APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS

CAPITULO I
ANALISIS ESTADISTICO DE DATOS MUESTRALES
DEFINICIN DE PROBABILIDAD
ES EL COCIENTE ENTRE LA FRECUENCIA OBSERVADA DEL
SUCESO Y EL TOTAL DE OBSERVACIONES CUANDO EL
EXPERIMENTO SE REALIZA UN NUMERO GRANDE DE VECES.
DADAS UN CONJUNTO DE CONDICIONES, UN EXPERIMENTO, NO
SIEMPRE PODEMOS PREDECIR EXACTAMENTE LO QUE VA A
OCURRIR. LA PROBABILIDAD ES LA DISCIPLINA MATEMTICA
QUE ESTUDIA ESTOS EXPERIMENTOS.
DEFINICIN DE ESTADSTICA
EL TRMINO ESTADSTICA TIENE SU RAZ EN LA PALABRA
ESTADO. SURGE CUANDO SE HACE NECESARIO PARA SUS
INTERESES CUANTIFICAR CONCEPTOS. EN LA MAYORA DE LOS
CASOS ESTA CUANTIFICACIN SE HAR EN FUNCIN DE UNOS
FINES ECONMICOS O MILITARES. EL ESTADO QUIERE CONOCER
CENSO DE PERSONAS, DE INFRAESTRUCTURA, DE RECURSOS EN
GENERAL, PARA PODER OBTENER CONCLUSIONES DE ESTA
INFORMACIN.
ACTUALMENTE LA ESTADSTICA ES UNA CIENCIA. NO ES YA UNA
CUESTIN RESERVADA AL ESTADO. PODRAMOS DECIR QUE SE
ENCUENTRA EN LA TOTALIDAD DEL RESTO DE CIENCIAS. LA
RAZN ES CLARA: POR UNA PARTE LA ESTADSTICA
PROPORCIONA
TCNICAS
PRECISAS
PARA
OBTENER
INFORMACIN, (RECOGIDA Y DESCRIPCIN DE DATOS) Y POR
OTRA PARTE PROPORCIONA MTODOS PARA EL ANLISIS DE
ESTA INFORMACIN .
DE AH EL NOMBRE DE ESTADSTICA DESCRIPTIVA, YA QUE EL
OBJETIVO SER, A PARTIR DE UNA MUESTRA DE DATOS
(RECOGIDA SEGN UNA TCNICA CONCRETA), LA DESCRIPCIN
DE LAS CARACTERSTICAS MS IMPORTANTES, ENTENDIENDO
COMO CARACTERSTICAS, AQUELLAS CANTIDADES QUE NOS
1

