………………………………….. 79
78
1.2.5. EJEMPLOS DE APLICACIÓN PROPUESTOS (Unidad Temática 2):
Análisis de regresión y correlación ……………………………………………………………….. 88
2. UNIDAD DE APRENDIZAJE 2: ESTADÍSTICA INFERENCIAL ………………………………… 92
Introducción …………………………………………………………………………………………… 92
Objetivo de aprendizaje …………………………………………………………………………….. 92
Competencias a desarrollar ………………………………………………………………………… 92
2.1. UNIDAD TEMÁTICA 1: TEORÍA DE PROBABILIDADES ………………………………………. 92
2.1.1. CONCEPTOS BÁSICOS DE PROBABILIDAD ……………………………………………………. 92
Enfoques básicos de las probabilidades ………………………………………………………. 93
Enfoque frecuentista ………………………………………………………………………………… 93
Enfoque clásico ………………………………………………………………………………………. 93
Enfoque subjetivo ……………………………………………………………………………………. 93
Axiomas básicos de probabilidades ……………………………………………………………. 93
2.1.2. DISTRIBUCIÓN NORMAL DE PROBABILIDAD …………………………………………………. 94
Estandarización ………………………………………………………………………………………. 96
Representación gráfica de la Normal Estandarizada ……………………………………………. 96
Tabla de la distribución Normal Estandarizada ………………………………………………. 98
Manejo de la tabla de la Normal Estandarizada …………………………………………………. 100
Áreas hacia la izquierda …………………………………………………………………………….. 100
Áreas hacia la derecha ……………………………………………………………………………… 100
Áreas entre dos valores ……………………………………………………………………………. 102
2.1.2.1. EJEMPLOS DE APLICACIÓN RESUELTOS DE LA NORMAL …………………………………. 103
2.1.2.2. EJEMPLOS DE APLICACIÓN PROPUESTOS DE LA NORMAL ………………………………. 109
2.1.3. DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD ……………………………………………….. 113
2.1.3.1. EJEMPLOS DE APLICACIÓN RESUELTOS DE LA BINOMIAL ……………………………….. 114
2.1.3.2. EJEMPLOS DE APLICACIÓN PROPUESTOS DE LA BINOMIAL ……………………………… 118
2.2. UNIDAD TEMÁTICA 2: TEORÍA DE MUESTREO ………………………………………………. 120
2.2.1. CLASES DE MUESTREO …………………………………………………………………………… 120
Muestreo aleatorio simple ………………………………………………………………………….. 120
Muestreo aleatorio simple con reposición ……………………………………………………… 120
Muestreo aleatorio simple sin reposición ………………………………………………………… 121
Muestreo estratificado ………………………………………………………………………………. 122
Muestreo por conglomerados …………………………………………………………………….. 122
Muestreo sistemático (Muestreo tipificado) ………………………………………………………. 123
2.2.2. CÁLCULO DEL TAMAÑO DE MUESTRA …………………………………………………………. 123
Valor de Z …………………………………………………………………………………………….. 123
Valor de S …………………………………………………………………………………………….. 125
Valor de E …………………………………………………………………………………………….. 125
Relación entre tamaño poblacional y muestral ………………………………………………….. 126
Relación entre nivel de confianza, márgen de error y error de estimación …………………. 127
Total de muestras posibles a extraer de una población ………………………………………. 129
iii
ix
ESTADÍSTICA
Mercadeo
2.2.2.1. EJEMPLOS DE APLICACIÓN RESUELTOS DE TAMAÑO DE MUESTRA …………………… 129

2.2.2.2. EJEMPLOS DE APLICACIÓN PROPUESTOS DE TAMAÑO DE MUESTRA …………………. 141
REFERENCIA BIBLIOGRÁFICA ……………………………………………………………………………….. 146
SOBRE LA AUTORA ……………………………………………………………………………………………. 147
iv
x
Fundamentos de Estadística para las ciencias económico-administrativas
CUADERNILLO DE ESTADÍSTICA
0. PRESENTACIÓN
El cuadernillo de Estadística son notas de clase que constituyen material de apoyo para el proceso de
enseñanza-aprendizaje en ésta área del conocimiento, para los programas de pregrado de la Institución
Universitaria Esumer.
Contiene los aspectos fundamentales que todo profesional debe conocer para procesar estadísticamente
información concerniente a diversas aplicaciones económico-administrativas. Se maneja un lenguaje técnico,
sencillo y de fácil comprensión, sin alejarse de la rigurosidad matemática que implica las ciencias básicas; se
considera el aspecto teórico y el enfoque práctico donde se proponen actividades para que los estudiantes
realicen el trabajo independiente que ha de complementar su formación, gracias a la metodología clara y
didáctica que permite visualizar explicaciones paso a paso en cada una de las diferentes etapas de la solución
de problemas o situaciones aplicadas al mercadeo, ventas, administración y procesos de producción, entre
otras.
0.1. PROBLEMA
Procesamiento e interpretación de volúmenes de información, a través de la Estadística, durante la gestión
táctica y operativa de los procesos financieros, administrativos y de mercadeo dentro de las organizaciones,
para la optimización del manejo de herramientas y metodologías que garanticen la implementación de mejores
prácticas que generen valor y equilibrio organizacional bajo un pensamiento integral, sistémico y prospectivo.
0.2. OBJETO
Herramientas de la estadística aplicadas a situaciones de la gestión táctica y operativa de los procesos
financieros, administrativos y de mercadeo dentro de las organizaciones.
0.3. OBJETIVO
Una vez el estudiante curse esta asignatura estará en capacidad de utilizar las herramientas estadísticas que
le permitan efectuar la lectura, descripción y análisis de alternativas de solución a problemas durante la gestión
táctica y operativa de los procesos administrativos, financieros y de mercadeo dentro de las organizaciones,
para la optimización de los mismos, la generación de valor y el equilibrio organizacional a través de la
Estadística, enmarcados dentro de un compromiso social, trabajo en equipo, actitud prospectiva e innovadora,
solidaridad, servicio y honestidad.
0.4. SISTEMA DE CONOCIMIENTOS

 Unidad de Aprendizaje 1: Estadística Descriptiva
 Unidad de Aprendizaje 2: Estadística Inferencial
0.5. SISTEMA DE HABILIDADES
 Analizar con lógica-matemática el procesamiento e interpretación de volúmenes de información durante

la gestión táctica y operativa en procesos administrativos, financieros y de mercadeo dentro de las
organizaciones a través de la estadística descriptiva.
 Analizar con lógica-matemática el procesamiento e interpretación de volúmenes de información durante
la gestión táctica y operativa en procesos administrativos, financieros y de mercadeo dentro de las
organizaciones a través de la estadística inferencial.
1
ESTADÍSTICA
Mary Nieves Cruz Zuluaga Facultad de Estudios Empresariales y de Mercadeo
0.6. VALORES
 Solidaridad y compromiso social.
 Innovación, apertura y disponibilidad al cambio.
 Orientación del Servicio al Cliente
 Honestidad
 Actitud Prospectiva
 Trabajo en Equipo
0.7. MÉTODOS Y MEDIOS
0.7.1. MÉTODOS
 Sincrónico (presencial y virtual)
 Asincrónico (virtual)
 Productivo (presencial y virtual)
 Reproductivo (presencial y virtual)
 Colaborativo (presencial y virtual)
0.7.2. MEDIOS
 Aula de clase presencial y virtual
 Computador con software Excel
 Computador con acceso a Internet
 Calculadora Científica
 Libros-Documentos físicos y virtuales
 Links a sitios de internet
 Plataforma virtual
 Objetos virtuales de aprendizaje OVAS
 Chat
 Foro
 Wiki
 Correo electrónico
 Tablero (Pizarra blanca, marcador borrable)
 Proyección del Computador al Televisor vía puertos HDMI o RGB
2
ESTADÍSTICA
1. UNIDAD DE APRENDIZAJE 1: ESTADÍSTICA DESCRIPTIVA
Introducción
La Estadística es una disciplina que trata la recopilación, organización, presentación, análisis e
interpretación de información, con el fin de realizar una toma de decisión efectiva (Martinez, 2008).
Describe un conjunto de datos a través de la organización de los mismos y el cálculo de medidas
representativas, medidas que al ser interpretadas hablan o describen al conjunto de datos.
La importancia de la Estadística radica en sus grandes aplicaciones en las diferentes actividades
que implican manejo de información. En todas las áreas del saber humano se maneja información
de alguna índole, de ahí que la Estadística es una herramienta vital para ayudar en el
procesamiento, organización, análisis y presentación de resultados. Es una herramienta de vital
importancia en la toma de decisiones, los métodos estadísticos se aplican a diario tanto en el sector
público como en el privado, es indispensable su aplicación en estudios económico-administrativos,
econométricos, financieros, portafolio de inversiones, ventas, procesos de producción, políticas
económicas y administrativas, elaboración de presupuestos de inversión, campañas electorales,
control de calidad, análisis demográfico, entre otras.
La información recolectada ha de ser organizada a través de Tablas de Frecuencia y Gráficos, para

conocer realmente lo que acontece con la misma. Igualmente es importante complementar la
descripción utilizando medidas de tendencia central y de variabilidad para profundizar aún más en
el comportamiento de la serie de datos.
La importancia de conocer la distribución o comportamiento de la información incide directamente
en la buena toma de decisiones que se ha de realizar posterior al análisis descriptivo de la
información.
Existen múltiples situaciones en que dos o más variables se relacionan entre sí, el grado de
dependencia de una variable respecto a otra debe tenerse en cuanta dentro de los análisis
descriptivos. El hecho de que una variable este en función de otra, no puede pasar desapercibido
y amerita un estudio profundo de la situación porque el comportamiento de la una afecta a la otra.
Bajo esta circunstancia el análisis del comportamiento conjunto de las dos variables y los
pronósticos efectuados han de tenerse muy presentes para la buena toma de decisiones.
Objetivo de aprendizaje
Aplicar de forma adecuada las técnicas de la estadística descriptiva para el procesamiento,
organización y análisis de la información.
Competencias a desarrollar
 Organizar, procesar y analizar de forma descriptiva la información.
 Realizar análisis de Regresión y Correlación.
3
ESTADÍSTICA
1.1. UNIDAD TEMÁTICA 1: ORGANIZACIÓN, PROCESAMIENTO Y ANÁLISIS

DESCRIPTIVO DE LA INFORMACIÓN
1.1.1. CONCEPTOS BÁSICOS
POBLACIÓN
La población en el campo de la estadística no se entiende únicamente como el total de personas de
una zona geográfica determinada, la población también puede estar constituida por el total de
establecimientos, total de objetos, total de plantas, total de animales, entre otros.
Es indispensable delimitar muy bien la población, cada investigación, cada problema en particular
por solucionar, tiene su respectiva población.
Cuando la investigación se lleva a cabo consultándole a todos los elementos de la población se
habla de censo.
MUESTRA
Es una parte representativa de la población. Hablar de representatividad no es seleccionar las
mejores unidades o elementos a criterio del investigador, nunca deberá entenderse en este sentido.
La representatividad está asociada con el concepto de selección aleatoria de unidades.
Cuántas unidades debe tener la muestra (tamaño de la muestra)? y cuáles unidades deben entrar
a formar parte de esta muestra?, son dos problemas o interrogantes que se resuelven a través de
las Técnicas de Muestreo o lo que se llama simplemente como Teoría de Muestreo.
La representatividad de la muestra se alcanza con procesos aleatorios (muestreo aleatorio simple),
esto significa que cada unidad o elemento de la población tiene igual posibilidad de ser seleccionado
para entrar a formar parte de la muestra.
Dependiendo del caso particular de la investigación, para el cálculo del tamaño de muestra, se
empleará la técnica de muestreo que más se ajuste al caso (muestreo aleatorio simple, muestreo
estratificado, muestreo por conglomerados, entre otros).
UNIDAD O ELEMENTO DE INVESTIGACIÓN
Una unidad está representada por uno y sólo un elemento de la población (en caso de trabajar con
censo), o por un elemento de la muestra (en caso de trabajar con muestreo).
VARIABLES
Es todo aquello que se desea medir, consultar o averiguar sobre cada unidad o elemento de
investigación. Se clasifican en dos grandes grupos: variables cualitativas y variables cuantitativas.
VARIABLES CUALITATIVAS
Cuando lo que se desea medir, consultar, se refiere a una cualidad, atributo o característica;
generalmente está expresado en palabras o códigos que no son precisamente valores numéricos
sobre los cuales sea lógico efectuar operaciones aritméticas. Por ejemplo: el estado civil, color de
ojos, preferencia musical, estrato económico, entre otras.
VARIABLES CUANTITATIVAS
Cuando lo que se desea medir, consultar, se refiere a un valor numérico sobre el cual sea lógico
efectuar operaciones aritméticas. Las variables cuantitativas se encuentran a su vez clasificadas
en dos grandes grupos, cuantitativas discretas y cuantitativas continuas.
4
ESTADÍSTICA
 VARIABLES CUANTITATIVAS DISCRETAS

Es aquella que sólo admite valores enteros. Ejemplo: número de hermanos, número de personas
a cargo, número de cargos ocupados, número de llegadas tarde al mes, volumen de ventas (en
número de unidades).
 VARIABLES CUANTITATIVAS CONTINUAS
Es aquella que admite valores fraccionarios. Si los datos originales no están expresados con cifras
decimales, no significa que se trate necesariamente de una variable cuantitativa discreta, porque
lo importante es el significado de la variable, lo que representa, para poder clasificarla en continúa
o discreta. Ejemplo: volumen de ventas (en dinero), ingresos, gastos, arriendo.
BASE DE DATOS
Está constituida por toda la información que se recolectó. Cada fila representa a cada unidad o
elemento de investigación y cada columna representa a cada variable, aunque también pueden
existir columnas que representen datos de identificación. Esta base de datos también es conocida
con el nombre de Sábana de Datos.
Unidad de
Variable 1 Variable 2 Variable 3 ...
investigación
Elemento 1
Elemento 2
Elemento 3
Elemento 4
...
...
1.1.2. TABLAS DE FRECUENCIA
Las tablas de frecuencia se pueden elaborar para variables cualitativas y cuantitativas (discretas y
continuas).
Se puede hacer alusión a frecuencia absoluta, relativa, absoluta acumulada y relativa acumulada.
Cada una de las cuales tiene sus características e interpretaciones particulares.
A medida que se explica el diseño de las tablas de frecuencia se menciona las propiedades y
características de las diferentes clases de frecuencias.
PARA UNA VARIABLE CUALITATIVA

Para una variable cualitativa, la frecuencia hace referencia al número de veces que se repite
determinada característica o atributo.
El diseño de la tabla puede elaborarse de la siguiente manera:
5
ESTADÍSTICA
NÚMERO DE
CARACTERÍSTICA PORCENTAJE
ELEMENTOS
Atributo 1 f1 P1 %
Atributo 2 f2 P2 %
Atributo 3 f3 P3%
. . . . . . . . .
Atributo m fm Pm %
TOTALES N 100%
Cada uno de los atributos de la variable constituyen cada una de las categorías de la variable, en
este caso se cuenta con m categorías cada una con su respectiva frecuencia absoluta.
Las categorías son mutuamente excluyentes porque un elemento o unidad de investigación no
puede pertenecer simultáneamente a varias categorías a la vez.
FRECUENCIA ABSOLUTA
Las frecuencias absolutas las identificamos con fi , se puede visualizar en la segunda columna.
Características de las frecuencias absolutas ( fi ):
1. Las frecuencias absolutas siempre son valores enteros y positivos.

Se encuentran entre o y n.
0 ≤ 𝑓𝑓𝑓𝑓 ≤ 𝑛𝑛
Siendo n el total de elementos o unidades de investigación.
2. La sumatoria de las frecuencias absolutas es igual a n.

𝒎𝒎
∑ 𝒇𝒇𝒇𝒇 = 𝒏𝒏
𝒊𝒊=𝟏𝟏
PORCENTAJES
Es la representación porcentual o en términos relativos de cada una de las respectivas frecuencias
absolutas. Se calcula de la siguiente manera:
fi
Pi  *100
n
La sumatoria de los Pi es igual al 100% de la información.
6
6
ESTADÍSTICA
PARA UNA VARIABLE CUANTITATIVA SIN AGRUPAR POR INTERVALOS

Para una variable cuantitativa sin agrupar en intervalos, la frecuencia hace alusión al número de
veces que se repite determinado valor de la variable. En este caso existirá una frecuencia
respectiva para cada valor diferente que tome la variable.
Xi fi hi Fi Hi
X1 f1 h1 F1 H1
X2 f2 h2 F2 H2
X3 f3 h3 F3 H3
X4 f4 h4 F4 H4
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
Xm fm hm Fm Hm
TOTAL n 1 /////////// ////////////
Esta tabla contiene m renglones (filas).

Xi = cada uno de los diferentes valores que tiene la variable o cada una de las categorías de la
variable.
m= número de valores diferentes que asume la variable.
fi= frecuencia absoluta. Es el número de veces que se repite el valor Xi dentro de la serie de
datos original.
hi= frecuencia relativa.
Fi= frecuencia absoluta acumulada.
Hi= frecuencia relativa acumulada.
FRECUENCIA RELATIVA (hi)

fi n.
Es la relación entre la frecuencia absoluta y el total de datos
fi n.
Es el grado de representatividad de la frente al total
fi n.
Es el peso o ponderación de la dentro del total
Es la representación porcentual (aún sin multiplicar por 100) de cada una de las respectivas
frecuencias absolutas. Las hi se calculan así:
𝑓𝑓𝑓𝑓
ℎ𝑖𝑖 =
𝑛𝑛
Características de las frecuencias relativas:

1. Las frecuencias relativas siempre son valores fraccionarios positivos.
2. Las frecuencias relativas siempre se encuentran entre 0 y 1
0  hi  1
7
ESTADÍSTICA
3. La sumatoria de las frecuencias relativas siempre es igual a 1

m
 hi  1
i 1
FRECUENCIAS ABSOLUTAS ACUMULADAS (Fi)
Es ir acumulando las frecuencias absolutas (fi), así:

F 1 = f1
F 2 = f 1 + f2
F3 = f1 + f2 + f3
F4 = f1+ f2+ f3+ f4
Fm = f1+ f2+ f3 + ….+ fm
También, se tiene que:

F2= F1+ f2
F3=F2+ f3
F4=F3+ f4
Fm= F m-1 + fm
Características de las frecuencias absolutas acumuladas:
1. El primer valor de las Fi siempre es igual al primer valor de las fi.

F 1 = f1
2. El último valor de las Fi siempre es igual a n.
Fm = n
3. Las Fi siempre son valores enteros entre 0 y n.
FRECUENCIAS RELATIVAS ACUMULADAS (Hi)
Es ir acumulando las frecuencias relativas (hi), así:

H1 = h1
H2 = h1 + h2
H3 = h1 + h2 + h3
H4 = h1+ h2+ h3+ h4
Hm = h1+ h2+ h3 + ….+ hm
También, se tiene que:

H2= H1+ h2
H3=H2+ h3
H4=H3+ h4
Hm= H m-1 + hm
Características de las frecuencias relativas acumuladas:

1. El primer valor de las Hi siempre es igual al primer valor de las hi.
H1 = h1
8
ESTADÍSTICA
2. El último valor de las Hi siempre es igual a 1.

Hm = 1
3. Las Hi siempre son valores fraccionarios entre 0 y 1.
PARA UNA VARIABLE CUANTITATIVA AGRUPADA POR INTERVALOS

Para una variable cuantitativa agrupada (organizada por intervalos), la frecuencia se refiere al
número de valores dentro de la serie de datos que se encuentran incluidos en el intervalo respectivo.
En este caso existirán tantas frecuencias como intervalos posea la tabla que se elabore.
Nº Intervalos Xi fi hi Fi Hi
1 Li - Ls X1 f1 h1 F1 H1
2 Li - Ls X2 f2 h2 F2 H2
3 Li - Ls X3 f3 h3 F3 H3
4 Li - Ls X4 f4 h4 F4 H4
… . . . . . . . . . . . . . . . . . .
… . . . . . . . . . . . . . . . . . .
m Li - Ls Xm fm hm Fm Hm
TOTAL ///////// n 1 /////////// ////////////
Esta tabla contiene m renglones que coinciden con el número de intervalos.

Los intervalos representan cada una de las diferentes categorías que asume la variable. Aquí un
elemento o unidad de investigación no puede pertenecer simultáneamente a varias categorías.
m= número de intervalos ó número de marcas de clase.
Xi= marca de clase del intervalo i-ésimo.
fi= frecuencia absoluta del intervalo i-ésimo.. Es el número de valores dentro de la serie de datos
original que se encuentran incluidos en el intervalo i-ésimo.
hi= frecuencia relativa.
Fi= frecuencia absoluta acumulada. Acumulación de las fi hasta el intervalo i-ésimo.
Hi= frecuencia relativa acumulada. Acumulación de las hi hasta el intervalo i-ésimo.
MARCAS DE CLASE (Xi)

Es el punto medio del intervalo.
Para su cálculo se suma el límite inferior del intervalo más el límite superior del mismo intervalo y
luego se divide sobre 2.
Luego de tener calculada la primera marca de clase, las siguientes pueden ser calculadas siguiendo
esta misma metodología o teniendo presente la amplitud que tienen los intervalos (C ) y la anterior
marca de clase, así:
Li  Ls
Xi 
2
En esta fórmula se trabaja con el límite inferior (Li) y el límite superior (Ls) del respectivo intervalo i-
ésimo. Si se desea calcular la primera marca de clase (X1) nos ubicamos en el intervalo i=1 (primer
intervalo).
9
ESTADÍSTICA
Para las siguientes marcas de clase, se puede ir sumando la amplitud de los intervalos.
Xm = X m-1 + C
Por ejemplo, X2 = X1 + C
X3 = X2 + C
X4 = X3 + C
AMPLITUD DE LOS INTERVALOS (C )

La amplitud de los intervalos es un número constante C, el cual puede ser entero o decimal.
CONFORMACIÓN DE LOS INTERVALOS

Los intervalos se conforman teniendo presente el rango o recorrido de toda la serie de datos, el
número de intervalos deseado m y la amplitud constante C de los intervalos.
Procedimiento:
Paso 1: Identificar dentro de la serie de datos original el valor mayor y el valor menor.
Xmáx. = Valor máximo o mayor
Xmín. = Valor menor o mínimo.
Paso 2: Calcular el Rango R.

R = Xmáx - Xmín
Paso 3: Calcular el número de intervalos (m)

El número de intervalos puede ser calculado utilizando la siguiente fórmula, o también a criterio
subjetivo del investigador, en otras palabras el investigador puede definir el número de intervalos
con los cuales desea trabajar.
m = 1 + 3.3Log(n)
Paso 4: Calcular o definir la amplitud que van a tener los intervalos C.

R
C
m
Se puede trabajar con el valor que de C o con una aproximación siempre por encima del resultado,
sin importar la regla de aproximación de decimales. (nunca aproximar por debajo).
Paso 5: Calcular el nuevo Rango (R*)

R* = C.m
Paso 6: Comparar el nuevo rango (R*) con el rango inicial R.

Siempre se debe cumplir la condición de que el nuevo rango sea mayor o igual al rango inicial (nunca
menor).
Condición: R*  R
En caso de no cumplirse esta condición modificar los valores de C y de m ó de uno sólo (el que se
desee). Lo más conveniente es que R* sea igual a R o tienda a ser igual al R, esto es que el
incremento del rango no sea muy alto (un valor pequeño).
10
10
ESTADÍSTICA
Paso 7: Calcular el incremento del Rango (ΔR)

ΔR = R* - R
Repartir el incremento del rango en dos partes iguales (dividir el ΔR sobre dos), de la siguiente
manera:
Xmín – (ΔR/2) = Li del primer intervalo
Xmáx + (ΔR/2) = Ls del último intervalo
Paso 8: Conformar los intervalos.

Primer intervalo: Al límite inferir del primer intervalo sumarle el valor de la amplitud C, para obtener
el límite superior de ese intervalo.
Segundo intervalo: Asignar como límite inferior del segundo intervalo el límite superior del primero,
y luego sumar de nuevo el valor de C, para obtener el límite superior del segundo intervalo.
Continuar de la misma manera hasta llegar al último intervalo (el m-ésimo intervalo).
CONTEO DE LAS FRECUENCIAS ABSOLUTAS (fi)

Para el conteo de las frecuencias absolutas correspondientes para cada intervalo, se debe primero
tomar la decisión sobre cuál de los dos límites quedará abierto y cuál cerrado, recordar que abierto
significa que no se incluye el valor respectivo, y límite cerrado significa que si se incluye el valor
respectivo; este detalle es muy importante para no alterar las frecuencias y por consiguiente el total
de datos que arroja la sumatoria de las frecuencias absolutas.
Si se cierra el límite superior y se deja abierto el límite inferior el único intervalo que quedará cerrado
en sus dos extremos es el primero; por el contrario si se cierra el límite inferior y se deja abierto el
superior, el único intervalo que quedará cerrado en sus dos extremos es el último.
TABLA DE FRECUENCIA PARA DOS O MÁS VARIABLES
Las tablas de frecuencia para dos o más variables reciben el nombre de tablas bivariadas o
multivariadas.
La metodología para su elaboración es a través de cruce de variables.
Cruzar variables es analizar simultáneamente las variables, si se trata del cruce de dos variables es
analizar simultáneamente las dos variables respectivas, si se trata de tres variables es analizar
simultáneamente las tres variables respectivas, y así sucesivamente.
El análisis de clasificación cruzada se elabora a través del diseño de cuadros o tablas de doble
entrada.
TABLAS DE CLASIFICACIÓN CRUZADA PARA DOS VARIABLES
Se conoce también con el nombre de tabla de doble entrada.

En la parte superior se ubica una variable y en la parte izquierda la otra, cada una con sus
respectivas categorías.
Las frecuencias absolutas ubicadas en cada uno de los cruces reciben el nombre de frecuencia
absoluta conjunta y los totales de las mismas por columna o por fila se identifican como frecuencias
absolutas marginales.
La sumatoria de los totales por fila y de los totales por columna siempre deben sumar lo mismo.
11
11
ESTADÍSTICA
Tabla de clasificación cruzada bivariada.

