Estadisticas

Probabilidad y Estadstica 2012
UNIVERSIDAD TECNICA ESTATAL DE

QUEVEDO
FACULTAD CIENCIAS DE LA INGENIERIA
ESCUELA DE INFORMATICA
CARRERA INGENIERA EN SISTEMAS

2012
1
Ing. Fernando Macas Tachong. F.C.I.
TEXTO GUIA
PROBABILIDAD Y
ESTADISTICA
AUTOR- COMPILADOR
ING. FERNANDO MACIAS TACHONG
PREFACIO
2
El presente texto gua acomete ser claro, sencillo y

simplificado. Los conceptos bsicos de Estadstica
y
Probabilidad, son un repaso a la
relacin dinmica
existente entre lgica y matemticas, disciplinas que por
medio de reglas y tcnicas determinan si un argumento es
vlido. La lgica es ampliamente aplicada en la filosofa,
matemticas, computacin, fsica. En la filosofa para
determinar si un razonamiento es vlido o no, ya que una
frase puede tener diferentes interpretaciones, sin embargo
la lgica permite saber el significado correcto. En este
contexto juegan un papel fundamental para las diferentes
aplicaciones de estudio de la carrera de Ingeniera en
Sistemas.
Tomando en consideracin los avances tecnolgicos, surge
la necesidad de analizar las relaciones entre el hombre con
sus actividades y
las matemticas para demostrar
teoremas e inferir resultados matemticos que puedan ser
aplicados en investigaciones. En la computacin para
revisar programas. Se desarrollo este manual, pensando en
que los lectores son educandos y personas con experiencias
referente al los temas de Lgica Matemticas y Algebra
Elemental.
OBJETIVO GENERAL
El conocimiento de la Estadstica permitir la
determinacin de las modificaciones necesarias a fin de
mantener la actividad de una empresa, cualquiera que esta
sea, en un nivel deseado de calidad a partir del correcto
manejo de los datos de dicha empresa.
Manejar correctamente las tcnicas estadsticas con el fin de
tomar decisiones correctas que afectan nuestra vida diaria.
La Probabilidad permite a quien toma decisiones, analizar
con informacin limitada- los riesgos y minimizar el azar
inherente.
Resolver problemas usando tcnicas de la Estadstica y de la
Probabilidad.
CONTENIDO
3
TEMA
Pgs.
PORTADA
1
PORTADILLA
2
PREFACIO
3
CONTENIDO
4
INTRODUCCION
6
Tabla de contenido
CARRERA DE DISEO GRAFICO Y...................................................................1
MULTIMEDIA................................................................................................... 1
2011............................................................................................................... 1
UNIDAD I. Estadstica descriptiva................................................................11
1. Conceptos Generales............................................................................... 11
2. Datos estadsticos:................................................................................... 13
2.1. Tipos de datos.................................................................................... 13
2.1.1. Niveles de medicin.....................................................................14
2.1.2. Datos de nivel nominal................................................................15
2.1.3. Datos de nivel ordinal..................................................................16
2.1.4. Datos de nivel de intervalo..........................................................16
2.1.5. Datos de nivel de razn...............................................................17
2.2. Distribucin de frecuencias................................................................18
2.2.1. Elaboracin de una distribucin de frecuencias...........................20
2.2.2. Intervalos de clase y puntos medios de clase..............................20
2.3. Representacin grfica de una distribucin de frecuencias...............21
2.3.1. HISTOGRAMA............................................................................... 22
2.3. Polgono de frecuencias.....................................................................22
2.3.1. DISTRIBUCIONES DE FRECUENCIA RELATIVA...............................23
4

2.3.2. Otras representaciones grficas de datos....................................25
3. Medidas de tendencial central.................................................................28
3.1. Media aritmtica................................................................................ 28
3.2. Media aritmtica ponderada..............................................................28
3.3. Mediana............................................................................................. 30
3.4. Moda.................................................................................................. 31
3.5. Media Geomtrica.............................................................................. 32
3.6. Media, mediana y moda de datos agrupados....................................33
4. Medidas de dispersin.............................................................................. 36
4.1. Amplitud de variacin........................................................................36
4.2. Desviacin media............................................................................... 37
4.3. Varianza y desviacin estndar..........................................................40
4.4. Medidas de dispersin para datos agrupados en una distribucin de
frecuencias................................................................................................ 43
4.4.1. Amplitud de variacin..................................................................43
4.4.2. Desviacin estndar.....................................................................43
4.5. Interpretacin y usos de la desviacin estndar................................47
4.5.1. Teorema de Chebyshev................................................................47
4.5.2. Regla emprica............................................................................. 48
4.5.3. Dispersin relativa.......................................................................49
UNIDAD II. Probabilidad............................................................................... 51
5
FACULTAD CIENCIAS DE LA INGENIERIA

CARRERA DE INGENIERIA EN SISTEMAS
PROBABILIDAD Y ESTADISTICA
OBJETIVO GENERAL
El
conocimiento
de
la
Estadstica
permitir
la
determinacin de las modificaciones necesarias a fin de

mantener la actividad de una empresa, cualquiera que esta
sea, en un nivel deseado de calidad a partir del correcto
manejo de los datos de dicha empresa.
Manejar correctamente las tcnicas estadsticas con el fin
de tomar decisiones correctas que afectan nuestra vida
diaria.
La Probabilidad permite a quien toma decisiones, analizar
con informacin limitada- los riesgos y minimizar el azar
inherente.
Resolver problemas usando tcnicas de la Estadstica y de
la Probabilidad.
C. FUNDAMENTACIN DE LA ASIGNATURA
La Probabilidad y Estadstica ha demostrado su importancia
dada la necesidad que tienen todas las empresas de que las
decisiones administrativas sean tomadas cientficamente,
6
siendo esta materia la que permite, en base a un conjunto

de datos y tcnicas. tomar las mejores decisiones.
D. OBJETIVOS EDUCATIVOS
Se espera que al final del presente curso el estudiante este
en capacidad de tratar correctamente a un conjunto de
datos
usando
las
tcnicas
estadsticas
para
obtener
conclusiones vlidas.
Propiciar el razonamiento crtico, que permita al alumno
comprender y liderar procesos de cambios tcnicos en el
desarrollo profesional.
PLAN DE ESTUDIOS
UNIDAD I. Estadstica descriptiva
1. Conceptos Generales
2. Datos estadsticos:
2.1.
Tipos de datos
2.2.
Distribucin de frecuencias
2.2.1. Elaboracin de una distribucin de frecuencias

2.2.2. Intervalos de clase y puntos medios de clase
2.3.
Representacin grfica de una distribucin de frecuencias
2.3.1. Histograma
2.3.2. Polgono de frecuencias
2.3.3. Otras representaciones grficas
3. Medidas de tendencia central
3.1.
Media aritmtica
3.2.
Media ponderada
3.3.
Mediana
3.4.
Moda
3.5.
Media Geomtrica
7
3.6.
Media, mediana y moda de datos agrupados
3.7.
Seleccin de un promedio para datos de una distribucin
de frecuencias.
4. Medidas de dispersin
4.1.
Amplitud de variacin
4.2.
Desviacin media
4.3.
Variancia y desviacin estndar
4.4.
Medidas de dispersin para datos agrupados en una
distribucin de frecuencias.
4.4.1. Amplitud de variacin
4.4.2. Desviacin estndar
4.5.
Interpretacin y usos de la desviacin estndar
4.5.1. Teorema de Chebyshev

4.5.2. Regla emprica
4.5.3. Dispersin relativa
4.5.4. Asimetra
4.6.
Otras medidas de dispersin
UNIDAD II.
Probabilidad
2.1. Conceptos Generales

2.2. Espacio muestral
1.1.
Diagrama de rbol
2.2.3. Eventos
2. Conteo de puntos de la muestra
2.1.
Permutaciones
2.2.
Combinaciones
3. Probabilidad de un evento
4. Reglas aditivas
5. Probabilidad Condicional
6. Reglas multiplicativas
7. Teorema de Bayes
UNIDAD III. Estadstica inferencial
1. Conceptos generales
2. Distribuciones probabilsticas discretas
8
2.1.
Introduccin
2.2.
Variables aleatorias
2.2.1. Variable aleatoria discreta