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
PROPORCIONEN INFORMACIN SOBRE EL TEMA DE INTERS DEL
CUAL HACEMOS EL ESTUDIO.
RELACIN ENTRE PROBABILIDAD Y ESTADSTICA
LA PROBABILIDAD Y LA ESTADSTICA SE RELACIONAN EN UNA
FORMA MUY CURIOSA. EN ESENCIA, LA PROBABILIDAD ES EL
VEHCULO QUE LE PERMITE AL ESTADSTICO USAR LA
INFORMACIN CONTENIDA EN UNA MUESTRA PARA HACER
INFERENCIAS O PARA DESCRIBIR LA POBLACIN DE LA CUAL SE
HA OBTENIDO LA MUESTRA.
LOS MTODOS ESTADSTICO MATEMTICOS EMERGIERON DESDE
LA TEORA DE PROBABILIDAD, LA CUAL DATA DESDE LA
CORRESPONDENCIA ENTRE PIERRE DE FERMAT Y BLAISE PASCAL
(1654). CHRISTIAN HUYGENS (1657) DA EL PRIMER TRATAMIENTO
CIENTFICO QUE SE CONOCE A LA MATERIA. EL ARS
CONJECTANDI (PSTUMO, 1713) DE JAKOB BERNOULLI Y LA
DOCTRINA DE POSIBILIDADES (1718) DE ABRAHAM DE MOIVRE
ESTUDIARON LA MATERIA COMO UNA RAMA DE LAS
MATEMTICAS.1 EN LA ERA MODERNA, EL TRABAJO DE
KOLMOGOROV HA SIDO UN PILAR EN LA FORMULACIN DEL
MODELO FUNDAMENTAL DE LA TEORA DE PROBABILIDADES, EL
CUAL ES USADO A TRAVS DE LA ESTADSTICA.
PIERRE-SIMON LAPLACE (1774) HACE EL PRIMER INTENTO DE
DEDUCIR
UNA
REGLA
PARA
LA
COMBINACIN
DE
OBSERVACIONES DESDE LOS PRINCIPIOS DE LA TEORA DE
PROBABILIDADES. LAPLACE REPRESENT LA LEY DE
PROBABILIDADES DE ERRORES MEDIANTE UNA CURVA Y
DEDUJO UNA FORMULA PARA LA MEDIA DE TRES
OBSERVACIONES. TAMBIN, EN 1871, OBTIENE LA FORMULA
PARA LA LEY DE FACILIDAD DEL ERROR (TRMINO
INTRODUCIDO POR LAGRANGE, 1744) PERO CON ECUACIONES
INMANEJABLES. DANIEL BERNOULLI (1778) INTRODUCE EL
PRINCIPIO DEL MXIMO PRODUCTO DE LAS PROBABILIDADES DE
UN SISTEMA DE ERRORES CONCURRENTES.
EL MTODO DE MNIMOS CUADRADOS, EL CUAL FUE USADO
PARA MINIMIZAR LOS ERRORES EN MEDICIONES, FUE
PUBLICADO
INDEPENDIENTEMENTE
POR
ADRIEN-MARIE
LEGENDRE (1805), ROBERT ADRAIN (1808), Y CARL FRIEDRICH
2

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
GAUSS (1809). GAUSS HABA USADO EL MTODO EN SU FAMOSA
PREDICCIN DE LA LOCALIZACIN DEL PLANETA ENANO CERES
EN 1801.

CLASIFICACIN DE LA ESTADSTICA
LA ESTADSTICA SE DIVIDE EN DOS RAMAS:
LA ESTADSTICA DESCRIPTIVA, QUE SE DEDICA A LOS
MTODOS
DE
RECOLECCIN,
DESCRIPCIN,
VISUALIZACIN Y RESUMEN DE DATOS ORIGINADOS A
PARTIR DE LOS FENMENOS EN ESTUDIO. LOS DATOS
PUEDEN SER RESUMIDOS NUMRICA O GRFICAMENTE.
EJEMPLOS BSICOS DE DESCRIPTORES NUMRICOS SON LA
MEDIA Y LA DESVIACIN ESTNDAR. RESMENES
GRFICOS INCLUYEN VARIOS TIPOS DE FIGURAS Y
GRFICOS.
LA INFERENCIA ESTADSTICA, QUE SE DEDICA A LA
GENERACIN DE LOS MODELOS, INFERENCIAS Y
PREDICCIONES ASOCIADAS A LOS FENMENOS EN
CUESTIN TENIENDO EN CUENTA LO ALEATORIO E
INCERTIDUMBRE EN LAS OBSERVACIONES. SE USA PARA
MODELAR PATRONES EN LOS DATOS Y EXTRAER
INFERENCIAS ACERCA DE LA POBLACIN DE ESTUDIO.
ESTAS INFERENCIAS PUEDEN TOMAR LA FORMA DE
RESPUESTAS A PREGUNTAS SI/NO (PRUEBA DE HIPTESIS),
ESTIMACIONES
DE
CARACTERSTICAS
NUMRICAS
(ESTIMACIN),
PRONSTICOS
DE
FUTURAS
OBSERVACIONES,
DESCRIPCIONES
DE
ASOCIACIN
(CORRELACIN) O MODELAMIENTO DE RELACIONES ENTRE
VARIABLES (ANLISIS DE REGRESIN). OTRAS TCNICAS
DE MODELAMIENTO INCLUYEN ANOVA, SERIES DE TIEMPO
Y MINERA DE DATOS.

