Universidad Nacional Autnoma de

Mxico

Facultad de Ingeniera

Probabilidad y Estadstica
Gpo. 3

Ing. Bauelos Duran Amparo

Serie Tema 1
Propiedades de la Media
Integrantes.

1. Definir
a) Poblacin
Una poblacin esta determinada por sus caractersticas que
la definen. Por lo tanto el conjunto finito o infinito de
individuos u objetos que posean dicha caracterstica se le
denomina poblacin.
b) Muestra
Una muestra es un conjunto de unidades que es una porcin
del total que representa la conducta de la poblacin en su
conjunto, en un sentido mas amplio la muestra descansa en
el principio de que las partes representan el todo y, por tal,
refleja las caractersticas que definen la poblacin de la cual
fue extrada.
2. Proporcionar la definicin de Probabilidad
En
cualquier
experimento
aleatorio
existe
siempre
incertidumbre respecto a si un determinado acontecimiento
ocurrir o no. Como una medida de la posibilidad o
probabilidad, con la cual puede esperarse que ocurra el evento,
suele emplearse un numero entre 0 y 1. Si se est seguro de
que ocurra un determinado evento , se dice que su probabilidad
es del 100% , o bien 1, pero si se est seguro de que no ocurrir
, se dice que su probabilidad es cero. Por lo tanto
La probabilidad mide la frecuencia con la que se obtiene un
resultado (o conjunto de resultados) al llevar a cabo un
experimento aleatorio, del que se conocen todos los resultados
posibles, bajo condiciones suficientemente estables.

3. a)

Dar la definicin de Estadstica

La estadstica es una ciencia que estudia la recoleccin,
anlisis e interpretacin de datos, ya sea para ayudar en la
toma de decisiones o para explicar condiciones regulares o
irregulares de algn fenmeno o estudio aplicado, de
ocurrencia en forma aleatoria o condicional. Sin embargo

estadstica es ms que eso, en otras palabras es el vehculo

que permite llevar a cabo el proceso relacionado con la
investigacin cientfica.
b) Clasificacin de la estadstica
La estadstica se clasifica en descriptiva e inferencial, Ambas
ramas comprenden la estadstica aplicada. Es transversal a
una amplia variedad de disciplinas, desde la fsica hasta
las ciencias sociales, desde las ciencias de la salud hasta
el control de calidad. Se usa para la toma de decisiones en
reas de negocios o instituciones gubernamentales.

4. a) Definir estadstica descriptiva

La estadstica descriptiva, se dedica a los mtodos de
recoleccin, descripcin, visualizacin y resumen de datos
originados a partir de los fenmenos de estudio. Los datos
pueden ser resumidos numrica o grficamente. Ejemplos
bsicos
de parmetros
estadsticos son:
la media y
la desviacin
estndar.
Algunos
ejemplos
grficos
son: histograma, entre otros.
b)Definir estadstica Inferencia
La estadstica inferencial, se dedica a la generacin de
los modelos y predicciones asociadas a los fenmenos en
cuestin
teniendo
en
cuenta
la aleatoriedad de
las
observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la poblacin bajo estudio. Estas
inferencias pueden tomar la forma de estimaciones de
caractersticas numricas (estimacin), pronsticos de futuras
observaciones, descripciones de asociacin (correlacin) o
modelamiento de relaciones entre variables (anlisis de
regresin).

5. Describir las etapas de una investigacin estadstica mediante

un problema relacionado con su carrera.
Etapas de la investigacin estadstica para :

Aplicacin de Herramientas Estadsticas para mejorar la Calidad del

Proceso de Mezcla en Empaques de Caucho para tuberas.

Seleccin y determinacin de la poblacin o muestra y las

caractersticas contenidas que se desean estudiar. En el caso de
que se desee tomar una muestra, es necesario determinar el
tamao de la misma y el tipo de muestreo a realizar (probabilstico
o no probabilstico).
Ej. Llegada de materia prima y anlisis de laboratorio.

Obtencin de los datos. Esta puede ser realizada mediante

la observacin directa
de
los
elementos,
la
aplicacin
de encuestas y entrevistas, y la realizacin de experimentos.
Ej. Dosificado, Mezclado, Extrusin y Vulcanizacin.

Clasificacin, tabulacin y organizacin de los datos. La

clasificacin incluye el tratamiento de los datos considerados
anmalos que pueden en un momento dado, falsear un anlisis de
los indicadores estadsticos. La tabulacin implica el resumen de
los datos en tablas y grficos estadsticos.
Ej. Histograma, Diagrama Causa-Efecto, Diagrama de Pareto,
Graficas de Control, Plantillas de recoleccin de datos , Capacidad
del proceso, Variables criticas.

