Captulo I

Qu es
estadstica?

Qu es la Estadstica?
OBJETIVOS
Al terminar este captulo podr:

UNO : Saber qu significa estadstica.

DOS: Explicar qu es estadstica descriptiva y estadstica
inferencial.
TRES: Diferenciar entre una variable cualitativa y una variable
cuantitativa.
CUATRO : Distinguir entre una variable discreta y una variable
continua.
CINCO: Diferenciar entre niveles de medicin nominal, ordinal,
por intervalo y de razn.
SEIS: Definir los trminos mutuamente excluyentes y
exhaustivos.
Estadistica 1

Qu significa Estadstica?

Estadstica

es la ciencia de recolectar,
organizar, presentar, analizar e interpretar
datos con el propsito de ayudar a una toma
de decisiones ms efectiva.

Estadistica 1

Quin usa la Estadstica?

Las
tcnicas
estadsticas
se
usan
ampliamente por personas en reas de
comercializacin, contabilidad, control de
calidad,
consumidores,
deportes,
administracin de hospitales, educacin,
poltica, medicina, etctera...

Estadistica 1

Tipos de estadsticas

Estadstica descriptiva: mtodos para

organizar, resumir y presentar datos de
manera informativa.

EJEMPLO 1: un sondeo de opinin encontr que 49% de

las personas en una encuesta saban el nombre del primer
libro en la Biblia. La estadstica 49 describe el nmero de
cada 100 personas que saben la respuesta.
EXAMPLE 2: segn el Consumer Reports, los dueos de
lavadoras de ropa Whirlpool reportaron 9 problemas por
cada 100 mquinas durante 1995. La estadstica 9
describe el nmero de problemas por cada 100 mquinas.

Estadistica 1

Tipos de estadsticas
Estadstica inferencial: una decisin,
estimacin, prediccin o generalizacin
sobre una poblacin, con base en una
muestra.
Una poblacin es un conjunto de todos
los posibles individuos, objetos o
medidas de inters.
Una muestra es una porcin, o parte, de
la poblacin de inters.

Estadistica 1

Tipos de estadsticas
(ejemplos de inferencia estadstica)

EJEMPLO 1: las cadenas de TV monitorean la popularidad

de sus programas contratando a Nielsen y otras
organizaciones para muestrear las preferencias de
televidentes.
EJEMPLO 2: el departamento de contabilidad de una
empresa elegir una muestra de facturas para verificar la
exactitud de todas las facturas de la compaa.
EJEMPLO 3: los catadores de vino prueban unas cuantas
gotas para tomar la decisin de liberar todo el vino para
la venta.

Estadistica 1

Tipos de Variables

Variable cualitativa o de atributos: la

caracterstica o variable que se estudia no es
numrica.

EJEMPLOS: sexo, afiliacin religiosa, tipo de

automvil que se posee, lugar de nacimiento,
color de los ojos.

Estadistica 1

Tipos de Variables

Variable cuantitativa: la variable se puede registrar

numricamente.

EJEMPLO: saldo en una cuenta de cheques,

minutos que faltan para que termine la clase,
nmero de nios en una familia.

Estadistica 1

Tipos de Variables
Las variables cuantitativas se pueden
clasificar como discretas o continuas.
Variables discretas: slo pueden adquirir
ciertos valores y casi siempre hay brechas
entre esos valores.

EJEMPLO: el nmero de habitaciones en una

casa (1,2,3,..., etc.).
Estadistica 1

10

Tipos de Variables
Las variables cuantitativas se pueden
clasificar como discretas o continuas.
Variables
continuas: pueden tomar
cualquier valor dentro de un intervalo
especfico.

EJEMPLO: el tiempo que toma volar de

Toledo a Nueva York.
Estadistica 1

11

Resumen de tipos de variables

DATOS

Cualitativos o de atributos
(tipo de auto que posee)

Cuantitativos o numricos

discretos
(nmero de hijos)

continuos
(tiempo para resolver el examen)

Fuentes de Datos Estadsticos

Los problemas de investigacin suelen requerir

datos publicados.
Se pueden encontrar
estadsticas relacionadas en artculos publicados,
revistas y peridicos.
No todos los temas disponen de datos publicados.
En esos casos, la informacin deber recolectarse
y analizarse.
Una manera de recolectar datos es mediante
encuestas.

Estadistica 1

13

Niveles de Medicin

Nivel nominal: los datos slo se puede

clasificar en categoras, no se pueden ordenar.

EJEMPLOS: color de los ojos, sexo, afiliacin

religiosa.

Estadistica 1

14

Niveles de Medicin

Mutuamente excluyente: un individuo, objeto o

artculo, al ser incluido en una categora, debe
excluirse de las dems.
EJEMPLO: color de los ojos.
Exhaustivo: cada persona, objeto o artculo
debe clasificarse en al menos una categora.
EJEMPLO: afiliacin religiosa.

Estadistica 1

15

Niveles de Medicin

Nivel ordinal: involucra datos que se pueden

ordenar, pero no es posible determinar las
diferencias entre los valores de los datos o no
tienen significado.

EJEMPLO: en una prueba de sabor de 4 refrescos

de cola, el C se clasific como nmero 1, el B como
nmero 2, el A como 3 y el D como nmero 4.

Estadistica 1

16

Niveles de Medicin

Nivel de intervalo: similar al nivel ordinal, con

la propiedad adicional de que se pueden
determinar cantidades significativas de las
diferencias entre los valores. No existe un
punto cero natural.

EJEMPLO: temperatura en la escala de grados

Fahrenheit.

Estadistica 1

17

Niveles de Medicin

Nivel de razn: el nivel de intervalo con un

punto cero inicial inherente. Las diferencias y
razones son significativas para este nivel de
medicin.

EJEMPLOS: dinero, altura de los jugadores de

basquetbol de la NBA.

Estadistica 1

18

Capitulo 2
Descripcin de los datos:
Distribuciones de
frecuencias y
representaciones grficas

Distribucin de frecuencias

Distribucin de frecuencias: agrupamiento de

datos en categoras que muestran el nmero de
observaciones en cada categora mutuamente
excluyente.