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
AMBAS RAMAS (DESCRIPTIVA E INFERENCIAL) COMPRENDEN LA
ESTADSTICA APLICADA. HAY TAMBIN UNA DISCIPLINA
LLAMADA ESTADSTICA MATEMTICA, LA CUAL SE REFIERE A
LAS BASES TERICAS DE LA MATERIA. LA PALABRA
ESTADSTICAS TAMBIN SE REFIERE AL RESULTADO DE APLICAR
UN ALGORITMO ESTADSTICO A UN CONJUNTO DE DATOS, COMO
EN ESTADSTICAS ECONMICAS, ESTADSTICAS CRIMINALES,
ETC.

ESTADISTICA DESCRPTIVA
CONCEPTOS BASICOS
1.- UNIVERSO
EL UNIVERO ES UN CONJUNTO DE
INVOLUCRADOS EN UN EXPERIMENTO ALEATORIO

ELEMENTOS

2.- POBLACION
ES UN CONJUNTO TOTAL DE VALORES POSIBLES CON UNA
CARACTERISTICA PARTICULAR CORRESPONDIENTE A UN
UNIVERSO.
3.- TAMAO DE LA POBLACION
EL NUMERO DE VALORES QUE CONTIENE LA POBLACION.
EJEMPLO:
EN UN PAIS SE VAN A CONSIDERAR LOS HABITANTES QUE
GANAN ENTRE 100 MIL Y 200 MIL PESOS MENSUALES.
EL UNIVERSO SON LOS HABITANTES DE ESE PAIS

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
LA POBLACION LOS HABITANTES QUE GANAN ENTRE 100
MIL Y 200 MIL PESOS.
EL TAMAO DE LA POBLACION, ES LA CANTIDAD DE GENTE
QUE GANA ENTRE 100 Y 200 MIL PESOS.
4.- MUESTRA
ES UN SUBCONJUNTO DE LA POBLACION OBTENIDA DE
ACUERDO A UNA REGLA DETERMINADA.
EJEMPLO:
LOS INDIVIDUOS QUE GANAN ENTRE 100 Y 200 MIL Y
ADEMAS VIVEN EN LA CIUDAD M, DEL PAIS EN CUESTION.
5.- TAMAO DE LA MUESTRA
NUMERO DE ELEMENTOS DE LA MUESTRA

FRECUENCIA
EN UNA MUESTRA HAY N ELEMENTOS. SEAN x1, x2,.., xk
k VALORES NUMERICOS ASOCIADOS A DETERMINADOS
RESULTADOS DEL EXPERIMENTO. SI HAY:
f1
f2

fk

RESULTADOS IGUALES A
RESULTADOS IGUALES A

RESULTADOS IGUALES A

x1
x2

xk

A f1, f2, ..fk SE LE LLAMA FRECUENCIA DE OCURRENCIA DE

x1, x2,.,xk RESPECTIVAMENTE.
EJEMPLO:
SE REALIZA UN EXAMEN
5

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
NA, S, B, MB
f1
f2
f3
f4

15
10
12
3

-------------

NA
S
B
MB

-------------

x1
x2
x3
x4

FRECUENCIA RELATIVA
fi
*
fi =
;
i = 1, 2, 3, , k
n
DONDE fi ES LA FRECUENCIA DE OCURRENCIA DE L RESULTADO xi Y n ES
EL TAMAO DELA MUESTRA.
PARA EL EJEMPLO ANTERIOR:
15
12
*
*
f1 =
f3 =
40
40
10

f2* =

f4 * =
40

40

FRECUENCIA RELATIVA ACUMULADA

A UN VALOR x1 ES LA SUMA DE LAS FRECUENCIAS
RELATIVAS DE TODOS LOS VALORES MENORES O IGUALES A x i
i

Fi =

fj* ; i = 1, 2, , k

i 1

F3 =

fj * = f 1 * + f 2 * + f 3 *

i 1

15
=

10
+

40

12
+

40

40

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
37
F3 =
40
F4 = 1

DISTRIBUCION EMPIRICA
ES EL CONJUNTO DE PAREJAS ( xi, fi* ) PARA TODA i
PARA EL EJEMPLO
( NA, 15/40 ) ; ( S, 10/40 ) : ( B, 12/40 ) ; ( MB, 3/40 )
O EN FORMA TABULAR:
xi
NA
S
B
MB