2.2.2. Variable aleatoria continua
2.3.
Media, variancia y desviacin estndar de una distribucin
de probabilidad
2.4.
Distribucin probabilstica binomial
2.5.
Distribuciones probabilsticas acumulativas
2.6.
Distribucin probabilstica hipergeomtrica
2.7.
Distribucin probabilstica de Poisson
3. Distribucin probabilstica normal

3.1.
Introduccin
3.2.
La familia de distribuciones probabilsticas normales
3.3.
Distribucin probabilstica normal estndar
3.4.
Aplicaciones de la distribucin normal estndar
3.4.1. reas bajo la curva normal
F. SISTEMA DE EVALUACION
Consideramos que la evaluacin debe ser continua para
analizar el aprendizaje, adems de la realizacin de
9
trabajos
grupales,
individuales,
investigaciones
bibliogrficas, etc., de tal manera que se vayan cumpliendo

los objetivos planteados. La calificacin ser el promedio de
los valores asignados a cada una de las actividades que se
desarrollan en cada unidad, tomando en cuenta la siguiente
propuesta:
EVALUACIONES CONTINUAS:
TRABAJOS, CONSULTAS:
4p
2p
EXAMEN FINAL:
TOTAL:
4p
10 p
G. BIBLIOGRAFA
i.
PROBABILIDAD Y ESTADSTICA; Murray y Spiegel; Ed.

Schaum
ii.
PROBABILIDAD Y ESTADSTICA; Walpole, Myers; Ed.

Prentice may
iii.
ESTADSTICA PARA ADMINISTRACIN Y ECONOMIA;

Mason; Ed. Alfaomega
iv.
PROBABILIDAD Y ESTADSTICA; George Canavos; Ed.

Mc Graw Hill
UNIDAD I. Estadstica descriptiva

1. Conceptos Generales
10
Qu se entiende por Estadstica?

Podramos definir a estadstica como un trmino que
encontramos frecuentemente en nuestro lenguaje diario. Y en
realidad tiene dos significados ; en el uso ms comn , la
estadstica se refiere a informacin numrica: podemos citar
como ejemplos el nmero promedio de automviles Chevrolet
vendidos mensualmente el ao pasado por la concesionaria
Automotores Continental, el porcentaje de visitantes que tuvo
el mes de mayo el Centro Comercial Moll del Sol, el nmero de
alumnos matriculados en la modalidad a Distancia en la UTEQ,
el nmero de asistente al ltimo clsico del AstilleroEstos
ejemplos citados hacen de la estadstica un nmero o un
porcentaje, aunque puede ser tambin una coleccin numrica
de
informacin.
Las
estadsticas
pueden
presentarse
grficamente o en forma de enunciado (por lo general se

utiliza una grfica para captar la atencin del lector y mostrar
una gran cantidad de informacin), como por ejemplo
participacin
la
y venta de un producto en el mercado caso
helados pingino o la operadora de celular claro.

La materia estadstica tiene un significado mucho ms amplio
que la manera de recopilacin y publicacin numrica. La
estadstica se define como:
11
La
ciencia
que
se
ocupa
de
recolectar,
organizar,
presentar, analizar e interpretar datos para ayudar a una

toma de decisiones ms efectiva.
Generalmente, el estudio de la estadstica se divide en dos
categoras: E. Descriptiva y E. Inferencial. La definicin de
estadstica que se presento con anterioridad menciona la
organizacin, presentacin, anlisis..de datos refiere a la
ciencia que comnmente se conoce como E. Descriptiva.
Estadstica descriptiva, es el conjunto de mtodos para

organizar, resumir y presentar los datos de manera
informativa.
2. Datos estadsticos:
2.1. Tipos de datos
Existen dos tipos bsicos de datos: (1) Los obtenidos a partir de
una poblacin cualitativa, y los que resultan de una poblacin
cuantitativa. Cuando las caractersticas o variables en estudio es

no numrica, se la denomina variable cualitativa o atributo. Ej.
De esta variable son el gnero sexual, religin, tipo de automvil,
estado o lugar de nacimiento y el color de ojos de una persona.
Normalmente los datos cualitativos se resumen en Diagramas o
grficos de barras.
12
Cuando la variable estudiada se puede expresar numricamente,

se denomina variable cuantitativa. Ej. Pueden ser
el saldo de
una cuenta de cheques, la edad de los alumnos del preuniversitario, el nmero de hijos de una familia, la cantidad de
candidatos a ser elegidos para una funcin pblica. Las variables
cuantitativas pueden ser discretas o continuas .Las variables
discretas pueden asumir solo ciertos valores, y generalmente
existen ciertas brechas o huecos entre ellos; como por ej. el
nmero de dormitorios de una casa (1,2,3,4) el nmero de carros
que pagan peaje en la va a Salinas(2000, 2520, 2600). Notemos
en el primer ejemplo, en una casa pueden haber 3 o 4
dormitorios, pero no 3.5 por tanto hay una brecha; lo mismo
sucede en el segundo ej se cuenta el nmero de vehculos. Por lo
general las variables discretas son resultado de un conteo.
Las observaciones de una variable continua pueden tomar
cualquier valor dentro de un intervalo determinado, ejs son la
presin de aire en un neumtico, la cantidad de cereal en una caja
y el tiempo de vuelo para transportarlo por va area desde
Manta a Quito, son variables de ndole continua. El vuelo de
Manta a Quito puede tardar 2 horas 45 minutos, o 2 horas 45
minutos y 30 segundos o bien 2 horas 45 minutos y 32.2
segundos, dependiendo de la presin cronomtrica. Las variables
continuas resultan generalmente de medir algo.
2.1.1. Niveles de medicin
13
Los datos pueden clasificarse de acuerdo con los niveles de

medicin. Generalmente, el nivel de medicin de un dato
determina los clculos q se pueden realizar para resumir y
presentar la informacin, y las pruebas estadsticas que pueden
desarrollarse. Por ej. Hay 6 colores de dulces en una funda;
suponemos q al color caf le asignamos el valor 1, al amarillo 2, al
azul 3, al naranja 4, al verde 5 y al rojo 6. Se suman los valores
asignados a los colores, y el resultado se divide entre el nmero
de dulces, resultando q el color medio es 3.56. Esto significa q
el color promedio es azul o naranja? Otro ej. Es una carrera en la
pista de la escuela, existen 8 competidores en la carrera de
400m, se reportan el orden de llegada y se indica q el valor
promedio en el orden citado es 4.5 Qu indica el valor promedio
de llegada? En ambos casos, el nivel de medicin no se ha
utilizado en la forma adecuada.
Existen 4 niveles de medicin: Nominal, Ordinal, de Intervalo y
de Razn. El nivel ms bajo o ms primitivo es el nominal. El ms
alto o el que proporciona la mayor cantidad de informacin
acerca de la observacin, es el nivel de mediacin de razn.
2.1.2. Datos de nivel nominal

En el nivel nominal de la medicin, las observaciones solamente se
pueden clasificar o contar. O existe algn orden especfico entre
14
las clases, un ej. Es la clasificacin de seis colores en la funda,

simplemente se clasifican los dulces segn el color; no hay un
orden natural. Esto quiere decir q primero se puede reportar la
cantidad de dulces color caf o las naranjas, o las de cualquier
otro color. El gnero sexual es otro ej. De nivel de medicin
nominal; supongamos q contamos el nmero de estudiantes q
asisten a un juego de futbol utilizando su identificacin escolar y
se reporta cuanto son hombres y cuntos son mujeres. Se puede
reportar primero la cantidad de varones o la de fminas. Para el
nivel nominal de medicin la nica medicin posible es un conteo .
2.1.3. Datos de nivel ordinal
El nivel ordinal supone que cada categora tiene mayor jerarqua
que la siguiente.
Las propiedades del nivel de datos ordinal son:
1. Las categoras para los datos son mutuamente excluyentes y
exhaustivas.
2. Dichas categoras para los datos se clasifican por intervalos, o
se ordenan de acuerdo con las caractersticas particulares que
poseen.
2.1.4. Datos de nivel de intervalo