Anlisis descriptivo de los datos. El anlisis se complementa con

la obtencin de indicadores estadsticos como las medidas: de
tendencia central, dispersin, posicin y forma.
Ej. Pruebas de hiptesis, Grficas de control.

Anlisis inferencial de los datos. Se aplican tcnicas de

tratamiento de datos que involucran elementos probabilsticos que
permiten inferir conclusiones de una muestra hacia la poblacin
(opcional).
Ej. Anlisis financiero.

Elaboracin de conclusiones. Se construye el informe final.

Ej. Conclusiones y Recomendaciones.

6. Definir los siguientes tipos de muestreo:

a) Aleatorio

b)
c)
d)
e)

Aleatorio Simple
Sistemtico
Conglomerado
Estratificado

Muestreo aleatorio simple

Para obtener una muestra, se numeran los elementos de la poblacin
y se seleccionan al azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico
Se elige un individuo al azar y a partir de l, a intervalos constantes,
se eligen los dems hasta completar la muestra.
Por ejemplo si tenemos una poblacin formada por 100 elementos y
queremos extraer una muestra de 25 elementos, en primer lugar
debemos establecer el intervalo de seleccin que ser igual a 100/25
= 4. A continuacin elegimos el elemento de arranque, tomando
aleatoriamente un nmero entre el 1 y el 4, y a partir de l
obtenemos los restantes elementos de la muestra.
2, 6, 10, 14,..., 98
Muestreo aleatorio estratificado
Se divide la poblacin en clases o estratos y se escoge,
aleatoriamente, un nmero de individuos de cada estrato
proporcional al nmero de componentes de cada estrato.
En una fbrica que consta de 600 trabajadores queremos tomar una
muestra de 20. Sabemos que hay 200 trabajadores en la seccin A,
150 en la B, 150 en la C y 100 en la D.

Este mtodo supone que la poblacin puede desagregarse en sub

conjuntos menores, homogneos internamente pero heterogneos
entre si. Cada uno de estos estratos se toma luego como una
poblacin particular, de tamao mas reducido, y sobre el se
seleccionan muestras segn cualquiera de los procedimientos
anteriores.
Tanto el muestreo estratificado como el de conglomerados, la
poblacin se divide en grupos bien definidos. Se usa el muestreo
estratificado cuando hay una amplia variacin entre los grupos; el de

conglomerados en el caso opuesto: cuando hay una variacin

considerable dentro de cada grupo, pero los grupos son
esencialmente similares entre si, El tamao de la muestra tambin es
importante ya que de esta va a depender si los resultados del estudio
podrn generalizarse o no.
Muestras por conglomerados
Esta tcnica tiene utilidad cuando la poblacin que se quiere estudiar
se encuentra subdividido en poblaciones menores de caractersticas
similares a la de la poblacin total. Se procede a subdividir la
poblacin en un numero finito de conglomerados y , entre ellos, se
pasa a elegir algunos que sern los nicos que se investigaran; esta
eleccin puede realizarse por el mtodo del azar sistemtico, Una vez
cumplida esta etapa , puede efectuarse una, dentro de cada uno de
los conglomerados elegidos, para llegar a un numero aun mas
reducido de unidades mustrales.
La tcnica de conglomerados suele utilizarse cuando se quiere extraer
muestras de los habitantes de un conjunto geogrfico amplio, por
ejemplo, una gran ciudad o un conjunto de pueblos, por lo que se
procede a tomar cada pueblo o grupo de manzanas como un
conglomerado independiente, igual se utiliza para conocer las
reservas forestales y marinas, para estudiar las estrellas y otros casos
semejantes.

7. Se utiliz un contador Geiger electrnico, para contar el nmero

de emisiones radiactivas en un periodo de 10 segundos. El
experimento fue repetido 22 veces, obtenindose las cuentas
siguientes.
8 23 18 22 22 15 21 23 25 18 24
22 21 37 19 22 22 12 27 16 26 32
Realizar el anlisis de los datos y dar sus conclusiones para el nmero
de emisiones
radiactivas en 10 segundos.
Solucin
a) Organizamos los datos.
8
2
1
2
4

1
2
2
2
2
5

1
5
2
2
2
6

1
6
2
2
2
7

1
8
2
2
3
2

1
8
2
2
3
7

1
9
2
3

21
23

b) Tamao de muestra (n) = 22 ; Rango: DM-dm= 29 ; k= n = 4.7;