Estadistica 1

20

Elaboracin de una
distribucin de frecuencias
pregunta que
se desea
responder

recoleccin
de datos
(datos originales)

organizacin
de datos

presentacin
de datos
(grfica)

obtencin
de
conclusiones

distribucin
de frecuencias

Estadistica 1

21

Distribucin de frecuencias

Marca de clase (punto medio): punto que

divide a la clase en dos partes iguales. Es el
promedio entre los lmites superior e inferior
de la clase.
Intervalo de clase: para una distribucin de
frecuencias que tiene clases del mismo tamao,
el intervalo de clase se obtiene restando el
lmite inferior de una clase del lmite inferior de
la siguiente.

Estadistica 1

22

EJEMPLO 1

Dr. Tillman es el director de la escuela de

administracin y desea determinar cunto
estudian los alumnos en ella. Selecciona una
muestra aleatoria de 30 estudiantes y determina
el nmero de horas por semana que estudia cada
uno: 15.0, 23.7, 19.7, 15.4, 18.3, 23.0, 14.2, 20.8,
13.5, 20.7, 17.4, 18.6, 12.9, 20.3, 13.7, 21.4, 18.3,
29.8, 17.1, 18.9, 10.3, 26.1, 15.7, 14.0, 17.8, 33.8,
23.2, 12.9, 27.1, 16.6.
Organice los datos en una distribucin de
frecuencias.

Estadistica 1

23

EJEMPLO 1

continuacin

Considere las clases 8-12 y 13-17. Las marcas de clase son 10 y 15. El
intervalo de clase es 5 (13 - 8).

Horas de estudio
8-12
13-17
18-22
23-27
28-32
33-37

Frecuencia,
1
12
10
5
1
1

Sugerencias para elaborar

una distribucin de frecuencias

Los intervalos de clase usados en la

distribucin de frecuencias deben ser iguales.
Determine un intervalo de clase sugerido con la
frmula: i = (valor ms alto - valor ms

bajo)/nmero de clases.

Estadistica 1

25

Sugerencias para elaborar

una distribucin de frecuencias

Use el intervalo de clase calculado sugerido para

construir la distribucin de frecuencias.
Nota: este es un intervalo de clase sugerido; si el
intervalo de clase calculado es 97, puede ser
mejor usar 100.
Cuente el nmero de valores en cada clase.

Estadistica 1

26

Distribucin de frecuencia relativa

La frecuencia relativa de una clase se obtiene dividiendo

la frecuencia de clase entre la frecuencia total.
Horas
8-12
13-17
18-22
23-27
28-32
33-37
TOTAL

Estadistica 1

Frecuencia,
f
1
12
10
5
1
1
30

Frecuencia
relativa
1/30=0.0333
12/30=0.400
10/30=0.333
5/30=0.1667
1/30=0.0333
1/30=0.0333
30/30=1

27

Representaciones de tallo y hoja

Representaciones de tallo y hoja: tcnica

estadstica para representar un conjunto de datos.
Cada valor numrico se divide en dos partes: los
dgitos principales son el tallo y el dgito siguiente
es la hoja.
Nota: una ventaja de la representacin de tallo y
hoja comparado con la distribucin de frecuencias
es que no se pierde la identidad de cada
observacin.

Estadistica 1

28

EJEMPLO 2

Colin logr las siguientes calificaciones en el doceavo

examen de contabilidad del semestre: 86, 79, 92, 84,
69, 88, 91, 83, 96, 78, 82, 85. Construya una
representacin de tallo y hoja para los datos.
tallo

Estadistica 1

hoja

89

234568

126

29

Presentacin grfica de una

distribucin de frecuencias

Las tres formas de grficas ms usadas son

histogramas, polgonos de frecuencia y
distribuciones de frecuencias acumuladas
(ogiva).
Histograma: grfica donde las clases se marcan en
el eje horizontal y las frecuencias de clase en el
eje vertical. Las frecuencias de clase se
representan por las alturas de las barras y stas
se trazan adyacentes entre s.

Estadistica 1

30

Presentacin grfica de una

distribucin de frecuencias
Un polgono de frecuencias consiste en
segmentos de lnea que conectan los puntos
formados por el punto medio de la clase y la
frecuencia de clase.
Una distribucin de frecuencias acunulada
(ogiva) se usa para determinar cuntos o
qu proporcin de los valores de los datos
es menor o mayor que cierto valor.

Estadistica 1

31

Histograma para las horas de

estudio
Frecuencia

14
12
10
8
6
4
2
0
10

15

20

25

30

35

Horas de estudio

Estadistica 1

32

Polgono de frecuencias para

las horas de estudio
14

Frecuencia

12
10
8
6
4
2
0
10

15

20

25

30

35

Horas de estudio

Estadistica 1

33

Distribucin de frecuencias
acumuladas menor que para las
horas de estudio
35

Frecuencia

30
25
20
15
10
5
0
10

15

20

25

30

35

Horas de estudio

Estadistica 1

34

Grfica de barras

Una grfica de barras se puede usar para

describir cualquier nivel de medicin (nominal,
ordinal, de intervalo o de razn).
EJEMPLO 3: construya una grfica de barras
para el nmero de personas desempleadas por
cada 100 000 habitantes de ciertas ciudades en
1995.

Estadistica 1

35

2-18

EJEMPLO 3

continuacin

Ciudad

Nmero de desempleados
por 100 000 habitantes

Atlanta, GA
Boston, MA
Chicago, IL
Los Angeles, CA
New York, NY
Washington, D.C.

7300
5400
6700
8900
8200
8900

2-19

# desempleados/100 000

Grfica de barras para los datos

de desempleados
10000
8000

8900
7300

8200

8900

6700
Atlanta
Boston
Chicago
Los Angeles
New York
Washington

5400

6000
4000
2000
0
1

Ciudades

Estadistica 1

37

2-20

Grfica circular
Una grfica circular es en especial til
para desplegar una distribucin de
frecuencias relativas. Se divide un crculo
de manera proporcional a la frecuencia
relativa y las rebanadas representan los
diferentes grupos.
EJEMPLO 4: se pidi a una muestra de 200
corredores que indicaran su tipo favorito
de zapatos para correr.

Estadistica 1

38

2-21

EJEMPLO 4

continuacin

Dibuje una grfica circular basada en la siguiente

informacin.