Este nivel incluye todas las caractersticas
del nivel ordinal
pero, adems, la diferencia entre los valores tiene un tamao

15
constante; un ej. De nivel de medicin de intervalo es la

Temperatura, p ej. Suponiendo las temperaturas ms altas en
tres das consecutivos de invierno en la ciudad de Boston son
28.31 y 20 F. Estas temperaturas pueden ordenarse fcilmente,
pero tambin se puede determinar la diferencia entre las
mismas; esto es posible a q un F representa una unidad de
medicin. Las diferencias iguales entre 2 puntos de temperaturas
son las mismas, sin importar la posicin en q se encuentra la
escala. Esto quiere decir q la diferencia entre 10 F y 15F es 5,
y la diferencia entre 50F y 55F tambin es 5.
Las propiedades de la escala de intervalo son:
1. las categoras para los datos son mutuamente excluyentes y
exhaustivas.
2. Las categoras en cuestin estn ordenadas de acuerdo con la
cantidad de las caractersticas q poseen.
3. Diferencias iguales en la caracterstica se representa por
diferencia iguales en la medicin.
Hay pocos Ejs. de la escala de medicin de intervalo: La
Temperatura Y la medicin de calzado.
2.1.5. Datos de nivel de razn.

Prcticamente todos los datos cuantitativos son el nivel de razn
de la medicin. El nivel de razn es el nivel de medicin ms
16
alto. Esta medida tiene todas las caractersticas del nivel de

intervalo, pero adems el punto 0 s tiene significado, y la razn
(o cociente) entre dos nmeros tambin es significativa. Ejs de la
escala de razn son los salarios, las unidades de produccin, el
peso, los cambios de precios de las acciones, la distancia entre un
conjunto de oficina y la estatura.
El dinero es un ej.; Si
se tiene 0 dlares, entonces no se posee fondos. El peso otro ej,

ya q si la escala de una bascula esta en cero, hay una total
ausencia de peso. La razn entre 2 nmeros tambin tiene
significado; si una persona gana $30.000 al ao vendiendo
2.2. Distribucin de frecuencias
TOMA DE DATOS
Los
datos
son
colecciones
de
cualquier
cantidad
de
observaciones relacionadas. Podemos recopilar el nmero de

telfonos marca Nokia que se vendieron para el da del padre.
Una coleccin de datos se conoce como conjunto de datos; una
sola observacin es un dato puntual.
ORDENACION
Una ordenacin es una colocacin de los datos numricos
tomados, en orden creciente o decreciente de magnitud. La
diferencia entre el mayor y el menor de los nmeros se llama
recorrido o rango de los datos. Por ejemplo, si la altura mayor de

los 100 estudiantes es 74 pulgadas y la menos es de 60 pulgadas,
el rango es 74 60 = 14 pulgadas.
17
DISTRIBUCIONES DE FRECUENCIA
Cuando se dispone de gran nmeros de datos, es til el
distribuirlos en clases o categoras y determinar el nmero de
individuos pertenecientes a cada clase, que es la frecuencia de
clase.
Una ordenacin tabular de los datos en clases,
reunidas las clases con las frecuencias correspondientes a

cada una, se conoce como una distribucin de frecuencia o
tabla de frecuencias. La Tabla 2-1 es una distribucin de
frecuencia de alturas (registradas con aproximacin de pulgada)
de 100 estudiantes de la Universidad XYZ.
Tabla 2-1
Alturas de 100 estudiantes en la Universidad X Y Z
Alturas
Nmero de
(pulgadas)
60 62
Estudiantes
5
63 65
18
66 68
42
69 71
27
72 74
8
Total 100
La primera clase o categora, por ejemplo, comprende las

alturas de 60 a 62 pulgadas y viene indicada por el smbolo
60 62. Puesto que 5 estudiantes tienen una altura
18
perteneciente a esta clase, la correspondiente frecuencia de

clase es 5.
Los datos ordenados y resumidos como en la distribucin de
frecuencia anterior, se suelen llamar datos agrupados. Aunque
con el proceso de agrupamiento generalmente se pierde parte del
detalle original de los datos, tiene la importante ventaja de
presentarlos todos <todos> en una sencillo cuadro que facilita el
hallazgo de las relaciones que pueda haber entre ellos, puestas
as de manifiesto.
2.2.1.
Elaboracin
de
una
distribucin
de
frecuencias
REGLAS
GENERALES
PARA
FORMAR
LAS
DISTRIBUCUIONES DE FRECUENCIAS
1.- Determinar el mayor y el menor entre los datos registrados
y as encontrar el rango (diferencia entre el mayor y el menor de
los datos).
2.- Dividir el rango en un nmero conveniente de intervalos de
clase del mismo tamao. Si esto no es posible, utilizar intervalos
de clase de diferente tamao o intervalos de clase abiertos. El
nmero de intervalos de clase generalmente se toman entre 5 y
20 dependiendo de los datos. Los intervalos de clase se eligen
tambin de forma que las marcas de clase
o puntos medios
coincidan con datos realmente observados. Esto tiende a minorar

el llamado error de agrupamiento.
19
3.- Determinar el nmero de observaciones que caen en cada

intervalo de clase, es decir, encontrar las frecuencias de clase.
Lo mejor para esto es utilizar una hoja de conteo.
2.2.2. Intervalos de clase y puntos medios de clase
Los trminos clase e intervalo de clase se utilizan a menudo
indistintamente, aunque el intervalo de clase es realmente un
smbolo para la clase.
El punto medio tambin se conoce como marca de clase, se
localiza a la mitad entre los lmites inferiores de 2 clases
consecutivas; se calcula sumando el lmite inferior de la clase al
lmite superior de la misma, y dividiendo el resultado entre 2.
Tomando la tabla del ej. Anterior el lmite inferior de la primera
clase es 60 y el siguiente lmite es 63. El punto medio de clase
es 61.5, q se obtiene de (60+63)/2.
Para determinar el intervalo de clase, se resta el lmite
inferior de una clase, del lmite inferior de la siguiente; El
intervalo de clase de los datos alumnos de la Universidad es 3,
que se obtiene al restar el lmite inferior 63 60.
2.3.
Representacin
grfica
de
una
distribucin
de
frecuencias
Existen dos mtodos para representar grficamente una
distribucin de frecuencia: Histograma y el Polgono de
frecuencias.
20
Estas grficas proporcionan datos en un diagrama de
dos
dimensiones; en el eje horizontal muestra los valores de la

variable (la caracterstica que estamos midiendo) y en eleje
vertical sealamos las frecuencias de clases mostradas en el eje
horizontal.
2.3.1. HISTOGRAMA
Un Histograma o Histograma de frecuencia
es la grfica de un
conjunto de datos compuesta por una serie de rectngulos,

muestra el nmero de frecuencia en cada clase en forma de
rectngulos y consiste en una serie de rectngulos que tienen:
a. Sus bases sobre un eje horizontal (el eje X) con centros en las
marcas de clase y longitud igual al tamao de los intervalos de
clase.
b) Superficies proporcionales a las frecuencias de clase.
Ventajas de los Histogramas
1. Los rectngulos muestran cada clase de la distribucin por
separado.
2., El rea de cada rectngulo, en relacin con el resto, muestra
la proporcin del nmero total de observaciones que se
encuentran en cada clase.
2.3. Polgono de frecuencias
Un polgono de frecuencia es un grfico de lnea trazado sobre
las marcas de clase. Puede obtenerse uniendo los puntos medios
de los techos de los rectngulos en el histograma.
21
Ventajas del polgono de frecuencia