Variable 1
Variable 2 Total
Categ.1 Categ.2 Categ.3 ... Categ.n
Categ.1
Categ.2
...
Categ.m
Total
Para analizar porcentajes en una tabla de doble entrada se tienen tres opciones o posibilidades:
Porcentajes con base en cada uno de los totales por fila.
Porcentajes con base en cada uno de los totales por columna.
Porcentaje con base en el gran total, es decir, el total ubicado en la esquina inferior derecha de la
tabla.
Para las interpretaciones de los porcentajes se debe tener en cuanta cuál de las alternativas
anteriores fue la elegida para elaborar los respectivos cálculos.
TABLAS DE CLASIFICACIÓN CRUZADA PARA TRES O MÁS VARIABLES

Para tres variables:
Se tienen dos alternativas de diseño, una es colocar dos variables en la parte superior y una en la
parte izquierda, la otra alternativa es colocar dos variables en la parte izquierda y una variable en la
parte superior. La elección de cuáles van en un lado y cuales en otro depende de las necesidades
de cada caso particular dentro de la investigación.
Un diseño puede ser como el que se muestra a continuación, existen otros diseños los cuales
dependen de las características como se desee organizar la información recolectada.
Tabla de clasificación cruzada trivariada.
Categoria 1 (Variable 1) Categoria 2 (Variable 1) ...

Variable 3 TOTAL
Cat 1 (Var 2) Cat 2 (Var 2) ... Cat 1 (Var 2) Cat 2 (Var 2) ...
Cat 1 (Var 3)
Cat 2 (Var 3)
Cat 3 (Var 3)
...
TOTAL
Las frecuencias absolutas que se ubican en cada uno de las posiciones de cruce se denominan
frecuencias absolutas conjuntas y las ubicadas en cada una de las casillas de totales (por fila y
columna) se denominan frecuencias absolutas marginales.
12
12
FUNDAMENTOS DE ESTADÍSTICA PARA LAS CIENCIAS ECONÓMICO-ADMINISTRATIVAS
ESTADÍSTICA
Los porcentajes se calculan con base en los totales por filas, columna o el gran total; la interpretación
y análisis del porcentaje respectivo depende del total que se haya tomado como base para el
cálculo.
El gran total se ubica en la esquina inferior derecha de la tabla y debe ser igual tanto por filas como
por columnas.
Para más de tres variables:

El diseño depende de las necesidades particulares que se tengan al efectuar el cruce.
Si se tienen cuatro variables para cruzar:
Ubicar dos en la parte superior de la tabla y dos en la parte izquierda.
Ubicar tres en la parte superior y una en la izquierda.
Ubicar una en la parte superior y tres en la parte izquierda.
Si se tienen cinco variables para cruzar:
Ubicar dos en la parte superior y tres en la izquierda.
Ubicar tres en la parte superior y dos en la izquierda.
Ubicar una variable en un lado y cuatro en el otro.
Para el cálculo y análisis de los porcentajes se debe tener en cuenta cuál de todos los totales o
subtotales se toma como base.
1.1.3. GRÁFICOS ESTADÍSTICOS

Los gráficos son una manera de complementar la información que se encuentra organizada en una
tabla, para asimilar de manera visual el comportamiento de la variable.
Los gráficos más utilizados son:
Gráfico de Pastel o Circular

La circunferencia se divide en sectores que representan los diferentes porcentajes, los 360 grados
de la circunferencia representan el 100% de los datos. Se utiliza cuando las categorías de la
variable son mutuamente excluyentes.
13
13
ESTADÍSTICA
Diagrama de Barras
Cada barra representa una categoría de la variable y su altura está asociada con la frecuencia
absoluta y/o relativa de la respectiva categoría. Este gráfico puede ser utilizado para variable
cuantitativa discreta y para variable cualitativa con categorías mutuamente excluyentes y también
categorías no mutuamente excluyentes.
Concepto de los bachilleres encuestados sobre Esumer
45
44.1
40
42.6
35
30
25
Porcentaje
20
10.9
15
10
2.5
0.0
5
0
Excelente Bueno Regular Malo Ninguno
Grado de conocimiento que poseen los empresarios de los

programas de Esumer
70%
60%
65.0%
50%
40%
30%
40.0%
20%
20.0% 20.0%
10%
0%
ME AF CI ASI
14
14
ESTADÍSTICA
Diagrama de Barras Bivariado
Estudiantes de Pregrado en cada uno de los niveles de

conocimiento de Inglés
60.0% 53.2% 51.4% 49.5% 49.5%
50.0%
39.6% 38.7%
40.0% 32.4% Básico
31.5%
30.0% 25.2% Intermedio
20.7%
20.0% 14.4% 12.6% Avanzado
10.0%
0.0%
Escuchar Hablar Leer Escribir
Áreas en las que el empresario considera que Esumer podría

ofrecerle servicios de Postgrado, Consultoría y Extensión
Pregrado Postgrado Consultoría/Asesoría Extensión

0.0%
Cio.Internac. 0.0% 8.3%
2.8%
8.3%
Mercadeo 19.4%
8.3%
5.6%
2.8%
Sistemas 0.0% 2.8%
2.8%
5.6%
Financiera 0.0% 13.9%
5.6%
8.3%
Administrativa 8.3%
5.6% 8.3%
0% 5% 10% 15% 20% 25%
15
15
ESTADÍSTICA
Histograma de frecuencias
Se parece al gráfico de barras con la diferencia de que no hay espacio entre barra y barra, las barras
son consecutivas debido a que el histograma se utiliza para visualizar el comportamiento de una
variable cuantitativa continua, organizada por intervalos. Generalmente en el eje X (eje horizontal)
se ubican los intervalos y en el eje Y (eje vertical) se ubican las frecuencias absolutas y/o relativas.
La altura de cada barra del histograma representa la frecuencia absoluta y/o relativa del intervalo
respectivo.
Polígono de Frecuencias
Se toma como base para su elaboración al Histograma de frecuencias, se unen con una línea los
puntos medios de las alturas de cada una de las barras, esta gráfica lineal resultante es llamada
Polígono. En otras palabras se está trabajando con las marcas de clase y las frecuencias absolutas
de cada intervalo.
Polígono de Frecuencias
25
Núm. de Almacenes (fi)
20
15
10
5
0
20 35 50 65 80 95
Volumen de Ventas ($ mill)
16
16
ESTADÍSTICA
Ojiva
Se toma como base las marcas de clase de cada intervalo y las frecuencias absolutas acumuladas,
se unen mediante una línea arrojando como resultado un gráfico lineal ascendente por tratarse de
frecuencias absolutas acumuladas.
Ojiva
60
Núm.de Almacenes (Fi)
40
20
0
20 35 50 65 80 95
Volumen de Ventas ($mill)
Gráfico lineal (para series de tiempo)

Para analizar el comportamiento de una variable a través del tiempo, o lo que es lo mismo para
analizar dos variables conjuntamente siendo una de ellas el tiempo. En el eje X (eje horizontal) se
ubica el tiempo, en el eje Y (eje vertical) se ubica la otra variable, se señalan puntos de cruce para
cada unidad de tiempo con su respectivo valor de la variable y luego se unen los puntos con una
línea, la cual va mostrando el movimiento ascendente o descendente a través del tiempo que puede
presentar la variable analizada.
Gráfico lineal-Serie de tiempo

34
32
30
Captación ( $mill)
28
26
24
22
20
18
16
14
2002 2004 2006 2008 2010 2012 2014
17
17
ESTADÍSTICAFUNDAMENTOS DE ESTADÍSTICA PARA LAS CIENCIAS ECONÓMICO-ADMINISTRATIVAS
Mary Nieves Cruz Zuluaga Facultad dede
Facultad Estudios Empresariales
Estudios y de
Empresariales Mercadeo
y de Mercadeo
Diagrama de dispersión y función de ajuste.
Llamada también Nube de Puntos. Es utilizado para estudiar la relación existente entre variables,
cada punto representa una coordenada en el plano cartesiano (X,Y) haciendo referencia al dato real
u original. Sobre el Diagrama de Dispersión se grafica la Función de Ajuste que representa a la
serie de datos originales. Los puntos que conforman la función de ajuste se llaman datos
pronosticados.
Regresión y Correlación
2500
2000 y = 0,4481x + 243,15
1500
Gasto
1000
500
0
0 500 1000 1500 2000 2500 3000 3500 4000
Ingreso
18
18
ESTADÍSTICA
1.1.4. MEDIDAS DE TENDENCIA CENTRAL

LA MEDIA
Es la medida de tendencia central más importante y utilizada. Tiene en cuenta cada uno de los
valores de la serie de datos, se ve afectada por valores altos y bajos, así como también por las
respectivas frecuencias (Martinez, 2008).
La media es el promedio de la serie de datos.
Se identifica con X , M(X) o también con la letra .
Media aritmética simple
X
X i Para datos desagrupados
n
X
X i fi
Para datos agrupados
n
X   X i hi Para datos agrupados y ponderados
Media aritmética ponderada
Es utilizada cuando los diferentes valores de la variable tienen diferente peso o ponderación, la
ponderación está representada por los porcentajes de representatividad que tiene cada valor de la
variable.
X   X i hi
En esta fórmula los hi los respectivos pesos o ponderaciones.
PROPIEDADES DE LA MEDIA:
1. La sumatoria de las desviaciones respecto a la media siempre es igual a cero.
La expresión estadística X i  X  se conoce con el nombre de desviación respecto a la media. La
desviación respecto a la media puede ser positiva o negativa dependiendo si el valor de X i se

encuentra por encima o por debajo de la media, e incluso puede ser igual a cero si el valor de X i
coincide con el de la media.
 X i 
X 0 Para datos sin agrupar.
 X i 
 X fi  0 Para datos agrupados.
2. La media aritmética de una constante es igual a la constante misma.

M(K) = k
KK
19
19
ESTADÍSTICA
3. La media aritmética de una constante por una variable es igual a la constante por la media de la
variable.
M(KX) = K.M(X)
KX  K X
4. La media de una variable más una constante es igual a la media de la variable más la constante.
M(X+K) = M(X) + K
X K  X K
5. La media total: Cuando tenemos una población dividida en subgrupos y para cada uno de los
subgrupos conocemos su respectiva media y el total de datos, siendo el objetivo calcular la media
total, es decir la media para todo el grupo o media poblacional, se calcular a través de la aplicación
de la siguiente fórmula (Media de medias).
Xt 
X n i i
n i
Xt = media total o general.
X i = media de cada subgrupo i.

ni = total de datos del subgrupo i.
LA MEDIANA
Es el valor que ocupa la posición central en una serie de datos, lo que significa que el 50% de los
datos se encuentran por encima de la mediana o son valores superiores a la mediana y el otro 50%
se encuentran por debajo de la mediana o son valores inferiores a la mediana (Mendenhall, 2012).
Se identifica con Me.
El cálculo de la mediana implica tener preliminarmente los datos organizados en orden ascendente,
y se halla de manera diferente en caso de tener los datos desagrupados o agrupados.
LA MEDIANA PARA DATOS DESAGRUPADOS

Para n impar:
Ordenar los datos de menor a mayor.
 n 1
Me es el valor de la variable que ocupa la posición  
 2 
20
20
ESTADÍSTICA
Para n par:
Ordenar los datos de menor a mayor.
Me es el promedio de los valores de la variable que ocupan las posiciones  n  y  n   1

 
 2   2  
LA MEDIANA PARA DATOS AGRUPADOS

Para variable continua:
Cuando los datos están agrupados en una tabla de frecuencia los valores ya se encuentran
organizados de menor a mayor.
Pasos a seguir:
1. Calcular  n 
2
2. Buscar este resultado en la columna de las Fi frecuencias absolutas acumuladas.
3. Efectuar las indicaciones que se presentan a continuación, en caso de encontrar o no este

valor.
En caso de encontrarlo En caso de no encontrarlo
Señalar el valor de  n  en la Señalar el inmediatamente menor a  n  en la columna de

 
2 2
columna de las Fi las Fi e inmediatamente identificarlo con el nombre de F i-1.
Ir al renglón siguiente y señalar Li Ir al renglón siguiente y señalar la correspondiente

M e = Li frecuencia absoluta f i y el respectivo límite inferior del
intervalo L i
Aplicar la siguiente fórmula:
n 
  Fi 1 
M e  L i  c 2 
 fi 
 
 
21
21
ESTADÍSTICA
Para variable discreta.
Pasos a seguir:
n
1. Calcular  
2
2. Buscar este resultado en la columna de las frecuencias absolutas acumuladas.
3. Aplicar las indicaciones dadas a continuación, en caso de encontrar o no el valor respectivo.
En caso de encontrarlo En caso de no encontrarlo
n n
Señalar el valor de   en la columna de las Fi Señalar el inmediatamente menor a  
2 2
en la columna de las Fi .
Señalar el valor de la variable ubicada en ese
mismo renglón e identificarla como X i-1 y el valor Ir al renglón siguiente y señalar el
de la variable ubicada en el renglón siguiente e correspondiente valor de la variable e
identificarla como Xi identificarlo como Xi
Aplicar la siguiente fórmula: Aplicar la siguiente fórmula:
X i 1  X i Me  Xi
Me 
2
LA MODA
Es el valor de la variable que se repite con mayor frecuencia.
Se identifica con Md.
Md = Xi Asociado con el fi más alto.
Siendo Xi un valor particular de la variable, en caso de estar analizando una tabla para variable
discreta, o un valor particular de una marca de clase en caso de estar trabajando con una tabla
para variable continua.
22
22
ESTADÍSTICA
1.1.5. MEDIDAS DE VARIABILIDAD
Utilizadas para analizar como varían, oscilan, van cambiando o se van distribuyendo los valores de
la variable.
LA VARIANZA
Se identifica con Var(X), V(X),  x2 o simplemente 2

Es un cálculo estadístico preliminar para poder hallar la desviación típica o estándar, en otras
palabras la varianza y la desviación típica o estándar van de la mano.
La varianza se define como el promedio de las desviaciones cuadráticas respecto a su misma media
(Spiegel, 2010).
Toma como referencia para el análisis de la variabilidad el promedio o media de la variable.
 Varianza para datos desagrupados

 X 2
i X
Var ( X ) 
n
 Varianza para datos agrupados
 X 
2
i X fi
Var ( X ) 
n
OBSERVACIÓN:
En las anteriores fórmulas para la varianza el n representa el total de datos que se están
analizando, sin hacer diferencia entre población y muestra.
Cuando el estudio implica hacer diferencia en cuanto a la población y a la muestra, hay que
tener presente que N representa tamaño poblacional y n tamaño muestral.
Al estar trabajando con muestreo la varianza cambia por el nombre de cuasivarianza o varianza
muestral, la cuasivarianza está dada por:
 X 
2
i X fi
Var ( X ) 
n 1
Cuando se refiere a la cuasivarianza se deja de identificar con  2 y pasa a reconocerse con
2
el símbolo de S .
23
23
ESTADÍSTICA Facultad de Estudios Empresariales y de Mercadeo
Mary Nieves Cruz Zuluaga Mary Nieves
Facultad de Estudios Empresariales Cruz Zuluaga
y de Mercadeo
PROPIEDADES DE LA VARIANZA
1. La varianza siempre es un valor positivo. Var ( X )  0
2. La varianza de una constante K es igual a cero.
Var(K)=0
3. La varianza de una variable más o menos una constante es igual a la varianza de la variable.
Var ( X  K )  Var ( X )
4. La varianza de una constante por una variable es igual a la constante al cuadrado por la varianza
de la variable.
Var ( KX )  K 2Var ( X )
LA DESVIACIÓN TÍPICA O ESTÁNDAR
Se identifica con x ó 
Mide el promedio de variabilidad de los datos tomando como referencia la media de la variable, es
decir analiza el grado de alejamiento o de dispersión de los datos alrededor de la media.
La desviación típica o estándar es la raíz cuadrada de la varianza.
  Var (X )
COEFICIENTE DE VARIACIÓN
Se identifica con CV.
Permite comparar la variabilidad de dos o más distribuciones expresadas en unidades de medidas
diferentes, con el fin de determinar cuál de ellas tiene una mayor o menor variabilidad relativa.
Se expresa en términos porcentuales.
𝜎𝜎
𝐶𝐶𝐶𝐶 = ∗ 100
𝑋𝑋̅
 S
CV  100 CV  100
X X
EL RANGO O RECORRIDO
Se identifica con la letra R.
Es la diferencia entre el valor máximo y el mínimo de la serie de datos alusiva a la variable.
R  X máx  X mín
24
24
ESTADÍSTICA
Simplemente muestra el recorrido de la variable, es decir el espacio en unidades dentro del cual se
en cuanta los datos, pero no toma en cuenta como están distribuidos los datos entre el valor máximo
y el valor mínimo. No debe utilizarse como medida de dispersión cuando se tienen observaciones
extremas. Esta medida no permita saber nada acerca de los valores intermedios de la variable y
tampoco tiene en cuenta aquellos valores con mayor peso, ponderación o importancia según la
frecuencia.
1.1.6. EJEMPLOS DE APLICACIÓN RESUELTOS (Unidad Temática 1): Organización,

procesamiento y análisis descriptivo de la información.
Ejemplo 1:
Los siguientes datos representan el volumen de exportación mensual (en millones de pesos) de un
grupo de almacenes distribuidores de electrodomésticos.
35.8 60.2 49.3 64 62.3 72.4 65 49 65

52.7 31 58 64.7 35 48 79.5 83 77
53 67.5 40.6 50.3 64 80 37.6 36.4 84.7
20 34 63 52 37 36 42 38.9 94.1
68.3 80 60 54.8 53 55 74 50
20.7 67 40 54.2 71 54 95 55.3
Organizar la información recolectada en una Tabla de Frecuencias con 5 intervalos.

Hallar las frecuencias absolutas y relativas.
Hallar las frecuencias absolutas y relativas acumuladas.
Interpretar 𝑓𝑓4 y 𝐹𝐹4
Interpretar ℎ3 y 𝐻𝐻3
Calcular la media, la mediana y la moda. Interpretar cada uno de los resultados obtenidos.
Calcular la desviación típica o estándar. Interpretar el resultado obtenido.
Graficar el Histograma y el Polígono de frecuencias.
Solución:
𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 20 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 95
𝑅𝑅 = 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 − 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 95 − 20 = 75
𝑅𝑅 75
𝐶𝐶 = = = 15
𝑚𝑚 5
25
25
ESTADÍSTICA
Intervalos
20 - 35 27,5 5 0,096 5 0,096 137,5 4078,37
35 - 50 42,5 13 0,250 18 0,346 552,5 2390,36
50 - 65 57,5 20 0,385 38 0,731 1150 41,47
65 - 80 72,5 10 0,192 48 0,923 725 2702,74
80 - 95 87,5 4 0,077 52 1 350 3953,89
Total /////// 52 1 /////////// //////// 2915 13166,83
∑ 𝑋𝑋𝑖𝑖 . 𝑓𝑓𝑖𝑖 2915

𝑋𝑋̅ = = = 56.06
𝑛𝑛 52
26
26
ESTADÍSTICA
𝑛𝑛
− 𝐹𝐹𝑖𝑖−1 26 − 18
𝑀𝑀𝑒𝑒 = 𝐿𝐿𝑖𝑖 + 𝐶𝐶 (2 ) = 50 + 15 ( ) = 56
𝑓𝑓𝑖𝑖 20
𝑀𝑀𝑑𝑑 = 57.5
∑ 13166.83
𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = = = 253.21
𝑛𝑛 52
𝜎𝜎 = √𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = √253.21 = 15.91
Interpretaciones:
𝑓𝑓4 = 10 Existen 10 almacenes con un volumen de ventas entre $ 65 y $ 80 millones
𝐹𝐹4 = 48 Existen 48 almacenes con un volumen de ventas inferior a $ 80 millones.

Existen 48 almacenes con un volumen de ventas entre $ 20 y $ 80 millones.
ℎ3 = 0.385 El 38.5% de los almacenes tienen ventas entre $ 50 y $ 65 millones

𝐻𝐻3 = 0.731 El 73.1% de los almacenes venden por debajo de $ 65 millones.
El 73.1% de los almacenes venden entre $ 20 y $ 65 millones.
𝑋𝑋̅ = 56.06 El volumen promedio de ventas es de $ 56.06 millones.
La venta promedio de los almacenes fue de $ 56.06 millones
𝑀𝑀𝑒𝑒 = 56 El 50% de los almacenes venden por debajo de $56 millones y el otro 50% de los
almacenes tienen ventas superiores a $ 56 millones.
𝑀𝑀𝑑𝑑 = 57.5 La mayoría de almacenes venden aproximadamente $57.5 millones.

Existe una cantidad representativa de almacenes con un volumen de ventas
aproximadamente de $ 57.5 millones.
𝜎𝜎 = 15.91 En promedio las ventas se encuentran alejadas o dispersas alrededor de la media

en $ 15.91 millones. Es decir algunos almacenes venden por encima de la media y otros por debajo
de la media, algunos se aproximan más al valor de la media y otros se alejan, el promedio de
alejamiento de estos volúmenes de venta respecto a la media es de $ 15.91 millones.
27
27
ESTADÍSTICA
Ejemplo 2:
Los siguientes datos representan el precio (en millones de pesos) de 62 casas unifamiliares de cierta
zona de la ciudad.
Precio de Venta (Millones de pesos $)

Vivienda Unifamiliar
75 89 91 97 105 110 125

71 93 93 102 103 108 122
74 87 95 95 110 111
79 89 100 96 105 114
86 94 96 102 107 118
80 88 102 95 103 113
85 87 100 102 107 116
81 88 97 95 110 114
83 89 100 99 109 116
86 90 102 98 104 120
Se pide:
a) Organizar los datos en una tabla de frecuencias.
b) Elaborar el polígono de frecuencias.
c) Calcular la media, la mediana y la moda.
d) Calcular la desviación típica o estándar.
Analizar e interpretar los resultados obtenidos.
28
28
ESTADÍSTICA
Solución:
Se aplica los pasos descritos para la conformación de los intervalos.
1) X máx  125 5) Nuevo Rango R*.

X mín  71 R*  C * m
R*  8 * 7  56
Se puede trabajar con estos valores de C y
2) R  X máx  X mín
m porque El nuevo rango cumple la
R=125-71 = 54 condición de R*  R
3) Número de intervalos m=? 6) Incremento del rango

Puede calcularse con la fórmula R  R *  R
o a criterio del investigador (opinión R  56  54  2
subjetiva).
m  1  3.3 log( n) 7) Repartir el incremento en dos partes
iguales, R / 2  2 / 2  1
m  1  3.3Log 62  6.9  7
Se corre hacia la izquierda del Xmín y
m7 hacia la derecha del Xmáx .
X mín  1  70
4) Amplitud de cada intervalo C=?
R 54 X máx  1  126
C   7.7  8 El valor de 70 constituye el límite inferior
m 7 del primer intervalo.
Se aproxima a número entero en El valor de 126 constituye el límite superior
caso de desear trabajar con una del último intervalo.
amplitud entera.
Se inicia la conformación de los intervalos,
Observación: Los pasos 3 y 4 pueden a 70 se le suma la amplitud para obtener el
efectuarse con opinión subjetiva del límite superior del primer intervalo, éste
investigador dependiendo de cómo se valor (78) también constituye el límite
desee que queden conformados los inferior del segundo intervalo, se continúa
intervalos, lo único que siempre hay de manera idéntica hasta llegar al último
que tener presente es que el nuevo intervalo.
rango sea igual o mayor al rango
inicial, cuando sea mayor se Para el conteo de las frecuencias absolutas
recomienda que no se aleje f i es indispensable aclarar en los
demasiado del valor del rango inicial. intervalos cual límite queda abierto y cual
cerrado.
29
29
ESTADÍSTICA
Para los intervalos en la tabla de frecuencias que se presenta, se tienen las siguientes
observaciones, con el objeto de facilitar el conteo de las frecuencias absolutas:
Primer intervalo: Límite inferior cerrado, límite superior cerrado.
Segundo intervalo: Límite inferior abierto, límite superior cerrado.
Tercer intervalo: Límite inferior abierto, límite superior cerrado.
Intervalo n-ésimo: en este caso séptimo intervalo, límite inferior abierto, límite superior cerrado.
Siguiendo esta metodología de dejar abierto el límite inferior y cerrado el superior, el único intervalo
que queda cerrado en sus dos extremos es el primero.
Esto es muy importante porque, si existe un valor en la serie de datos recolectada que quede
precisamente en uno de los límites, al hacer el conteo de frecuencias absolutas se puede tener
claridad dentro de cuál intervalo es incluido dicho valor.
Intervalos Xi fi hi Fi Hi
70-78 74 3 0,0484 3 0,0484
78-86 82 7 0,1129 10 0,1613
86-94 90 12 0,1935 22 0,3548
94-102 98 18 0,2903 40 0,6452
102-110 106 12 0,1935 52 0,8387
110-118 114 7 0,1129 59 0,9516
118-126 122 3 0,0484 62 1,0000
Total 62 1,0000
Algunas interpretaciones y/o análisis de los cálculos estadísticos efectuados en la tabla de

frecuencias son:
f 3  12 Existen 12 casas unifamiliares con un precio entre 86 y 94 millones (sin incluir el 86),
expresado de otra forma entre 86,000001 y 94 millones. El valor 86,000001 (en millones de pesos)
significa $ 86.000.001 (pesos).
h5  0.1935 El 19.35% de las casas unifamiliares están avaluadas entre 102,000001 y 110
millones de pesos.
F3  22 Existen 22 casas avaluadas a un precio inferior o igual a 94 millones, es decir entre 70
y 94 millones de pesos (por debajo de 94 millones).
H 5  0.8387 El 83.87% de las casas se encuentran avaluadas a un precio inferior o igual a
110 millones, es decir entre 70 y 110 millones de pesos (por debajo de 110 millones).
30
30
ESTADÍSTICA
f
i 1
i  62 La sumatoria de las frecuencias absolutas es igual al total de datos recolectados,
en este caso n  62
7
h
i 1
i  1 La sumatoria de las frecuencias relativas es igual a 1(uno), equivalente al 100% de los
datos.
F7  62 El último valor de la columna de las frecuencias absolutas acumuladas es igual al total
de datos.
H7 1 El último valor de la columna de las frecuencias relativas acumuladas es igual a 1 (uno).
Media, mediana y moda:
Intervalos Xi fi X i * fi Fi
70-78 74 3 222 3
78-86 82 7 574 10
86-94 90 12 1080 22
94-102 98 18 1764 40
102-110 106 12 1272 52
110-118 114 7 798 59
118-126 122 3 366 62
Total 62 6076
31
31
ESTADÍSTICA
La Mediana: Me
n 62
Se calcula   31
2 2
Se busca este valor en la columna de las frecuencias absolutas acumuladas: en este caso
particular no se encuentra este valor.
Como no se encuentra el valor se señala el inmediatamente menor a 31, en este caso es 22

que corresponde a la tercera frecuencia absoluta acumulada, se le asigna el nombre de
Fi 1  22 .
Se pasa al renglón siguiente, en éste señalamos el valor de la frecuencia absoluta y del

límite inferior, se tiene por lo tanto que:
f i  18
Li  94
n 
  Fi 1 
Se sustituyen los valores en la fórmula para la mediana M  L  C  2 
e i
 fi 
 