Amplitud (C )6
x =

c) Media
^x =

xi
n

= 21.59 ; Mediana

n
~
x=
2

(par) = 22 ; Moda

22 ( mayor frec. )

Rango Cuartlico (

RQ =Q3Q1

Q3 :

n
LQ3 = (3 )=16.5 +0.5 = 17 Q 3=23
4
0.5 16

Q1 :

n
LQ 1 = ( 1 ) =5.5 +0.5 = 6 Q 1=18
4
0.5 5

RQ =6
Rango Percentlico (

RP =P90P10

P90 :

L P90 =

n ( )
90 =19.8 + 0.5 = 23.3 P 90=27( 0.7)+32( 0.3)=28.5
100
0.5 19.3

P10 :

L P10=

n
( 10 )=2.2 +0.5 = 2.7 P10 =12 ( 0.3 ) +15 ( 0.7 ) =14.1
100
0.5 1.7

RP =14.4

|xx|

( xx )2

( xx )3

13.59

184.6881

12

9.59

91.9681

15

6.59

43.4281

16

5.59

31.2481

2509.91127
9
881.974079
286.191179
174.676879

18

3.59

12.8881

-46.268279

18

3.59

12.8881

-46.268279

19

2.59

6.7081

-17.373979

( xx )4
34109.694
28
8458.1314
18
1885.9998
7
976.44375
36
166.10312
16
166.10312
16
44.998605
61

21

0.59

0.3481

-0.205379

21

0.59

0.3481

-0.205379

22

0.41

0.1681

0.068921

22

0.41

0.1681

0.068921

22

0.41

0.1681

0.068921

22

0.41

0.1681

0.068921

22

0.41

0.1681

0.068921

23

1.41

1.9881

2.803221

23

1.41

1.9881

2.803221

24

2.41

5.8081

13.997521

25

3.41

11.6281

39.651821

26

4.41

19.4481

85.766121

27

5.41

29.2681

32

10.41

108.3681

37

15.41

237.4681

158.340421
1128.11192
1
3659.38342
1

0.1211736
1
0.1211736
1
0.0282576
1
0.0282576
1
0.0282576
1
0.0282576
1
0.0282576
1
3.9525416
1
3.9525416
1
33.734025
61
135.21270
96
378.22859
36
856.62167
76
11743.645
1
56391.098
52

|xx|

( xx )2

( xx )3

( xx )4

92.64

801.3182

1128.12756
2

115354.30
35

Sumatorias:

Desviacin media

Varianza ;

S 2=

DM=

|x x|= 92.64 =4.211

n

22

( xx )2 = 801.3182 =38.16
n1

Desviacin Estndar;

221

S=6.177

Coeficiente de Variacin ;

Coeficiente de Simetra ;

S
cv= =0.28
x
3=

m3
m2

3
( )
2

51.28
3
( )
2

(36.42)

=0.23

sesgo positivo

Coeficiente de kurtosis ;

4=

m4
m2

5243.4
=3.95
(36.42)2

leptocurtica

d) Conclusin
De la muestra de 22 datos recolectados analizamos la media y se
puede concluir que existe una posibilidad de que dentro de los 10
segundos se emita una cantidad de radioactividad equivalente al 21.6
aproximadamente y que tendr una reincidencia a mas del 50 % ya
que as lo indica su anlisis modal y que oscilara entre 21.6 y 22 la
emisin radioactiva.

8. El primer da de clases del semestre pasado se pregunto a 50

estudiantes de ingeniera acerca del tiempo requerido para
desplazarse de su casa a la divisin de ciencias bsicas
(redondeado a 5 min.). Los datos resultantes fueron los
siguiente:
2
0
3
5
2
5
1
5
5

2
0
2
5
3
0
2
0
2
0

3
0
1
5
1
5
2
0
2
0

2
5
2
5
2
0
2
0
1
0

2
0
2
5
4
5
2
0
5

2
5
4
0
2
5
2
5
2
0

3
0
2
5
3
5
2
0
3
0

15
30
25
20
10

1
0
5
1
0
1
5
2
5

4
0
2
5
1
0
2
0
1
5

a) efectuar la tabla de distribucin de frecuencias de una forma

conveniente:

n
1
2
3
4
5
6
7

Int.
5
11
17
23
29
35
41

10
16
22
28
34
40
46

f
8
6
14
12
5
4
1

F
8
14
28
40
45
49
50

Int
Real
4.5
10.5
16.5
22.5
28.5
34.5
40.5

10.5
16.5
22.5
28.5
34.5
40.5
46.5

x
7.5
13.5
19.5
25.5
31.5
37.5
43.5

fx
60
81
273
306
157.5
150
43.5

x =

Media
~
x :