1. Es ms sencillo que su histograma correspondiente
2. Bosqueja con ms claridad un perfil del patrn de los datos.
3. El polgono cada vez se vuelve ms suave y parecido a una
curva conforme aumentamos el nmero de clases y el nmero de
observaciones.
El histograma y el polgono de frecuencias correspondiente a la
distribucin de frecuencias de las alturas de los estudiantes se
muestran en el mismo sistema de ejes en la Figura a continuacin.
Se acostumbra a prolongar el polgono con PQ y RS hasta las
marcas
de
clase
inferior
superior
inmediatas,
que
corresponderan a la clase de frecuencia cero. En tal caso, la

suma de las reas de los rectngulos del histograma es igual al
rea total limitada por el polgono de frecuencias y el eje X.
2.3.1. DISTRIBUCIONES DE FRECUENCIA RELATIVA

22
La frecuencia relativa de una clase es la frecuencia de la clase

dividida por el total de frecuencias de todas las clases y se
expresa como fraccin o generalmente como porcentaje. Por
ejemplo, la frecuencia relativa de la clase 66 68 de la tabla
anterior es 42/100= 42%. La suma de las frecuencias relativas
de todas las clases es evidentemente 1 100%.
DISTRIBUCIONES DE FRECUENCIA
ACUMULADA.
Son el nmero de observaciones que son menores que el lmite

superior de la clase; se obtiene sumando las frecuencias
(absolutas o relativas).
23
2.3.2. Otras representaciones grficas de datos

Representaciones grficas como los diagramas de grfica de
lnea, grficas de barras y las grficas circular que aparecen
en EEUU en publicaciones como USA Today, U.S. News and
World Report, Bussines Week, as como en otros peridicos,
revistas y reportes gubernamentales, son las que veremos a
continuacin.
2.3.2.1.
Grficas
de
lneas:
Estas representaciones son
especialmente efectivas en los negocios porque se puede mostrar

el cambio en una variable a travs del tiempo.
En el ej. Que presentaremos muestra la circulacin del peridico
Sun Times desde 1995 hasta el ao 2000; indica que las ventas
del peridico han aumentado, pero desde 1997 parece haber
disminuido la tasa de crecimiento en ventas.
2.3.2.2. Grfico de barras: Es especialmente til para mostrar

cualquiera de los niveles de medicin: Nominal, ordinal, Intervalo
y razn.
24
A este tipo de representacin se la conoce como grfica

de barras horizontales, debido a su configuracin.
A este tipo de representacin se la conoce como grfica

de barras verticales, debido a su configuracin.
2.3.2.3.
Grfica
circular:
Especialmente
mostrar los datos de nivel nominal.
25
til
para
3. Medidas de tendencial central

La medida de tendencia central es un valor nico que
resume un conjunto de datos. No existe solamente una
medida de tendencia central, sino varias, consideraremos
cinco: La media aritmtica, la media ponderada, la mediana,
la moda y la media geomtrica. Cada una de ellas tiene sus
ventajas e inconvenientes, dependiendo la aplicacin de una
u otra de los resultados que se pretendan sacar de los
datos.
3.1. Media aritmtica
La Media aritmtica o medida de un conjunto de N nmeros
X1, x2, x3,.....xn se representa por
define como
(lase X barra) y se
26
X
n
Ej.: La medida aritmtica de los nmeros 8, 3, 5, 12,

10 es
X
8+ 3+5+12+, 10
5
38
5
= 7.6
3.2. Media aritmtica ponderada

La media ponderada es un caso especial de la media comn
o media aritmtica. Se presenta cuando hay varias
observaciones con un mismo valor, lo cual puede ocurrir si
los datos se han agrupado en una distribucin de
frecuencia.
Ej: supongamos entonces que en el bar de la universidad se
venden refrescos medianos, grandes y extra grandes y su
precio es de $0.90 1.25 y 1.50 respectivamente; de los
ltimos 10 refrescos que se vendieron eran medianos, 4
grandes y extra grandes. Para calcular su precio promedio
de los ltimos 10 refrescos vendidos se utiliza la formula.
X = 0.90+0.90+0.90+1.25+1.25+1.25+1.25+1.50+1.50+1.50 =
10
X= $12.20/10 = $ 1.22
Una manera ms fcil de encontrar el precio medio de

venta es determinar la media ponderada. Esto quiere decir
que cada observacin se multiplica por el nmero de veces
27
que se presenta. A la media ponderada se la representa

como
(w X)
w = w
Podemos resumir la frmula como

3.3. Mediana
Es el dato estadstico central de una muestra luego de ser

ordenada, de menor a mayor o viceversa. Se la abrevia con
la siguiente palabra Me.
Datos no agrupados: Para un conjunto de datos impares un
procedimiento y para los datos impares otro. Ej.:
Cuando el nmero de datos es impar:
X1
1
X2
2
X3
3
X4
4
X5
5
X6
6
X7
7
En este caso utilizamos la frmula:
.
Me =
7+1
2
8
2
Me = X 4
De esta manera obtenemos el valor central que se

encuentra en la posicin 4. O sea el nmero 4.
Cuando el nmero es par:
Si n es par, la mediana es la media aritmtica de las
dos observaciones centrales. Cuando n es par, los dos
28
datos que estn en el centro de la muestra ocupan las

posiciones
Es decir:
En este caso utilizamos la frmula:
.
X1
X2
X3
X4
X5
X6
10
3.4. Moda
La moda es el valor de la observacin que aparece con ms
frecuencia. Es especialmente til para describir los niveles
de mediciones nominales y ordinales.
Ej: A continuacin mostramos los suelos anuales de
gerentes de control de calidad en algunas provincias del
Ecuador. Cul es el valor modal de los sueldos
PROVINCIA
GUAYAS
MANABI
LOS RIOS
PICHINCHA
EL ORO
SUELDO
30000
25000
30000
42000
28000
29
La revisin de las cantidades nos revelan q el sueldo q

aparece con mayor frecuencia es $30,000, por tanto es la
moda.
Un inconveniente sera que puede darse el caso que en una
determinada serie no tenga moda o tenga varias modas.
Ej.:
L-M-K- ON
(No hay moda)
5 6 10 5 8 6 -7 4 (Existen 2 modas)
3.5. Media Geomtrica
La media geomtrica es til para encontrar el promedio de
porcentajes, razones, ndices o tasas de crecimiento. Se
utiliza ampliamente en los negocios y la economa, debido a
q
frecuentemente
interesa
determinar
el
cambio
porcentual en ventas, sueldos o cifras econmicas como el

Producto Interno Bruto. La media geomtrica de un
conjunto de n nmeros positivos se define como la n-sima
del producto de los n valores. Su frmula es.
MG =
n ( X 1 )( X 2 ) .(Xn)
La media geomtrica siempre ser menor q o igual pero

nunca mayor q la media aritmtica.
Por ejemplo: la media geomtrica de 2 y 18 es
2 2.18
2 36
=6
30
La media de 1 3 9
3 1.3. 9
sera:
3 27
= 3
3.6. Media, mediana y moda de datos agrupados