 
 31  22 
M e  94  8   94  8(0.5)  94  4  98
 18 
M e  98
32
32
ESTADÍSTICA
Interpretación: El 50% de las casas tienen un valor inferior a 98 millones y el otro 50% un precio
por encima de 98 millones.
La Moda: Md
Se visualiza en la columna de las frecuencias absolutas el valor más alto, en este caso
corresponde a f 4  18 , por lo tanto la moda es el valor de la marca de clase X 4
asociada con ésta frecuencia absoluta.
Md  X4
M d  98
Interpretación: El precio más frecuente para las casas unifamiliares es de aproximadamente 98
millones de pesos. Se presenta con mayor frecuencia que el precio asignado a las casas
unifamiliares se encuentra cercano a 98 millones (cercano por debajo y por encima).
Observación: La media, la mediana y la moda arrojaron un mismo valor, lo que indica que la variable
precio tiene un comportamiento simétrico (se distribuye simétricamente), X  Me  Md .
Desviación típica o estándar: x

Para calcular la desviación típica o estándar se hace indispensable conocer el valor de la
varianza porque  x  Var (X ) , también puede ser expresada  x   x2 .
Para hallar la varianza se necesita calcular la sumatoria de las desviaciones cuadráticas

respecto a la media para luego promediarla.
Intervalos Xi fi X i * fi ( X i  X )2 fi
70-78 74 3 222 1728
78-86 82 7 574 1792
86-94 90 12 1080 768
94-102 98 18 1764 0
102-110 106 12 1272 768
110-118 114 7 798 1792
118-126 122 3 366 1728
Total 62 6076 8576
33
33
ESTADÍSTICA
MaryFUNDAMENTOS DE ESTADÍSTICA PARA Facultad
Nieves Cruz Zuluaga LAS CIENCIAS ECONÓMICO-ADMINISTRATIVAS
de Estudios Empresariales y de Mercadeo
34
34
ESTADÍSTICA
Ejemplo 3:
La siguiente base de datos hace referencia a un grupo de compañías ubicadas dentro de un
departamento determinado del país. Se especifica para cada compañía el sector económico al que
pertenece, la zona de ubicación y la vinculación actual de aprendices dentro de su planta de
personal.
Códigos de la base de datos:

Sector económico: Agrícola (A), Industrial (I), comercial(C), financiera (F).
Ubicación geográfica: Zona norte (N), Zona sur (S), occidente (O), oriente ®.
Vinculación de aprendices: Si vinculan (S), No vinculan (N).
Observación: los códigos ha utilizar en la base de datos también pueden ser números o palabras,
en este caso se utiliza letras.
Se pide:
a) Cuál es la unidad o elemento de investigación.
b) Cuáles son las variables de esta investigación con sus respectivas categorías.
c) Elaborar tres tablas de frecuencia univariadas para: Sector económico, ubicación
geográfica y vinculación de aprendices. Calcular porcentajes e interpretar algunos datos,
elaborar gráficos.
d) Elaborar una tabla de frecuencias (bivariada) de doble entrada para la Zona y el sector
económico. Cuáles son los diferentes porcentajes que se pueden calcular. Analizar e
interpretar algunos resultados. Elaborar gráfico.
e) Elaborar una tabla de frecuencias (bivariada) de doble entrada para el sector económico
y la vinculación de aprendices. Cuáles son los diferentes porcentajes que es posible
calcular. Analizar e interpretar algunos resultados. Elaborar gráfico.
f) Elaborar una tabla de frecuencias (trivariada) de tres entradas para el sector económico,
zona y vinculación de aprendices. Cuáles son los diferentes porcentajes que se pueden
calcular. Analizar e interpretar algunos resultados. Elaborar gráfico.
35
35
ESTADÍSTICA
Base de datos:
Compañía Sector Zona Vinculación
1 F S S
2 C N S
3 A O N
4 C S N
5 F S S
6 F S S
7 C O S
8 A R N
9 I N S
10 I O S
11 F N S
12 C S S
13 A S S
14 A N S
15 C O N
16 F O N
17 F S S
18 F R S
19 F R S
20 I R N
21 I S S
22 A R S
23 I O N
24 I O S
25 F O N
26 I S N
27 F S S
28 F S S
29 F S S
30 I S S
31 C S N
32 C R S
33 C N N
34 F R S
35 F R S
36 F R S
37 F S S
38 F N S
39 F S N
40 C R S
41 C N N
42 A O S
43 F S S
44 F O S
45 C O N
46 C O S
47 F N S
48 A N S
49 F O S
50 F S S
36
36
ESTADÍSTICA
Solución:
a) Unidad o elemento de investigación: cada una de las compañías.
b) Variables:
V1: Sector económico.
Categorías de la variable V1: Agrícola, industrial, comercial, financiero.
V2: Ubicación geográfica.
Categorías de la variable V2: Norte, sur, occidente, oriente.
V3: Vinculación de aprendices.
Categorías de la variable V3: Si, No.
c) Tablas de frecuencia univariadas
37
37
ESTADÍSTICA Mary Nieves Cruz Zuluaga
38
38
ESTADÍSTICA
39
39
ESTADÍSTICA
40
40
ESTADÍSTICA
41
41
ESTADÍSTICA
42
42
ESTADÍSTICA
Algunas interpretaciones:
Fila 5, columna 1: El 66.7% de las empresas comerciales ubicadas en la zona norte no vinculan
aprendices dentro de su planta de personal.
Fila 12, columna 2: El 90.9% de las empresas del sector financiero ubicadas en la zona sur no
vinculan aprendices dentro de su planta de personal.
Fila 16, columna 1: El 33.3% de las empresas del sector industrial ubicadas en la zona sur no
vinculan aprendices dentro de su planta de personal.
43
43
ESTADÍSTICA
Tabla con porcentajes por columna:

Sector Vinculación de Aprendices
Zona
económico No Si
Norte 0,0% 5,6%
Occidente 7,1% 2,8%
Agrícola
Oriente 7,1% 2,8%
Sur 0,0% 2,8%
Norte 14,3% 2,8%
Occidente 14,3% 5,6%
Comercial
Oriente 0,0% 5,6%
Sur 14,3% 2,8%
Norte 0,0% 8,3%
Occidente 14,3% 5,6%
Financiera
Oriente 0,0% 13,9%
Sur 7,1% 27,8%
Norte 0,0% 2,8%
Occidente 7,1% 5,6%
Industrial
Oriente 7,1% 0,0%
Sur 7,1% 5,6%
Total 100,0% 100,0%
Interpretación:
Fila 5, columna 1: El 14.3% de las empresas que no vinculan aprendices

pertenecen al sector industrial y están ubicadas en la zona norte.
Fila 11, columna 2: El 13.9% de las empresas que si vinculan aprendices dentro
de su planta de personal pertenecen al sector financiero y se ubican en la zona
oriental.
Fila 1, columna 2: El 5.6% de las empresas que si vinculan aprendices se

dedican a la actividad económica agrícola y están ubicadas en la zona norte.
44
44
ESTADÍSTICA
Tabla de porcentaje con base en el gran total:

Sector Vinculación de Aprendices Total por Sector
Zona y Zona
Total por Sector Gran Total
económico No Si
Norte 0,0% 4,0% 4,0%
Occidente 2,0% 2,0% 4,0%
Agrícola 14,0%
Oriente 2,0% 2,0% 4,0%
Sur 0,0% 2,0% 2,0%
Norte 4,0% 2,0% 6,0%
Occidente 4,0% 4,0% 8,0%
Comercial 24,0%
Oriente 0,0% 4,0% 4,0%
Sur 4,0% 2,0% 6,0%
100,0%
Norte 0,0% 6,0% 6,0%
Occidente 4,0% 4,0% 8,0%
Financiera 46,0%
Oriente 0,0% 10,0% 10,0%
Sur 2,0% 20,0% 22,0%
Norte 0,0% 2,0% 2,0%
Occidente 2,0% 4,0% 6,0%
Industrial 16,0%
Oriente 2,0% 0,0% 2,0%
Sur 2,0% 4,0% 6,0%
Total 28,0% 72,0% 100,0%
Fila 3, columna 1: El 2% de las compañías pertenecen al sector agrícola, están

ubicadas en la zona oriental y no vinculan aprendices.
Fila 12, columna 2: El 20% de las empresas pertenecen al sector financiero, están
ubicadas en la zona sur y si vinculan aprendices en su planta de personal.
Fila 16, columna 2: El 4% de las compañías pertenecen al sector industrial, están

ubicadas en la zona sur y si vinculan aprendices en su planta de personal.
45
45
ESTADÍSTICA
Tabla de porcentaje con base en los sub-totales por filas:

Vinculación de Aprendices Gran total (tomando
Sector Total por Sector
Zona y Zona
como base cada sector
económico económico)
No Si
Norte 0,0% 28,6% 28,6%
Occidente 14,3% 14,3% 28,6%
Agrícola 100,0%
Oriente 14,3% 14,3% 28,6%
Sur 0,0% 14,3% 14,3%
Norte 16,7% 8,3% 25,0%
Occidente 16,7% 16,7% 33,3%
Comercial 100,0%
Oriente 0,0% 16,7% 16,7%
Sur 16,7% 8,3% 25,0%
Norte 0,0% 13,0% 13,0%
Occidente 8,7% 8,7% 17,4%
Financiera 100,0%
Oriente 0,0% 21,7% 21,7%
Sur 4,3% 43,5% 47,8%
Norte 0,0% 12,5% 12,5%
Occidente 12,5% 25,0% 37,5%
Industrial 100,0%
Oriente 12,5% 0,0% 12,5%
Sur 12,5% 25,0% 37,5%
Fila 1, columna 2: El 28.6% de las compañías del sector agrícola están

ubicadas en la zona norte y si vinculan aprendices en su planta de personal.
Fila 12, columna 1: El 4.3% de las empresas del sector financiero están
ubicadas en la zona sur y no vinculan aprendices en su planta de personal.
Fila 14, columna 1: El 12.5% de las empresas del sector industrial están
ubicadas en la zona occidental y no vinculan aprendices.
46
46
ESTADÍSTICA
1.1.7. EJEMPLOS DE APLICACIÓN PROPUESTOS (Unidad Temática 1): Organización,

procesamiento y análisis descriptivo de la información.
Ejemplo propuesto 1:
Los siguientes datos representan los ingresos quincenales de 50 personas en miles de pesos.
251 325 225 480 501
369 422 307 297 428
258 436 369 325 326
247 505 324 502 498
458 509 258 406 568
365 436 407 325 225
286 307 309 279 305
269 365 568 357 421
457 402 456 368 269
369 358 228 405 227
a) Agrupar los datos en una tabla de frecuencias.

b) Construir un polígono de frecuencias absolutas.
d) Calcular la varianza y la desviación típica o estándar
Nota: Interpretar cada uno de los resultados obtenidos.
Los siguientes datos representan el volumen de exportación mensual (en millones de pesos) de un
grupo de empresas dedicada a la distribución de artículos de cuero:
Volumen de exportación Núm.Empresas

150 – 200 4
200 – 250 12
250 – 300 25
300 – 350 20
350 – 400 10
400 - 450 3
47
47
ESTADÍSTICA
Se pide:
a) Graficar el histograma de frecuencias
b) Calcular la media, la mediana y la moda
c) Calcular la desviación típica o estándar.
Nota: Interpretar cada uno de los resultados.
En la siguiente tabla se observa la distribución de frecuencias de los Gastos quincenales (en miles
de pesos) de un grupo de personas de un sector determinado de la ciudad:
Gastos Núm.perosnas
300 – 400 8
400 – 500 15
500 – 600 27
600 - 700 14
700 – 800 9
800 – 900 3
Se pide:
a) Graficar el histograma y el polígono de frecuencias
b) Calcular la media, la mediana y la moda
c) Calcular la desviación típica o estándar.
Nota: Interpretar cada uno de los resultados.
Una muestra aleatoria de automóviles del mismo tipo nos señala cuántas millas recorren por galón
de gasolina.
25 33 27 28 29 28
29 27 30 31 27 32
28 26 33 35 25 27
31 30 35 26 35 30
35 33 26 28 33 31
33 35 25 25 26 29
27 25 29 33 31 28
26 27 32 30 30 32
29 29 34 35 34 29
31 32 25 29 27 28
48
48
ESTADÍSTICA
Se pide:
a) Construir una tabla de frecuencias con 5 intervalos
b) Elaborar un polígono de frecuencias
c) Calcular la media, la mediana y la moda
d) Calcular la desviación típica o estándar
En una fábrica el departamento de producción está dividido en tres secciones. Se sabe que en la
sección A con 100 empleados la asistencia promedio es de 240 días al año. En la sección B con
80 empleados la asistencia promedio es de 216 días al año.
Si la asistencia media en todo el departamento es de 226.5 días al año.
¿Cuántos empleados hay en la sección C, donde la asistencia promedio es de 200 días al año ?
De un grupo de 200 obreros que laboran en una fábrica, 120 de ellos trabajan de día y 80 trabajan
de noche. Se sabe que el salario medio de los 200 trabajadores es de $ 360.000. Los del turno de
día reciben en valor medio un 25% menos que los trabajadores de la noche. Cuál es el salario
medio de cada grupo?
El volumen de ventas semestral en millones de pesos de 50 establecimientos comerciales se
muestra a continuación:
42 37 51 62 65
56 42 46 48 53
39 56 54 55 56
48 61 62 60 57
54 56 50 54 53
62 50 37 38 40
45 42 56 61 65
45 60 52 50 55
51 61 63 58 50
56 46 58 57 46
Se pide:
a) Construir una tabla de frecuencias con 7 intervalos y una amplitud de 4.
b) Elaborar un polígono de frecuencias
c) Calcular la media, la mediana y la moda
d) Calcular la desviación típica o estándar
49
49
ESTADÍSTICA
El departamento de personal de una empresa del sector financiero desea analizar el
comportamiento del ingreso semanal en miles de pesos de un grupo de 31 empleados de nivel
ejecutivo. La información recolectada se muestra a continuación:
460 546 567 625

478 547 570 648
493 550 573 648
510 555 580 649
510 558 580 650
538 558 580 670
541 561 599 680
545 562 610
Se pide:
a) Organizar la información en una tabla de frecuencias con 5 intervalos.
b) Graficar el polígono y la Ojiva.
d) Calcular la varianza y la desviación típica o estándar.
Observación: Analizar e interpretar los resultados obtenidos
Un grupo de papelerías especializadas en el país importa lapiceros de marcas prestigiosas, el nivel
de importación bimestral en millones de pesos, se presenta a continuación:
Importación Número de
(millones de $) papelerías
3-5 7
5-7 12
7-9 18
9 - 11 15
11 - 13 9
13 - 15 5
a) Calcular las frecuencias relativas, absolutas acumuladas y relativas acumuladas.

b) Graficar el histograma, el polígono de frecuencias y la ojiva.
Observación: Analizar e interpretar los resultados obtenidos.
50
50
ESTADÍSTICA

Elegir dos tablas de frecuencias de alguno de los ejemplos anteriores y desarrollar los cálculos
necesarios para demostrar que la sumatoria de las desviaciones respecto a la media es igual a cero
(propiedad de la media).

Explique por qué para calcular el grado de alejamiento de los datos alrededor de la media, se toma
el promedio de las desviaciones cuadráticas respecto a la media y no solamente las desviaciones
respecto a la media.
Según sus conocimientos sobre frecuencia absoluta, absoluta acumulada, relativa y relativa
acumulada. Justifique estadísticamente si es verdadero o falso el siguiente caso particular:
m6
H 2  0.6
h1  0.2
h4  0.2 H 3  H 4  1.9

Analizar y explicar por qué la varianza de una constante por una variable es igual a la constante al
cuadrado por la varianza de la variable.
Var ( KX )  K 2Var ( X )
La siguiente expresión algebraica representa la relación entre el precio de un artículo y la cantidad
de unidades que está dispuesto a ofrecer el comerciante a dicho precio. Siendo X cantidades y Y
el precio. La función lineal de Oferta está dada por X  2 7Y  14 .
5
Calcular la media y la varianza de X, si se sabe que la media y la desviación típica de Y son 4 y 0.3
respectivamente.
La siguiente tabla señala la cantidad de latas (con un contenido individual de 8 oz.) de cervezas
ingeridas al mes por un grupo de 37 consumidores.
Latas de
Xi fi hi Fi Hi
cerveza
15 - 18 0,135 5
-27 9
27 - 30 26
-39 7 0,189
39 -
Total 37
51
51
ESTADÍSTICA
Se pide:
a) Completar los espacios en blanco y señalar claramente los cálculos estadísticos
empleados para encontrar los valores respectivos.
b) Analizar e interpretar h3 y H 3 .
c) Qué significa f 5 .?
d) Graficar el polígono de frecuencias.

e) Calcular la media, la mediana y la moda.
f) Calcular la desviación típica o estándar.

La distribución de frecuencias del ingreso quincenal (en miles de pesos $) de un
grupo de empleados de una compañía se presenta a continuación:
Ingreso Quincenal Número de

(miles de $) empleados
200 - 300 7
300 - 400 12
400 - 500 15
500 - 600 20
600 - 700 13
700 - 800 10
800 - 900 9
a) Calcular las frecuencia relativas e interpretar h 2 y h 4 .
b) Graficar el histograma y el polígono.

La percepción que tienen un grupo de empleados sobre el clima laboral que reina dentro de la
empresa donde están vinculados es la siguiente:
Clima Número de
Laboral empleados
Excelente 12
Bueno 25
Regular 5
Malo 2
52
52
ESTADÍSTICA
a) Cuál es la variable y cómo se clasifica?

b) Cuáles son las categorías de la variable, a qué clasificación pertenecen y por qué?
c) Cuál es la unidad o elemento de investigación ?
d) Calcular las frecuencias relativas y analizarlas.
e) Elaborar el gráfico de pastel o circular.
f) Elaborar el gráfico de barras.
g) Hallar la moda e interpretarla.

Una empresa dedicada a la producción de ambientadores con atomizador, realiza una investigación
entre las amas de casa del barrio “El Porvenir” de una ciudad, se seleccionan aleatoriamente 50 de
ellas para analizar el tiempo de permanencia del aroma después de esparcirlo en el ambiente del
hogar.
a) Definir la población (tamaño de la población).
b) Cuál es el tamaño de la muestra.
c) Cuál es la variable.
d) Cómo se clasifica esta variable.

Cuál es la diferencia y cuál la similitud entre marca de clase y mediana.
El nivel de exportación mensual (en millones de pesos $) de un grupo de empresas confeccionistas
de vestidos ejecutivos para dama y caballero, es el siguiente:
Exportación mensual Núm. Empresas

(millones de pesos) confeccionistas
7- 9 3
9 - 11 8
11 - 13 15
13 - 15 32
15 - 17 12
17 - 19 7
19 - 21 5
21 - 23 2
a) Cuál es el volumen de exportación promedio mensual.

b) Cuál es el promedio del grado de alejamiento de los volúmenes de exportación
mensual alrededor de dicho promedio?
c) De cuántas medias se está hablando en el numeral anterior, explicar a qué hace
referencia cada una de ellas y cómo se calculan.
d) Graficar el polígono de frecuencias.
Interpretar los resultados obtenidos
53
53
ESTADÍSTICA

De acuerdo a los conocimientos sobre frecuencia absoluta, absoluta acumulada, relativa y relativa
acumulada; justificar estadísticamente si es verdadero o falso el siguiente caso particular:
H 5  0.65
F4  30
f5  6
n  50

Explicar cuál es el motivo por el cual la desviación típica siempre es un valor positivo.
Las unidades vendidas de computadores en el semestre anterior por un consorcio conformado de
76 agencias distribuidoras en el país, se muestra a continuación:
Número de
Número de Computadores agencias
30 - 50 7
50 - 70 13
70 - 90 18
90 - 110 15
110 - 130 18
130 - 150 5
Total 76
a) Graficar el histograma.
b) Calcular la moda.
c) En promedio cuántos computadores vendió el consorcio en el semestre?
d) Calcular las frecuencias relativas.
e) Calcular la desviación típica o estándar.
El gerente de ventas de un gran almacén de materiales para la construcción y remodelación desea
efectuar auditoria sobre el proceso de despacho de mercancía y facturación de las mismas.
Un estudio previo sobre el cálculo del tamaño de muestra indica que para llevar a buen término esta
auditoria se debe seleccionar una muestra aleatoria de 70 registros de solicitud y despacho de
mercancía.
54
54
ESTADÍSTICA
Para cada registro se analiza:

Forma de solicitud: Personal, teléfono, fax, correo electrónico.
Tiempo transcurrido desde recibida la solicitud hasta que es despachada (en horas).
Elaboración de la factura: cálculos correctos y sin enmendaduras, cálculos incorrectos y/o con
enmendaduras.
Valor o monto de la factura (en miles de pesos).
Forma de pago de la mercancía. El almacén sólo vende bajo las siguientes alternativas de pago:
de contado, a la semana, a los quince días y al mes.
Existencia del sello en la factura: Si posee sello o no plasmaron el sello.
Firma de recibido: posee firma de la persona que recibe la mercancía o no hay firma que respalde
la conformidad de quien recibe la mercancía.
Registro de devoluciones: en caso de que la mercancía o parte de ella presente baja calidad. Si
presenta registro o no lo presenta.
A continuación se muestra la base de datos con la información recolectada.

En esta base de datos los códigos que identifican a cada categoría de la variable son números, pero
igualmente si el investigador opta por utilizar letras y/o palabras puede hacerlo.
Columna 1: Conteo de los registros.
Columna 2: Número de la factura
Columna 3: Forma de solicitud del pedido.
Personal (1)
Teléfono (2)
Fax (3)
E-mail (4)
Columna 4: Tiempo de despacho (en horas).
Columna 5: Elaboración de la factura.
Sin errores (1)
Con errores (2)
Columna 6: Valor o monto de la factura ( en miles de pesos $).
Columna 7: Forma de pago.
Contado (1)
A la semana (2)
A los 15 días (3)
Al mes (4)
Columna 8: Existencia de sello.

Si (1)
No (2)
55
55
ESTADÍSTICA
Columna 9: Firma de recibido.

Si (1)
No (2)
Columna 10: Registro de devolución.
Si (1)
No (2)
Se pide:
a) Definir la unidad o elemento de investigación.

b) Hacer un listado de las variables que se trabajan en esta investigación.
c) Clasificar cada variable y especificar sus categorías respectivas.
d) Elaborar la tabla de frecuencia para cada variable con su respectivo gráfico y analizar
las frecuencias relativas.
e) Efectuar tabla de clasificación cruzada bivariada (con frecuencias absolutas) entre

registro de devolución y el monto de la factura, elaborar gráfico. Calcular tres tablas
con porcentajes: por filas, por columnas y con base en el gran total, interpretar los
resultados obtenidos en cada tabla.
f) Efectuar tabla de clasificación cruzada bivariada (con frecuencias absolutas) entre el

valor o monto de la factura y la forma de pago, elaborar gráfico. Calcular tres tablas
con porcentajes: por filas, por columnas, con base en el gran total, interpretar los
resultados obtenidos en cada tabla.
g) Efectuar tabla de clasificación cruzada bivariada (con frecuencias absolutas) entre el

monto de la factura y el tiempo de despacho, elaborar gráfico. Calcular tres tablas con
porcentajes: por filas, por columnas y con base en el gran total, interpretar los
resultados obtenidos.
h) Elaborar tabla de clasificación cruzada trivariada (con frecuencias absolutas) entre

forma de solicitud, monto de la factura y forma de pago, efectuar gráfico. Calcular
tablas con porcentajes: por filas, por columnas, con base en subtotales y con base en
el gran total, interpretar los resultados obtenidos.
56
56
ESTADÍSTICA
MaryNieves
Mary NievesCruz
Cruz Zuluaga
Zuluaga Facultad de Estudios Empresariales y de Mercadeo
57
57
ESTADÍSTICA
58
58
ESTADÍSTICA

La dirección académica de una universidad reconocida en la ciudad, requiere efectuar una
investigación sobre el perfil del estudiante de pregrado. La investigación es de carácter urgente lo
que imposibilita recolectar la información necesaria sobre toda la población actual de estudiantes,
se opta por aplicar muestreo, el cálculo del tamaño de muestra arroja un total de 125 estudiantes.
La información recolectada a través de una encuesta aparece registrada en la siguiente base de
datos:
59
59
ESTADÍSTICA
60
60
ESTADÍSTICA
61
61
ESTADÍSTICA
Número de Unidad Tipo de

Semestre Sexo Trabajo Estrato
Registro académica matrícula
106 1 10 2 2 2 4
107 1 1 1 2 2 3
108 1 9 1 1 1 3
109 4 4 2 2 2 3
110 2 9 2 2 2 6
111 2 10 2 1 2 4
112 4 1 2 2 2 4
113 1 9 2 2 2 6
114 4 3 2 2 1 4
115 4 10 1 2 2 4
116 3 7 2 2 2 4
117 1 1 1 2 2 4
118 1 4 1 1 2 3
119 1 7 2 1 2 4
120 1 1 1 2 2 4
121 4 3 2 2 2 4
122 4 7 1 2 2 4
123 2 4 1 2 1 4
124 2 1 2 2 1 5
125 1 3 2 1 1 3
Especificaciones del contenido de la base de datos:

Los códigos utilizados para identificar las categorías de cada variable son números, pero igualmente
si el investigador opta por utilizar letra y/o palabras puede hacerlo.
Columna 1: Unidad académica a la que pertenece el estudiante.