Estadistica 1

Tipo de zapato

# de corredores

Nike

92

Adidas

49

Reebok

37

Asics

13

Otros

9
39

2-22

Grfica circular para tipos de zapatos

Reebok

Asics
Otros
Nike
Adidas
Reebok
Asics
Otros

Adidas
Nike

Estadistica 1

40

Capitulo 3
Descripcin de los datos:
Medidas de Ubicacin

3-2

Media de la poblacin

Para datos no agrupados, la media de la

poblacin es la suma de todos los valores en
ella dividida entre el total de valores en la
poblacin:

X / N

donde representa la media de la poblacin.

N es el nmero total de elementos en la
poblacin.
X representa cualquier valor en particular.
indica la operacin de sumar.

Estadistica 1

42

3-3

EJEMPLO 1
Parmetro: una caracterstica de una poblacin.
La familia Kiers posee cuatro carros. Los datos
son las millas recorridas por cada uno:
56 000, 23 000, 42 000 y 73 000. Encuentre el
promedio de millas de los cuatro carros.
Esto es:
(56 000 + 23 000 + 42 000 + 73 000)/4 = 48 500

Estadistica 1

43

3-4

Media de una muestra

Para datos no agrupados, la media de una

muestra es la suma de todos los valores
divididos entre el nmero total de los mismos:

X X / n

donde X denota la media muestral

n es el nmero total de valores en la muestra.

Estadistica 1

44

3-5

EJEMPLO 2

Dato estadstico: una caracterstica de una

muestra.
Una muestra de cinco ejecutivos recibi la
siguiente cantidad en bonos el ao pasado:
$14 000, $15 000, $17 000, $16 000 y
$15 000. Encuentre el promedio en bonos para
los cinco ejecutivos.
Como estos valores representan la muestra de 5
ejecutivos, la media de la muestra es
(14 000 + 15 000 + 17 000 + 16 000 +
15 000) / 5 = $15 400.

Estadistica 1

45

3-6

Propiedades de la media
aritmtica

Todo conjunto de datos de nivel de intervalo y de

nivel de razn tiene un valor medio.
Al evaluar la media se incluyen todos los valores.
Un conjunto de valores slo tiene una media.
La cantidad de datos a evaluar rara vez afecta la
media.
La media es la nica medida de ubicacin donde la
suma de las desviaciones de cada valor con respecto a
la media, siempre es cero.

Estadistica 1

46

3-7

EJEMPLO 3

Considere el conjunto de valores: 3, 8 y

4. La media es 5. Para ilustrar la quinta
propiedad, (3 - 5) + (8 - 5) + (4 - 5) = - 2
+ 3 - 1 = 0. En otras palabras,

( X X ) 0
Estadistica 1

47

3-8

Media ponderada

La media ponderada de un conjunto de

nmeros X1, X2, ..., Xn, con las ponderaciones
correspondientes w1, w2, ...,wn, se calcula con
la frmula:
Xw ( w1 X 1 w2 X 2 ... wn X n ) /( w1 w2 ...wn )
Xw ( w * X ) / w

Estadistica 1

48

3-9

EJEMPLO 6
Durante un periodo de una hora en una
tarde calurosa de un sbado, el cantinero
Chris sirvi cincuenta bebidas. Calcule la
media ponderada de los precios de las
bebidas. (Precio ($), cantidad vendida):
(.50,5), (.75,15), (.90,15), (1.10,15).
La media ponderada es: $(.50 x 5 + .75 x
15 + .90 x 15 + 1.10 x 15) / (5 + 15 + 15 +
15) = $43.75/50 = $0.875

Estadistica 1

49

3-10

Mediana
Mediana: es el punto medio de los valores
despus de ordenarlos de menor a mayor,
o de mayor a menor. La misma cantidad de
valores se encuentra por arriba de la
mediana que por debajo de ella.
Nota: para un conjunto con un nmero par
de nmeros, la mediana ser el promedio
aritmtico de los dos nmeros medios.

Estadistica 1

50

3-11

EJEMPLO 4

Calcule la mediana para los siguientes datos.

La edad de una muestra de cinco estudiantes es:
21, 25, 19, 20 y 22.
Al ordenar los datos de manera ascendente
quedan: 19, 20, 21, 22, 25. La mediana es 21.
La altura, en pulgadas, de cuatro jugadores de
basquetbol es 76, 73, 80 y 75.
Al ordenar los datos de manera ascendente
quedan: 73, 75, 76, 80. La mediana es 75.5.

Estadistica 1

51

3-12

Propiedades de la mediana

La mediana es nica para cada conjunto de

datos.
No se ve afectada por valores muy grandes o
muy pequeos, y por lo tanto es una medida
valiosa de tendencia central cuando ocurren.
Puede obtenerse para datos de nivel de razn,
de intervalo y ordinal.
Puede calcularse para una distribucin de
frecuencias con una clase de extremo abierto, si
la mediana no se encuentra en una de estas
clases.

Estadistica 1

52

3-13

Moda
La moda es el valor de la observacin
que aparece con ms frecuencia.
EJEMPLO 5: las calificaciones de un
examen de diez estudantes son: 81, 93,
84, 75, 68, 87, 81, 75, 81, 87. Como la
calificacin 81 es la que ms ocurre, la
calificacin modal es 81.

Estadistica 1

53

3-14

Media geomtrica

La media geomtrica (MG) de un

conjunto de n nmeros positivos se
define como la raz n-sima del producto
de los n valores. Su frmula es:
MG n ( X 1)( X 2)( X 3)...( Xn)
La media geomtrica se usa para encontrar

el promedio de porcentajes, razones,

ndices o tasas de crecimiento.
Estadistica 1

54

3-15

EJEMPLO 7

Las tasas de inters de tres bonos son 5%, 7% y

4%.
La media geomtrica es
MG 3 (7)(5)(4)
= 5.192.
La media aritmtica es (6 + 3 + 2)/3 = 5.333.
La MG da una cifra de ganancia ms
conservadora porque no tiene una ponderacin
alta para la tasa de 7%.

Estadistica 1

55

3-16

Media geomtrica

continuacin

Otra aplicacin de la media geomtrica es

determinar el porcentaje promedio del
incremento en ventas, produccin u otros
negocios o series econmicas de un periodo a
otro. La frmula para este tipo de problema
es:

MG n ( valor al final del periodo)/(valor al inicio del periodo) 1

Estadistica 1

56

3-17

EJEMPLO 8
El nmero total de mujeres inscritas en
colegios americanos aument de 755 000 en
1986 a 835 000 en 1995.
Aqu n = 10, as (n - 1) = 9.