Con frecuencia los datos relacionados con ingresos, edades y
adems, se agrupan y presentan en forman de una distribucin de
frecuencias. Por lo general, resulta imposible obtener los datos
originales. De modo que si interesa un valor tpico que representa
los datos, es necesario estimarlo basndose en la distribucin de
frecuencia.
Media aritmtica: Para evaluar una media aritmtica de datos
organizados se considera que las observaciones en cada clase
estn representadas por el punto medio de la clase. La media de
una muestra de datos en una distribucin de frecuencia se
calcula as:
X
fx
n
Donde:
Es la media aritmtica
es el valor central, o punto medio de cada clase
es la frecuencia en cada clase
fx
es la frecuencia en cada clase multiplicada por el punto
medio de la clase
31
fx
N
es la suma de esos productos

es el nmero total de frecuencias
Aplicando la frmula
fx
n
$ 1 605
80
$20.1
Se concluye que la media del precio de los vehculos es aproxima $ 20 100
Mediana: Para trabajar con datos agrupados es necesario aplicar

una frmula ms compleja, y que estima los datos esta es:
Mediana = L
n
FA
2
f
(i)
Donde
es el lmite inferior de la clase que contiene la mediana
es el nmero total de frecuencias
es la frecuencia de la clase que contiene a la mediana
FA
es el nmero acumulado de frecuencias en todas las clases que proceden a la
clase que contiene a la mediana
es la amplitud o anchura de la clase en que se encuentra la mediana
32
Mediana = L +
= $ 18 000 +
n
FA
2
f
(i)
80
31
2
( $ 3000 )
17
=$ 18 000 + $ 1 588= $19 588
Moda: La moda la definamos como el valor que ocurre con ms

frecuencia. Para datos agrupados en una distribucin de
frecuencia, es posible aproximar la moda usando el punto medio
de la clase que contiene el mayor nmero de frecuencias de clase.
Cuando 2 valores se presentan en un nmero elevado de veces se
dice que la distribucin es binominal.
Ej.: Supongamos la edades de una muestra de trabajadores son

22,27,30,30,30,34,58,60,60,60,60 y 65: Las 2 modas son 30 y
60 aos.
Si el conjunto de datos tiene ms de 2 valores modales, la
distribucin se denomina multimodal; en tal caso no se considera
ninguna de las modas como representativa del valor central de los
datos.
33
4. Medidas de dispersin
Las medidas de dispersin se utilizan para evaluar la
confiabilidad de dos o ms promedios.
4.1. Amplitud de variacin
La amplitud de variacin o intervalo es la ms sencilla, se trata
de la diferencia entre el valor ms grande y el ms pequeo de un
conjunto de datos; expresada as en ecuacin:
AMPLITUD DE VARIACION= Valor ms grande - v. ms pequeo
34
Ej.: Produccin diaria de vehculos en las planta de MARESA en

quito y Manta. Quito (48-49-50-51-52); Manta(40-41-42-43-4445-46-47-48-49-50-51-52-53-54-55-56-57-58-59-60)
La produccin diaria de vehculos en la planta de MARESA Quito
es (52-48 = 4) es 4, se obtiene de la diferencia mayor 52 menos
la menor que es 48. La amplitud de variacin de la produccin
diaria en la planta de Manta es de 20 vehculos, ya que 20 = 6040. Concluimos diciendo, que hay menos dispersin en la
produccin diaria en la planta de Quito que en la de Manta,
porque la amplitud de variacin de 4 vehculos es menor que 20
vehculos; y la produccin en la planta de Quito se acumula ms
cerca de la media de 50, que la produccin de Manta (el intervalo
de variacin 4 es menor que 20).As la produccin media en la
planta de Quito(50 vehculos) es un promedio ms representativo
que la media de 50 vehculos para la planta de Quito.
4.2. Desviacin media

Es el promedio aritmtico de los valores absolutos de la
desviacin con respecto a la media aritmtica. Se expresa as:
DM =
[ x X ]
n
Donde
es el valor de cada observacin
es la media aritmtica de los valores

35
es el nmero de observaciones en la muestra
ll
indica el valor absoluto; en otras palabras no se toma en
cuenta los signos algebraicos de las desviaciones respecto de la

media.
Ej.: El nmero de pacientes atendido en la sala de urgencia de la
clnica Quito, para una muestra de 5 das el ao pasado fue:
103,97, 101, 106, y 103. Determine e interprete la desviacin
media.
Para calcular la DM comenzamos evaluando la media aritmtica.
X
fx
n
103+ 97+101+106103
5
= 102
Despus determinamos la magnitud en que cada observacin se

desva a la media, para luego sumar las diferencias omitiendo los
signos y se divide la suma entre el nmero de observaciones. El
resultado es el valor medio en que las observaciones se desvan
con respecto al promedio. Un valor pequeo en la desviacin
indica que la media es representativa de los datos, en tanto

que un valor grande en la desviacin indica dispersin en los
datos. Detalles de los clculos utilizando las frmulas:
36
La desviacin media es 2.4 pacientes por da. El nmero de estos

vara en promedio, en 2.4 pacientes por da respecto de la media
de 102 enfermos diarios.
Ventajas de la Desviacin Media

1.- Utiliza en su clculo todos los valores en la muestra
2.- Fcil de comprender, representa el promedio en que los
valores se desvan con respecto a la media.
Ejercicios: Los pesos de un grupo de cajas que se van a enviar a
Italia en libras son:
95
103 105 110
104
105
112
a) Cul es la amplitud de variacin de los pesos?

b) Calcule la media aritmtica de los valores
c) Determine la desviacin media de los pesos.
4.3. Varianza y desviacin estndar
37
90
La varianza y la desviacin estndar se basan en las desviaciones al

cuadrado (o cuadrtica) con respecto a la media.
Varianza: La media aritmtica de las desviaciones cuadrticas con
respecto a la media.
Indicamos que la varianza es no negativa, y es cero si solamente si todas las
observaciones son iguales.
La varianza poblacional de datos no agrupados, es decir, de los datos que no
estn tabulados en una distribucin de frecuencias, se obtienen por medio
de la frmula:
2=
[ x ] 2
N
Donde:
2
es el smbolo de la varianza de una poblacin ( es la letra griega sigma
minscula). Se expresa comnmente como sigma cuadrada.

X
es el valor de una observacin en la poblacin

es la media aritmtica de la poblacin
es el nmero total de observaciones en la poblacin
Al igual que la amplitud de variacin y la desviacin media, la varianza se utiliza

para comparar la dispersin en 2 o ms conjunto de observaciones.
Varianza muestral, frmula de la desviacin
38
S =
(x X )
n1
Donde:
S2 es el smbolo para representar la varianza muestral
X
es el valor de cada observacin en la muestra
X
n
es la media aritmtica de la muestra

es el nmero total de observaciones muestrales
Frmula directa:
S =
2
X 2
( x ) 2
n
n1
39
Desviacin estndar: Es la raz cuadrada positiva de la varianza.

La desviacin estndar se presenta en las mismas unidades que
los datos; su formula para datos no agrupados es:
( X ) 2
N
Ejercicio: La oficina de Santo Domingo de la empresa Coca Cola

contrato a cinco nuevos empleados de ventas este ao. Sus
sueldos mensuales iniciales fueron $2,536; $2.173; $2.448;
$2.121; y $ 2.622.
a. Calcule la media de la poblacin
b. Determine la varianza
c. Obtenga la desviacin estndar poblacional
4.4. Medidas de dispersin para datos agrupados en una
distribucin de frecuencias.
4.4.1. Amplitud de variacin
Si recordamos, para calcular la amplitud de variacin o intervalo
de variacin se define como la diferencia entre el valor ms
grande y el ms pequeo de la poblacin. Pa calcular la amplitud
de variacin a partir de datos agrupados en una distribucin de
frecuencias, se resta el lmite inferior de la clase ms baja, del
lmite superior de la clase ms alta.
Ej.: Imaginemos la agrupacin de 47 sueldos por hora (en
dlares) en una distribucin de frecuencia
40
4.4.2. Desviacin estndar.