Comunicación (1)
Sicología (2)
Economía (3)
Contaduría (4)
Columna 2: Semestre que cursa el estudiante

Se identifica del 1 al 10.
Columna 3: Sexo que identifica al estudiante

Masculino (1)
Femenino (2)
Columna 4: Trabajo remunerado actual

Si (1)
No (2)
62
62
ESTADÍSTICA
Columna 5: Tipo de matrícula que posee el estudiante

Tiempo parcial (1)
Tiempo completo (2)
Columna 6: Estrato al que pertenece el estudiante
Se identifica del 1 al 6
Se pide:
a) Cuál es la unidad o elemento de investigación.?
b) Identificar las variables, clasificarlas y especificar las categorías que posee cada una de
ellas.
c) Elaborar una tabla de frecuencia para cada variable, con el gráfico respectivo. Analizar
las frecuencias relativas y especificarlas dentro de la tabla en términos porcentuales.
d) Efectuar una tabla de clasificación cruzada (bivariada) con frecuencias absolutas para la
unidad académica y el sexo. Elaborar el gráfico respectivo.
Calcular tres tablas de frecuencia con porcentajes: por filas, por columnas y con base en el
gran total. Analizar e interpretar los resultados obtenidos en estas tablas.
e) Efectuar una tabla de clasificación cruzada (bivariada) con frecuencias absolutas para el
semestre que cursa y trabajo actual. Elaborar el gráfico respectivo.
Calcular tres tablas de frecuencias con porcentajes: por filas, por columnas y con base en
el gran total. Analizar e interpretar los resultados obtenidos en cada una de estas tablas.
f) Efectuar una tabla de clasificación cruzada (trivarada) con frecuencias absolutas para la
unidad académica, sexo y trabajo actual. Efectuar varias tablas con porcentajes: por filas,
por columnas, con base en el gran total, con base en subtotales. Analizar e interpretar los
resultados obtenidos.
g) Efectuar varias tablas de clasificación cruzada (cuatrivariada) con frecuencias absolutas
para unidad académica, sexo, estrato y tipo de matrícula. Diseñar el gráfico
correspondiente para cada tabla de frecuencia.
Con base en cada una de las tablas anteriores elaborar otras tablas de frecuencia donde se
visualice porcentajes: por filas, por columnas, con base en el gran total, con base en
subtotales por filas, con base en subtotales por columna. Analizar e interpretar cada uno de
los resultados obtenidos.
Para cada uno de los enunciados siguientes especificar si es una proposición falsa o verdadera,
además justificar estadísticamente el valor de verdad asignado.
a) El momento de orden 1 respecto a la media es igual a 1.
b) Cuando los datos de la variable son muy heterogéneos la varianza arroja un valor
negativo.
c) La estadística sólo se puede aplicar en aquellos casos en que se tengan datos
numéricos.
d) La varianza es lo mismo que el momento de orden 3 respecto a la media.
e) Una serie de datos numéricos puede llegar a tener varias medias.
f) Una serie de datos numéricos puede llegar a tener varias modas.
g) Una serie de datos cualitativa sólo tiene una media.
h) En una serie de datos cualitativa es imposible calcular la moda.
i) Siempre la desviación respecto a la media es un valor positivo.
63
63
ESTADÍSTICA
j) Los momentos respecto a la media son promedios.

k) La varianza es un promedio.
l) La mediana es una medida de dispersión.
m) La desviación típica o estándar es negativa cuando los datos son decrecientes.

Para cada uno de los siguientes enunciados especificar si puede ser considerada alguna variable,
en caso afirmativo indicar cuál sería el nombre, clasificarla en cualitativa o cuantitativa, además
definir cuál es el elemento o unidad de investigación.
a) El peso en gramos de cada uno de los 200 pollos adquiridos en un restaurante para
su posterior preparación y venta.
b) Los números telefónicos de un grupo de empleados de una compañía.
c) El número de páginas de un libro.
d) El número de libros en finanzas existentes en cada una de las bibliotecas de las
universidades del departamento.

Los siguientes datos representan el gasto presupuestal anual (en millones de pesos) en la
dependencia de Bienestar Institucional de 48 establecimientos educativos de secundaria de carácter
privado.
Número
Gasto presupuestal
establecimientos
15 - 20 3
20 - 25 9
25 - 30 14
30 - 35 10
35 - 40 8
40 - 45 4
Se pide:
a) Calcular las frecuencias relativas y analizarlas.
e) Calcular el rango.
64
64
ESTADÍSTICA

Los siguientes datos muestran las preferencias de un grupo de ciudadanos por cada uno de los
candidatos electorales.
Candidato Número de votos
Candidato AA 120
Candidato BB 570
Candidato CC 400
Candidato DD 58
Se pide:
a) Cuál es la unidad o elemento de investigación.
b) Definir la variable, clasificarla e indicar las categorías que posee.
c) Elaborar un gráfico de pastel o circular.
d) Calcular las frecuencias relativas e interpretarlas.
e) Calcular la moda e interpretarla.
f) Elaborar un gráfico de barras.

Los clientes que llegan a una entidad bancaria para llevar a cabo una transacción financiera tardan
determinado tiempo (en minutos), se recolecta la información en un grupo de ellos de manera
aleatoria, para analizar la distribución de frecuencias del tiempo, la información recolectada es la
siguiente:
32 16 20 42 62
18 24 36 18 56
15 28 30 21 35
32 28 20 38 26
41 16 14 42 34
15 23 21 35 15
30 18 42 54 42
14 24 51 59 56
19 34 25 15 28
Se pide:
a) Organizar el tiempo en una tabla de frecuencias con 6 intervalos y una amplitud de 8.

b) Graficar el histograma.
65
65
ESTADÍSTICA

Una corporación dedicada al trabajo social desea analizar la distribución y/o comportamiento del
gasto destinado para la alimentación semanal (en miles de pesos $) efectuado por un grupo de
personas cabeza de hogar de una zona determinada de la ciudad, para tal fin recolecta la siguiente
información:
96 93 88 117 127 112
95 113 96 108 94 91
148 156 139 142 94 98
107 125 155 155 103 129
112 127 117 120 112 135
135 132 111 125 104 129
106 139 134 119 97 131
89 118 136 125 143 118
120 103 113 124 138 109
Se pide:
a) Organizar el gasto en una tabla de frecuencia.
b) Graficar el polígono.
c) Calcular media, mediana y moda.
d) Calcular desviación típica o estándar.
Una cadena de mini-mercados tiene 8 agencias de venta en la zona norte, 7 en el occidente, 12 en
el oriente y 20 en el sur. El volumen de venta promedio de toda la cadena es de $91.9 millones
anuales. Se sabe que en el occidente el volumen de venta promedio fue de $38 millones, y en el
oriente 96 millones. Calcular el volumen de ventas promedio para el norte y el sur, si además se
sabe que el volumen de ventas promedio del sur es dos veces y medio el del norte.
La producción diaria en metros de tela en una textilera durante el último mes, se registra a
continuación:
Producción de tela (mt) Núm.días
500 - 600 1
600 - 700 3
700 - 800 6
800 - 900 10
900 - 1000 6
1000 - 1100 3
1100 - 1200 1
Total 30
66
66
ESTADÍSTICA
Se pide:
a) Calcular las frecuencias relativas, absolutas acumuladas y relativas acumuladas.
b) Graficar el histograma y el polígono.
c) Calcular la media, la mediana y la moda. Qué relación existe entre estos valores,
qué se puede concluir de la distribución de frecuencias de la producción de tela en
metros.

Los siguientes datos hacen referencia al gasto anual en publicidad (en miles de pesos $) de un
grupo de almacenes distribuidores de maletines y correas en cuero.
Gasto en publicidad (miles Número de

de pesos $) almacenes
400 - 900 15
900 - 1400 9
1400 - 1900 12
1900 - 2400 15
2400 - 2900 8
2900 - 3400 4
Se pide:
a) Calcular frecuencias relativas, absolutas acumuladas y relativas acumuladas.
b) Elaborar el histograma de frecuencias.

Una compañía está dividida en tres secciones.
La sección 1 cuenta con 80 empleados.
La sección 2 cuenta con 130 empleados y ganan en promedio un 15% menos que la sección 1.
La sección 3 cuenta con 100 empleados y ganan en promedio un 15% más que la sección 2.
Se sabe que el salario promedio de toda la compañía es de $ 750.000.
¿Cuál es el ingreso promedio de cada sección?
67
67
ESTADÍSTICA

La captación semanal (en millones de pesos $) de las agencias a nivel nacional de una corporación
de ahorro y vivienda presenta la siguiente distribución de frecuencias:
Número de
Nivel de captación agencias
5- 8 2
8 - 11 7
11 - 14 12
14 - 17 18
17 - 20 21
20 - 23 16
a) Calcular las frecuencias relativas e interpretarlas.


Una urbanización posee tres torres la A, la B y la C. Sus apartamentos están destinados todos para
el arriendo (ninguno de los habitantes es propietario).
El arriendo promedio de todos los apartamentos de la urbanización es de $367.000 .
La torre A cuenta con 18 apartamentos y el promedio de arriendo es de $360.000.
La torre C posee 12 apartamentos y tiene un arriendo promedio de $450.000.
Calcular el número de apartamentos de la torre B si se sabe que el arrendamiento promedio de esta
torre es de $280.000.

La distribución de frecuencias para el volumen de importación anual (en millones de pesos $) de
materia prima necesaria para la fabricación de un producto nacional por parte de una reconocida
empresa con diferentes sucursales dentro del territorio, se visualiza a continuación:
Importación anual (millones Número de
de pesos $) sucursales
200 - 250 3
250 - 300 8
300 - 350 15
350 - 400 23
400 - 450 15
450 - 500 8
500 - 550 3
Total 75
68
68
ESTADÍSTICA
a) Calcular las frecuencias relativas e interpretarlas.

b) Graficar el polígono de frecuencias
d) Qué se puede concluir con relación a la forma de la distribución y comportamiento de la
variable importación con base en el resultado de las tres medidas de tendencia central.
e) Calcular la desviación típica o estándar.
Interpretar los resultados obtenidos.
Los siguientes datos hacen referencia a la distribución de personas dentro de la muestra para una
población potencial de consumidores de una bebida alimenticia, según su edad y el sexo.
Especificaciones del contenido de la base de datos:

Los códigos utilizados para identificar las categorías de cada variable son números, pero igualmente
si el investigador opta por utilizar letra y/o palabras puede hacerlo.
Columna 1: Número de registro de la persona.
Columna 2: Consumir la bebida.

Si (1)
No (2)
Columna 3: Edad de la persona.

De 6 a 10 años (1)
De 11 a 14 años (2)
De 15 a 18 años (3)
De 19 a 22 años (4)
De 23 a 26 años (5)
De 27 a 30 años (6)
De 31 a 34 años (7)
Columna 4: Clasificación de la persona según el Sexo.

Masculino (1)
Femenino (2)
Se pide:
a) Calcular tres tablas de frecuencia (cruzadas) porcentuales: por filas, por columnas y con
base en el gran total.
b) Elaborar el gráfico respectivo para cada una de las anteriores tablas.
c) Calcular una tabla de frecuencia para la edad.
d) Utilizando la tabla de frecuencia para la edad, calcular la edad promedio de los
consumidores.
e) Cuál sexo (masculino o femenino) es el que más consume esta bebida y cuál es el
porcentaje de representatividad?.
f) Elaborar una gráfica de pastel para visualizar la distribución del sexo (masculino o
femenino) de los consumidores de esta bebida.
69
69
ESTADÍSTICA
70
70
ESTADÍSTICA
1.2. UNIDAD TEMÁTICA 2: ANÁLISIS DE REGRESIÓN Y CORRELACIÓN
El objetivo principal de la regresión y correlación es identificar el tipo de relación y asociación entre

variables. La regresión se encarga de determinar el tipo de relación entre las variables y la
correlación determina que tan intensa es dicha relación.
Existen diversos tipos de regresión dependiendo de la tendencia que presenten los datos originales
y de la función de ajuste utilizada para hacer la representación de dicha relación. En este curso
corresponde estudiar el análisis de regresión lineal simple, que se presenta en aquellos casos en
que los datos muestren una tendencia lineal.
1.2.1. CONCEPTOS BÁSICOS
REGRESIÓN
Es una técnica estadística que estudia la relación entre variables cuantitativas (Martinez, 2008).
Con base en el número de variables que se relacionan dentro del estudio la regresión se clasifica
en simple (dos variables) o múltiple (más de dos variables), la regresión múltiple también se conoce
como análisis multivariante.
Con base en el tipo de asociación existente entre las variables tratadas la regresión puede ser lineal,
parabólica, exponencial, logarítmica, entre otras.
DIAGRAMA DE DISPERSIÓN (Nube de puntos)

Es la representación gráfica de la información original en un plano. Cuando se estudia la relación
entre dos variables se utiliza el plano cartesiano, dentro del cual se ubican los puntos, cada uno con
sus respectivas coordenadas (X,Y), los puntos que se localizan en el plano constituyen los datos
reales u originales, siendo X la variable independiente y Y la variable dependiente, identificadas
como la abscisa y la ordenada.
El objetivo de elaborar la nube de puntos es visualizar la tendencia que siguen los datos originales,
y de esta forma decidir cuál de los tipos de asociación utilizar para el cálculo de la función de ajuste.
FUNCIÓN DE AJUSTE
Corresponde a la función matemática empleada para el ajuste o representación matemática de la
relación existente entre las variables (Wackerly, 2007).
La función de ajuste es utilizada para efectuar pronósticos, los cuales se identifican como los datos
pronosticados.
Los datos reales y los pronosticados deben ser semejantes, parecidos, con valores muy cercanos,
porque de lo contrario no tiene sentido utilizar la función de ajuste hallada para pronosticar debido
a que los pronósticos no presentarían alta confiabilidad.
DATO REAL
Los datos reales son aquellos que se recolectan, aquellos que en realidad han acontecido, llamados
también datos originales. Los datos reales son el punto de partida para el análisis de regresión y
correlación porque constituyen la materia prima para todo el estudio. El dato o punto real se
identifica con las coordenadas ( X ,Y )
71
71
ESTADÍSTICA
DATO PRONOSTICADO
Son los datos que se calculan utilizando la función de ajuste hallada precisamente con los datos
reales. Se le asigna un valor a la variable X para poder pronosticar el valor de la variable Y. El dato
pronosticado se identifica con las coordenadas (𝑋𝑋 , 𝑌𝑌̂ )
COEFICIENTE DE CORRELACIÓN LINEAL

Es un cálculo estadístico que nos permite mirar el nivel de confiabilidad en los pronósticos
realizados, el grado de intensidad o asociación de las variables, además define si la relación entre
las dos variables es directamente o inversamente proporcional (Douglas, 2008).
1.2.2. ANÁLISIS DE REGRESIÓN LINEAL
AJUSTE LINEAL
Es utilizada cuando la tendencia que presentan los datos reales u originales es lineal, tendencia no
significa que todos y cada uno de los puntos reales ubicados en el plano formen exactamente una
línea recta sino que mirándolos de manera conjunta o global se pueda determinar un
comportamiento lineal, de tal forma que pueda ser calculada la función de una línea recta que pase
muy cerca de la mayoría de datos originales, quedando algunos puntos sobre la línea ajustada,
otros por debajo e incluso algunos sobre la misma línea.
Algunas nubes de puntos que representan tendencia lineal se presentan a continuación:
En el análisis de la regresión lineal se calcula la función de ajuste Y = a + bX, hallando los valores
de los parámetros a y b a partir de los datos reales u originales. La función Y = a + bX, es conocida
en cálculo como la función lineal, luego de hallar los valores de a y de b, se escribe estadísticamente

Y  a  bX
a = Término independiente. Intercepto con el eje Y. Es aquel valor que toma la variable dependiente
Y cuando la variable independiente X se hace cero.
b = pendiente de la línea recta. Es el grado de incremento o de disminución de la variable
dependiente Y, cuando la variable independiente X se incrementa en una unidad.
72
72
ESTADÍSTICA
La pendiente es positiva (+) cuando la relación entre las variables X y Y es directamente

proporcional; es decir al aumentar el valor de la variable X también aumenta el valor de la variable
Y.
La pendiente es negativa (-) cuando la relación entre X y Y es inversamente proporcional; es decir
al aumentar el valor de la variable X el valor de la variable Y disminuye.
ESTIMACIÓN DE LOS PARÁMETROS

Para estimar o calcular los parámetros a y b, se utiliza el método de los mínimos cuadrados
(Martinez, 2008), de la siguiente manera:
Y  a  bX XY  aX  bX 2
 Y   a  bX   XY   aX  bX  2
 Y   a   bX  XY   aX   bX 2
 Y  na  b X  XY  a X  b X 2
Se llega a un sistema de dos ecuaciones con dos incógnitas, siendo las incógnitas los valores de a
y de b.
Ecuación 1.  Y  na  b X
Ecuación 2.  XY  a X  b X 2
Para encontrar los valores de a y de b, se soluciona simultáneamente este sistema por alguno de
los métodos de solución simultánea de ecuaciones, igualación sustitución, reducción, determinantes
o con la utilización de álgebra lineal como eliminación Gaussiana, Gauss-Jordan, pivoteo, entre
otros.
Por ejemplo si utilizamos determinantes, llegamos a los siguientes valores de a y de b:
Y  X
 XY  X 2
 Y  X    XY  X   Y  X    XY  X 
2 2
a  
n X n X   X  X 
2
n X   X  2 2
 X
X 2
n Y
X  XY n XY   X  Y  
n XY   X   Y 
b  
n X n X   X  X 
2
n X   X 
2 2
X X 2
73
73
ESTADÍSTICA
Otra alternativa que agiliza el cálculo, es hallar el valor de b mediante algún proceso algebraico,
puede ser determinantes y luego encontrar el de a, despejándolo de la Ecuación 1, así:
a
 Y  b X
n
Todo lo que se necesita conocer para calcular los valores de a y de b, es obtenido a partir de los
puntos (X,Y) reales u originales, siendo n el total de datos o puntos originales que han sido
recolectados para el estudio.
Se recomienda elaborar una tabla que facilite la obtención de los valores necesarios para el cálculo
de los parámetros de a y b; ésta puede ser diseñada con las siguientes columnas:
X Y XY X2
X Y  XY X 2
Luego de conocer los valores respectivos de a y de b, se concluye que la función de ajuste está
dada por:

Y  a  bX
Este ajuste es considerado óptimo porque hace mínima la suma de los cuadrados de los errores.
CÁLCULO DEL PRONÓSTICO
El cálculo del pronóstico  Y  para la variable Y, dado (conociendo) un valor de X, se obtiene,
 

sustituyendo los valores respectivos de a, b y X en la función de ajuste hallada Y  a  bX .
ERROR RESIDUAL ei 

Es cada una de las distancias verticales entre el dato real y el dato pronosticado (Levine, 2006).
Todos los datos pronosticados caen sobre la recta ajustada y los datos reales algunos se ubican
por encima, por debajo o sobre la línea de ajuste, entre más pequeña sea esta distancia el
pronóstico será más confiable.
74
74
ESTADÍSTICA
 

ei   Yi  Yi 
 
Ésta distancia debe ser mínima para que exista un buen ajuste o una buena bondad de ajuste; la
sumatoria de todos los residuales debe ser igual a cero o muy cercano a cero.
e i 0
Y
Un error es positivo cuando el dato real se
ubica por encima de la función de ajuste, es
decir el dato real es mayor al dato pronosticado

Yi  Yi .
Caso A Caso C
Error
Un error es negativo cuando el dato real se
Error
ubica por debajo de la función de ajuste, es
Caso B decir el dato real es menor al dato

pronosticado Yi  Yi
Un error es igual a cero cuando el dato real se ubica exactamente sobre la función de ajuste, es

decir cuando el dato real es igual al dato pronosticado Yi  Yi .
La recta ajustada minimiza la sumatoria de los errores residuales cuadráticos, en otras palabras: La
 2
  Y 

función Y  a  bX minimiza i  Yi    ei .
2

COEFICIENTE DE CORRELACIÓN (r)
El coeficiente de correlación se denota con la letra r.
Es aquel valor que se encarga de dar el grado de asociación entre la variable dependiente Y y la
variable independiente X (Devore, 2012).
El rango de valores dentro del cual siempre se encuentra el coeficiente de correlación es: límite
inferior -1 y límite superior 1, así:  1  r  1 .
El signo del coeficiente de correlación debe coincidir siempre con el signo del parámetro b.
El signo del coeficiente de correlación indica si la relación entre las variables es inversamente o
directamente proporcional.
75
75
ESTADÍSTICA
El valor en absoluto del coeficiente de correlación indica el grado de asociación entre las variables,
es la fuerza de la relación entre las variables y la confiabilidad en los pronósticos.
Si r=1, la relación entre X y Y es directamente proporcional en un 100%. En este caso todos los
datos reales caen sobre la línea ajustada, todos los datos reales son idénticos a los pronosticados,
por lo tanto al utilizar la función de ajuste para efectos de pronósticos, la confiabilidad es del 100%.
Si r=-1, la relación entre X y Y es inversamente proporcional en un 100%. En este caso todos los
datos reales caen sobre la línea ajustada, todos los datos reales son idénticos a los pronosticados,
por lo tanto al utilizar la función de ajuste para efectuar pronósticos, la confiabilidad es del 100%.
Si r=0, no existe relación lineal entre las variables, la función lineal de ajuste no puede ser utilizada
para pronosticar.
Entre más cercano se encuentre el valor de r de -1 o de 1, implica un grado mayor de asociación y

relación entre las variables y entre más cercano se encuentre a cero (0) menor será el grado de
relación.
CALCULO DEL COEFICIENTE DE CORRELACIÓN

Cov( XY )
r
Var ( X )Var (Y )
Cov(XY)= covarianza de XY
Var(X)= varianza de X
Var(Y)= varianza de Y
Las varianzas siempre son valores positivos, la covarianza puede ser positiva o negativa, por tal
motivo el signo de r depende del signo que tenga la covarianza.
La covarianza se calcula como el promedio del producto de las desviaciones respecto a la media
para cada variable, asi:
Cov( X , Y ) 
 X i 
 X Yi  Y 
n
X = media de la variable X
Y = media de la variable Y
76
76
ESTADÍSTICA
Mary Nieves Cruz
Fundamentos deZuluaga Facultad de
Estadística para las ciencias Estudios Empresariales y de Mercadeo
económico-administrativas
Otra forma de calcular la covarianza es:
Cov( X , Y )  M ( XY )  M ( X ).M (Y )
Cov( X , Y )  XY  X  .Y
La Covarianza de X,Y es igual a la media de (XY) menos la media de X por la media
de Y.
M ( XY ) 
 XY
n
M (X ) 
X
n
M (Y ) 
Y
n
Las varianzas para cada variable se calculan así:
 X 
2
i X
Var ( X ) 
n
Var ( X )  M ( X 2 )  M ( X )
2
 Y 
2
i Y
Var (Y ) 
n
Var (Y )  M (Y 2 )  M (Y )
2
77
77
ESTADÍSTICA Facultad de Estudios Empresariales y de Mercadeo
1.2.3. ANÁLISIS DE REGRESIÓN EN UNA SERIE DE TIEMPO

Una serie de tiempo nos muestra el comportamiento de una variable a través del tiempo, utilizando
la regresión como aplicación dentro de las series temporales se cuenta con dos variables, donde
una de ellas es el tiempo (Martinez, 2008).
La variable X siempre se asocia con el tiempo y la variable Y es aquella que se desea analizar a
través del tiempo.
Como el tiempo es identificado en este tema con días, meses, semestres, bimestres, años, entre
otros; es en este sentido como se hace indispensable asignarle a cada identificación del tiempo un
número y de ahí en adelante consecutivos. Es muy importante tener en cuenta los consecutivos de
X en el momento de efectuar un pronóstico.
Si la serie de tiempo presenta una tendencia lineal se procede a aplicar los mismos pasos explicados
en Regresión Lineal.
A continuación se muestran varios ejemplos de asignación de valores consecutivos para X, dado

una identificación de tiempo mensual, de igual manera se aplica para las otras identificaciones del
tiempo.
Tiempo
X X X X X
(meses)
Enero 0 -3 0 1 -4
Febrero 1 -2 3 2 -2
Marzo 2 -1 6 3 0
Abril 3 0 9 4 2
Mayo 4 1 12 5 4
Junio 5 2 15 6 6
Julio 6 3 18 7 8
Agosto 7 4 21 8 10
Septiembre 8 5 24 9 12
….
….
….
….
….
….
1.2.4. EJEMPLOS DE APLICACIÓN RESULETOS (Unidad Temática 2): ANÁLISIS DE

REGRESIÓN Y CORRELACIÓN
Ejemplo 1:
78
78
Junio 5 2 15 6 6
Julio 6 3 18 7 8
Agosto 7 4 21 8 10
FUNDAMENTOS
Septiembre DE ESTADÍSTICA
8 PARA
5 LAS CIENCIAS
24 ECONÓMICO-ADMINISTRATIVAS
9 12
….
….
….
….
….
….
1.2.4. EJEMPLOS DE APLICACIÓN RESULETOS (Unidad Temática 2): ANÁLISIS DE
ESTADÍSTICA
Mary Nieves
Ejemplo 1: Cruz Zuluaga Facultad de Estudios Empresariales y de Mercadeo
El departamento de personal de una empresa determinada desea analizar la relación existente entre
el Ingreso y el Gasto mensual ($ miles) de un grupo de empleados. Para ello cuenta con la siguiente
información:
78
Ingreso 850 930 1147 1268 2567 2890 3123 3542 3720
Gasto 717,5 553,5 951,2 575,6 1540,3 1415,8 1690,7 1893,9 1829,1
Elaborar el diagrama de dispersión