fi*
15 / 40
10 / 40
12 / 40
3 / 40

SE TIENE UNA MUESTRA DE TAMAO GRANDE

ESPECIFICAMENTE CUANDO EL NUMERO DE RESULTADOS ES
CONSIDERABLE, ES MAS CONVENIENTE TRABAJAR CON
INTERVALOS DE CLASE. LA AMPLITUD DE TODOS ESTOS
INTERVALOS SE LLAMA RANGO Y EL PUNTO MEDIO DE CADA
INTERVALO DE CLASE SE LLAMA MARCA DE CLASE.
EL ARREGLO EN UNA TABLA DE LOS INTERVALOS DE UNA
CLASE, FRECUENCIA, FRECUENCIAS RELATIVAS Y FRECUENCIAS
RELATIVAS ACUMULADAS DE LLAMA TABLA DE FRECUENCIAS.
EJEMPLO:
EN UNA MUESTRA DE 25 VARILLAS SE OBTUVIERON LAS
SIGUIENTES MEDIDAS: 13.02, 12.94, 12.99, 13.07, 12.91, 12.93, 13.06,
13.04, 13.05, 12.93, 12.97, 12.98, 13.10, 13.06, 12.97, 12.99, 12.90, 13.05,
12.98, 13.00, 12.96, 13.01, 12.98, 12.96, 13.03.
7

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
INTERVALO DE
CLASE
12.895 12.937
12.937 12.979
12.979 13.021
13.021 13.063
13.063 13.105

MARCA DE
CLASE (x )
12.916
12.958
13
13.042
13.084

fi

fi*

Fi

4
5
8
6
2

4 / 25
5 / 25
8 / 25
6 / 25
2 / 25

4 / 25 = 16%
9 / 25 = 36%
17 / 25 = 68%
23 / 25 = 92%
25 / 25 = 100%

VALOR MAXIMO = 13.10

VALOR MINIMO = 12.90

fi = 25

0.005
VALOR MAXIMO + 0.005 = 13.10 + 0.005 = 13.105
VALOR MINIMO 0.005 = 12.90 0.005 = 12.895
RANGO = 13.105 12.895 = 0.21
AMPLITUD DEL INTERVALO = 0.21 / 5 = 0.042

13.02
12.93
12.97
12.99
12.96

12.94
13.06
12.98
12.90
13.01

12.99
13.04
13.10
13.05
12.98

13.07
13.05
13.06
12.98
12.96

12.91
12.93
12.97
13.00
13.03

HISTOGRAMA
CUANDO SE TRABAJA CON UNA TABLA DE FRECUENCIAS AL
CONJUNTO DE PAREJAS ( Xi , fi* ), donde Xi ES UNA MARCA DE CLASE PARA EL
i-esimo INTERVALO, CONSTITUYE LA DISTRIBUCION EMPIRICA. ESTA
DISTRIBUCION SE PUEDE REPRESENTAR MEDIANTE EL HISTOGRAMA Y
MEDIANTE EL POLIGONO DE FRECUENCIAS.
8

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS

POLIGONO DE FRECUENCIAS RELATIVAS ACUMULADAS

fractil en %
fractil en 100% = 13.105
fractil en 0% = 12.895
fractil en ( 17 / 25 ) x 100% = 13.021
68
percentil ( 1ro , 2do , . , 100mo )
9

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
decil (1ro, 2do, .. , 10mo )
cuartil ( 1ro 25% , 2do 50% , 3ro 75% , 4to 100% )

fractiles

PARAMETROS DE LAS DISTRIBUCIONES EMPIRICAS

1. MEDIA
ES EL PROMEDIO ARITMETICO DE TODOS LOS DATOS DE LA
MUESTRA:
1
n

x =

xi

i 1

n
CON UNA TABLA DE FRECUENCIAS
m

xi fi

i 1

xi fi

i 1

x =

=
m

fi

i 1

EN EL EJEMPLO:
(12.916) (4) + (12.958) (5) + (13) (8) + (13.042) (6) + (13.084) (2)

x =

= 12.9949
25

x = 12.9949
1
25

x =

Xi = 12.9964 EXACTO

i 1

25
2. MEDIANA
ES UN VALOR TAL QUE LA MITAD DE LAS OBSERVACIONES SON
MENORES QUE ESE VALOR Y LA OTRA MITAD MAYORES QUE EL MISMO.
PARA DETERMINAR LA MEDIANA CONVIENE ORDENAR LOS VALORES
OBSERVADOS DEL MENOR AL MAYOR.
10