Recordemos que para los datos no agrupados, una frmula para la
desviacin estndar muestral es:
S=
X 2
( x ) 2
n
n1
Si los datos que interesan estn en forma agrupada (distribucin

de
frecuencia),
la
desviacin
estndar
muestral
puede
aproximarse al sustituir X2 por fX2 y X por fX. La frmula

para la desviacin estndar muestral se convierte entonces en:
S=
fX 2
( fx ) 2
n
n1
Donde:
S es la desviacin estndar muestral
X es el punto medio de una clase
f es la frecuencia de clase
n es el nmero total de observaciones en la muestra
Ej.: Una muestra de las cantidades de empleados de la Condorlac
Company quincenalmente en el plan de participacin de utilidades,
se organizo en una distribucin de frecuencia para su estudio.
41
Cul es la desviacin estndar de estos datos?cul es la

varianza muestral?
42
Ejercicio de autoevaluacin:
43
4.5. Interpretacin y usos de la desviacin estndar

4.5.1. Teorema de Chebyshev
Fue desarrollado por el matemtico ruso Chebyshev; este
permite determinar la proporcin mnima de los valores que se
encuentran dentro de un nmero especfico de desviaciones
estndar con respecto a la media.
Teorema
de
Chebyshev establece
En trminos generales, el
que
para
un
conjunto
cualquiera de observaciones (muestra o poblacin) la proporcin

mnima de los valores que se encuentran dentro de un K
desviacin estndar desde la media es por lo menos 1 1/K 2
donde K es una constante mayor que 1.
Ej.: En el ejemplo anterior y su solucin, la media aritmtica de la
cantidad quincenal que depositan los empleados de la empresa
Condorlac Company en el plan de participacin de utilidades fue
de $51.54 y se obtuvo una desviacin estndar de $7.51. Al
menos qu porcentaje de las contribuciones se encuentran
entre
ms
de
3.5
desviaciones
estndar,
menos
3.5
desviaciones estndar, respecto de la media?

1-
1
k2
=1-
1
( 3.5 ) 2
= 1- 12.25
= 0.92
R. / Aproximadamente 92%
4.5.2. Regla emprica
La regla emprica se aplica solamente a distribuciones simtricas
del tipo de campana. Se la conoce tambin como regla normal y
constituye las relaciones de la desviacin estndar y la media.
44
Ej.: Una muestra de las cantidades mensuales de dinero que se

destina a sus alimentos un ciudadano de la tercera edad que vive
solo-sigue aproximadamente una distribucin de frecuencias
simtricas del tipo de campana. La media muestral es de $150 y
la desviacin estndar es de $20: Utilizando la regla emprica
indique:
1.- Aproximadamente, entre qu cantidades est el 68% de los
gastos mensuales en alimentos?
2.- Aproximadamente, entre qu cantidades se halla el 95% de
los gastos mensuales en alimentos?
3.- Aproximadamente, entre qu montos estn todos los gastos
mensuales?
1.- Aproximadamente
obtiene por X
2.-
68% esta
entre $130 y %170, que se
1S = $150 1($20)
Aproximadamente 95% esta entre $110 y %190, que resulta

X
de
2S = $150 2($20)
3.- Casi todos los casos (99.7%) estn entre $90 y $210 los que
se obtienen mediante X
3S = $150 3($20)
45
4.5.3. Dispersin relativa

Resulta imposible una comparacin directa de dos o ms medidas
de dispersin como por ejemplo la desviacin estndar de una
distribucin de ingresos anuales y la desviacin estndar de una
distribucin de inasistencias, ambas de un mismo grupo de
empleados.
No
podemos
comparar
dlares
con
das
de
inasistencia al trabajo; se necesita convertir cada una de esas

medidas a un valor relativo, es decir, a un porcentaje. Dada esta
necesidad K. Pearson desarrollo una medida relativa denominada
coeficiente de variacin (CV), que es una medida muy til cuando:
1.- Los datos estn en medidas diferentes (como dlares y das
de inasistencia).
2.- Los datos estn en las mismas unidades, pero los valores
medios estn muy distantes (como sucede con los ingresos de
ejecutivos
superiores
y los
ingresos
de
empleados
no
calificados).
Coeficiente de variacin (CV) es la razn (cociente) de la
desviacin estndar y la media aritmtica, expresada en un
porcentaje. La frmula para muestra es:
CV =
s
(100)
X
Al multiplicar x 100 se convierte la expresin decimal en %
Ej.: Un estudio sobre el monto de bonos pagados y los aos de

servicio de varios empleados, dio como resultado los sig. Datos
estadsticos: La media de los bonos pagados fue de $200 y la
desviacin estndar de $40; la media del nmero de aos de
servicio fue de 20 aos y la desviacin estndar 2 aos. Compare
las desviaciones relativas de las 2 distribuciones empleando el
CV.
46
Las distribuciones estn en unidades diferentes ($ y aos de

servicio); por tanto se convierten en CV.
CV =
100
s
Para los aos de servicio CV =
100
s
Para los bonos
)=
$ 40
(100)
200
)=
2
(100)
20
= 20 %
= 10 %
Al interpretar se puede ver que existe mayor dispersin relativa

con respecto a la media en la distribucin de los bonos pagados
en comparacin con la distribucin de los aos de servicio (porque
20% > 10%).
UNIDAD II.
Probabilidad
1.- Conceptos Generales

Historia: La historia dice que los jugadores han utilizado el clculo de las
probabilidades para realizar apuestas, pero no fue hasta siglo XVII que
Gombauld, Pascal y Pierre De Fermat quienes constituyen la primera revista
de Probabilidad cuyos conceptos estudiaremos en este captulo.
En los actuales momentos la Probabilidad constituye parte importante de
nuestra
vida
cotidiana,
en
la
toma
de
decisiones
personales
administrativos, por ej cuando escuchamos en la radio la posibilidad de 70%

de lluvia decidimos quedarnos en casa jugando con nuestros hijos o
familiares; los administradores que se encargan de la venta de ropa de
mujer deben de preguntarse sobre las probabilidades de las ventas alcancen
o excedan un cierto nivel.
Terminologa bsica: En general, la probabilidad es la posibilidad de que
algo pase. Las probabilidades se expresan como fracciones 1/6, , 8/9 o
como decimales (0.167; 0.889) que estn entre cero y uno. Tener una
47
probabilidad en cero significa que algo nunca va a suceder; una probabilidad

en uno indica que algo va a suceder siempre.
En la teora de la probabilidad, la actividad que origina uno de dichos
eventos se conoce como experimento. Utilizando un lenguaje formal,
hagamos la pregunta: en un experimento de lanzar una moneda cul es la
probabilidad del evento cara? Y desde luego, si la moneda esta cargada y
tiene la misma probabilidad de caer en cualquier de sus dos lados, podramos
responder o 0.5. Al conjunto de todos los resultados posibles de un
experimento se llama espacio muestral del experimento. En el de lanzar una
moneda el espacio muestra les S =
{cara, cruz}
Se dice que los eventos son mutuamente excluyentes si uno y solo uno de
ellos pueden tener lugar a un tiempo. Ej. Ud. puede pasar o reprobar una
materia o, antes de que termine el curso, desertar y no tener calificacin.
Solamente uno de estos 3 resultados es posible, por tanto, se dice que son
eventos mutuamente excluyentes.
Diagrama de rbol: Es una representacin grfica til para organizar

clculos que abarcan varias etapas: Cada segmento del rbol es una etapa
del Problema.
Como elaborar un Diagrama de rbol:
1.- Se comienza trazando un pequeo punto a lado izquierdo, el cual
representa la raz del rbol.
2.- Del punto que representa la raz (tema del problema) salen dos ramas
principales; la rama superior (se anota la opcin se quedaran) y la rama
inferior (se anota la opcin no se quedaran).
3.- De las ramas principales, se desprenden cuatro ramas secundarias que
detallan la ocurrencia de los experimentos.
48
4.- Por ltimo, se muestran todas las posibilidades conjuntas de los

eventos ocurridas.
Teoremas de Bayes: En el siglo XVII el reverendo Thomas Bayes,
ministro presbiteriano ingls, plante la pregunta Realmente existe
Dios? Ya que estaba interesado en las ciencias matemticas intent
desarrollar una frmula para llegar a evaluar la probabilidad de que Dios
exista, con base en la evidencia de la que l dispona aqu en la tierra. Ms
adelante Laplace, afin el trabajo de Bayes y le dio el nombre de
Teoremas de Bayes, que en forma manejable se expresa as:
P (Ai
l B) = P(A)P(BlA1)/
P(A1)P(BlA1)+ P(A2)P(BlA2)
Ej.: Supongamos que el 5% de la poblacin de Umen (pas del tercer mundo)
padece de la enfermedad de H1N1 que es originaria de ese lugar. Sea A 1 el
evento tiene la enfermedad y A2 el evento no tiene la enfermedad. Por lo
tanto si seleccionamos al azar a un habitante de Umen, la probabilidad de
que el elegido tenga el padecimiento es 0.05 o bien P(A1)=0.05. Esta
probabilidad P(A1)=P(tiene la enfermedad), se denomina probabilidad a
priori. Se le da este nombre porque la probabilidad se asigna antes de haber