Calcular la función de ajuste, graficarla e interpretarla.
Pronosticar de cuánto será el Gasto cuando el Ingreso sea de $ 3.250.420
Hallar el coeficiente de correlación e interpretarlo.
Solución:
79
ESTADÍSTICA
Ingreso Gasto
X Y X2 XY
850 717,5 722500 609875 1894293,44 273889,41 720296,40
930 553,5 864900 514755 1680480,11 472442,39 891027,51
1147 951,2 1315609 1091026,4 1164960,44 83893,90 312622,90
1268 575,6 1607824 729860,8 918402,78 442550,17 637525,93
2567 1540,3 6589489 3953950,1 116053,78 89673,63 102014,53
2890 1415,8 8352100 4091662 440453,44 30609,45 116112,17
3123 1690,7 9753129 5280056,1 804011,11 202370,02 403370,48
3542 1893,9 12545764 6708193,8 1730978,78 426481,56 859203,43
3720 1829,1 13838400 6804252 2231040,11 346044,60 878657,71
20037 11167,6 55589715 29783631,2 10980674,00 2367955,12 4920831,07
Función de Ajuste
𝑌𝑌̂ = 𝑎𝑎 + 𝑏𝑏 𝑋𝑋
Valor de b
𝑛𝑛 ∑ 𝑋𝑋𝑋𝑋 − (∑ 𝑋𝑋)(∑ 𝑌𝑌)

𝑏𝑏 =
𝑛𝑛 ∑ 𝑋𝑋 2 − (∑ 𝑋𝑋)2
9(29783631.2) − (20037)(11167.7)
𝑏𝑏 = = 0.4481
9(55589715) − (20037)2
Como b tiene signo positivo, entonces la relación entre el Ingreso y el Ahorro es directamente
proporcional.
Valor de a
∑ 𝑌𝑌 − 𝑏𝑏 ∑ 𝑋𝑋 11167.6 − 0.4481(20037)
𝑎𝑎 = = = 243.15
𝑛𝑛 9
Se sustituyen los valores de a y de b:
𝑌𝑌̂ = 243.15 + 0.4481 𝑋𝑋
80
80
ESTADÍSTICA
La función de ajuste que representa de forma adecuada la relación entre el Ingreso y el Gasto está
dada por: 𝑌𝑌̂ = 243.15 + 0.4481 𝑋𝑋
Pronóstico pedido: 𝑌𝑌̂ = 243.15 + 0.4481 (3250.42 ) = 1699.66

Se pronostica que para un Ingreso de $ 3.250.420 el gasto será aproximadamente de $ 1.699.660
Media de la variable X
∑ 𝑋𝑋𝑋𝑋 20037
𝑋𝑋̅ = = = 2226.33
𝑛𝑛 9
Media de la variable Y
∑ 𝑌𝑌𝑌𝑌 11167.7
𝑌𝑌̅ = = = 1240.84
𝑛𝑛 9
Varianza de X
∑ 10980674.00
𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = = = 1220074.89
𝑛𝑛 9
Varianza de Y
∑ 2367955.12
𝑉𝑉𝑉𝑉𝑉𝑉(𝑌𝑌) = = = 263106.12
𝑛𝑛 9
Covarianza de XY
∑ 4920831.07
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) = = = 546759.01
9 9
Coeficiente de correlación r
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) 546759.01
𝑟𝑟 = 2
= = 0.97
√𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) ∗ 𝑉𝑉𝑉𝑉𝑉𝑉(𝑦𝑦) √(1220074.89)(263106.12)
La relación entre el Ingreso y el Ahorro es directamente proporcional.
El nivel de confiabilidad en los pronósticos realizados utilizando la función de ajuste es del 97%.
81
81
ESTADÍSTICA
Ejemplo 2:
Una empresa realiza un estudio económico para analizar la relación entre el comportamiento de los
precios y la demanda de su principal producto. Para ello cuenta con la siguiente información:
Variable X: Precio (miles de $).
Variable Y: Demanda (Número de unidades).
X Y
5 100
7 90
9 86
12 72
17 60
23 55
30 43
Se pide:
Elaborar el diagrama de dispersión o nube de puntos. ¿Qué tendencia se visualiza en el
gráfico?
Calcular la función de ajuste y graficarla sobre el diagrama.
Pronosticar el número de unidades demandadas para un precio de $15.000
Calcular el coeficiente de correlación e interpretarlo.
Solución:
X Y XY X2
5 100 500 25 94,37 768,08 -269,22
7 90 630 49 59,51 313,80 -136,65
9 86 774 81 32,65 188,08 -78,37
12 72 864 144 7,37 0,08 0,78
17 60 1020 289 5,22 150,94 -28,08
23 55 1265 529 68,65 298,80 -143,22
30 43 1290 900 233,65 857,65 -447,65
103 506 6343 2017 501,43 2577,43 -1102,43
82
82
ESTADÍSTICA
Función de Ajuste
Valor de b

𝑏𝑏 =
𝑛𝑛 ∑ 𝑋𝑋 2 − (∑ 𝑋𝑋)2
7(6343) − (103)(506)
𝑏𝑏 = = −2.20
7(2017) − (103)2
Como b tiene signo negativo, entonces la relación entre el precio y la demanda es inversamente
proporcional.
Valor de a
∑ 𝑌𝑌 − 𝑏𝑏 ∑ 𝑋𝑋 506 − (−2.20)(103)
𝑎𝑎 = = = 104.66
𝑛𝑛 7
𝑌𝑌̂ = 104.66 − 2.2 𝑋𝑋
83
83
ESTADÍSTICA
La función de ajuste que representa de forma adecuada la relación entre el precio y la demanda
está dada por:
𝑌𝑌̂ = 104.66 − 2.2 𝑋𝑋
Pronóstico pedido:
𝑌𝑌̂ = 104.66 − 2.2 (15 ) = 71.66 ≈ 72
Se pronostica que para un precio de $ 15.000 se demandarán aproximadamente 72 unidades.
∑ 𝑋𝑋𝑋𝑋 103
𝑋𝑋̅ = = = 14.71
𝑛𝑛 7
∑ 𝑌𝑌𝑌𝑌 506
𝑌𝑌̅ = = = 72.29
𝑛𝑛 7
Varianza de X
∑ 501.43
𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = = = 71.63
𝑛𝑛 7
Varianza de Y
∑ 2577.43
𝑉𝑉𝑉𝑉𝑉𝑉(𝑌𝑌) = = = 368.20
𝑛𝑛 7
Covarianza de XY
∑ − 1102.43
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) = = = −157.49
9 7
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) − 157.49
𝑟𝑟 = 2
= = − 0.97
√𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) ∗ 𝑉𝑉𝑉𝑉𝑉𝑉(𝑦𝑦) √(71.63)(368.20)
La relación entre el precio y el número de unidades demandadas es inversamente proporcional.

El nivel de confiabilidad en los pronósticos realizados utilizando la función de ajuste es del 97%.
84
84
ESTADÍSTICA
Ejemplo 3:
Una entidad financiera desea analizar el comportamiento que ha venido presentando el nivel de
captación anual ($ millones). Para ello cuenta con los siguientes registros reales:
Año Captación
Graficar el comportamiento de la variable a través
2004 21 del tiempo.
2005 22,3 Calcular la función de ajuste, graficarla e
2006 23,8 interpretarla.
2007 20,2 Pronosticar el nivel de captación para el año 2014.

2008 24 Calcular el coeficiente de correlación y analizar su
2009 26,3 resultado.
2010 27,8
2011 32,5
2012 31
Solución:
Año X Y XY X2
2004 1 21 21 1 16 19,65 17,73

2005 2 22,3 44,6 4 9 9,82 9,40
2006 3 23,8 71,4 9 4 2,67 3,27
2007 4 20,2 80,8 16 1 27,39 5,23
2008 5 24 120 25 0 2,05 0,00
2009 6 26,3 157,8 36 1 0,75 0,87
2010 7 27,8 194,6 49 4 5,60 4,73
2011 8 32,5 260 64 9 49,94 21,20
2012 9 31 279 81 16 30,99 22,27
Total 45 228,9 1229,2 285 60 148,86 84,70
85
85
ESTADÍSTICA
Función de Ajuste
Valor de b

𝑏𝑏 =
𝑛𝑛 ∑ 𝑋𝑋 2 − (∑ 𝑋𝑋)2
9(1229.2) − (45)(228.9) 762.30

𝑏𝑏 = = = 1.4117
9(285) − (45)2 540
Como b tiene signo positivo, entonces la relación entre el Ingreso y el Ahorro es

directamente proporcional.
Valor de a
∑ 𝑌𝑌 − 𝑏𝑏 ∑ 𝑋𝑋 228.9 − (1.4116667)(45) 165.375
𝑎𝑎 = = = = 18.375
𝑛𝑛 9 9
𝑌𝑌̂ = 18.38 + 1.41 𝑋𝑋
86
86
ESTADÍSTICA
La función de ajuste que representa de forma adecuada el comportamiento de la captación a

través de los años, está dada por:
𝑌𝑌̂ = 18.38 + 1.41 𝑋𝑋
Pronóstico pedido:
Para el año 2014, corresponde una asignación de X = 11
𝑌𝑌̂ = 18.38 + 1.41 (11 ) = 33.89
Se pronostica que para el año 2014, el nivel de captación será aproximadamente de $ 33.89
millones.
∑ 𝑋𝑋𝑋𝑋 45
𝑋𝑋̅ = = =5
𝑛𝑛 9
∑ 𝑌𝑌𝑌𝑌 228.9
𝑌𝑌̅ = = = 25.43
𝑛𝑛 9
Varianza de X
∑ 60
𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = = = 6.67
𝑛𝑛 9
Varianza de Y
∑ 148.86
𝑉𝑉𝑉𝑉𝑉𝑉(𝑌𝑌) = = = 16.54
𝑛𝑛 9
Covarianza de XY
∑ 84.70
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) = = = 9.41
9 9
𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑋𝑋) 9.41
𝑟𝑟 = 2 = = 0.89 Aprox. 0.90
√𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋)∗𝑉𝑉𝑉𝑉𝑉𝑉(𝑦𝑦) √(6.67)(16.64)
Trabajando con todas las cifras decimales de Cov(XY), Var(X) y Var(Y) el valor de r = 0.90
El nivel de confiabilidad en el pronóstico realizado utilizando la función de ajuste hallada es del
90%.
87
87
ESTADÍSTICA
1.2.5. EJEMPLOS DE APLICACIÓN PROPUESTOS (Unidad Temática 2): ANÁLISIS DE

Una empresa descubre que sus utilidades netas (en millones de $) se incrementan al aumentar la
cantidad gastada en publicidad (en millones de $) del producto. La empresa dispone de los
siguientes registros:
Gasto en Publicidad 10 11 12,3 13,5 15 15,5 17

Utilidades Netas 50 63 68 73 75 77 83
a) Graficar el diagrama de dispersión y probar visualmente que la nube de puntos presenta una
tendencia lineal.
b) Calcular la función de ajuste lineal y graficarla sobre el diagrama.
c) Pronosticar de cuánto es la utilidad si el gasto en publicidad es de $14 millones.
d) Calcular el coeficiente de correlación.
Interpretar resultados.
El departamento de personal de una compañía desea analizar el comportamiento del ahorro
quincenal de sus empleados en relación con el salario quincenal devengado por los mismos, para
ello cuenta con la siguiente información:
Ingreso Ahorro
quincenal quincenal
( miles (miles de a) Graficar el diagrama de dispersión.
de $) $) b) Hallar la función de ajuste lineal, graficarla e
500 100 interpretarla.
600 80
c) Pronosticar de cuánto será el ahorro para un
550 90
ingreso quincenal de $ 758.000
700 200
d) Cuál es el grado de confiabilidad en los
720 120
730 150 pronósticos que se realicen.
800 200
820 180
830 210
850 220
88
88
ESTADÍSTICA
La utilidad de una compañía dedicada a distribuir equipos de computador para oficinas presenta las
siguientes utilidades en cada uno de los años respectivos:
Año 2004 2005 2006 2007 2008 2009 2010 2011 2012
Utilidad
6 6,5 7 7,2 7,3 7,6 8 8,3 7,9
(millones de $)
a) Graficar el diagrama de dispersión.

b) Calcular la función de ajuste lineal, graficarla e interpretarla.
c) Pronosticar de cuánto será la utilidad para el año 2014 y 2015
d) Hallar el coeficiente de correlación e interpretarlo.
La junta de estudiantes de una institución educativa intenta determinar si el precio de entrada a la
sala de videos ejerce algún efecto sobre el número de estudiantes que utilizan la instalación. Se
cuenta con la siguiente información sobre el precio (en miles de pesos por hora) y el número de
estudiantes que entran al recinto.
Precio 1,25 1,5 1,75 2 2,1 1 2,5 1,1

Nº.de Estudiantes 95 83 75 72 69 101 65 98
a) Graficar el diagrama de dispersión (Probar visualmente que los datos originales presentan una
tendencia lineal).
b) Calcular la función de ajuste lineal y graficarla.
c) Calcular el coeficiente de correlación
d) Pronosticar de cuánto es el número de estudiantes que ingresan al recinto si el precio es de
$1.900
Interpretar los resultados obtenidos.
Un comerciante desea analizar si las ventas semanales (en miles de $) tienen relación alguna con
el espacio asignado para vender (en metros cuadrados). De acuerdo a eventos pasados se recopiló
la siguiente información:
89
89
Ventas Espacio
Semanales disponible a) Graficar el diagrama de dispersión.
(miles de $) mt.2 b) Calcular la función de ajuste lineal,
graficarla e interpretarla.
635 7
c) Realizar dos pronósticos (los que
528 6 desee) e interpretarlos.
456 4,5
d) Cuál es el grado de confiabilidad en
los pronósticos efectuados.
654 6,3
498 5
539 5,2
580 7
620 8
472 6
587 6,8
El pasivo pensional ( millones de $) de una entidad estatal viene presentando el siguiente
comportamiento, a través de los semestres, durante los últimos años.
Año 2008 2009 2010 2011 2012
Semestre 1 2 1 2 1 2 1 2 1 2
Pasivo Pensional
7 8 10,8 3 14,8 21,1 26,5 30 30,2 31
(millones de $)

c) Pronosticar de cuánto será el pasivo pensional para el segundo semestre del 2014.
d) Hallar el coeficiente de correlación e interpretarlo.
El presupuesto ejecutado de egresos de una Caja de Compensación Familiar viene mostrando el
siguiente comportamiento en los últimos años:
Año 2004 2005 2007 2008 2009 2010 2011 2012
Presupuesto
Ejecutado de Egresos 114 120,3 122 135,7 141,3 150 158,2 160,3
(millones de $)
90
90
ESTADÍSTICA
a) Graficar el diagrama de dispersión

c) Pronosticas el presupuesto ejecutado de egresos para los años 2013 y 2014
d) Hallar el coeficiente de correlación y analizarlo.
La población (en millones de habitantes) de una zona determinada del país viene presentando el
siguiente comportamiento a través del tiempo:
Año 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Población (millones de
72,35 78,41 85 86,24 88,21 90,17 92,15 93,24 94,36 95
habitantes)
c) Pronosticar cuántos habitantes aproximadamente tendrá la zona para el año de 2015
d) Cuál es el grado de confiabilidad en los pronósticos.

Analizar la relación existente entre el Ahorro y el Gasto en recreación mensual (en millones de $)
de un grupo de empleados de una compañía, si se cuenta con la siguiente información real:
Ahorro mensual
350 480,23 328 450,15 500 510,21 457,54 560,3 541,87 580
(miles de $)
Gasto mensual en
102 215,32 150,1 180,93 215,01 200 137,25 250 224 350
recreación (miles de $)
b) Calcular la función de ajuste lineal, graficarla e interpretarla
c) Pronosticar de cuánto será el Gasto mensual en recreación si se cuenta con un nivel de
Ahorro mensual de $ 550.000
d) Hallar el coeficiente de correlación y analizar su resultado.

Los siguientes datos se refieren al comportamiento de la Utilidad trimestral (millones de pesos) de
una empresa dedicada a la fabricación de artículos de cuero.
Año 2009 2010 2011 2012
Trimestre 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Utilidad
4,5 4 4,2 4,8 5,7 6 6,3 5,4 6,8 7,1 7 8 8,6 9
(millones de $)

b) Calcular la función de ajuste lineal, graficarla e interpretarla
c) Pronosticar la Utilidad para el segundo trimestre del 2014 y el primer trimestre del año
2015
d) Hallar el coeficiente de correlación e interpretarlo
91
91
ESTADÍSTICA
2. UNIDAD DE APRENDIZAJE 2: ESTADÍSTICA INFERENCIAL
Introducción
Tiene sus bases en la estadística descriptiva. Infiere o pronostica para la población tomando como
base la muestra. Emplea técnicas probabilísticas, análisis de muestreo, intervalos de confianza,
pruebas de hipótesis (Newbold, 2013).
Conocer el grado de certeza de la ocurrencia de un evento es importante porque brinda seguridad
frente a los pronósticos y análisis descriptivo de la información.
La distribución y comportamiento de las variables, desde el punto de vista frecuentista presenta

relación directa con el enfoque probabilístico, por tal motivo es fundamental profundizar en el análisis
de distribuciones de probabilidad, para contribuir adecuadamente a una toma de decisiones
acertada.
En todo estudio de investigación interviene el manejo de la información, la consecución de la misma

puede efectuarse a través de un Censo o de un Muestreo. Cuando se elige trabajar con Muestreo
significa que en el proceso se toma una parte representativa de la población, identificada como
muestra, para efectuar análisis y estimativos de la Población. Es importante porque se deducen
características de la Población utilizando sólo una Muestra.
Son muchos los casos en que tomar toda la Población es imposible o requiere de mucho tiempo y
dinero, por tal motivo la teoría del Muestreo es una solución estadística buena para ejecutar la
investigación y analizar la población objetivo.
Objetivo de aprendizaje
Aplicar de forma adecuada las técnicas de la estadística inferencial para conocer el grado de
certeza de la ocurrencia de un evento, así como deducir propiedades y estimativos de una
población a partir de una muestra.
Competencias a desarrollar
 Calcular probabilidades utilizando e identificando diferentes distribuciones de probabilidad.
 Calcular el tamaño de muestra y realizar estimativos de la población.
2.1. UNIDAD TEMÁTICA 1: TEORÍA DE PROBABILIDADES
2.1.1. CONCEPTOS BÁSICOS DE PROBABILIDAD

Probabilidad: Es una medida estadística que se emplea para expresar el grado de certeza de la
ocurrencia de un evento o suceso (Devore, 2012).
Experimento: Cualquier proceso que genere una serie de datos, en cada realización presenta un
resultado.
Espacio muestral: Conjunto de todos los resultados posibles del experimento. Se denota por 
Punto muestral: Es cada uno de los elementos del espacio muestral.
92
92
ESTADÍSTICA
Suceso o evento: Subconjunto del espacio muestral. Se denota con las letras mayúsculas del
alfabeto A, B, C, … Aunque en determinadas ocasiones también pueden ser denotados por alguna
expresión algebraica que esté representando determinada situación.
ENFOQUES BÁSICOS DE LAS PROBABILIDADES

Existen tres formas básicas de visualizar o analizar las probabilidades, éstas son:
 Enfoque frecuentista
fi
Se basa en las frecuencias relativas para su análisis. Recordar hi 
n
Es la proporción de veces que ocurre un suceso o evento, siendo f i el número de veces que
se repite el suceso y n el total de casos posibles.

 Enfoque clásico
Es la relación o proporción entre el número de casos favorables para el evento A y el total de
casos posibles.
N(A)= número de casos favorables para el evento A
n( ) = número total de casos posibles.
P(A)= probabilidad de que ocurra el evento A.

n( A)
P( A) 
n ( )
 Enfoque subjetivo
Es el que se basa en la experiencia o conocimiento que tenga el investigador (persona) sobre
el evento o suceso.
AXIOMAS BÁSICOS DE PROBABILIDAD
 La probabilidad siempre es un valor positivo.

P A  0
 La probabilidad del suceso posible o seguro  , es uno (1).

P  1
 La probabilidad del suceso imposible  , es igual a cero (0).

P   0
93
93
 La probabilidad de un evento siempre es un valor entre cero (0) y uno (1).

0  P A  1
 La probabilidad de que ocurra el evento A ó B.

P(A U B) = P(A) + P(B) para eventos incompatibles.
P( A  B)  P( A)  P( B)  P A  B para eventos compatibles.
 La probabilidad de la unión de eventos contrarios, A ó A’, es igual a la

probabilidad del evento seguro.
P(A U A’ ) = P()
P(A U A’ ) = 1
P(A) + P(A’ ) = 1
P(A) = 1 – P(A’)
2.1.2. DISTRIBUCIÓN NORMAL DE PROBABILIDAD

Se utiliza cuando al hacer el análisis descriptivo de una variable continua a través de la tabla de
frecuencias, se observa que las frecuencias absolutas comienzan a crecer hasta llegar a un punto
máximo a partir del cual comienzan a decrecer de forma simétrica. Al graficar el histograma y luego
el polígono sobre éste, se observa que el polígono tiene una forma de campana, éste polígono se
llama función de la Normal.
94
94
ESTADÍSTICA
Conocida también con el nombre de distribución Gaussiana. Es una de las distribuciones de

probabilidad más importantes y utilizadas, su campo de aplicación es muy amplio, en comercio,
economía, mercadeo, medicina, sicología, entre otras ramas; también es indispensable para el
análisis de la estadística inferencial (Devore, 2012).
Tiene forma de campana (campana de Gauss), es simétrica, sus sesgos se extienden a través del
eje X sin llegarlo a cortar, es por ello que el eje x es una asíntota horizontal.
La función f(x) que representa a la distribución de probabilidad Normal está dada por:
2
1  x 
1  
 

f ( x)  e 2
2 
  media de la variable X
 desviación típica o estándar de la variable X
e = base de los logaritmos naturales (Ln), equivale a 2.71828
 valor de “pi”, equivale a 3.14159265 …
   X  
 La forma que toma la campana de Gauss, depende de los valores respectivos de  y de 
dentro de la función f(x), siendo su forma simétrica apuntada, achatada o normal.
 Los sesgos, donde existen áreas representativas bajo la curva de la normal se extienden más
o menos a 3 desviaciones estándar de la media, sin embargo éstos sesgos continúan
infinitamente acercándose al eje x pero sin tocarlo, las áreas bajo la curva de la Normal por
fuera de éste rango de X constituyen áreas demasiado pequeñas y por lo tanto no muy
representativas (Mendenhall, 2012).
95
95
ESTADÍSTICA
Las áreas bajo la curva de la distribución Normal representan valores de probabilidades, toda el
área bajo la curva de la Normal vale 1.
Para calcular áreas bajo la función de la Normal se debe desarrollar la integral de la función
respectiva, sin embargo existe una tabla que puede ser utilizada independientemente de los valores
que tome X, con el único requisito de que la variable X se distribuya normalmente con una media
de  y una desviación típica o estándar de  .
La tabla que se puede utilizar recibe el nombre de Tabla de la Normal Estandarizada, siempre antes
de buscar el valor de probabilidad dentro de la tabla se debe haber efectuado con antelación el
proceso de Estandarización de la variable X.
ESTANDARIZACIÓN
Estandarizar la variable X, consiste en transformarla en otra que recibirá el nombre de Z, mediante
la siguiente operación algebraica (Martínez, 2008):
x
Z

Los parámetros de la nueva serie de datos Z, están dados por:
La media de Z siempre es igual a cero.
z  0
La varianza de Z siempre es igual a uno.
 z2  1
Por lo tanto la desviación típica o estándar de Z siempre es igual a 1.
 z 1
Representación gráfica de la Normal Estandarizada
Siempre que se grafique una función de densidad de probabilidad, es recomendable tabular la serie
de datos para facilitar el gráfico en el plano cartesiano.
En este caso la función de densidad de probabilidad a graficar está dada por la siguiente expresión
matemático-estadística:
1
1 2Z2
f (Z )  e
2
Para el gráfico se coloca en la abscisa los valores de Z y en la ordenada los valores arrojados por
la función de densidad de probabilidad f(Z), la tabulación está dada por:
96
96
ESTADÍSTICA
Z f(Z) Z f(Z)
-3,5 0,00087268 0,1 0,39695255
-3,4 0,00123222 0,2 0,39104269
-3,3 0,00172257 0,3 0,38138782
-3,2 0,00238409 0,4 0,36827014
-3,1 0,00326682 0,5 0,35206533
-3 0,00443185 0,6 0,3332246
-2,9 0,00595253 0,7 0,31225393
-2,8 0,00791545 0,8 0,28969155
-2,7 0,01042093 0,9 0,26608525
-2,6 0,01358297 1 0,24197072
-2,5 0,0175283 1,1 0,21785218
-2,4 0,02239453 1,2 0,19418605
-2,3 0,02832704 1,3 0,17136859
-2,2 0,03547459 1,4 0,14972747
-2,1 0,0439836 1,5 0,1295176
-2 0,05399097 1,6 0,11092083
-1,9 0,06561581 1,7 0,09404908
-1,8 0,07895016 1,8 0,07895016
-1,7 0,09404908 1,9 0,06561581
-1,6 0,11092083 2 0,05399097
-1,5 0,1295176 2,1 0,0439836
-1,4 0,14972747 2,2 0,03547459
-1,3 0,17136859 2,3 0,02832704
-1,2 0,19418605 2,4 0,02239453
-1,1 0,21785218 2,5 0,0175283
-1 0,24197072
2,6 0,01358297
-0,9 0,26608525
2,7 0,01042093
-0,8 0,28969155
2,8 0,00791545
-0,7 0,31225393
2,9 0,00595253
-0,6 0,3332246
3 0,00443185
-0,5 0,35206533
3,1 0,00326682
-0,4 0,36827014
3,2 0,00238409
-0,3 0,38138782
3,3 0,00172257
-0,2 0,39104269
-0,1 0,39695255 3,4 0,00123222
0,0 0,39894228 3,5 0,00087268
97
97
ESTADÍSTICAFUNDAMENTOS DE ESTADÍSTICA PARA LAS CIENCIAS ECONÓMICO-ADMINISTRATIVAS
Mary Nieves Cruz Zuluaga Facultad de Estudios
Facultad Empresariales
de Estudios y deyMercadeo
Empresariales de Mercadeo
TABLA DE LA DISTRIBUCIÓN NORMAL ESTANDARIZADA