Mediana

Moda

^x :

= 21.42

50
2514
=25 ~x=16.5+
6=21.21
2
14

[ ]

8
L x^ =frec .mayor=14 ; d 1=146=8 ^x =16.5+
6=21.3
10
d 2=1412=2

n
LQ3 = (3 )=37.5 Q3 =
4

Q3 :

D3 :

P65 :

L~
x=

f i xi

37.528
6=27.25
12

n
( 3 )=15 D 3=
10

10.5+

158
6=17.5
6

n
( 65 )=32.5 P65=
100

22.5+

L D3 =

L P65=

22.5+

32.528
6=24.75
12

Rango= LCS-LCI= 46-5 = 41

xmedia

por f

13.92

111.36

x-media^2
193.7664

por f
1550.131
2
376.3584

7.92

47.52

62.7264

1.92

26.88

3.6864

4.08

48.96

16.6464

199.7568

51.6096

10.08

50.4

101.6064

16.08

64.32

258.5664

508.032
1034.265
6

22.08

22.08

487.5264

487.5264

371.52

x-media^3
2697.228288
-496.793088

por f
-21577.8263
2980.758528

-7.077888

-99.090432

67.917312

815.007744

1024.192512

5120.96256

4157.747712
10764.58291

16630.99085
10764.58291

4207.68

x-media^4
37545.4177
7
3934.60125
7
13.5895449
6
277.102633
10323.8605
2
66856.5832
1
237681.990

por f
300363.342
2
23607.6075
4
190.253629
4
3325.23159
6
51619.3026
267426.332
8
237681.990

884214.061
1

8673.8688

Desviacin media

Varianza ;

DM=

|x x|f = 371.52 =7.43

n

50

( xx )2 f 4207.68

S=
=
=85.87
2

n1

Desviacin Estndar;
S
cv= =0.4326
x

49

S=9.267

Coeficiente de Simetra ;

Coeficiente de kurtosis ;

Coeficiente de Variacin ;

m3

3=

m2
4=

3
( )
2

m4
m 22

=0.225

=2.49

sesgo positivo

platocurtica

Histograma de Frecuencia Relativa

Marcas de Clase

43
.5

31
.5

19
.5

7.
5

0.3
0.25
0.2
0.15
Frecuencia Relativa 0.1
0.05
0

Polgono de Frecuencia
15
10
Frecuencia

5
0

1.5

7.5 13.5 19.5 25.5 31.5 37.5 43.5 49.5

Marcas de Clase

Ojiva
60
50
40
30
20
10
0
4.5

10.5

16.5

22.5

28.5

34.5

40.5

46.5

9. Un trmino utilizado con frecuencia en la investigacin de la

energa solar es grados-das. Este concepto est relacionado
con la diferencia entre una temperatura de 65 [F] a la sobra, y
la temperatura anterior promedio en un da determinado. Una
temperatura anterior de 5 [F], produce un valor de 60 gradosdas. A continuacin se presentan los valores normales anuales
de grados-das en varios estados.
6726
6434
6740
6886
6197

6796
6582
6297
6811
6102

6946
6261
6919
6086
6320

6197
6139
6420
6684
6070

6368
6437
6169
6955
6545

a) Efectuar la tabla de distribucin de frecuencias de una forma

conveniente.
n = 25 ; R= 6955-6070=885 ; k= 5 ; C= 180
n

int

6070

6249

int Reales

6069.5

6249.5

fx

6159.5

43116.5

2
3
4
5

6250
6430
6610
6790

6429
6609
6789
6969

5
4
3
6

12
16
19
25

6249.5
6429.5
6609.5
6789.5

6429.5
6609.5
6789.5
6969.5

6339.5
6519.5
6699.5
6879.5

25

31697.5
26078
20098.5
41277
162267.5

b) Calcular La media.
x =

Media

f i xi
n

= 6490.7

c) Obtener la variancia muestral, la desviacin estndar y el

coeficiente de variacin.
Desviacin media

Varianza ;

DM=

|x x|f = 6148.8 =245.952

n

25

( xx )2 f 1923264

S=
=
=80136
2

n1

Desviacin Estndar;
S
cv= =0.043
x

24

S=283.08

Coeficiente de Variacin ;

d) Determinar:
d1) El sesgo y concluir sobre la muestra dada.
d2) La curtosis y concluir sobre la muestra.

Coeficiente de Simetra ;

Coeficiente de kurtosis ;

m3

3=

m2
4

3
( )
2

m4
m 22

=0.2032

=1.552

sesgo positivo

platocurtica

e) Trazar las grficas utilizando la informacin de la distribucin de

frecuencias,
siguientes:
e1) El histograma de frecuencias relativas.

e2) El polgono de frecuencias.

e3) La ojiva.