obtenido datos empricos.
Probabilidad a priori: Es la probabilidad inicial con base en el nivel actual

de informacin.
Entonces la probabilidad a priori de que una persona no padezca la gripe es,
por tanto igual a 0.95, o bien P(A2) = 0.95 que se obtiene de 1 0.05.
Probabilidad a posteriori: Es la probabilidad revisada con base en

informacin adicional.
Con el Teoremas de Bayes es posible determinar la frmula
Probabilidad a posteriori:
49
de la
Principios de conteo:
Cuando el nmero de resultados posibles de un experimento es pequeo
resulta muy fcil contarlos.
Sin embargo cuando existe un gran nmero de
resultados posibles, como podra ser el de nios y nias en familias con 10

hijos,
resulta
tedioso
poder
contarlos.
Para
facilitar
el
conteo
examinaremos tres frmulas:
Frmula de la multiplicacin, frmula de la permutacin y la frmula de

la combinacin.
Frmula de la multiplicacin: Si hay m formas de hacer una cosa, y n
formas de hacer otra, existirn m x n formas de hacer ambas.
Frmula de la multiplicacin = Nmero total de arreglos =(m)(n)
Para tres eventos sera= (m)(n)(o)
Ej.: Un vendedor de autos desea anuncia que por $29 000
ud puede
comprar un auto convertible, un sedan de dos puertas, o un modelos de

cuatro puertas, y adems puede elegir si desea que los rines sean slidos o
deportivos cuntos arreglos de modelos diferentes y rines puede ofrecer
el vendedor?
Puede ofrecer 6 modelos: convertible con rines deportivos, convertible con
rines slidos, sedan de 2 puertas con rines deportivos, sedan de 2 puertas
con rines slidos, sedan de 4 puertas con rines deportivos y sedan de 4
puertas con rines slidos.
Total de arreglos posibles= (m)(n) = (3)(2)= 6
La frmula de la permutacin, se utiliza para determinar el nmero posible
de arreglos cuando solo hay un grupo de objetos.
Permutacin: Un arreglo o disposicin de objetos seleccionado de un solo

grupo de n objetos posibles.
FRMULA DE LA PERMUTACIN:
P r=
n!
( nr ) !
50
n es el nmero total de objetos

r
es el nmero de objetos seleccionados
Nota: Las permutaciones y combinaciones utilizan el factorial n; que se

escribe n! y significa n(n 1) (n 2) (n 3)n por ej.:
5! = 5. 4. 3. 2. 1 = 120
Ej.: Se van a ensamblar 3 partes electrnicas de una unidad modular para
un receptor de televisin. Las 3 partes electrnicas deben ensamblarse en
cualquier orden cuntas maneras diferentes se pueden ensamblar?
:
n P
r=
n!
( nr ) !
3!
( 33 ) !
3!
( 0) !
3!
1
= 6
Frmula de la combinacin: si el orden en los objetos seleccionados no es

importante, a cualquier seleccin se llama una combinacin. La frmula para
contar el nmero de combinaciones de r objetos de un conjunto de n objetos
es:
Frmula de la combinacin = n C r =
n!
r ! ( nr ) !
Ej.: Los ejecutivos Abel, Bez y Chauncy han de ser elegidos como un comit
para negociar una fusin de empresas, solo existe una combinacin posible
de estos 3 ejecutivos. El comit formado por Abel, Bez y Chauncy equivale
al integrado por Bez, Chauncy y Abel; utilizando la frmula:
C r=
3 ! ( 73 ) !
n!
7!
=
r ! ( nr ) !
3!4!
7!
= 35
Unidad III. Estadstica Inferencial

Estadstica Inferencial: Conjunto de mtodos utilizados para saber algo
acerca de una poblacin, basndose en una muestra.
51
Tiene como objetivo hacer inferencia, es decir, enunciados respecto a una

poblacin basndose en algunas observaciones, que forman una muestra, que
se tomaron de la poblacin.
Poblacin: Conjunto de todos los posibles individuos, objetos o medidas de
inters.
Muestra: Una porcin, o parte, de la poblacin de inters.
Qu es una distribucin de probabilidad?
Indica en una lista todos los resultados posibles de un experimento junto
con la probabilidad correspondiente a cada una de ellos.
Cmo se puede generar una distribucin de probabilidad?
Suponiendo que se quiere saber el nmero de caras que se obtiene al lanzar
3 veces una moneda al aire. En este experimento, los posibles resultados
son: 0, 1, 2, 3 cul es la distribucin de la probabilidad del nmero de
caras?
Ocho son los posibles resultados. En el primer lanzamiento puede caer cruz,
otra cruz en el segundo y otra en el tercero; o puede caer cruz, cruz y cara,
en ese orden. Indicamos los posibles resultados.
Observando el resultado cero caras se obtuvo una vez; una cara 3 veces,
dos caras 3 veces y el resultado 3 veces, es decir, el resultado 0 caras
ocurri una de ocho veces. De modo que la probabilidad 0 caras es 1/8, la de
52
una cara 3/8, y as sucesivamente. Representando la probabilidad para cada

uno de los eventos y recordando que los eventos siempre sern 1.00
Mostramos:
Variables aleatorias: En cualquier experimento aleatorio, los resultados se

presentan al azar, y en consecuencia se habla de una variable aleatoria. Ej.:
Si contamos el nmero de empleados que faltaron a su turno de trabajo el
da lunes, el nmero puede ser 0, 1, 2, 3 El nmero de inasistencia es la
variable aleatoria.
Variable aleatoria: Cantidad que es el resultado de un experimento, y
debido al azar, puede tomar valores diferentes.
Variable aleatoria discreta: Variable que solo puede tomar ciertos valores
claramente separados.
Variable aleatoria continua: Es aquella que puede tomar un valor de una
cantidad grande de valores, dentro de ciertas especificaciones. E.: La
distancia en metros entre la ciudad de Quito y Salinas, y as sucesivamente.
Media,
varianza
desviacin
estndar
de
una
distribucin
de
probabilidad
Media: Se lo conoce tambin como valor esperado. Es un promedio
ponderado en el que los valores posibles se ponderan mediante sus
probabilidades de ocurrencia, indica adems la ubicacin central de los
datos. En una distribucin de probabilidad se denota con la letra griega mu
minscula ().
Su frmula para el clculo es:
53
= [x P (x)]
Varianza de una distribucin de probabilidad
Describe su dispersin. La frmula para su clculo es:
2 = [(x )2 P (x)]
Los pasos para el clculo de Varianza son:
1.- Restar la media a cada valor y elevar la diferencia al cuadrado
2.- Multiplicar el cuadrado de cada diferencia, por su probabilidad
3.- Sumar los productos resultantes para obtener finalmente la varianza.
Desviacin estndar : Se determina tomando la raz cuadrada de , es
2
decir,
= 2
Ej.: John Bosco vende autos nuevos en la agencia Ford; generalmente los
sbados vende el mayor nmero de vehculos. John tiene la siguiente
distribucin de probabilidad del nmero de vehculos que espera vender en
un da en particular:
1.- Qu tipo de distribucin es esta?