MG 8 835000 / 755000 1 .0127.

Es decir, la media geomtrica de la tasa de

crecimiento es 1.27%.

Estadistica 1

57

3-18

Media de datos agrupados

La media de una muestra de datos

organizados en una distribucin de
frecuencias se calcula mediante la
siguiente frmula:

Xf
Xf
X

f
n
Estadistica 1

58

3-19

EJEMPLO 9

Una muestra de diez cines en una gran

rea metropolitana dio el nmero total de
pelculas exhibidas la semana anterior.
Calcule la media de las pelculas
proyectadas.

Xf
Xf
X

f
n

Estadistica 1

59

3-20

EJEMPLO 9

continuacin

Pelculas
exhibidas
1-2

frecuencia
f
1

punto medio de
clase X
1.5

(f)(X)

3-4

3.5

7.0

5-6

5.5

16.5

7-8

7.5

7.5

9-10

9.5

28.5

Total

10

1.5

61

61/10 = 6.1 pelculas

Estadistica 1

60

3-21

Mediana de datos agrupados

La mediana de una muestra de datos

organizados en una distribucin de
frecuencias se calcula mediante la siguiente
frmula:
Mediana = L + [(n/2 - FA)/f] (i)
donde L es el lmite inferior de la clase que
contiene a la mediana, FA es la frecuencia
acumulada que precede a la clase de la
mediana, f es la frecuencia de clase de la
mediana e i es el intervalo de clase de la
mediana.

Estadistica 1

61

3-22

Clculo de la clase de la
mediana

Para determinar la clase de la mediana de datos

agrupados:
Elabore una distribucin de frecuencias
acumulada.
Divida el nmero total de datos entre 2.
Determine qu clase contiene este valor. Por
ejemplo, si n=50, 50/2 = 25, despus determine
qu clase contiene el 25 valor (la clase de la
mediana).

Estadistica 1

62

3-23

EJEMPLO 10

Pelculas
exhibidas
1-2

Frecuencia
1

Frecuencia
acumulada
1

3-4

5-6

7-8

9-10

10

La clase de la mediana es 5 - 6, ya
que contiene el 5 valor (n/2 = 5)

Estadistica 1

63

3-24

EJEMPLO 10

continuacin

De la tabla, L = 5, n = 10, f = 3, i = 2,
FA = 3.
As, mediana = 5 + [((10/2) - 3)/3](2) =
6.33

Estadistica 1

64

3-25

Moda de datos agrupados

La moda de los datos agrupados se
aproxima por el punto medio de la clase
que contiene la frecuencia de clase
mayor.
Las modas en el EJEMPLO 10 son 5.5 y
9.5. Cuando dos valores ocurren una
gran cantidad de veces, la distribucin se
llama bimodal, como en el ejemplo 10.

Estadistica 1

65

3-26

Distribucin simtrica

sesgo cero
media

Estadistica 1

moda = mediana =

66

3-27

Distribucin con asimetra positiva

sesgo a la derecha: media y mediana se

encuentran a la
derecha de la moda.

moda < mediana < media

Estadistica 1

67

3-28

Distribucin con asimetra negativa

sesgo a la izquierda: media

y mediana estn a la
izquierda de la moda.

media < mediana < moda

Estadistica 1

68

3-29

NOTA
Si se conocen dos promedios de una
distribucin de frecuencias con sesgo
moderado, el tercero se puede aproximar.
moda = media - 3(media - mediana)
media = [3(mediana) - moda]/2
mediana = [2(media) + moda]/3

Estadistica 1

69

Capitulo 4
Descripcin de los datos:
Medidas de Dispersin

4-3

Desviacin media

Desviacin media: media aritmtica de los

valores absolutos de las desviaciones
respecto a la media aritmtica.

XX
MD
n
Estadistica 1

71

4-4

EJEMPLO 1
Los pesos de una muestra de cajas con
libros en una librera son (en lb) 103, 97,
101, 106 y 103.
X = 510/5 = 102 lb
= 1 + 5 + 1 + 4 + 1 = 12
MD = 12/5 = 2.4
Por lo comn los pesos de las cajas estn
a 2.4 lb del peso medio de 102 lb.

Estadistica 1

72

4-5

Variancia de la poblacin

La varianza de la poblacin para datos

no agrupados es la media aritmtica
de las desviaciones cuadrticas
respecto a la media de la poblacin.

2
Estadistica 1

( X ) 2

N
73

4-6

EJEMPLO 2

Las edades de la familia Dunn son 2, 18,

34, y 42 aos. Cul es la variancia de la
poblacin?
X / N 96 / 4 24
( X ) / N 944 / 4 236
2

Estadistica 1

74

4-7

Variancia poblacional

continuacin

Una frmula alternativa para la variancia

poblacional es:

Estadistica 1

X 2
(
)
N

75

4-8

Desviacin estndar
poblacional
La desviacin estndar poblacional () es
la raz cuadrada de la variancia de la
poblacin.
Para el EJEMPLO 2, la desviacin
estndar poblacional es 15.19 (raz
cuadrada de 230.81).

Estadistica 1

76

4-9

Variancia muestral

La variancia muestral estima la variancia

de la poblacin.
2

(
X
X
)
Frmula conceptual = S 2 =
n 1
2
(

X
)
X 2
n
Frmula operativa = S 2 =
n 1

Estadistica 1

77

4-10

EJEMPLO 3
Una muestra de cinco salarios por hora
para varios trabajos en el rea es: $7,
$5, $11, $8, $6. Encuentre la variancia.
X = 37/5 = 7.40
2
s = 21.2/(5-1) = 5.3

Estadistica 1

78

4-11

Desviacin estndar muestral

La desviacin estndar muestral es la raz
cuadrada de la variancia muestral.
En el EJEMPLO 3, la desviacin estndar
de la muestra es = 2.30

Estadistica 1

79

4-12

Medidas de dispersin:
datos no agrupados

Para datos no agrupados, la amplitud es la

diferencia entre los valores mayor y menor en
un conjunto de datos.
AMPLITUD = valor mayor - valor menor
EJEMPLO 4: una muestra de cinco graduados
de contadura indic los siguientes salarios
iniciales: $22 000, $28 000, $31 000,
$23 000, $24 000. La amplitud es $31 000 $22 000 = $9 000.