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
EJEMPLOS:

A) 1, 7, 8, 10, 12, 15, 17, 23, 24

MEDIANA = 12
B) 1, 7, 8, 10, 12, 15, 17, 23, 24, 29
12 + 15
= 13.5 MEDIANA
2
C) 4, 5, 5, 6, 7, 7, 7, 8, 9, 9
MEDIANA = 7

SI SE TRABAJA CON INTERVALOS DE CLASE:

MEDIANA = a + x

n/2 ( f)a
[
]
fm

DONDE EN LA TABLA DE FRECUENCIAS SE TRABAJA EN EL INTERVALO EN

DONDE LA FRECUENCIA Fi REBASA EL 50%, POR PRIMERA VEZ, ENTONCES:
x = ES EL TAMAO DEL INTERVALO
a = AL EXTREMO IZQUIERDO DEL INTERVALO
n = AL NUMERO DE VALORES OBSERVADOS EN EL EXPERIMENTO
fm = A LA FRECUENCIA CORRESPONDIENTE AL INTERVALO EN CUESTION
( f)a = A LA SUMA DE LAS FRECUENCIAS CORRESPONDIENTES A LOS
INTERVALOS ANTERIORES.
EN EL EJEMPLO: SE TRABAJA EN EL 3e INTERVALO
12.5 (4 + 5)
MEDIANA = 12.979 + 0.042 [

] = 12.997375
8

MEDIANA = 12.9974

11

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
3. MODA
(O MODO) ES EL NUMERO QUE APARECE MAS FRECUENTEMENTE.
EN EL EJEMPLO:
MODA = 12.98

ES UNIMODAL

SI SE REPITEN IGUAL NUMERO DE VECES DOS O MAS NUMEROS SE SACA EL

PROMEDIO.
EJEMPLOS:

CON DOS MODAS (BIMODAL)

CON TRES MODAS (TRIMODAL)

CON VARIAS MODAS (MULTIMODAL)

SI SE TRABAJA CON UNA TABLA.- LA MODA SE ENCUENTRA EN EL

INTERVALO QUE TIENE MAYOR FRECUENCIA.
HISTOGRAMA.

MODA = a + x [

d1
d2 + d1

12

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
EN EL EJMEPLO: d1 = 3 ; d2 = 2
3
MODA = 12.979 + 0.042 [

]
3+2

MODA = 13.0042

4. FRACTILES.
ESTABLECEN LA LOCALIZACION DE DIVERSOS VALORES QUE DIVIDEN
A LA MUESTRA EN GRUPOS DE ACUERDO A LAS FRECUENCIAS O A LAS
OBSERVACIONES.
EN UNA TABLA:
FRACTIL = a + x [

n x FRACCION - ( f )a
]
(f) FRACTIL

POLIGONO DE FRECUENCIA RELATIVA ACUMULADA:

CUARTILES: C1, C2, C3, C4

C1 = FRACTIL AL 25%

13

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
EN EL EJEMPLO :
25 (0.25) 4
C1= 12.937 + (0.042) [

] = 12.9559
5
25 (0.50) - 9

C2= 12.979 + (0.042) [

] = 12.997375
8
25 (0.75) -17

C3= 13.021 + (0.042) [

] = 13.03325
6
25 (1) - 23

C4= 13.063 + (0.042) [

] = 13.105
2
25 (0.01) 0

d1= 12.895 + (0.042) [

] = 12.92125
4

5. VARIANCIA:
ES EL PROMEDIO ARITMETICO DE LOS CUADRADOS DE LAS
DESVIACIONES DE LAS OBSERVACIONES CON RESPECTO A SU VALOR
MEDIO.
n

(xi - x )2

i 1

S2X =
n

SI SE TRABAJA CON UNA TABLA:

n

( x i x )2 fi

i 1

S x=
n
DONDE:
x = MARCA DE CLASE
14

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
k = NUMERO DE INTERVALO
x i = MEDIA
fi= LA FRECUENCIA
n = NUMERO DE OBSERVACIONES
PARA EL EJEMPLO:
(12.916 12.9952)2 (4) + (12.958 x )2 (5) + + (13.084 x )2 (2)
Sx2=
25
S2x= 0.0024
Sx= DESVIACION ESTANDAR =
Sx =