2.- En un sbado comn Cuntos vehculos espera vender?
3.- Cul es la varianza de la distribucin?
54
1. Es un ejemplo de una distribucin de probabilidad discreta, debido a

que John espera vender una cantidad determinada de vehculos (no espera
vender 5 o 50), asimismo los resultados son mutuamente excluyentes no
puede vender en total 3 o 4 vehculos el mismo el da sbado.
2.- el nmero medio se calcula ponderando la cantidad de vehculos vendidos,
con la probabilidad de vender, y luego se suman todos los productos
= [x P (x)]
= 0 (0.10)+1(0.20)+2(0.30)+3(0.30)+4(0.10)
= 2.1
Los clculos se resumen:
John espera vender 2.1 vehculos los das sbados en promedio,

pero obviamente no podr vender 2.1 autos en un sbado en
particular, por tanto a la media a veces se la denomina valor
esperado.
3.- Para la varianza es til sintetizar en la tabla
Distribucin de probabilidad binominal

1. El resultado de cada ensayo de un experimento se clasifica en una de 2
categoras mutuamente excluyentes.
55
2. La variable aleatoria cuenta el nmero de xito en una cantidad fija de

ensayos.
3. la probabilidad de un xito permanece igual en todos los ensayos.
4. Los ensayos son independientes, lo cual significa que el resultado de un
ensayo no afecta al resultado de algn otro.
Su frmula para el clculo es:
P(X)=
x (1 )
nx
C es una combinacin
n nmero de ensayos
x es el nmero de xitos
es la probabilidad de xito en el ensayo
Ej.: Entre 2 ciudades hay 5 vuelos diarios: Si la probabilidad de que un
evento llegue retrasado es 0.20 cul es la probabilidad de que ninguno de
los vuelos llegue tarde hoy?
P(X)=
x (1 )
nx
= 5 C 0 (0.20)0 (1 0.20)5 0 = (1)(1)(0.3277)

= 0.3277
P(1)= n C
x (1 )
nx
= 5 C 1 (0.20)1 (1 0.20)5 1 = (5)(0.20)(0.4096)

0.4096
Distribucin de probabilidad binominal para n=5 y =0.20
56
Distribucin de probabilidad hipergeomtrica

Resulta muy adecuada para cuando el tamao de la poblacin es muy
pequeo.
Su frmula es:
P(X) = (s C x )(N s C n x)
N
Cn
N tamao de la poblacin
S es la cantidad de xito en la poblacin
X es el nmero de xitos en la muestra, puede ser 1, 2, 3 .
n es el tamao de la muestra, o el nmero de ensayos
C es el smbolo para una combinacin
Ej.: La fbrica de juguetes Pica, tiene 50 empleados en el departamento DE
ensamble: De estos, 40 pertenecen a un sindicato y 10 no. Se van a elegir 5
empleados aleatoriamente, para que integre un comit que hablar con el
gerente acerca de la hora de inicio de los distintos turnos. Cul es la
probabilidad de que 4 de los 5 elegidos pertenezcan al sindicato?
N es 50 nmeros de empleados
S es 40 nmeros de empleados del sindicato
X es 4 nmeros de empleados del sindicato que fueron seleccionados
57
N es 5 nmeros de empleados elegidos

P(X) = (s C x )(N s C n x)
N
Cn
=(40 C 4)( 50-40C 5-4) =

50
C5
( 91390 ) (10)
2 118 760
= 0.431
Distribucin de probabilidad de Poisson

Se la llama tambin ley de los eventos improbables. Describe la cantidad
de ve ces que ocurre un evento en un intervalo determinado. El intervalo
puede ser de tiempo distancia, rea o volumen. Esta distribucin es tambin
una forma lmite de la distribucin binominal, cuando la probabilidad de
xito es muy pequea y n es grande.
P(X) = x e
X!
es la media del nmero de ocurrencias (xitos) en un intervalo especfico
e es la constante 2.71828 (base del sistema logartmico neperiano)
x es el nmero de ocurrencias (xitos)
P(x) es la probabilidad que se va a calcular
Frmula:
=n
Ej.: La empresa de aerolneas Aereogal rara vez pierde el equipaje. En la

mayor parte de los vuelos no se observa un mal manejo de las maletas; solo
algunos pasajeros reportan una valija perdida. Suponiendo una muestra
aleatoria de 1000 viajeros
revela un total de 300 maletas perdidas. La
media aritmtica del nmero de equipajes extraviados por vuelo es 0.3, que
se obtiene de 300/1000. Si la cantidad de maletas perdidas por viaje areo
sigue la distribucin de Poisson con =0.3
58
Distribucin de probabilidad normal

Tiene las sigtes. Caractersticas y su correspondiente curva
normal :
1 La curva normal es acampanada y presenta un solo pico en el
centro de la distribucin. La media aritmtica, mediana y la moda
de la distribucin son iguales y se localizan en el pico.
2. La D. P. normal es simtrica con respecto a su media.
3. La curva normal decrece uniformemente en ambas direcciones
a partir del valor central. Es asinttica, significa que la curva se
acerca cada vez al eje X, pero en realidad nunca llega a tocarlo.
Distribucin de probabilidad normal estndar.
Cualquier
distribucin
normal
puede
convertirse
en
la
Distribucin de probabilidad normal estndar restando la media a

cada observacin y dividiendo entre la desviacin estndar.
Valor Z: Diferencia entre un valor elegido denotado por X y la
media dividida entre la desviacin estndar
Z=
59

Estadisticas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadisticas

Uploaded by

Copyright:

Available Formats

Probabilidad y Estadstica 2012

UNIVERSIDAD TECNICA ESTATAL DE

CARRERA INGENIERA EN SISTEMAS

Probabilidad y Estadstica 2012

Probabilidad y Estadstica 2012

El presente texto gua acomete ser claro, sencillo y

Probabilidad y Estadstica 2012

Probabilidad y Estadstica 2012

Probabilidad y Estadstica 2012

FACULTAD CIENCIAS DE LA INGENIERIA

determinacin de las modificaciones necesarias a fin de

Probabilidad y Estadstica 2012

siendo esta materia la que permite, en base a un conjunto

2.2.1. Elaboracin de una distribucin de frecuencias

Representacin grfica de una distribucin de frecuencias

Probabilidad y Estadstica 2012

Media, mediana y moda de datos agrupados

Seleccin de un promedio para datos de una distribucin

Variancia y desviacin estndar

Medidas de dispersin para datos agrupados en una

Interpretacin y usos de la desviacin estndar

4.5.1. Teorema de Chebyshev

Otras medidas de dispersin

2.1. Conceptos Generales

Probabilidad y Estadstica 2012

2.2.1. Variable aleatoria discreta

Media, variancia y desviacin estndar de una distribucin

Distribucin probabilstica binomial

Distribuciones probabilsticas acumulativas

Distribucin probabilstica hipergeomtrica

Distribucin probabilstica de Poisson

3. Distribucin probabilstica normal

La familia de distribuciones probabilsticas normales

Distribucin probabilstica normal estndar

Aplicaciones de la distribucin normal estndar

3.4.1. reas bajo la curva normal

Probabilidad y Estadstica 2012

bibliogrficas, etc., de tal manera que se vayan cumpliendo

PROBABILIDAD Y ESTADSTICA; Murray y Spiegel; Ed.

PROBABILIDAD Y ESTADSTICA; Walpole, Myers; Ed.

ESTADSTICA PARA ADMINISTRACIN Y ECONOMIA;

PROBABILIDAD Y ESTADSTICA; George Canavos; Ed.

UNIDAD I. Estadstica descriptiva

Probabilidad y Estadstica 2012

Qu se entiende por Estadstica?

grficamente o en forma de enunciado (por lo general se

y venta de un producto en el mercado caso

helados pingino o la operadora de celular claro.

Probabilidad y Estadstica 2012

presentar, analizar e interpretar datos para ayudar a una

Estadstica descriptiva, es el conjunto de mtodos para

cuantitativa. Cuando las caractersticas o variables en estudio es

Probabilidad y Estadstica 2012

Cuando la variable estudiada se puede expresar numricamente,

Probabilidad y Estadstica 2012

Los datos pueden clasificarse de acuerdo con los niveles de

2.1.2. Datos de nivel nominal

Probabilidad y Estadstica 2012

las clases, un ej. Es la clasificacin de seis colores en la funda,

2.1.4. Datos de nivel de intervalo

del nivel ordinal

pero, adems, la diferencia entre los valores tiene un tamao

Probabilidad y Estadstica 2012