Estadistica 1

80

4-13

Variancia muestral para datos

agrupados

La frmula de la variancia para datos

agrupados usada como estimador de la
vaiancia poblacional es:
S2

2
(

fX
)
fX 2
n

n 1

donde f es la frecuencia de clase y X es el

punto medio de la clase.

Estadistica 1

81

4-14

Interpretacin y usos de la
desviacin estndar

Teorema de Chebyshev: para

cualquier conjunto de observaciones,
la proporcin mnima de valores que
est dentro de k desviaciones
estndar desde la media es al menos
1 - 1/k , donde k2 es una constante
mayor que 1.

Estadistica 1

82

4-15

Interpretacin y usos de la
deviacin estndar

Regla emprica: para una distribucin

de frecuencias simtrica de campana,
cerca de 68% de las observaciones
estar dentro de 1 de la media ();
cerca de 95% de las observaciones
estar dentro de 2 de la media ();
alrededor de 99.7% estar dentro de
3 de la media ().

Estadistica 1

83

Curva en forma de campana que muestra la relacin entre y

3
Estadistica 1

2001 Alfaomega Grupo Editor

2 1

1 2 3
84

4-17

Dispersin relativa

El coeficiente de variacin es la razn de

la desviacin estndar a la media
aritmtica, expresada como porcentaje:
s
CV
(100%)
X

Estadistica 1

85

4-18

Asimetra
Asimetra (sesgo) es la medida de la
falta de simetra en una distribucin.
El coeficiente de asimetra se calcula
mediante la siguiente frmula:

Sk = 3(media - mediana)
desviacin estndar

Estadistica 1

86

4-19

Amplitud intercuartlica
La amplitud intercuartlica es la
distancia entre el tercer cuartil Q3 y el
primer
cuartil Q1.
Amplitud intercuartlica
= tercer cuartil - primer cuartil
= Q3 - Q1

Estadistica 1

87

4-20

Primer cuartil

El primer cuartil es el valor correspondiente al

punto debajo del cual se encuentra el 25% de
las observaciones en un conjunto ordenado
n
de datos.
CF
4
Q1 L
(i )
f

donde
L = lmite de las clases que contienen Q1,
CF = frecuencia acumulada que precede a la clase
que contiene a Q1,
f = frecuencia de la clase que contiene Q1,
i= tamao de la clase que contiene Q1.

Estadistica 1

88

4-21

Tercer cuartil

El tercer cuartil es el valor correspondiente al

punto debajo del cual se encuentra 75% de
las observaciones en un conjunto ordenado
de datos:
3n
Q3 = L + 4

CF

(i )

donde
L = lmite inferior de la clase que contiene a Q3,
CF = frecuencia acumulada precedente a la clase que
contiene a Q3,
f = frequencia de la clase que contiene a Q3,
i = tamao de la clase que contiene a Q3.
Estadistica 1

89

4-22

Desviacin cuartlica
La desviacin cuartlica es la mitad de la
distancia entre el tercer cuartil, Q3, y el
primero, Q1.
QD = [Q3 - Q1]/2

Estadistica 1

90

4-23

EJEMPLO 5

Si el tercer cuartil = 24 y el primer cuartil =

10, cul es la desviacin cuartlica? La
amplitud intercuartlica es 24 - 10 = 14;
por lo tanto, la desviacin cuartlica es
14/2 = 7.

Estadistica 1

91

4-24

Amplitud cuartlica
Cada conjunto de datos tiene 99
porcentiles, que dividen el conjunto en 100
partes iguales.
La amplitud cuartlica es la distancia entre
dos porcentiles establecidos. La amplitud
cuartlica 10 a 90 es la distancia entre el
10 y 90 porcentiles.

Estadistica 1

92

4-25

Frmula para porcentiles

P
Lp = ( n + 1)
100
Estadistica 1

93

4-26

Diagramas de caja
Un diagrama de caja es una ilustracin
grfica, basada en cuartiles, que ayuda a
visualizar un conjunto de datos.
Se requieren cinco tipos de datos para
construir un diagrama de caja: el valor
mnimo, el primer cuartil, la mediana, el
tercer cuartil, y el valor mximo.

Estadistica 1

94

4-27

EJEMPLO 6

Con base en una muestra de 20 entregas,

Marcos Pizza determin la siguiente
informacin: valor mnimo = 13 minutos,
Q1 = 15 minutos, mediana = 18 minutos,
Q3 = 22 minutos, valor mximo = 30
minutos. Desarrolle un diagrama de caja
para los tiempos de entrega.

Estadistica 1

95

4-28

EJEMPLO 6

continuacin

mediana

mn

Q1

12

14

Estadistica 1

Q3

16

18

20

22

mx

24

26

28

30

32

96

Capitulo 5
Probabilidades

5-3

Definiciones

Probabilidad: valor entre cero y uno, inclusive, que

describe la posibilidad relativa de que ocurra un
evento.
Experimento: proceso que conduce a la ocurrencia
de una de varias observaciones posibles.
Resultado: lo que resulta en particular de un
experimento.
Evento: conjunto de uno o ms resultados de un
experimento.

Estadistica 1

98

5-4

Enfoques de la probabilidad
Probabilidad clsica se basa en la
consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,

Probabilid ad de un evento =

nmero de resultados favorables

nmero total de resultados posibles

Estadistica 1

99

5-5

EJEMPLO 1
Considere el experimento de lanzar dos
monedas al mismo tiempo.
El espacio muestral S = {HH, HT, TH, TT}
Considere el evento de una cara.
Probabilidad de una cara = 2/4 = 1/2.

Estadistica 1

100

5-6

Eventos mutuamente
excluyentes
Eventos mutuamente excluyentes: la
ocurrencia de cualquier evento implica
que ningn otro puede ocurrir al mismo
tiempo.
En el EJEMPLO 1, los cuatro
resultados posibles son mutuamente
excluyentes.

Estadistica 1

101

5-7

Eventos colectivamente
exhaustivos
Colectivamente exhaustivos: por lo menos
uno de los eventos debe ocurrir cuando se
realiza un experimento.
En el EJEMPLO 1, los cuatro resultados
posibles son colectivamente exhaustivos.
En otras palabras, la suma de las
probabilidades es = 1 (.25 + .25 + .25 + .25).