Existen tres tabulaciones o diseños de tablas de Normal Estandarizada, dependiendo si los valores
de probabilidades que se hallan dentro de la tabla corresponden a áreas a la izquierda de un valor
de Z, área a la derecha de un valor de Z o un área entre dos valores de Z.
A continuación se presenta la tabla de la Normal Estandarizada , con el cálculo para áreas a la

izquierda de un valor de Z determinado, esto significa encontrar la probabilidad de que Z sea menor
 
o igual a un valor particular o específico de Z p , se escribe P Z  Z p .
98
98
ESTADÍSTICA
Tabla Normal Estandarizada - Áreas hacia la izquierda de Z

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0163 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2297 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2679 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3595 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7456 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7703 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
99
99
ESTADÍSTICA
MANEJO DE LA TABLA DE LA NORMAL ESTANDARIZADA

Para proceder a realizar ejemplos de aplicación se hace necesario aprender previamente a manejar
la Tabla de la Normal Estandarizada, son cuatro aspectos fundamentales que se deben tener en
cuenta:
1. Cómo se saca un valor de la tabla?
2. Cómo se escribe y lee?
3. Cómo se grafica?
4. Aprender a utilizar la tabla para hallar también áreas hacia la derecha y entre dos valores.
ÁREAS HACIA LA IZQUIERDA

Las áreas hacia la izquierda se encuentran directamente en la tabla.
Ejemplo 1: Ejemplo 2:
Área a la izquierda de Z=0.39 Área a la izquierda de Z = - 1.95
P (Z ≤ 0.39) = ?
P ( Z ≤ -1.95 ) = ?
P (Z ≤ 0.39) = 0.6517
P ( Z ≤ -1.95 ) = 0.0256
ÁREAS HACIA LA DERECHA
Para hallar las áreas hacia la derecha se tiene en cuenta que toda el área bajo la curva de la Normal
vale 1, luego si a toda esa área se le quita el área de la izquierda queda entonces el área de la
derecha.
100
100
Fundamentos
ESTADÍSTICA de Estadística para las ciencias económico-administrativas
Facultad de Cruz
Mary Nieves Estudios Empresariales y de Mercadeo
Zuluaga Facultad de Estudios Empresariales y de Mercadeo
Ejemplo 3:
Área hacia la derecha de Z = 1.62
P ( Z ≥ 1.62 ) =?
P ( Z ≥ 1.62 ) = 1 - P ( Z ≤ 1.62 )
= 1 - 0.9474
= 0.0526
Ejemplo 4:
Área hacia la derecha de Z = - 0.85
P ( Z ≥ - 0.85 ) =?
101
101
ESTADÍSTICA
P ( Z ≥ - 0.85 ) = 1 – P ( Z ≤ - 0.85 )
= 1 - 0.1977
= 0.8023
ÁREAS ENTRE DOS VALORES
Para el área entre dos valores se toma el área a la izquierda del mayor valor y luego se le resta el
área a la izquierda del menor valor.
Ejemplo 5:
Área entre Z = -1.52 y Z = 0.93
P ( -1.52 ≤ Z ≤ 0.93 ) = ?
P ( -1.52 ≤ Z ≤ 0.93 ) = P ( Z ≤ 0.93 ) - P ( Z ≤ -1.52 )
= 0.8238 - 0.0643
= 0.7595
Ejemplo 6:
Área entre Z = 0.45 y Z = 1.28
P ( 0.45 ≤ Z ≤ 1.28 ) = ?
P ( 0.45 ≤ Z ≤ 1.28 ) = P ( Z ≤ 1.28 ) - P ( Z ≤ 0.45 )
= 0.8997 - 0.6736
= 0.2261
102
102
ESTADÍSTICA
2.1.2.1. EJEMPLOS DE APLICACIÓN RESUELTOS DE LA NORMAL
Ejemplo 1 (La Normal):
El Ingreso mensual de un grupo de personas presenta un comportamiento Normal con una media de $
2.800.000 y una desviación típica o estándar de $ 435.000. Si se selecciona aleatoriamente un empleado
dentro del grupo:
a) Cuál es la probabilidad de que su Ingreso se inferior a $ 2.000.000 ?

b) Cuál es la probabilidad de que el Ingreso esté por encima de $ 2.598.000 ?
c) Cuál es la probabilidad de que su Ingreso se encuentre entre $ 2.500.000 y $ 3.200.000 ?
Solución:
µ = 2.800.000
δ = 435.000
a) P ( X ≤ 2.000.000 ) = ? Estandarización
2.000.000−2.800.000
Z= = −1.84
435.000
P ( Z ≤ - 1.84 )= ?
P ( Z ≤ -1.84 ) = 0.0329
La probabilidad de que el ingreso sea inferior a $ 2.000.000 es de 0.0329

El grado de certeza o de seguridad de que el ingreso sea inferior a $ 2.000.000 es del 3.29%
103
103
ESTADÍSTICA
2.598.000−2.800.000
b) P ( X ≥ 2.598.000) =? Estandarización Z= = −0.46
435.000
P ( Z ≥ - 0.46 ) =?
P ( Z ≥ - 0.46 ) = 1 - P ( Z ≤ - 0.46 )
= 1 - 0.3228
= 0.6772
La probabilidad de que el Ingreso sea superior a $ 2.598.000 es de 0.6772

El grado de certeza o de seguridad de que el Ingreso sea superior a $ 2.598.000 es del 67.72%
c) P ( 2.500.000 ≤ X ≤ 3.200.000)= ? Estandarizaciones:
2.500.000−2.800.000
P ( -0.69 ≤ Z ≤ 0.92 ) =? Z= = −0.69
435.000
3.200.000−2.800.000
Z= = 0.92
435.000
P ( -0.69 ≤ Z ≤ 0.92 ) = P ( Z ≤ 0.92 ) – P ( Z ≤ -0.69 )

= 0.8212 - 0.2451
= 0.5761
104
104
ESTADÍSTICA
Mary
Nieves Cruz Zuluaga Facultad de Estudios Empresariales y de Mercadeo
La probabilidad de que el ingreso se encuentre entre $ 2.500.000 y $ 3.200.000 es de

0.5761
El grado de certeza o de seguridad de que el ingreso se encuentre entre $ 2.500.000 y $
3.200.000 es del 57.61%

El volumen de exportación mensual (en millones de pesos) de una compañía de electrodomésticos
presenta un comportamiento Normal, con una media de $22500 y una desviación típica o estándar
de $2250.
Calcular la probabilidad de:
a) El volumen de exportación mensual sea mayor a $21000 millones.
b) El volumen de exportación mensual se encuentre entre $24000 y 26000 millones.
c) El volumen de exportación mensual no sea superior a $19000 millones.
105
105
ESTADÍSTICA
Solución:
a)
P( X  21000)  1  P( X  21000)
 21000  22500 
P( X  21000)  1  P Z  
 2250 
P( X  21000)  1  P( Z  0.67)
P( X  21000)  1  0.2514
P( X  21000)  0.7486
La probabilidad de que el volumen de exportación mensual sea mayor o igual a $21000 millones es
de 0.7486.
El grado de certeza de que el volumen de exportación sea mayor o igual a $21000 millones es del
74.86%.
b)
P(24000  X  26000)  P( X  26000)  P( X  24000)
P(24000  X  26000)  P( Z  1.56)  P( Z  0.67)
P(24000  X  26000)  0.9406  0.7486
P(24000  X  26000)  0.1920
La probabilidad de que el volumen de exportación mensual se encuentre entre $24000 y $ 26000

millones es de 0.1920.
El grado de certeza de que el volumen de exportación mensual se encuentre entre $24000 y $ 26000
millones es del 19.20%.
106
106
ESTADÍSTICA
c)
P( X  19000)  P( Z  1.56)
P( X  19000)  0.0594
La probabilidad de que el volumen de exportación mensual se encuentre por debajo (menor o igual)
de $ 19000 millones es de 0.0594.
El grado de certeza de que el volumen de exportación sea como máximo de $19000 millones es del
5.94%.

La vida útil de las pilas de una cierta marca están distribuidas normalmente. Si el 6.68% de las pilas
duran más de 56 horas y el 30.85% duran menos de 52 horas. Cuál es la media y la desviación
estándar?.
Solución:
X= vida útil de las pilas (en horas).
P( X  56)  0.0668
P( X  52)  0.3085
P( X  56)  1  0.0668  0.9332
Estandarizando, se obtiene las siguientes expresiones estadísticas:
P( X  56)  0.9332 P( X  52)  0.3085

 56     52   
P Z    0.9332 P Z    0.3085
     
Se busca en la tabla de la normal estandarizada el valor de la probabilidad 0.9332 y se extrae el

valor de Z=1.5, de igual manera se busca la probabilidad 0.3085 y se encuentra un Z=-0.5.
107
107
ESTADÍSTICA
Plantear el siguiente sistema de ecuaciones de 2x2, las dos incógnitas son precisamente  y .
56  
Primera ecuación:  1.5

52  
Segunda ecuación:  0.5

Se resuelve simultáneamente el sistema por algún método algebraico (igualación, sustitución,
reducción o determinantes) o por métodos de álgebra lineal (eliminación Gaussiana, Jordan Gauss,
pivoteo, entre otros.).
Por el método de igualación: se despeja la misma variable en ambas ecuaciones, se iguala

quedando una ecuación en términos de una sola variable, se despeja la variable, el valor encontrado
se sustituye en alguna de las ecuaciones para hallar el valor de la otra variable.
56   52  
 1.5  0.5
 
56    1.5 52    0.5
56  1.5   52  0.5  
Igualando se tiene:
56  1.5  52  0.5
Se despeja el valor de  , así: Se sustituye el valor de  en alguna de

 1.5  0.5  52  56 las ecuaciones, así:
 2  4 56  1.5  
2  4
56  1.5(2)  
4
 56  3  
2
 2 53  
La vida útil media de las pilas y su desviación típica o estándar es de:
  53 horas y   2 horas.
La representación gráfica se muestra a continuación:
108
108
ESTADÍSTICA
2.1.2.2. EJEMPLOS DE APLICACIÓN PROPUESTOS DE LA NORMAL
Ejemplo propuesto 1-La Normal:

Hallar el área bajo la curva normal:
a) Entre Z= -1.20 y Z= 2.40
b) Entre Z= 1.23 y Z= 1.87
c) Entre Z= -2.35 y Z= -0.50
d) A la izquierda de Z= 2.35
e) A la derecha de Z= -1.82
Nota: Graficar cada numeral.

Las ventas anuales a crédito ( por club) de un almacén se distribuyen normalmente, con una media
y una desviación típica o estándar de:
 = 35.7 (millones de pesos) y  = 2.8 . (millones de pesos).
Calcular las siguientes probabilidades:
a) Probabilidad de que las ventas anuales por club, estén por debajo de $38.7 millones.
b) Probabilidad de que las ventas anuales por club, sean superiores a $ 31.5 millones.
c) Probabilidad de que las ventas anuales por club se encuentren entre $30.2 y $37.5 millones.
Nota: Graficar cada numeral y analizar resultados obtenidos.
109
109
ESTADÍSTICA

Si el gasto semanal en loncheras para niños de pre-escolar se encuentra distribuido normalmente
con una media de $10 mil y una desviación estándar de $2 mil, emplear la tabla y calcular las
siguientes probabilidades:
a) P(X<12)
b) P(X>11)
c) P(X>9)
d) P(X>9.5)
e) P(9<X<12)
Nota: Graficar cada numeral y analizar los resultados obtenidos.
Suponiendo que las estaturas X de los alumnos de un colegio se encuentran distribuidas
normalmente con una media igual a 169 cm y una desviación estándar igual a 3 cm (Emplear la
tabla para calcular la probabilidad)
a) Probabilidad de que un estudiante tenga una estatura inferior a 165 cm?
b) Qué porcentaje de alumnos tendrá una estatura entre 165 y 170 cm?
Nota: Graficar y analizar resultados.

El peso promedio de las frutas de un gran cargamento es de 15 lb. Con una desviación estándar de
1.62 lb.; si sus pesos están distribuidos normalmente ¿Qué porcentaje de frutas tendrá un peso
entre 15 lb y 18 lb?. Graficar.

Si la vida media de cierta marca de baterías es de 30 meses, con una desviación estándar de 6
meses. ¿ Qué porcentaje de estás 110aterías puede esperarse que tengan una duración de 24 a
36 meses?. Se supone que su duración tiene una distribución Normal. Graficar.

En cierto negocio el salario medio mensual es de $ 386.000 y la desviación estándar es de $ 4.500.
Si se supone que los salarios tienen una distribución normal, ¿Qué porcentaje de empleados percibe
salarios entre $ 380.000 y 385.000? Graficar.

Dos estudiantes fueron informados de que habían recibido referencias tipificadas de 0.8 y –0.4,
respectivamente, en un examen de legislación. Si sus puntuaciones fueron 88 y 64,
respectivamente, hallar la media y la desviación típica (o estándar) de las puntuaciones del examen.
110
110
ESTADÍSTICA

La media del peso de 500 deportistas (mayores de edad) es de 75.5 kl. Y la desviación típica es de
6 kl. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos deportistas pesan:
a) Entre 60 y 75.5 kl.
b) Más de 92.5 kl.

El gasto promedio semanal en transporte de un grupo de empleados es de $15.000 y la desviación
estándar es de $3.500. Se sabe que 647 empleados tienen un gasto mayor de $ 16.300 ¿Cuál es
el número total de empleados?

Una revista publicó un estudio donde se indica que los salarios mensuales para Contadores
titulados, presenta un comportamiento normal con una media de $2.750.000 y una desviación típica
o estándar de $430.000. Cuál es la probabilidad de que:
a) Un contador titulado gane entre $1.500.000 y $3.000.000.
b) Un contador titulado gane más de $2.598.000
Graficar cada caso e interpretar.

Una fábrica de neumáticos produce llantas con una vida útil media de 85.000 Km. Y una desviación
estándar de 6.800 Km. La vida útil se encuentra distribuida normalmente.
a) Cuál es la probabilidad de que una llanta dure más de 91.000Km.
b) Hallar el valor del Kilometraje límite donde el 7.3% de los neumáticos duran menos de dicho valor
(en Km).
c) Cuál es la probabilidad de que un neumático dure entre 80.000 Km y 93.000 Km.
Graficar cada caso e interpretar.

El nivel de comisión mensual obtenida por un grupo de vendedores se encuentra distribuida
normalmente. El 3.15% ganan por concepto de comisión más de $980.000 el 85.3% obtienen
menos de $574.000.
Determinar la comisión promedio y la desviación estándar. Graficar.

La vida útil media de un circuito electrónico es de 1.200 horas y la desviación típica o estándar de
250 horas. Si la vida útil se distribuye normalmente, cuál es la probabilidad de que el circuito dure
más de 1.300 horas. Graficar e interpretar.
111
111
ESTADÍSTICA

La media de los diámetros de una muestra de arandelas producidas por una máquina es
de 0.502 pulgadas y la desviación típica de 0.005 pulgadas.
Las arandelas se consideran buenas o aceptables si su diámetro se encuentra entre 0.496
y 0.508 pulgadas.
Determinar el porcentaje de arandelas defectuosas producidas por la máquina, si se sabe
que los diámetros presentan una distribución normal. Graficar e interpretar.

Un digitador estima que el costo de transcribir e imprimir una tesis para obtener título
profesional es una variable aleatoria que se distribuye normalmente con una media de $
1.700.000 y una desviación típica de $ 95.000.
Cuál es la probabilidad de que el costo de transcribir e imprimir una tesis se encuentre
entre $1.320.000 y 1.900.000. Graficar.

El puntaje obtenido en un examen por un grupo de personas durante el proceso de
admisión para laborar en una empresa se distribuye normalmente con una media de 700
puntos y una desviación típica de 120 puntos.
Se decide no tener como referencia de posibles alternativas de elección al 5% de personas
con puntaje más bajo. Cuál es ese puntaje mínimo necesario para ser tenido en cuenta
dentro del proceso de admisión? Graficar.

Una compañía de reparación de fotocopiadoras sabe que el tiempo invertido en hacer un
servicio se puede representar como una variable aleatoria normal con una media de 75
minutos y una desviación típica de 20 minutos. Qué proporción de servicios se hacen en
menos de una hora. Graficar.
112
112
ESTADÍSTICA
2.1.3. DISTRIBUCIÓN BINOMIAL DE PROBABILIDAD
Es una distribución de probabilidad para una variable discreta X, la variable X representa el total de
“éxitos” dentro de n ensayos. La palabra “éxito” siempre estará asociada con la característica de
interés que se esté analizando dentro de la ocurrencia del evento (Mendenhall, 2012).
Es una distribución de probabilidad con aplicaciones en inspección de calidad, ventas, mercadeo,
investigación de operaciones, entre otras.
Nomenclatura:
𝑛𝑛 = Total de casos posibles, o total de ensayos.

𝑋𝑋 = Total de éxitos dentro de los n ensayos.
𝑝𝑝 = Probabilidad de éxito, en otras palabras es la probabilidad de que ocurra la
característica de interés.
𝑎𝑎 = Total de elementos que poseen la característica de interés (éxito)
El valor de p es una proporción, siempre se encuentra entre 0 y 1.
0 ≤ 𝑝𝑝 ≤ 1
La probabilidad p es conocida con estudios preliminares y se calcula como la

relación entre el total de casos favorables para la característica de interés sobre el
total de casos posibles.
𝑎𝑎
𝑝𝑝 =
𝑛𝑛
𝑞𝑞 = Probabilidad de fracaso, es decir la probabilidad de que no ocurra o no se presente la
característica de interés. También es una proporción y se puede calcular como la relación entre el
total de casos que no son favorables para la característica de interés (b) dividido por el total de
casos posibles.
𝑏𝑏
𝑞𝑞 =
𝑛𝑛
El valor de q también puede calcularse como el complemento de p, de la siguiente forma:

𝑞𝑞 = 1 − 𝑝𝑝
Siempre la unión de p con q representa el 100%, en términos relativos 1, por lo tanto se cumple
que:
𝑝𝑝 + 𝑞𝑞 = 1
De donde 𝑞𝑞 = 1 − 𝑝𝑝 , o también 𝑝𝑝 = 1 − 𝑞𝑞
113
113
ESTADÍSTICA
La función de distribución de probabilidad de la BINOMIAL está dada por:
𝑛𝑛
𝑓𝑓(𝑋𝑋) = ( ) 𝑝𝑝 𝑋𝑋 𝑞𝑞 𝑛𝑛−𝑋𝑋
𝑥𝑥
Con 𝑋𝑋 ≤ 𝑛𝑛
𝑋𝑋 = 0, 1, 2, 3, … , 𝑛𝑛 La variable X toma valores positivos y enteros (variable discreta)
La media y la desviación típica o estándar de la distribución Binomial, están dados por:
𝜇𝜇 = 𝑛𝑛 𝑝𝑝
𝜎𝜎 = √𝑛𝑛 𝑝𝑝 𝑞𝑞
La expresión (𝑋𝑋𝑛𝑛) representa combinaciones de n en X, se calcula de la siguiente forma:
𝑛𝑛 𝑛𝑛!
( )=
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 )!
(
𝑛𝑛! = se lee n factorial.

El factorial de un número se calcula así:
𝑛𝑛! = 𝑛𝑛 ( 𝑛𝑛 − 1)!
Por definición 0! = 1
Por ejemplo, 5 ! = 5 x 4 x 3 x 2 x1 = 120
Observación:
Por tratarse de una función de distribución de probabilidad, se tiene que la sumatoria de todos los
valores de 𝑓𝑓(𝑋𝑋) = 1
𝑛𝑛
∑ 𝑓𝑓(𝑥𝑥) = 1
𝑥𝑥=0
2.1.3.1. EJEMPLOS RESUELTOS DISTRIBUCIÓN BINOMIAL
Ejemplo 1:
Un grupo de 17 jóvenes estudiantes de género masculino, en buen estado de salud que se

encuentran culminando el nivel de secundaria, es llevado a las instalaciones militares para ser
sometidos a un sorteo y definir quiénes de ellos deben prestar el servicio militar, como requisito para
obtener la libreta respectiva. Cada uno de ellos debe seleccionar al azar una balota de una urna en
la que se encuentran dos balotas, una de color negra y otra blanca. Seleccionar la negra significa
114
114
ESTADÍSTICA
que debe prestar el servicio militar y seleccionar la blanca significa que el estudiante se exime de
prestar el servicio militar y le es otorgada la libreta militar.
a) Cuál es la probabilidad de que exactamente 2 de ellos tengan que prestar el servicio militar?
b) Cuál es la probabilidad de que como máximo 5 de ellos tengan que prestar el servicio militar?
c) Cuál es la probabilidad de que entre 7 y 9 estudiantes de ellos les toque prestar el servicio
militar?
Solución:
De acuerdo a las preguntas que se han formulado la característica de interés es “Tener que prestar
el servicio militar”. Como se tienen dos balotas (1 blanco, 1 negra), la probabilidad de éxito para
cada uno de los estudiantes, está dada por:
1
𝑝𝑝 = = 0.5
2
Por lo tanto el valor de la proporción de fracasos o probabilidad de no poseer la característica de
interés, es de:
𝑞𝑞 = 1 − 𝑝𝑝
𝑞𝑞 = 1 − 0.5
𝑞𝑞 = 0.5
El total de ensayos está representado por el total de estudiantes que se presentan:
𝑛𝑛 = 17
a) 𝑃𝑃 ( 𝑋𝑋 = 2) =?
𝑃𝑃 (𝑋𝑋 = 2) = 𝑓𝑓(2)
17
𝑓𝑓(2) = ( ) 0.52 0.515 = 0.001038
2
Luego 𝑃𝑃(𝑋𝑋 = 2) = 0.001038, el grado de certeza o de seguridad de que exactamente 2

estudiantes de los 17 que se presentan les toque prestar el servicio militar es del 0.1037%, una
probabilidad muy bajita que ni siquiera llega al 1%.
b) 𝑃𝑃 ( 𝑋𝑋 ≤ 5 ) =?
𝑃𝑃 (𝑋𝑋 ≤ 5) = 𝑓𝑓(0) + 𝑓𝑓(1) + 𝑓𝑓(2) + 𝑓𝑓(3) + 𝑓𝑓(4) + 𝑓𝑓(5)
17
𝑓𝑓(0) = ( ) 0.50 0.517 = 0.000008
0
115
115
ESTADÍSTICA
17
𝑓𝑓(1) = ( ) 0.51 0.516 = 0.000130
1
17
𝑓𝑓(2) = ( ) 0.52 0.515 = 0.001038
2
17
𝑓𝑓(3) = ( ) 0.53 0.514 = 0.005188
3
17
𝑓𝑓(4) = ( ) 0.54 0.513 = 0.018158
4
17
𝑓𝑓(5) = ( ) 0.55 0.512 = 0.047211
5
𝑥𝑥=5
𝑃𝑃( 𝑋𝑋 ≤ 5 ) = ∑ 𝑓𝑓(𝑋𝑋) = 0.071733

𝑥𝑥=0
𝑃𝑃( 𝑋𝑋 ≤ 5 ) = 0.071733, el grado de certeza o de seguridad de que como máximo 5

estudiantes de los 17 que se presentaron tengan que prestar el servicio militar es del 7.17%
c) 𝑃𝑃 ( 7 ≤ 𝑋𝑋 ≤ 9 ) =?
17
𝑓𝑓(7) = ( ) 0.57 0.510 = 0.148376
7
17
𝑓𝑓(8) = ( ) 0.58 0.59 = 0.185471
8
17
𝑓𝑓(9) = ( ) 0.59 0.58 = 0.185471
9
𝑥𝑥=9
𝑃𝑃(7 ≤ 𝑋𝑋 ≤ 9) = ∑ 𝑓𝑓(𝑥𝑥) = 0.519318

𝑥𝑥=7
𝑃𝑃(7 ≤ 𝑋𝑋 ≤ 9) = 0.519318, el grado de certeza o de seguridad de que presten el servicio

militar entre 7 y 9 estudiantes de los 17 que se presentaron es del 51.9%.
Ejemplo 2:
El 20% de los empaques producidos por una máquina son defectuosos. Determinar la probabilidad
de que de 4 empaques tomados al azar:
116
116
ESTADÍSTICA
a) Exactamente uno sea defectuoso

b) Ninguno sea defectuosos
c) Por lo menos uno sea bueno.
d) Entre 1 y 3 sean buenos.
Solución:
Para los numerales a) y b) los valores de p y de q son:
𝑝𝑝 = 0.20 𝑞𝑞 = 0.80
Para los numerales c) y d) los valores de p y q son:
𝑝𝑝 = 0.80 𝑞𝑞 = 0.20
a) 𝑃𝑃(𝑋𝑋 = 1) = 𝑓𝑓(1) = (41)0.201 0.803 = 0.409600

El grado de certeza de que exactamente uno sea defectuoso es del 41%
b) 𝑃𝑃(𝑋𝑋 = 0) = (40)0.200 0.804 = 0.409600