Histograma de Frecuencias Relativas

0.3
0.2
Frecuencia Relativa

0.1
0

Marcas de Clase

Polgono de Frecuencia
8
6
4
Frecuencia 2
0

Marcas de Clase

Ojiva
30
25
20
15
10
5
0
6069.5

6249.5

6429.5

6609.5

6789.5

6969.5

10. Considerar el conjunto de tiempos de entrega registrados de un

examen de Probabilidad y Estadstica el semestre en curso.
30.1 31.6 34.5 38.0 31.1 36.0 33.0

31.5
34.0
37.5
30.1

34.5
37.5
30.2
31.6

37.6
30.5
32.0
35.0

31.0
32.4
35.0
39.5

32.5
35.6
31.2
33.0

31.3
33.0
36.5
31.3

36.9
31.4
33.5
37.0

a) Efectuar la tabla de distribucin de frecuencias de una forma

apropiada.
n = 35 ; R= 39.5-30.1=9.4 ; k= 5.9=6 ; C= 1.56
n

int

30.1

fr

int real

fx

31.65

13

13

0.37 30.095

31.655

30.875

401.375

31.66

33.21

19

0.17 31.655

33.215

32.435

194.61

33.22

34.77

23

0.11 33.215

34.775

33.995

135.98

34.78

36.33

36.34

37.89

27

0.11 34.775

36.335

35.555

142.22

33

37.895

37.115

222.69

35

0.17 36.335
0.05
7
37.895

37.9

39.45

39.455

38.675

77.35

b) Calcular las medidas de tendencia central: media, mediana y

moda.
x =

Media

Moda

= 33.55

~
x :

Mediana

L~
x=

f i xi

35
17.513
=17.5 ~
x =31.655+
1.56=32.825
2
6
^x :

[ ]

13
L x^ =frec .mayor=13 ; d 1=130=13 x^ =30.095+
1.56=31.101
20
d 2=136=7

c) Obtener las medidas de dispersin: variancia muestral, desviacin

estndar y
coeficiente de variacin.
Desviacin media

Varianza ;

DM=

|x x| f = 82.905 =2.368
n

( xx )2 f 246.14

S=
=
=7.24
2

n1

34

35

Desviacin Estndar;
S
cv= =0.08
x

S=2.7

Coeficiente de Variacin ;

d) Determinar el sesgo y curtosis, adems, concluir sobre la muestra

de los tiempos de
entrega.

Coeficiente de Simetra ;

Coeficiente de kurtosis ;

m3

3=

m2
4

3
( )
2

m4
m 22

=0.486

sesgo positivo

=1.784

platocurtica

e) Trazar las grficas:

e1) El histograma de frecuencias relativas.
e2) El polgono de frecuencias.
e3) La ojiva.

Histograma de Frecuencia Relativa

0.4
0.3
0.2
Frecuencia Relativa 0.1
0

Marcas de Clase

Polgono de Frecuencias
14
12
10
8
6
Frecuencia 4
2
0

Marcas de Clase

Ojiva
40
30
20
10
0
30.095 31.655 33.215 34.775 36.335 37.895 39.455

Propiedades de la Media
1. La suma de las desviaciones de todas las
puntuaciones de una distribucin respecto a la media de
la misma igual a cero.

La suma de las desviaciones de los nmeros 8, 3, 5,

12, 10 de su media aritmtica 7.6 es igual a 0:
8 7.6 + 3 7.6 + 5 7.6 + 12 7.6 + 10 7.6 =
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
2. La suma de los cuadrados de las desviaciones de
los valores de la variable con respecto a
un nmero cualquiera se hace mnima cuando
dicho nmero coincide con la media aritmtica.

3. Si a todos los valores de la variable se les suma un

mismo nmero, la media aritmtica queda aumentada en
dicho nmero.
4. Si todos los valores de la variable
se multiplican por un mismo nmero la media
aritmtica queda multiplicada por dicho nmero.

Observaciones sobre la media aritmtica

1. La media se puede hallar slo para variables
cuantitativas.
2. La media es independiente de las amplitudes de
los intervalos.
3. La media es muy sensible a las puntuaciones
extremas. Si tenemos una distribucin con los siguientes
pesos:
65 kg, 69kg , 65 kg, 72 kg, 66 kg, 75 kg, 70 kg, 110
kg.
La media es igual a 74 kg, que es una medida de
centralizacin poco representativa de la distribucin.