Estadistica 1

102

5-8

Concepto de frecuencias
relativas

La probabilidad de que un evento ocurra a

largo plazo se determina observando en
qu fraccin de tiempo sucedieron
eventos semejantes en el pasado:
Probabilidad del evento =

Estadistica 1

nmero de veces que ocurri el evento

nmero total de observaciones

103

5-9

EJEMPLO 2
A lo largo de su carrera, la profesora
Jones ha otorgado 186 calificaciones de A
entre sus 1200 estudiantes. Cul es la
probabilidad de que un estudiante de su
clase en este semestre reciba una A?
Aplicando el concepto de frecuencias
relativas, la probabilidad de una A es
186 /1200 = 0.155

Estadistica 1

104

5-10

Probabilidad subjectiva

Probabilidad
subjectiva:
la
posibilidad
(probabilidad) de que suceda un evento
especfico que asigna una persona con base en
cualquier informacin disponible.
Ejemplos de la probabilidad subjectiva son
estimar la probabilidad de que los Redskins de
Washington ganen el Super Bowl el prximo
ao y estimar la probabilidad de que ocurra un
terremoto en Los Angeles este ao.

Estadistica 1

105

5-11

Reglas bsicas de probabilidad

Si los eventos son mutuamente
excluyentes, la ocurrencia de cualquier
evento impide que otro eventos ocurra.
Reglas de adicin: si dos eventos A y B
son mutuamente excluyentes, la regla
especial de adicin indica que la
probabilidad de que ocurra A o B es
igual a la suma de sus probabilidades
respectivas:
P(A o B) = P(A) + P(B)

Estadistica 1

106

5-12

EJEMPLO 3

New England Commuter Airways acaba

de proporcionar la siguiente informacin
de sus vuelos de Boston a Nueva York:

Estadistica 1

Llegada

Frecuencia

Antes de tiempo

100

A tiempo

800

Demorado

75

Cancelado

25

Total

1000
107

5-13

EJEMPLO 3

continuacin

Si A es el evento de que un vuelo llegue antes

de tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue
demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue antes
de tiempo o demorado es
P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.

Estadistica 1

108

5-14

Regla del complemento

La regla del complemento se utiliza

para determinar la probabilidad de que
ocurra un evento restando del nmero
1 la probabilidad de que un evento no
ocurra. Si P(A) es la probabilidad del
evento A y P(~A) es el complemento de
A, P(A) + P(~A) = 1 o P(A) = 1 - P(~A).

Estadistica 1

109

5-15

Regla del complemento

continuacin

Diagrama de Venn que ilustra la regla del

complemento

Estadistica 1

~A

110

5-16

EJEMPLO 4

Recuerde el EJEMPLO 3.
Si C es el evento de que un vuelo llegue a tiempo,
entonces P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado,
entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que la
probabilidad de que el vuelo llegue antes de tiempo
(A) o demorado (B) es 0.175.

Estadistica 1

111

5-17

EJEMPLO 4

continuacin

P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175

C
.8

D
.025
~(C o D) = (A o B)
.175

Estadistica 1

112

5-18

Regla general de adicin

Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)

Estadistica 1

113

5-19

Regla general de adicin

Diagrama de Venn que ilustra esta regla

B
AyB
A

Estadistica 1

114

5-20

EJEMPLO 5

En una muestra de 500 estudiantes,

320 dijeron tener un estreo, 175
dijeron tener una TV y 100 dijeron
tener ambos:

Estreo
320
Estadistica 1

Ambos
100

TV
175

115

5-21

EJEMPLO 5

continuacin

Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad
de que tenga slo un estreo, slo una TV
y uno de cada uno?
P(S) = 320 /500 = .64.
P(T) = 175 /500 = .35.
P(S y T) = 100 /500 = .20.

Estadistica 1

116

5-22

EJEMPLO 5

continuacin

Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad
de que tenga un estreo o una TV en su
habitacin?
P(S o T) = P(S) + P(T) - P(S y T)
= .64 +.35 - .20 = .79.

Estadistica 1

117

5-23

Probabilidad conjunta

Probabilidad conjunta es una probabilidad

que mide la posibilidad de que dos o ms
eventos ocurran juntos. Un ejemplo sera
el hecho de que un estudiante tenga tanto
un estreo como una TV en su habitacin.

Estadistica 1

118

5-24

Regla especial de multiplicacin

La regla especial de multiplicacin
requiere que dos eventos A y B sean
independientes.
Dos eventos A y B son independientes si
la ocurrencia de una no afecta la
probabililidad de ocurrencia del otro.
La regla especial se escribe:
P(A y B) = P(A) * P(B).

Estadistica 1

119

5-25

EJEMPLO 6
Chris posee dos inventarios independientes
uno de otro. La probabilidad de que el
inventario A aumente su valor el prximo
ao es .5. La probabilidad de que el B
aumente el suyo es .7.
Cul es la probabilidad de que ambos
aumenten su valor el prximo ao?
P(A y B) = (.5)(.7) = .35.

Estadistica 1

120

5-26

EJEMPLO 6

continuacin

Cul es la probabilidad de que al menos

uno aumente su valor el prximo ao
(esto implica que cualquiera de los dos o
ambos aumenten)?
As, P(al menos uno) = (.5)(.3) + (.5)(.7) +
(.7)(.5) = .85.

Estadistica 1

121

5-27

Probabilidad condicional
Probabilidad condicional es la probabilidad
de que ocurra un evento en particular,
dado que ocurri otro evento.
Nota: la probabilidad de que ocurra el
evento A dado que ya ocurri B se denota
como
P(A|B).

Estadistica 1

122

5-28

Regla general de multiplicacin

La regla general de multiplicacin se

utiliza para determina la probabilidad
conjunta de que ocurran dos eventos
y establece: para dos eventos A y B,
la probabilidad conjunta que ambos
ocurran se encuentra multiplicando la
probabilidad de A por la probabilidad
condicional de B dado que A ocurri.