2
x

0.0024 = 0.048989794856

6. COEFICIENTE DE VARIACION.
Sx
C. V.=

x
EN EL EJEMPLO:

0.0024
C. V.=

= 0.0037
12.9952

7. COEFICIENTE DE ASIMETRIA:
MEDIA MODA
C. A.=

12.9952 13.042
=

Sx

= - 0.9554
0.04898

15

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS

DISTRIBUCION SIMETRICA POSITIVA:

16

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
DISTRIBUCION SIMETRICA NEGATIVA:

8. COEFICIENTE DE APLANAMIENTO.
EL GRADO DE APLANAMIENTO DE UNA DISTRIBUCION EMPIRICA SE
LLAMA CURTOSIS Y SE MIDE POR EL SIGUIENTE COEFICIENTE.
m4
COEFICIENTE MOMENTO DE CURTOSIS =
m22
DONDE:
mr.- ES EL MOMENTO DE ORDEN r CON RESPECTO A LA MEDIA.
n

( xi x )r

i 1

mr =
n
EN UNA TABLA DE FRECUENCIAS
n

(xi x )r fi

i 1

mr =
n
OBSERVAR QUE m2 = SX2
17

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
SEAN LOS HISTOGRAMAS:

EN A:
5 (4) + 7 (10) + 9 (5)

x=

= 7.105
19

EN B:
5 (6) + 7 (7) + 9 (6)

x =

=7
19
18

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
EN A:
(5 7.105)2 (4) + (7 7.105)2 (10) + (9 7.105)2 (5)
m2=

= 1.8836566
19
(5 7.105)4 (4) + (7 7.105)4 (10) + (9 7.105)4 (5)

m4=

= 7.527
19
m4

COEFICIENTE DE CURTIS =

7.527
=

= 2.122

m22

(1.8836)2

EN B:
(5 7)2 (6) + (7 7)2 (7) + (9 7)2 (6)
m2 =

= 2.526
19
(5 7)4 (6) + (7 7)4 (7) + (9 7)4 (6)

m4 =

= 10.105
19
m4

COEFICIENTE DE CURTIS =

10.105
=

m22

= 1.58
(2.526)2

TAREA:
DATOS: 0, 45, 65, 80, 85, 80, 20, 45, 17, 73, 35, 62, 57, 45, 10, 67, 65, 42, 10, 40, 65, 48,
15, 65, 52, 75, 35, 100, 57, 65, 45, 57, 42, 48, 70, 35, 35, 42, 25, 38, 25, 80, 85, 100, 28, 25,
65, 85, 25, 35.
SON 50 CALIFICACIONES, DE
PROBABILIDAD Y ESTADISTICA.

INTERVALOS MARCAS
DE CLASE
DE CLASE
-0.1 - 19.94
19.94 39.98
39.98 60.02
60.02 80.06
80.06 100.1

LOS

fi

19

ALUMNOS

DEL

fi *

GRUPO

26

Fi

DE

APUNTES DE PROBABILIDAD Y ESTADISTICA

ING. GUILLERMO CASAR MARCOS
VALOR MAXIMO = 100
VALOR MINIMO = 0

fi = 50

0.1
VALOR MAXIMO + 0.1 = 100 + 0.1 = 100.1
VALOR MINIMO 0.1 = 0 0.1 = - 0.1
RANGO = 100.1 (- 0.1) = 100.2
AMPLITUD DEL INTERVALO = 100.2 / 5 = 20.04
100.1 + 0.1
x =

= 20.04
5

CALCULAR:
a)
b)
c)
d)
e)
f)
g)
h)
i)

MEDIA
MEDIANA
MODA
FRACTILES C1, C2, C3, C4
VARIANCIA Y DESVIACIN ESTANDAR
COEFICIENTE DE ASIMETRIA
COEFICIENTE DE APLANAMIENTO
HISTOGRAMA CON POLGONO DE FRECUENCIAS
POLGONO
DE
FRECUENCIAS
RELATIVAS
ACUMULADAS
j) COEFICIENTE DE VARIACION

20