El grado de certeza de que ninguno sea defectuoso es del 41%
c) 𝑃𝑃(𝑋𝑋 ≥ 1) = 𝑓𝑓(1) + 𝑓𝑓(2) + 𝑓𝑓(3) + 𝑓𝑓(4) = 1 − 𝑓𝑓(0) = 1 − 0.001600 = 0.998400
4
𝑓𝑓(0) = ( ) 0.800 0.204 = 0.001600
0
𝑃𝑃(𝑋𝑋 ≥ 1) = 0.998400
El grado de certeza de que por lo menos 1 sea bueno es del 99.84%
d) 𝑃𝑃(1 ≤ 𝑋𝑋 ≤ 3) = 𝑓𝑓(1) + 𝑓𝑓(2) + 𝑓𝑓(3) = 0.588800
4
𝑓𝑓(1) = ( ) 0.801 0.203 = 0.025600
1
4
𝑓𝑓(2) = ( ) 0.802 0.202 = 0.153600
2
4
𝑓𝑓(3) = ( ) 0.803 0.201 = 0.409600
3
𝑃𝑃(1 ≤ 𝑋𝑋 ≤ 3) = 0.588800
El grado de certeza de que entre 1 y 3 sean buenos es del 58.88%.
117
117
ESTADÍSTICA
Ejemplo 3:
Un vendedor de seguros vende pólizas a 5 hombres todos de la misma edad (48 años) y en buen
estado de salud. La probabilidad de que un hombre de esa edad viva 30 años más es de 2/3.
Hallar la probabilidad de que dentro de 30 años:
a) Vivan solamente 2 hombres
b) Vivan al menos 3 hombres
Solución:
2
𝑝𝑝 = = 0.67 𝑞𝑞 = 1 − 𝑝𝑝 = 1 − 0.67 = 0.33
3
a) 𝑃𝑃(𝑋𝑋 = 2) = 𝑓𝑓(2)
5
𝑓𝑓(2) = ( ) 0.672 0.333 = 0.161321
2
El grado de certeza o de seguridad de que vivan solamente 2 hombres es del 16.13%
b) 𝑃𝑃(𝑋𝑋 ≥ 3) = 𝑓𝑓(3) + 𝑓𝑓(4) + 𝑓𝑓(5) = 0.795037
5
𝑓𝑓(3) = ( ) 0.673 0.332 = 0.327531
3
5
𝑓𝑓(4) = ( ) 0.674 0.331 = 0.332493
4
5
𝑓𝑓(5) = ( ) 0.675 0.330 = 0.135013
5
𝑃𝑃(𝑋𝑋 ≥ 3) = 0.795037
El grado de certeza o de seguridad de que vivan al menos 3 hombres es del 79.5 %
2.1.3.2. EJEMPLOS PROPUESTOS DISTRIBUCIÓN BINOMIAL
Ejemplo propuesto 1- Binomial:
Todos los días se selecciona de manera aleatoria 6 unidades de un proceso de manufactura, con el
propósito de verificar el porcentaje de unidades defectuosas en la producción. Con base en
información pasada, la probabilidad de tener una unidad defectuosa es de 0.12.
La gerencia ha decidido detener la producción cada vez que una muestra de 6 unidades tenga dos
o más defectuosas.
¿Cuál es la probabilidad de que en cualquier día, la producción se detenga?
118
118
ESTADÍSTICA
Ejemplo propuesto 2 – Binomial:
Un club nacional de automovilistas comienza una campaña telefónica con el propósito de

mercadear y aumentar el número de personas afiliadas al club. Con base en su experiencia
se sabe que 1 de cada 20 personas que reciben la llamada se unen al club.
Si en un día 14 personas reciben la llamada telefónica, cuál es la probabilidad de que por

lo menos 3 personas de ellas se unan al club?
En el departamento de cartera de una entidad financiera se ha detectado que el 15% de

los usuarios que le adeudan al banco a través de su tarjeta de crédito no pagan el monto
de la deuda completa en un mes determinado. Si se han seleccionado de forma aleatoria
25 cuentas, cuál es la probabilidad de que exactamente 7 de ellas no sean pagadas.
El departamento de personal de una cadena de almacenes importante de la ciudad contrata

personal estudiantil universitario de los primeros semestres en época de vacaciones
decembrinas para atender la gran afluencia de clientes que se presenta en esta época del
año, por experiencia pasada se sabe que generalmente el 30% de los estudiantes son
contratados laboralmente en esta época. Si se seleccionan aleatoriamente 10 estudiantes:
a) Cuál es la probabilidad de que exactamente 4 de ellos sean contratados?

b) Cuál es la probabilidad de que entre 5 y 8 estudiantes sean contratados?
c) Cuál es la probabilidad de que como mínimo 8 de ellos sean contratados?
El 8% de las tuercas producidas en un proceso salen defectuosas. Si se seleccionan de

forma aleatoria 30 tuercas, cual es la probabilidad de que:
a) Como máximo 5 de ellas estén malas.

b) Entre 12 y 15 tuercas se encuentren defectuosas.
c) De que exactamente 8 de ellas sean defectuosas.
119
119
ESTADÍSTICA
2.2. UNIDAD TEMÁTICA 2: TEORIA DE MUESTREO

Las investigaciones estadísticas donde se toman todos los elementos de la población para realizar
el estudio se denominan Censo. Existen otros estudios que al igual que el censo buscan hacer
inferencias de la población, pero sin tomar todos los elementos de la misma, estas investigaciones
se conocen bajo el nombre de estudios de muestreo (Mendenhall, 2012).
El muestreo es una técnica estadística a través de la cual se trabaja con una parte representativa
de la población con el objetivo de hacer inferencias para toda la población, surgen interrogantes
básicos por solucionar como: ¿Cuántos elementos de la población se deben tomar para que
conformen la muestra?, ¿Cuáles elementos de la población deben ser elegidos para conformar la
muestra?, ¿Cómo debe hacerse el proceso de selección de los elementos?; todos estos
interrogantes se analizan dentro de las técnicas de muestreo para tomar decisiones al respecto.
Dentro de esta temática se hace diferencia entre el significado de la letra n minúscula y la N
mayúscula, así:
𝑛𝑛 = 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡ñ𝑜𝑜 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
𝑁𝑁 = 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡ñ𝑜𝑜 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ó𝑛𝑛
2.2.1. CLASES DE MUESTREO

MUESTREO ALEATORIO SIMPLE
Una muestra de tamaño n extraída de una población de tamaño N, es aleatoria cuando todas las
muestras posibles tienen igual probabilidad de ser seleccionadas.
Hay dos aspectos básicos a tener en cuenta, estos son: el tamaño de la muestra n y la forma de
extraer de la población N este tamaño de muestra.
El tamaño de la muestra hace referencia al número de elementos que se han de extraer de la
población.
La forma de extraer los elementos hace referencia al proceso de selección, éste ha de ser aleatorio,
que todos y cada uno de los elementos de la población tengan igual probabilidad de ser
seleccionados para formar parte de la muestra, para esto puede utilizarse tabla de números
aleatorios o generarlos a través del sistema; se recomienda tener a mano un listado codificado de
la población para poder extraer del listado poblacional el elemento indicado por la generación de
números aleatorios.
El muestreo aleatorio simple puede hacerse con reposición o sin reposición dependiendo del caso
particular y de las necesidades del investigador.
Muestreo Aleatorio Simple con reposición

Significa que al extraer un elemento de la población para que forme parte de la muestra, éste vuelve
de nuevo a ser incluido dentro del gran total poblacional (se repone) teniendo la posibilidad de ser
seleccionado en otra oportunidad.
n
El total de posibles muestras es N , todas las posibles muestras tienen igual probabilidad de ser
1
seleccionadas, ésta probabilidad es de .
Nn
120
120
ESTADÍSTICA
Durante el proceso de selección de las unidades, cada unidad tiene igual probabilidad de ser
seleccionada, cada vez que se extrae una unidad, la probabilidad de ser seleccionada viene dada
por 1 .
N
Muestreo Aleatorio Simple sin reposición

Significa que al extraer un elemento de la población para que forme parte de la muestra, éste no se
incluye de nuevo en el gran total poblacional (no se repone), perdiendo la posibilidad de ser
seleccionado en otra oportunidad.
El total de posibles muestras es   N C n 
N N! , se lee combinaciones de N en n, todas
 
n n! ( N  n)!
1
las muestras tienen igual probabilidad de ser seleccionadas, ésta probabilidad está dada por
N
 
n
Durante el proceso de selección de las unidades, cada que se extrae de la población una unidad
para que forme parte de la muestra, la probabilidad de que una unidad sea seleccionada dentro de
las que quedan va cambiando, así:
Momento de selección o Total de elementos existentes en Probabilidad de que una unidad sea
extracción de la unidad la Población seleccionada
Momento 1. MO1 N 1
N
Momento 2. MO2 N-1 1
N 1
N 2

N 3
........ ......
........ ......
Momento n-ésimo. MOn N-(n-1) 1

N  (n  1)
121
121
ESTADÍSTICA
MUESTREO ESTRATIFICADO
Se identifica también como muestreo aleatorio estratificado. Una muestra estratificada es la
obtenida mediante la separación de los elementos de la población en grupos que presentan ciertas
características comunes.
Generalmente dentro de estratos se presenta homogeneidad y entre estratos heterogeneidad.
Se utiliza el procedimiento de afijación proporcional, que particiona el tamaño de la muestra n en

forma proporcional al tamaño de los estratos en la población.
L= total de estratos
N= tamaño de la población
n= tamaño de la muestra
N i = tamaño poblacional del estrato i

n i = tamaño muestral del estrato i
Wi = peso o ponderación del estrato i
N  N1  N 2  N 3  ...  N l
l
N   Ni
i 1
n  n1  n 2  n3  ...  nl
l
n   ni
i 1
ni  nWi 
Ni
Wi 
N
MUESTREO POR CONGLOMERADOS
Una muestra por conglomerados es una muestra aleatoria en la cual cada unidad de muestreo es
un grupo de elementos (llamado conglomerado), los elementos dentro de un conglomerado
generalmente están juntos físicamente.
Una muestra por conglomerados se obtiene seleccionando aleatoriamente un conjunto de m
colecciones muestrales llamados conglomerados y posteriormente llevando a cabo un censo en
122
122
ESTADÍSTICA
cada uno de los conglomerados. El tamaño m se calcula siguiendo la misma metodología del cálculo
del tamaño de muestra, con la única diferencia que M es el total poblacional.
M= número de conglomerados de la población o tamaño poblacional de conglomerados.

m= número de conglomerados de la muestra o tamaño muestral de conglomerados.
n i = número de elementos del i-ésimo conglomerado.
MUESTREO SISTEMÁTICO (MUESTREO TIPIFICADO)

La metodología empleada para seleccionar los elementos de la muestra inicia con una unidad de
arranque que es seleccionada de forma aleatoria o al azar, a partir de ésta los elementos se
seleccionan por intervalos regulares, cada K elementos; por tal motivo se denomina muestra
sistemática de 1 en K.
2.2.2. CÁLCULO DEL TAMAÑO DE MUESTRA

Al iniciar una investigación aplicando muestreo, una decisión fundamental es determinar el tamaño
óptimo de la muestra, denotado por n, de tal forma que los costos de recolección de información no
sean demasiado altos y al mismo tiempo asegurando cierto grado de confianza en las inferencias o
pronósticos para la población elaborados a partir de dicha muestra.
El tamaño de la muestra también se ve afectado por el tiempo predeterminado durante el cual se

debe llevar a buen término los resultados de la investigación, por el recurso humano (encuestadores)
de que se disponga, así como por el recurso económico destinado a la investigación.
La fórmula general para calcular el tamaño de muestra es la siguiente:
n0 Z 2 *S 2
n Siendo: n0 
n E2
1 0
N
De ésta fórmula se desprenden muchas otras que existen para calcular tamaño de muestra, las
cuales han sido halladas empleando sustituciones y operaciones algebraicas en la misma.
A continuación se explica la forma como se halla cada una de las letras que conforman el 𝑛𝑛0 .
Valor de Z
Se extrae de la tabla de la Distribución Normal Estandarizada
El valor de Z cambia dependiendo del nivel de confiabilidad con que se desee trabajar la
investigación.
123
123
ESTADÍSTICA
Pasos para hallar en valor de Z:
1° Definir el nivel de confiabilidad, éste se denota como (1-).

El nivel de confiabilidad es establecido por el investigador o por la persona que contrata el estudio.
La única condición para establecer de forma adecuada el nivel de confiabilidad es que sea un
valor alto preferiblemente superior al 90%.
2° Despejar  (Grado de incertidumbre)
3° Calcular /2
4° Calcular 1- /2
5° Buscar el valor de esta probabilidad (1-/2) por dentro de la tabla y mirar cual es el valor de Z
correspondiente (Los valores de Z están en el borde de la tabla).
En caso de no encontrarse el valor exacto de (1-/2) se ubica el más aproximado, para identificar
luego el valor de Z, sin embargo para una mayor precisión puede ser aplicada la técnica de
interpolación de datos.
Ejemplo 1 (Valor de Z):

Cuál será el valor de 𝑍𝑍 =? a ser sustituido en la fórmula del tamaño de muestra si se desea trabajar
la investigación con un nivel de confiabilidad del 95%.
Solución:
1 − 𝛼𝛼 = 0.9500
𝛼𝛼 = 0.0500
𝛼𝛼
= 0.0250
2
𝛼𝛼
1 − = 0.9750
2
𝑍𝑍 = 1.96
Ejemplo 2 (Valor de Z):
Cuál será el valor de Z =? a ser sustituido en la fórmula del tamaño de muestra si se desea trabajar
la investigación con un nivel de confiabilidad del 97.3%
Solución:
1 − 𝛼𝛼 = 0.9730
𝛼𝛼 = 0.0270
𝛼𝛼
= 0.0135
2
𝛼𝛼
1 − = 0.9865
2
𝑍𝑍 = 2.21
124
124
ESTADÍSTICA
Valor de S
La varianza muestral, identificada también como cuasivarianza, se calcula de la siguiente forma
𝑆𝑆 2 = 𝑝𝑝. 𝑞𝑞
Sacando raíz cuadrada a ambos lados se tiene que:
𝑆𝑆 = √𝑝𝑝. 𝑞𝑞
𝑝𝑝 = proporción de elementos que poseen la característica de interés principal
𝑞𝑞 = proporción de elementos que no poseen la característica de interés principal.
Los valores de éstas proporciones se encuentran entre 0 y 1, y la suma de ellas es igual a 1

0 ≤ 𝑝𝑝 ≤ 1
0 ≤ 𝑞𝑞 ≤ 1
𝑝𝑝 + 𝑞𝑞 = 1
Por lo tanto si se conoce el valor de 𝑝𝑝, el valor de 𝑞𝑞 puede ser calculado como 𝑞𝑞 = 1 − 𝑝𝑝
Los valores de p y de q se pueden hallar de tres formas diferentes dependiendo del caso en que se
adapte mejor la situación.
Caso 1:
Si se cuenta con estudios anteriores similares al que se está realizando, se procede a sacar éstos
valores de dicho estudio anterior.
Caso 2:
Si no se cuenta con estudios anteriores, se puede optar por sacar una muestra piloto 𝑛𝑛𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
La cantidad de elementos que conforman la muestra piloto se puede definir a criterio subjetivo por
parte del investigador, se ha de tener presente que esta muestra piloto no es el tamaño de muestra
definitivo, sino simplemente una cantidad de elementos previos al estudio que han de servir para
calcular valores aproximados de p y de q.
𝑎𝑎
𝑝𝑝 =
𝑛𝑛𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
Siendo 𝑎𝑎 = total de elementos que en la muestra piloto poseen la característica de interés.
Caso 3:
Cuando no se cuenta con investigaciones anteriores y tampoco se desea sacar una muestra piloto,
entonces se le asigna a las proporciones los siguientes valores: 𝑝𝑝 = 0.5 𝑦𝑦 𝑞𝑞 = 0.5
Bajo esta circunstancia se supone que el 50% de los elementos poseen la característica de interés
y el otro 50% no la poseen, la única ventaja de esta asignación es que se está siendo totalmente
imparcial, motivo por el cual se ha aceptado este supuesto para trabajar, sin embargo nadie puede
asegurar que esto siempre ocurra o sea una realidad.
Valor de E
El error de estimación 𝐸𝐸=? Puede ser establecido a criterio subjetivo del investigador, con la única
condición de que sea un valor pequeño, preferiblemente menor al 5%.
Si se establece que el margen para el error de estimación sea del 5%, entonces el valor de E a
sustituir en la fórmula del tamaño de la muestra es 𝐸𝐸 = 0.05
Si el investigador indica que el margen para el error de estimación sea por ejemplo del 3%, entonces
el valor de E a sustituir en la fórmula del tamaño de muestra sería de 𝐸𝐸 = 0.03.
125
125
ESTADÍSTICA
RELACIÓN ENTRE EL TAMAÑO POBLACIONAL Y EL MUESTRAL

Se tiene la creencia que el tamaño de la muestra n crece indefinidamente a medida que aumenta
el tamaño poblacional, simbolizado por N, esta creencia es errónea, ya que existe un punto en el
cual el tamaño de la muestra permanece constante, aunque el tamaño de la población aumente.
A continuación se visualiza el comportamiento del tamaño de la muestra en relación con el tamaño

poblacional, a través de un ejemplo particular.
Ejemplo:
Calcular los diferentes tamaños de muestra dependiendo del tamaño poblacional, para una
confianza del 95% y un error de estimación del 5%, en una investigación de la cual no existen
estudios preliminares y donde la variable más relevante es cualitativa.
Solución:
En este caso se tienen los siguientes valores
Z=1.96
n0 Z 2 *S 2
S2=(0.5)(0.5)=0.25 n n0 
n E2
E=5%=0.05 1 0
N
Se sustituyen estos valores en las fórmulas para el cálculo del tamaño de muestra, y se obtienen
los resultados siguientes:
RELACIÓN ENTRE EL TAMAÑO POBLACIONAL Y EL MUESTRAL

Para el caso de un nivel de confianza del 95%.
Tamaño Poblacional Tamaño de muestra
N n
1000 278
2000 322
3000 341
4000 350
5000 357
10000 370
20000 377
50000 381
100000 383
500000 ó más 384
126
126
ESTADÍSTICA
El análisis matemático-estadístico del motivo por el cual el tamaño de la muestra se estabiliza

aunque el tamaño de la población aumente, es el siguiente:
n0
n Z 2 *S 2
n n0 
E2
1 0
N
Cuando N tiende a ser muy grande o tiende a infinito, la
división tiende a cero (0). Por tal motivo se estabiliza el
tamaño de la muestra precisamente en , porque al
efectuar operaciones siempre se estaría dividiendo
para obtener el valor de n.
RELACIÓN ENTRE NIVEL DE CONFIANZA, MARGEN DE ERROR Y ERROR DE ESTIMACIÓN.
 = Margen de error
 
 
2 2
Nivel de Confianza
1
 
2 2

  
  Estimador
  parámetro. poblacional E = Error de estimacion
127
127
ESTADÍSTICA
El Nivel de Confianza 1    se refiere a la confianza, probabilidad o grado de certeza de que la

muestra permita estimar el parámetro poblacional.
El Margen de Error  se refiere al grado de error o probabilidad de que las muestras no permitan
estimar el parámetro poblacional. Conocido también como error de tipo 1, nivel de significación o
probabilidad de rechazar la hipótesis dado que es verdadera, siendo la hipótesis en este caso, una
proposición donde se afirma que el parámetro poblacional está dado por el estimador obtenido con
la muestra,  es una probabilidad establecida con el objetivo de minimizar el error de tipo 1, la
región  bajo la curva de la distribución normal se denomina región crítica o zona de rechazo.
Existen muchas posibles muestras que pueden ser seleccionadas de una misma población, por tal
motivo se habla de distribuciones muestrales. Una muestra puede arrojar resultados diferentes a
los obtenidos por otra muestra de la misma población, bajo éstas circunstancias es posible pensar
en muestras que sí estimen el parámetro poblacional y otras que tal vez no estimen adecuadamente
el parámetro poblacional. El valor de  se refiere al margen de error de las muestras que no
permiten estimar el parámetro poblacional.
El Error de Estimación (E) se refiere a la precisión con que el estimador refleja el verdadero valor
del parámetro poblacional.
El Estimador es un cálculo estadístico realizado con la información obtenida en la muestra y es
utilizado para estimar el valor del parámetro poblacional, por ejemplo:
Para una variable cuantitativa, la media muestral X es el estimador de la media poblacional  (parámetro).
Para una variable cualitativa, la proporción muestral p es el estimador de la proporción poblacional p
(parámetro).

En términos generales se denota al estimador con el símbolo  y al parámetro poblacional con
el símbolo .
Cuanto más cercanos se encuentren entre si los valores del estimador y del parámetro mayor es la
precisión y por lo tanto menor el Error de estimación E, de tal forma que al restarlos entre sí, ésta
diferencia tienda a cero.

De manera general, se tiene:    0
E 0
Observación:
El Nivel de confianza 1    y el Margen de error   se complementan (el uno es el complemento del

otro).
El Nivel de confianza 1    y el Error de estimación (E) no son el complemento el uno del otro.
128
128
ESTADÍSTICA
TOTAL DE MUESTRAS POSIBLES A EXTRAER DE UNA POBLACIÓN.

Todas las posibles muestras de tamaño n extraídas de una población de tamaño N, tienen igual
probabilidad de ser seleccionadas.
El total de posibles muestras al emplear muestreo sin reposición (no se repone el elemento
N N!
seleccionado) está dado por   , en este caso la probabilidad de que una
 n  n!.( N  n)!
1
muestra sea seleccionada, está dada por .
N
 
n
El total de posibles muestras al emplear muestreo con reposición (se repone el elemento
n
seleccionado) está dado por N , en este caso la probabilidad de seleccionar una muestra, está
1
dada por .
Nn
2.2.2.1. EJEMPLOS RESUELTOS DE CÁLCULO DEL TAMAÑO DE MUESTRA
Ejemplo 1-Cálculo del tamaño de muestra

Una comunidad religiosa presta el servicio de educación, la rectora desea realizar un estudio a
padres de familia con hijos cursando secundaria, en 8 colegios de la misma comunidad, la madre
superiora ha contratado un equipo de investigadores para que apliquen técnicas de muestreo,
debido a que no dispone del suficiente tiempo como para encuestar a todos los padres de familia
(Censo), debido a que ha de tomar una decisión a nivel administrativo en el corto tiempo. Se desea
trabajar el estudio con un nivel de confianza del 95.56% y un margen para el error de estimación del
2.8%.
La población de padres de familia se encuentra distribuida de la siguiente forma:
Colegio Total padres flia

1 500
2 1200
3 900
4 3000
5 1600
6 800
7 725
8 1520
129
129
ESTADÍSTICA
Se toma una muestra piloto de 20 padres de familia, seleccionados aleatoriamente entre los
diferentes colegios. 𝑛𝑛𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = 20
Calcular el tamaño de muestra necesario en caso de que la característica más relevante dentro de
la investigación sea: Padres de familia con un Ingreso mensual superior a dos salarios mínimos
legales vigentes (SMLV).
Cuántos padres de familia se deben seleccionar en cada uno de los 8 colegios.
La muestra piloto arrojo los siguientes resultados:
Ingreso
Padre de
superior a
familia
2 SLMV
1 no
2 si
3 no
4 si
5 si
6 no
7 si
8 si
9 si
10 si
11 no
12 si
13 si
14 si
15 si
16 no
17 no
18 si
19 si
20 si
130
130
ESTADÍSTICA
Solución:
El tamaño poblacional 𝑁𝑁 = ∑ 𝑁𝑁𝑖𝑖 N = 10245
Total padres flia

Colegio
(Ni)
1 500
2 1200
3 900
4 3000
5 1600
6 800
7 725
8 1520
Total 10245
Valor de Z: Valor de S: Valor de E:
1 − 𝛼𝛼 = 0.9556 𝑆𝑆 2 = 𝑝𝑝. 𝑞𝑞 2.8

𝐸𝐸 =
100
𝛼𝛼 = 0.0444 14
𝑝𝑝 = = 0.70
20
𝛼𝛼 𝐸𝐸 = 0.028
= 0.0222
2 𝑞𝑞 = 1 − 𝑝𝑝
𝑞𝑞 = 1 − 0.70
𝛼𝛼
1− = 0.9778 𝑞𝑞 = 0.30
2
𝑆𝑆 2 = (0.70)(0.30) = 0.21
𝑍𝑍 = 2.01
Se sustituyen los valores de 𝑁𝑁, 𝑍𝑍, 𝑆𝑆 𝑦𝑦 𝐸𝐸 en la fórmula de 𝑛𝑛0 . Posteriormente este resultado en la
fórmula del tamaño de muestra 𝑛𝑛. Así:
𝑍𝑍 2 𝑆𝑆 2
𝑛𝑛0 =
𝐸𝐸 2
(2.01)2 . (0.21)
𝑛𝑛0 = = 1082.17
(0.028)2
131
131
ESTADÍSTICA
𝑛𝑛0
𝑛𝑛 = 𝑛𝑛0
1+
𝑁𝑁
1082.17
𝑛𝑛 = = 979
1082.17
1+
10245
Se deben encuestar 𝑛𝑛 = 979 padres de familia.
Los 979 padres de familia deben ser seleccionados teniendo en cuenta a los 8 colegios, por tal
motivo se realiza la repartición de acuerdo a los pesos o ponderaciones que representa cada uno
de los colegios.
El valor de cada 𝑛𝑛𝑖𝑖 se calcula así:
𝑛𝑛𝑖𝑖 = 𝑊𝑊𝑖𝑖 . 𝑛𝑛
Total padres flia

Colegio
(Ni)
Wi ni
1 500 0,04880429 48
2 1200 0,11713031 115
3 900 0,08784773 86
4 3000 0,29282577 287
5 1600 0,15617374 153
6 800 0,07808687 76
7 725 0,07076623 69
8 1520 0,14836506 145
Total 10245 1 979
Conclusión:
El tamaño de la muestra es de 979 padres de familia los cuales deben ser seleccionados de forma
aleatoria, encuestando 48 en el colegio 1, 115 en el colegio 2 y así sucesivamente como se muestra
en la columna de los 𝑛𝑛𝑖𝑖
132
132
ESTADÍSTICA

Dado un tamaño poblacional, un nivel de confianza del 95% y diferentes errores de estimación,
calcular el tamaño de muestra respectivo, suponiendo que no existen estudios preliminares y que la
variable más importante dentro del estudio es cualitativa. Se pide llenar la siguiente tabla:
TAMAÑO DE MUESTRA PARA UN NIVEL DE CONFIANZA DEL 95% Y DIFERENTES