Estadistica 1

123

5-29

Regla general de multiplicacin

La probabilidad conjunta, P(A y B)
est dada por la siguiente frmula:
P(A y B) = P(A) * P(B|A)
o
P(A y B) = P(B) * P(A|B)

Estadistica 1

124

5-30

EJEMPLO 7

La directora de la escuela de administracin

en Miami recolect la siguiente informacin
acerca de los estudiantes de licenciatura del
colegio:
rea

Hombre

Mujer

Total

Contabilidad

170

110

280

Finanzas

120

100

220

Mercadotecnia

160

70

230

Administracin

150

120

270

Total

600

400

1000

Estadistica 1

125

5-31

EJEMPLO 7

continuacin

Si un estudiante se selecciona al azar,

cul es la probabilidad de que el
estudiante sea mujer del rea de
contabilidad?
P(A y F) = 110 / 1000.
Dado que la estudiante es mujer, cul es
la probabilidad que est en el rea de
contabilidad? P(A|F) = [P(A y F)] / [P(F)] =
[110 / 1000] /[400 / 1000] = .275.
126

Estadistica 1

5-32

Diagrama de rbol

El diagrama de rbol es muy til para visualizar

las probabilidades condicional y conjunta y en
particular para el anlisis de
decisiones
administrativas que involucran varias etapas.
EJEMPLO 8: una bolsa contiene 7 fichas rojas
(R) y 5 azules (B), se escogen 2 fichas, una
despus de la otra sin reemplazo. Construya el
diagrama de rbol con esta informacin.

Estadistica 1

127

5-33

EJEMPLO 8

continuacin

6/11

7/12

R1

5/11
7/11
5/12

B2
R2

B1
4/11

Estadistica 1

R2

B2

128

5-34

Teorema de Bayes

El teorema de Bayes se representa con la

frmula:

P( A1) * P( B | A1)
P( A1 | B)
P( A1) * P( B | A1) P( A2) * P( B | A2)

Estadistica 1

129

5-35

EJEMPLO 9

La compaa Duff Beer ha recibido varias quejas

debido a que sus botellas no van bien llenas. Una
queja fue recibida hoy pero el gerente de
produccin no puede identificar cul de las dos
plantas Springfield (A o B) llen esta botella. Cul
es la probabilidad de que la botella mal llenada
haya salido de la planta A?

Estadistica 1

130

5-36

EJEMPLO 9
A
B

continuacin

% de
% de
produccin faltante en
total
botellas
55
3
45

P(A |U) = [(.55)(.03)]/[(.55)(.03) +

(.45)(.04)] = .4783.

Estadistica 1

131

5-37

Algunos principios de conteo

Frmula de la multiplicacin: si hay m
modos de hacer una cosa y n formas de
hacer otra, existen m x n formas de hacer
ambas.
EJEMPLO 10: el doctor Delong tiene 10
camisas y 8 corbatas. Cuntos conjuntos
de camisas /corbatas tiene?
(10)(8) = 80.

Estadistica 1

132

5-38

Algunos principios de conteo

Permutacin: un arreglo de r objetos

seleccionados a partir de un grupo nico
de n objetos posibles.
n!
n Pr
(n r ) !

Nota: el orden del arreglo es importante

en las permutaciones.

Estadistica 1

133

5-39

Principios de conteo

Combinacin: el nmero de modos para

elegir r objetos de un grupo de n objetos
sin considerar el orden.

n!
nCr
r !(n r ) !

Estadistica 1

134

5-40

EJEMPLO 11
El entrenador Thompson tiene que elegir 5
jugadores entre los doce del equipo para
incluirlos en alineacin. Cuntos grupos
diferentes se pueden formar?
12C5 = (12!)/[5!(12-5)!] =792
Suponga que el entrenador Thompson
debe clasificarlos en orden:
12P5 = (12!)/(12-5)! = 95,040.

Estadistica 1

135

Capitulo 6
Distribuciones
Probabilsticas
Discretas

6-3

Variables aleatorias
Una variable aleatoria es un valor
numrico determinado por el resultado
de un experimento.
EJEMPLO 1: considere un
experimento aleatorio en el que se
lanza tres veces una moneda. Sea X el
nmero de caras. Sea H el resultado
de obtener una cara y T el de obtener
una cruz.
137

Estadistica 1

6-4

EJEMPLO 1

continuacin

El espacio muestral para este

experimento ser: TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH.
Entonces, los valores posibles de X
(nmero de caras) son x = 0, 1, 2, 3.

Estadistica 1

138

6-5

EJEMPLO 1

continucin

El resultado cero caras ocurri una vez.

El resultado una cara ocurri tres veces.
El resultado dos caras ocurri tres
veces.
El resultado tres caras ocurri una vez.
De la definicin de variable aleatoria, la X
definida en este experimento, es una
variable aleatoria.

Estadistica 1

139

6-6

Distribuciones probabilsticas

Una distribucin probabilstica es la

enumeracin de todos los resultados de un
experimento junto con las probabilidades
asociadas. Para el EJEMPLO 1,
Nmero de caras

Probabilidad de los resultados

1/8 = .125

3/8 = .375

3/8 = .375

1/8 = .125

Total

8/8 = 1

Estadistica 1

140

6-7

Caractersticas de una
distribucin porbabilstica
La probabilidad de un resultado siempre
debe estar entre 0 y 1.
La suma de todos los resultados
mutuamente excluyentes siempre es 1.

Estadistica 1

141

6-8

Variable aleatoria discreta

Una variable aleatoria discreta es una
variable que puede tomar slo ciertos
valores diferentes que son el resultado de
la cuenta de alguna caracterstica de
inters.
EJEMPLO 2: sea X el nmero de caras
obtenidas al lanzar 3 veces una moneda.
Aqu los valores de X son x = 0, 1, 2, 3.

Estadistica 1

142

6-9

Variable aleatoria continua

Una variable aleatoria continua es una
variable que puede tomar un nmero
infinito de valores.
Ejemplos: la altura de un jugador de
bsquetbol o el tiempo que dura una
siesta.

Estadistica 1

143

6-10

Media de una distribucin

probabilstica discreta

La media:
indica

la ubicacin central de los datos.

es el promedio, a la larga, del valor de la
variable aleatoria.
tambin se conoce como el valor esperado,
E(x), en una distribucin de probabilidad.
es un promedio ponderado.

Estadistica 1

144

6-11

Media de una distribucin

probabilstica discreta

La media se calcula con la frmula:

= E ( x ) = [ x * P( x )]

donde representa la media y P(x) es la

probabilidad de los diferentes resultados
x.

Estadistica 1

145

6-12

Variancia de una distribucin

probabilstica discreta
La variancia mide la cantidad de
dispersin (variacin) de una
distribucin.
2

La variancia de una distribucin discreta

se denota por la letra griega
(sigma
cuadrada).
2
La desviacin estndar se obtiene
tomando la raz cuadrada de .

Estadistica 1

146

6-13

Variancia de una distribucin

probabilstica discreta

La variancia de una distribucin de

probabilidad discreta se calcula a partir de
la frmula

[( x ) * P( x )]
2

Estadistica 1

147

6-14

EJEMPLO 2

Dan Desch,
propieatario de
College Painters,
estudi sus registros
de las ltimas 20
semanas y obtuvo
los siguientes
nmeros de casas
pintadas por
semana:

Estadistica 1

# de casas pintadas

Semanas

10

11

12

13

148

6-15

EJEMPLO 2

continuacin

Distribucin probabilstica:

Estadistica 1

Nmero de casas
pintadas, X
10

Probabilidad, P(X)

11

.30

12

.35

13

.10

Total

.25

149

6-16

EJUEMPLO 2

continuacin

Calcule el nmero medio de casas

pintadas por semana:
E ( x) [ xP( x)]
(10)(.25) (11)(.30) (12)(.35) (13)(.10)
11.3

Estadistica 1

150

6-17

EJEMPLO 2

continuacin

Calcule la variancia del nmero de

casas pintadas por semana:
2 [( x ) 2 P ( x )]
.4225.0270.1715.2890
.91

Estadistica 1

151

6-18

Distribucin probabilstica
binomial

La distribucin binomial tiene las

siguientes caractersticas:
un

resultado de un experimento se clasifica en

una de dos categoras mutuamente
excluyentes -xito o fracaso.
los datos recolectados son resultados de
contar.
la probabilidad de xito es la misma para cada
ensayo.
los ensayos son independientes.
Estadistica 1

152

6-19

Distribucin probabilstica
binomial

Para elaborar una distribucin binomial,

sea
n

el nmero de ensayos
xel nmero de xitos observados
la probabilidad de xito en cada ensayo

Estadistica 1

153

6-20

Distribucin probabilstica
binomial

La frmula para la distribucin de

probabilidad binomial es:

n!
x
n x
P( x )
(1 )
x !(n x )!

Estadistica 1

154

6-21

EJEMPLO 3

La Secretara del Trabajo del estado de

Alabama reporta que 20% de la fuerza de
trabajo en Mobile est desempleada. De
una muestra de 14 trabajadores, calcule
las siguientes probabilidades con la

frmula de la distribucin binomial (n=14,

=.2, ):
tres

Estadistica 1

estn desempleados: P(x=3)=.250

155

6-22

EJEMPLO 3

continuacin

Nota: stos tambin son ejemplos de

distributions probabilsticas
acumulativas:
tres

o ms estn desempleados:
P(x 3)=.250 +.172 +.086 +.032
+.009 +.002=.551
al menos un trabajador est desempleado:
P(x 1) = 1 - P(x=0) =1 - .044 = .956
a lo ms dos trabajadores estn desempleados: P(x 2)=.044 +.154 +.250
=.448
156
Estadistica 1

6-23

Media y variancia de la
distribucin binomial

La media est dada por:

La variancia est dada por:

n (1 )
2

Estadistica 1

157

6-24

EJEMPLO 4
Del EJEMPLO 3, recuerde que =.2 y
n=14.
As, la media = n = 14(.2) = 2.8.
La variancia = n (1 - ) = (14)(.2)(.8)
=2.24.

Estadistica 1

158

6-25

Poblacin finita
Una poblacin finita es una poblacin que
consiste en un nmero fijo de individuos,
objetos o medidas conocidos.
Los ejemplos incluyen: el nmero de
estudiantes en esta clase, el nmero de
automviles en el estacionamiento.

Estadistica 1

159

6-26

Distribucin hipergeomtrica

Frmula:

( S Cx )( N S Cn x )
P( x )
N Cn

donde N es el tamao de la
poblacin, S es el nmero de xitos
en la poblacin, x es el nmero de
xitos de inters, n es el tamao de la
muestra, y C es una combinacin.

Estadistica 1

160

6-27

Distribucin hipergeomtrica

Use la distribucin hipergeomtrica para

encontrar la probabilidad de un nmero
especfico de xitos o fracasos si:
la muestra se selecciona de una poblacin

finita sin reemplazo (recuerde que un

criterio para la distribucin binomial es que
la probabilidad de xito es la misma de un
ensayo a otro).
el tamao de la muestra n es mayor que
5% del tamao de la poblacin N.
Estadistica 1

161

6-28

EJEMPLO 5

La National Air Safety Board tiene una

lista de 10 violaciones a la seguridad
reportadas por ValueJet. Suponga que
slo 4 de ellas son en realidad
violaciones y que el Safety Board slo
podr investigar cinco de las
violaciones. Cul es la probabilidad de
que tres de las cinco violaciones
seleccionadas al azar para investigarlas
sean en realidad violaciones?

Estadistica 1

162

6-29

EJEMPLO 5

continuacin

C3 *6 C2 4 * 15
P (3)

.238
252
10 C5
4

N=10
S=4
x=3
n=5

Estadistica 1

163

6-30

Distribucin de Poisson
La distribucin de probabilidades binomial
se hace cada vez ms sesgada a la
derecha conforme la probabilidad de
xitos disminuye.
La forma lmite de la distribucin binomial
donde la probabilidad de xito es muy
pequea y n es grande se llama
distribucin de probabilidades de Poisson.

Estadistica 1

164

6-31

Distribucin de Poisson

La distribucin de Poisson se puede

describir matemticamente por la frmula:

e
x

P( x )

x!

donde es la media aritmtica del nmero

de ocurrencias en un intervalo especfico
de tiempo, e es la constante 2.71828 y x
es el nmero de ocurrencias.

Estadistica 1

165

6-32

Distribucin de Poisson
El nmero medio de xitos se puede
determinar en situaciones binomiales por
n , donde n es el nmero de ensayos y
la probabilidad de xito.
La varianza de la distribucin de Poisson
tambin es igual a n .

Estadistica 1

166

6-33

EJEMPLO 6
La Sylvania Urgent Care se especializa en
el cuidado de lesiones menores,
resfriados y gripe. En las horas de la tarde
de 6-10 PM el nmero medio de llegadas
es 4.0 por hora.
Cul es la probabilidad de 4 llegadas en
una hora? P(4) = (4^4)(e^-4)/4!=.1954.

Estadistica 1

167