ERRORES DE ESTIMACIÓN
Tamaño de la Error de Estimación ( E )

Población
1% 2% 3% 4% 5%
1.000
2.000
3.000
4.000 CALCULAR LOS VALORES
5.000 DE LA TABLA
10.000
20.000
50.000
100.000
500000 y más
Solución:
Nivel de confianza (1   )  0.95
1    0.95
p  0.5
  0.05 q  1  p  1  0.5
 q  0.5
 0.025
2
S 2  p.q  (0.5)(0.5)

1  0.975 S 2  0.25
2
Z 1  1.96
2
Z  1.96
133
133
ESTADÍSTICAFundamentos de Estadística para las ciencias económico-administrativas
Mary Nieves Cruz Zuluaga Facultad
Facultad dede Estudios
Estudios Empresariales
Empresariales y de
y de Mercadeo
Mercadeo
ESTADÍSTICA
Para un
Mary errorCruz
Nieves de estimación
Zuluaga del 4% Facultad de Estudios Empresariales y de Mercadeo
Para un error de estimación del 4%
Para un error de estimación del 4%
Z 2 .S 2 n0
n0  n
ZE 2 2 2
.S nn
n 0  Z 2 .S
E 2
2
n  1n 00 0
n0  n nN
E2 1 n 00
1 N
N
n0 
1.962 .0.25  600.25
1.96
0.04
 1.96 2 .0
2
2.25
n0 .02.25  600.25
n0  0.042  600.25
0.04
N=1000 600.25
n  375.1  375
N=1000 600
600.25
.25
n  1 600.25  375.1  375
N=1000 n 600
1000.25  375.1  375
1  600.25
1  1000
1000
N=2000 600.25
n  461.7  462
N=2000 600
600.25
.25
N=2000
n  1 600.25  461.7  462
n 600
2000.25  461.7  462
1  600.25
1  2000
2000
600.25
N=3000 n  500.2  500
600.25
600 .25
N=3000 n  1 600.25  500.2  500
N=3000 n 600
3000.25  500.2  500
1  600.25
1  3000
3000
600.25
N=4000 n  521.9  522
600.25
600 .25
N=4000 n  1 600.25  521.9  522
N=4000 n 600
41000.25  521.9  522
1  600.25
1  41000
41000
600.25
N=5000 n  535.9  536
600.25
600 .25
N=5000 n  1 600.25  535.9  536
N=5000 n 600
5000.25  535.9  536
1  600.25
1  5000
5000
600.25
N=10000 n  566.3  566
600.25
600 .25
N=10000 n  1 600.25  566.3  566
N=10000 n 600
10000.25  566.3  566 134
1  600.25
1  10000 134
10000 134
134
ESTADÍSTICA
Mary
Nieves Cruz Zuluaga Facultad de Estudios Empresariales y de Mercadeo
600.25
N=20000 n  582.8  583
600.25
1
20000
600.25
N=50000 n  593.1  593
600.25
1
50000
600.25
N=100000 n  596.7  600
600.25
1
100000
De igual manera se obtienen los restantes tamaños de muestra para cada uno de los diferentes
errores de estimación, quedando así:
TAMAÑO DE MUESTRA PARA UN NIVEL DE CONFIANZA DEL 95% Y DIFERENTES

ERRORES DE ESTIMACIÓN
Tamaño de la Error de Estimación ( E )

Población
1% 2% 3% 4% 5%
1.000 más de 1/2 1/2 1/2 375 278
2.000 1/2 1/2 696 462 322
3.000 1/2 1.344 787 500 341
4.000 1/2 1.500 842 522 350
5.000 1/2 1.622 879 536 357
10.000 4.899 1.936 964 566 370
20.000 6.489 2.144 1.013 583 377
50.000 8.057 2.291 1.045 593 381
100.000 8.763 3.245 1.056 597 383
500000 y más 9.423 2.390 1.065 600 384
Observación: 1/2 significa la mitad de la población.
135
135
ESTADÍSTICA

Se desea efectuar una investigación, donde la característica principal dentro del estudio es
“Empresas Exportadoras”, las empresas se encuentran clasificadas según su tamaño en tres
grupos, grandes, medianas y pequeñas. La Población se encuentra distribuida de la siguiente
forma:
Total
Clasificación
Empresas
Grande 351
Mediana 527
Pequeña 875
Se desea trabajar con un nivel de confiabilidad del 96.24% y con un margen para el error de
estimación del 3.5%.
Se tomó una muestra piloto de 17 empresas, la cual arrojó los siguientes resultados:
Empresa Exportación Empresa Exportación

1 no 11 si
2 no 12 si
3 si 13 no
4 no 14 no
5 si 15 si
6 si 16 si
7 si 17 si
8 no
9 si
10 no
Calcular el tamaño de muestra, es decir cuántas empresas se deben visitar para realizar el estudio?.
Solución:
Valor de Z Valor de S Valor de E
1 − 𝛼𝛼 = 0.9624 𝑎𝑎 3.5
𝑎𝑎 = 10 𝑝𝑝 = 𝐸𝐸 =
𝛼𝛼 = 0.0376 𝑛𝑛𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 100
𝛼𝛼
= 0.0188
2 10 𝐸𝐸 = 0.035
𝛼𝛼 𝑝𝑝 = = 0.59
1 − = 0.9812 17
2
𝑍𝑍 = 2.08 𝑞𝑞 = 1 − 𝑝𝑝
𝑞𝑞 = 1 − 0.57 = 0.41
𝑆𝑆 2 = 𝑝𝑝 . 𝑞𝑞
𝑆𝑆 2 = (0.59)(0.41) = 0.24
136
136
ESTADÍSTICA
Tamaño de la población 𝑁𝑁 = ∑ 𝑁𝑁𝑖𝑖 = 351 + 527 + 875 𝑁𝑁 = 1753
Se sustituyen los valores en la fórmula de 𝑛𝑛0 :

𝑍𝑍 2 𝑆𝑆 2
𝑛𝑛0 =
𝐸𝐸 2
(2.08)2 . (0.24)
𝑛𝑛0 = = 847.62
(0.035)2
El valor de 𝑛𝑛0 se sustituye en la fórmula del tamaño de muestra 𝑛𝑛.
𝑛𝑛0 847.62
𝑛𝑛 = 𝑛𝑛 𝑛𝑛 = = 571.36 ≈ 571
1+ 0 847.62
𝑁𝑁 1+
1753
𝑛𝑛 = 571
El tamaño de la muestra es de 571 empresas, cada una de ellas se debe seleccionar de forma
aleatoria o al azar. Para la distribución de este tamaño se han de tener presente los pesos o
ponderaciones de cada subgrupo poblacional.
Clasificación Ni Wi ni
Grande 351 0,20022818 114

Mediana 527 0,300627496 172
Pequeña 875 0,499144324 285
Total 1753 1 571
Conclusión:
Para realizar el estudio a través de muestreo con las indicaciones asignadas, se han de visitar 571
empresas, distribuidas de la siguiente forma: Empresas grandes 114, empresas medianas 172 y
pequeñas empresas 285.

Una empresa productora de artículos de aseo, necesita realizar una investigación de mercados,
para tomar decisiones administrativas, sobre las cuales influye la comercialización y mercadeo de
su detergente en polvo para el lavado de ropa.
La Población está constituida por el total de casas ubicadas en el Sector Urbano de cierta ciudad,
la cual se encuentra distribuida de la siguiente forma:
137
137
ESTADÍSTICA
Zona del sector Núm. de

urbano casas
Norte 573
Sur 950
Oriental 725
Occidental 638
Cuál será el tamaño de la muestra, si no se tienen estudios preliminares y tampoco se opta por
sacar una muestra piloto. La investigación se desea trabajar con un nivel de confiabilidad del
93.86% y un margen para el error de estimación del 4%.
Solución:
1 − 𝛼𝛼 = 0.9386 𝑆𝑆 2 = 𝑝𝑝. 𝑞𝑞 4
𝐸𝐸 =
100
𝛼𝛼 = 0.0614 𝑝𝑝 = 0.5 𝑞𝑞 = 0.5
𝐸𝐸 = 0.04
𝛼𝛼 𝑆𝑆 2 = (0.5)(0.5)
= 0.0307
2
𝑆𝑆 2 = 0.25
𝛼𝛼
1− = 0.9693
2
𝑍𝑍 = 1.87
Se sustituyen los valores de 𝑍𝑍, 𝑆𝑆 𝑦𝑦 𝐸𝐸 en la fórmula de 𝑛𝑛0 .
𝑍𝑍 2 . 𝑆𝑆 2
𝑛𝑛0 =
𝐸𝐸 2
(1.87)2 . (0.25)
𝑛𝑛0 = = 546.39
(0.04)2
Se toma el valor de 𝑛𝑛0 y se sustituye en la fórmula del tamaño de muestra 𝑛𝑛.

𝑛𝑛0
1+
𝑁𝑁
546.39
𝑛𝑛 = = 459.41 ≈ 459
546.39
1+
2886
138
138
ESTADÍSTICA
𝑛𝑛 = 459
Zona Núm.Casas (Ni) Wi ni

Norte 573 0,1985447 91
Sur 950 0,32917533 151
Oriental 725 0,25121275 115
Occidental 638 0,22106722 101
Total 2886 1 459
Conclusión: el tamaño de muestra es de 𝑛𝑛 = 459 casas, es decir se deben visitar para aplicarles
la encuesta del estudio a 459 casas, las cuales se han de seleccionar de forma aleatoria, la
repartición de este tamaño de muestra en cada una de las zonas se hace teniendo presente los
pesos o ponderaciones 𝑊𝑊𝑖𝑖 , quedando de la siguiente forma: En la zona norte 91 casas, en la Sur
151, en la oriental 115 y en la occidental 101.

Tomando como referencia el Ejemplo 4, calcular el tamaño de muestra si se desea trabajar con un
nivel de confiabilidad del 94.64% y un error de estimación del 5%.
Se considera que la principal variable dentro de la investigación es “Consumo del producto”. Como
no se tienen estudios anteriores, se opta por sacar una muestra piloto, conformada por 30 familias,
con las cuales se obtuvo la siguiente información, luego de preguntar en cada una de las casas si
se consumía o no dicho producto.
Casa Consumo Casa Consumo Casa Consumo

1 si 11 si 21 si
2 no 12 no 22 si
3 si 13 si 23 no
4 si 14 no 24 si
5 no 15 no 25 no
6 si 16 si 26 si
7 si 17 si 27 si
8 no 18 si 28 si
9 no 19 no 29 si
10 si 20 si 30 si
139
139
ESTADÍSTICA
Solución:
1 − 𝛼𝛼 = 0.9464 𝑆𝑆 2 = 𝑝𝑝. 𝑞𝑞 5
𝐸𝐸 =
100
𝛼𝛼 = 0.0536 20
𝑝𝑝 = = 0.67 𝐸𝐸 = 0.05
30
𝛼𝛼
= 0.0268
2 𝑞𝑞 = 1 − 𝑝𝑝 = 1 − 0.67
𝛼𝛼
1− = 0.9732 𝑞𝑞 = 0.33
2
𝑆𝑆 2 = (0.67)(0.33)
𝑍𝑍 = 1.93
𝑆𝑆 2 = 0.22
Se sustituyen los valores de 𝑍𝑍, 𝑆𝑆 𝑦𝑦 𝐸𝐸 en la fórmula de 𝑛𝑛0 .
𝑍𝑍 2 . 𝑆𝑆 2
𝑛𝑛0 =
𝐸𝐸 2
(1.93)2 . (0.22)
𝑛𝑛0 = = 327.79
(0.05)2
Se toma el valor de 𝑛𝑛0 y se sustituye en la fórmula del tamaño de muestra 𝑛𝑛.
𝑛𝑛0
1+
𝑁𝑁
327.79
𝑛𝑛 = = 294.36 ≈ 294
327.79
1+
2886
𝑛𝑛 = 294
Zona Núm.Casas (Ni) Wi ni

Norte 573 0,1985447 58
Sur 950 0,32917533 97
Oriental 725 0,25121275 74
Occidental 638 0,22106722 65
Total 2886 1 294
140
140
ESTADÍSTICA
Conclusión: el tamaño de muestra es de 𝑛𝑛 = 294 casas, es decir se deben visitar para aplicarles
la encuesta del estudio a 294 casas, las cuales se han de seleccionar de forma aleatoria, la
repartición de este tamaño de muestra en cada una de las zonas se hace teniendo presente los
pesos o ponderaciones 𝑊𝑊𝑖𝑖 , quedando de la siguiente forma: En la zona norte 58 casas, en la Sur
97, en la oriental 74 y en la occidental 65.
2.2.2.2. EJEMPLOS PROPUESTOS DE CÁLCULO DEL TAMAÑO DE MUESTRA

Ejemplo 1:
La Secretaría de Planeación de un municipio determinado efectúa un estudio en cuatro zonas
rurales (veredas del municipio), respecto a la distribución de familias que viven en casa propia o
arrendada, bajo el supuesto de que en cada casa vive una familia.
Familias por Zona
Zona Rural Total Familias

A 52
B 85
C 93
D 24
La característica de interés es poseer vivienda propia, además no existen estudios preliminares al

respecto. Se opta por extraer una muestra piloto 𝑛𝑛𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = 13 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓, la cual arrojó los
siguientes resultados:
Familia Vivienda Propia

1 SI
2 SI
3 NO
4 SI
5 NO
6 NO
7 SI
8 SI
9 SI
10 SI
11 NO
12 NO
13 NO
Calcular el tamaño de muestra si se desea trabajar con un nivel de confianza del 95% y un error de
estimación del 3%.
141
141
ESTADÍSTICA
Ejemplo 2:
El gobierno actual de un país está sumamente preocupado por el nivel educativo de sus dirigentes
y líderes políticos, para adelantar un proyecto de capacitación académica se pretende desarrollar
una investigación para detectar el porcentaje de profesionales y no profesionales que ejercen cargos
públicos y sus respectivas necesidades de capacitación.
Se tiene una población de 3785 dirigentes políticos, calcular el tamaño de muestra utilizando un
nivel de confianza del 97% y un margen para el error de estimación del 4%.
a) Cuál es el procedimiento a seguir en caso de existir estudios preliminares que contengan la
proporción de profesionales.
b) Especificar y efectuar el procedimiento en caso de no existir estudios preliminares al respecto y
de no optar por extraer una muestra piloto.
c) Especificar y efectuar el procedimiento en caso de no existir estudios preliminares al respecto y
de optar por extraer inicialmente una muestra piloto.
Ejemplo 3:
Uno de los varios planes de mercadeo de una empresa procesadora de leche y lácteos consiste en
suministrar gratuitamente litros de leche a familias de estrato 1 con población infantil. Se dona un
litro de leche diario por cada dos niños que existan en la familia. Con este proyecto al mismo tiempo
contribuye a programas de solidaridad y aporte alimenticio a la población más necesitada de la
región. Existe un convenio con una cadena de supermercado reconocida en el medio, dependiendo
de la cantidad de leche donada se comprometen a distribuir y vender entre la población con poder
adquisitivo el triple de lo donado.
La población ubicada en el estrato 1 del municipio, está distribuida así:

Número de familias
REGIÓN
con pobl.infantil
Nor-oriental 120
Sur-oriental 89
Nor-occidental 150
Sur-occidental 115
La donación se hará a toda la población, sin embargo para efectos de planeación en la producción
dentro de la planta procesadora de leche se requiere calcular un tamaño de muestra de las familias
con población infantil. Se pide:
Calcular el tamaño de muestra con una confianza del 96% y un margen para el error de estimación
del 3%, cuántas familias cada región forman parte de la muestra.
Ejemplo 4:
Una empresa organiza viajes vía aérea para ejecutivos de tres empresas multinacionales diferentes
que requieren desplazarse a otros países para asistir a seminarios y juntas de negocios. Cada
142
142
ESTADÍSTICA
ejecutivo efectúa en promedio 3 viajes semestrales, el gasto promedio por viaje de cada ejecutivo,
en cuanto a pasaje y estadía es de $2.800.000,00 dinero que ingresa a la agencia de viajes por
concepto de prestación de servicios.
El total de la población de ejecutivos de las tres multinacionales es el siguiente, de los cuales
algunos tienen asignadas labores dentro de la misma ciudad y otros viajan al extranjero.
Empresa
Núm.Ejecutivos
multinacional
A 320
B 125
C 238
Calcular el tamaño de muestra de ejecutivos con un nivel de confianza del 95% y un margen para
el error de estimación del 3%.
Ejemplo 5:
Para una investigación en el área económico-administrativa se requiere calcular el tamaño de
muestra de las empresas de una región clasificadas en grandes, medianas y microempresas. Es
de anotar que no existen estudios preliminares en esa región respecto a la temática. La población
de empresas de la región es la siguiente:
NÚMERO DE
CLASIFICACIÓN
EMPRESAS
Grande 140
Mediana 520
Micro 1743
a) Justifique si se recomienda trabajar con una muestra piloto para calcular el tamaño de muestra,
qué aspectos se necesita conocer para tal fin.
Cuál sería el procedimiento a seguir en caso de que la variable más importante dentro del
estudio fuese el atributo de existencia de buen clima laboral en la empresa.
b) En caso de optar por calcular el tamaño de muestra sin utilizar una muestra piloto, cómo se
calcularía el tamaño de muestra. Qué cantidad de empresas forman parte de la muestra dentro
de cada clasificación.
Ejemplo 6:
En una institución universitaria se sabe por estudios preliminares que el 75% de las personas (entre
empleados y alumnos) asisten a los eventos programados por Bienestar Institucional. Para
adelantar una investigación con el objetivo de analizar los logros de cada uno de los eventos
culturales, así como las sugerencias a tener en cuenta para futuras programaciones, se requiere
calcular un tamaño de muestra con un nivel de confianza del 96% y un margen para el error de
estimación del 5%. La población universitaria cuenta con 130 empleados y 2415 alumnos.
143
143
ESTADÍSTICA
Ejemplo 7:
Una empresa de utensilios plásticos para el hogar, contrata los servicios de una empresa publicitaria
para analizar si justifica o no, mercadear su producto a través de la televisión en el Canal Regional,
durante las horas de la noche entre las 7:00 pm y 10:00 pm.
La investigación se delimita físicamente a toda la zona de cobertura del canal regional, esta zona
se encuentra divida en siete sectores, el número de viviendas por sector es el siguiente:
NÚMERO DE
SECTOR
VIVIENDAS
S1 68
S2 95
S3 158
S4 67
S5 256
S6 147
S7 93
a) Tomar una muestra piloto y calcular la proporción de viviendas en las cuales existe un adulto
responsable viendo la televisión en el canal regional durante ese lapso de tiempo.
b) Utilizar el resultado de esa proporción como herramienta para calcular el tamaño de muestra
para la investigación definitiva con un nivel de confianza del 95% y un margen para el error de
estimación del 3%.
Cuántas viviendas dentro de cada sector forman parte del tamaño de la muestra.
Ejemplo 8:
Para una investigación efectuada a empresarios del departamento de Antioquia, donde la principal
característica de interés son aquellos empresarios con dominio de la temática en Logística de la
Distribución. Se toma la Población de acuerdo a la base de datos suministrada por la Cámara de
Comercio, la cual muestra la siguiente distribución:
Región Núm.Empresarios
(Ni)
Norte 2500
Sur 1780
Oriente 1200
Occidente 3295
144
144
ESTADÍSTICA
Se tomó una muestra piloto de 28 empresarios, los cuales suministraron información respecto a la
característica principal (Conocimiento en Logística), la cual arrojó los siguientes resultados:
Dominio de la Dominio de Dominio de Dominio de

Empresario Empresario Empresario Empresario
Logística la Logística la Logística la Logística
1 si 8 no 15 no 22 si
2 no 9 si 16 si 23 si
3 si 10 si 17 no 24 si
4 si 11 no 18 no 25 no
5 no 12 si 19 si 26 si
6 si 13 no 20 si 27 si
7 no 14 si 21 si 28 no
Se desea trabajar la investigación con un nivel de confiabilidad del 96.24% y con un margen para el
error de estimación del 4.12%.
Calcular el tamaño de muestra, describir o interpretar el resultado obtenido, especificar la
distribución en cada una de las regiones, así como la forma en que se debe seleccionar a cada
empresario que formará parte de la muestra. Efectuar procedimiento completo.
145
145
ESTADÍSTICA
REFERENCIA BIBLIOGRAFICA
Cruz, M. (2005). Estadística para Educación Superior. Medellín: Esumer.
Devore, J. (2012). Probabilidad y Estadística para Ingeniería y Ciencias. Estados Unidos:

Cengage Learning.
Douglas, L. (2008). Estadística aplicada a los negocios y la economía. México: McGraw-Hill.
Levine, D. (2006). Estadística para administración. México: Prentice-Hall.
Martínez, C. (2008). Estadística y Muestreo. Colombia: Ecoe.
Mendenhall, W. (2012). Introducción a la Probabilidad y la Estadística. Estados Unidos: Cengage

Learning.
Newbold, P. (2013). Estadística para Administración y Economía. México: Pearson.
Spiegel, M. (2010). Probabilidad y Estadística. México: McGraw-Hill.
Wackerly, D. (2007). Estadística Matemática con aplicaciones. España: Thomson.
146
146
ESTADÍSTICA
MARY NIEVES CRUZ ZULUAGA
Egresada de la Facultad de Estadística e Informática de la Universidad de Medellín (Colombia).

Especialista en Gerencia de Proyectos de la Institución Universitaria Esumer, Medellín (Colombia).
Magister en Dirección de Empresas de la Universidad Pablo de Olavide, Sevilla (España).
Docente investigadora de tiempo completo en la Institución Universitaria Esumer.
Móvil: 316.447.48.02 E-mail: mncruz@esumer.edu.co
marynievescruz@yahoo.es
147
147
Se terminó de imprimir en la Editorial L Vieco S.A.S. en el mes de septiembre de
2014, carátula en propalcote 240g y las páginas interiores en papel Bond de 75g

Estadistica para Las Ciencias Economico Administrativas

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

Estadistica para Las Ciencias Economico Administrativas

Încărcat de

Drepturi de autor:

Formate disponibile

i

Mary Nieves Cruz Zuluaga

Fundamentos de Estadística para las ciencias Consejo Superior

1.1.3. GRÁFICOS ESTADÍSTICOS ……………………………………………………………………….. 13

1.2.3. ANÁLISIS DE REGRESIÓN EN UNA SERIE DE TIEMPO …………………………………….. 78

2.2.2.1. EJEMPLOS DE APLICACIÓN RESUELTOS DE TAMAÑO DE MUESTRA …………………… 129

0.4. SISTEMA DE CONOCIMIENTOS

0.5. SISTEMA DE HABILIDADES

 Analizar con lógica-matemática el procesamiento e interpretación de volúmenes de información durante

0.7. MÉTODOS Y MEDIOS

1. UNIDAD DE APRENDIZAJE 1: ESTADÍSTICA DESCRIPTIVA

La información recolectada ha de ser organizada a través de Tablas de Frecuencia y Gráficos, para

1.1. UNIDAD TEMÁTICA 1: ORGANIZACIÓN, PROCESAMIENTO Y ANÁLISIS

 VARIABLES CUANTITATIVAS DISCRETAS

1.1.2. TABLAS DE FRECUENCIA

PARA UNA VARIABLE CUALITATIVA

Características de las frecuencias absolutas ( fi ):

1. Las frecuencias absolutas siempre son valores enteros y positivos.

Siendo n el total de elementos o unidades de investigación.

2. La sumatoria de las frecuencias absolutas es igual a n.

PARA UNA VARIABLE CUANTITATIVA SIN AGRUPAR POR INTERVALOS

Esta tabla contiene m renglones (filas).

FRECUENCIA RELATIVA (hi)

Características de las frecuencias relativas:

3. La sumatoria de las frecuencias relativas siempre es igual a 1

FRECUENCIAS ABSOLUTAS ACUMULADAS (Fi)

Es ir acumulando las frecuencias absolutas (fi), así:

También, se tiene que:

Características de las frecuencias absolutas acumuladas:

1. El primer valor de las Fi siempre es igual al primer valor de las fi.

FRECUENCIAS RELATIVAS ACUMULADAS (Hi)

Es ir acumulando las frecuencias relativas (hi), así:

También, se tiene que:

Características de las frecuencias relativas acumuladas:

2. El último valor de las Hi siempre es igual a 1.

PARA UNA VARIABLE CUANTITATIVA AGRUPADA POR INTERVALOS

Esta tabla contiene m renglones que coinciden con el número de intervalos.

MARCAS DE CLASE (Xi)

AMPLITUD DE LOS INTERVALOS (C )

CONFORMACIÓN DE LOS INTERVALOS

Paso 2: Calcular el Rango R.

Paso 3: Calcular el número de intervalos (m)

Paso 4: Calcular o definir la amplitud que van a tener los intervalos C.

Paso 5: Calcular el nuevo Rango (R*)

Paso 6: Comparar el nuevo rango (R*) con el rango inicial R.

Paso 7: Calcular el incremento del Rango (ΔR)

Paso 8: Conformar los intervalos.

CONTEO DE LAS FRECUENCIAS ABSOLUTAS (fi)

TABLA DE FRECUENCIA PARA DOS O MÁS VARIABLES

TABLAS DE CLASIFICACIÓN CRUZADA PARA DOS VARIABLES

Se conoce también con el nombre de tabla de doble entrada.

Tabla de clasificación cruzada bivariada.

TABLAS DE CLASIFICACIÓN CRUZADA PARA TRES O MÁS VARIABLES

Tabla de clasificación cruzada trivariada.

Categoria 1 (Variable 1) Categoria 2 (Variable 1) ...

Para más de tres variables:

1.1.3. GRÁFICOS ESTADÍSTICOS

Gráfico de Pastel o Circular

Concepto de los bachilleres encuestados sobre Esumer

Grado de conocimiento que poseen los empresarios de los

Diagrama de Barras Bivariado

Estudiantes de Pregrado en cada uno de los niveles de

Áreas en las que el empresario considera que Esumer podría