Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística
Estadística
78
81
83
93
77
86
77
76
84
73
93
87
78
107
76
106
82
73
99
80
107
91
81
94
88
98
95
86
86
91
Frecuencia
Frecuencia
Marca Limite
de
Real
Absoluta
Relativa
Clase
Inferior
Frecuencia
Limite
Real
Frecuencia
Superior
Acumulada
Relativa
Acumulada
35 99.6%
HISTOGRAMA Y POLGONO DE FRECUENCIAS.
Clases
Es una representacin grfica mediante rectngulos cuyas bases corresponden a la longitud de la clase y las
alturas a las frecuencias absolutas.
HISTOGRAMAS: Se grafican en el eje horizontal las marcas de clase y en el eje vertical las frecuencias
absolutas.
POLGONO DE FRECUENCIAS: Es una representacin grfica que se obtiene en los puntos medios de los
techos de los rectngulos, se unen con lneas rectas.
Donde:
X = Datos.
N = Nmero total de datos.
Ejemplo:
66, 100, 98, 96, 58, 94, 90
= 66, 100, 98, 96, 58, 94, 90 = 602 = 86.
77
DATOS AGRUPADOS:
Donde:
X = Nmero de datos
N = Nmero total de datos.
f = Frecuencias absolutas.
Ejemplo:
MODA: Es la medida de tendencia central que se define como el valor que se presenta con mayor
frecuencia, es decir el ms comn.
La moda para datos no agrupados presenta los siguientes casos:
Caso 1:
2, 3, 3, 4, 4, 4, 5, 7, 8, 9. Moda = 4.
Caso 2:
2, 5, 5, 6, 6, 7, 9, 16. Moda = 6, 5.
Caso 3:
2, 4, 5, 6, 7, 8, 11. No existe Moda.
La moda para datos agrupados presenta la siguiente formula:
Donde:
L1 = Es el limite inferior de la clase que contiene la moda.
Donde:
L = Es el lmite real inferior de la clase que contiene la mediana.
N = Es el nmero total de datos en el conjunto.
f =Es la suma de las frecuencias acumuladas inferiores sin
contar la frecuencia de la clase que contiene la mediana.
C = Es el tamao, longitud o anchura de la clase.
*NOTA: La clase que contiene la mediana se obtiene contando las frecuencias absolutas, de arriba hacia
abajo y viceversa localizndola donde nos de la mitad de N.
Ejemplo:
35 13
Mediana = 81.5 + 2 5 = 81.5 + (17.5 13 ) =
77
Mediana = 81.5 + 3.21 = 84.71
RELACION EMPRICA ENTRE MEDIA ARITMTICA, MODA Y MEDIANA.
N
Donde:
6
X = Datos
= Media Aritmtica.
| | = Valor absoluto.
N = Nmero Total de Datos.
Ejemplo:
D.M = |6686| + |10086| + |9886| + 9686| + |5886| + |9486| + |9086|
7
D.M = |20| + |14| + |12| + |10| + |28| + |8| + |14| =13.71
7
Para calcular la desviacin media para datos agrupados se utiliza la siguiente frmula:
Donde:
X = Marcas de clase.
f = Frecuencias Absolutas.
= Media Aritmtica.
N = Nmero total de datos en el conjunto.
Ejemplo:
D.M = 5|7486.57|+8|7986.57|+7|8486.57|+4|8986.57|+
6|9486.57|+2|9986.57|+1|10486.57|+2|10986.57| =
35
D.M =|62.85|+|60.56|+|17.99|+|9.72|+|44.58|+|24.86|+|17.43|+|44.86|=
35
D.M = 282.85 = 8.08
35
DESVIACIN TIPICA O ESTNDAR: Se define como la raz cuadrada de la varianza.
Para calcular las desviacin tpica para los datos no agrupados mayores de 30 se utiliza la siguiente
frmula:
Ejemplo:
Para calcular la desviacin tpica o estndar para datos agrupados se utiliza la siguiente frmula:
Donde:
f1 = Frecuencia Absoluta.
Ejemplo:
= 9.66
VARIANZA: Se define como la desviacin tpica o estndar elevada al cuadrado; su smbolo es .
Ejemplo:
= (9.66)2 = 93.31
REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TIPICAS:
Para una desviacin tpica el porcentaje es del 68.27%
MODELO.
El presidente de Ocean Airlines intenta hacer una estimacin de cuanto se tardar el Departamento de
Aeronutica Civil en decidir acerca de la solicitud de la compaa sobre una nueva ruta entre la ciudad
de Charlotte y Los Angeles. Los asesores del presidente han conseguido los siguientes tiempos de espera
de las solicitudes hechas durante el ao anterior. Los datos estn en das desde la fecha de solicitud
hasta la respuesta del D.A.C.
34
49
29
24
29
40
34
40
44
22
23
38
31
37
28
28
31
30
39
44
31
33
34
32
51
40
42
31
36
31
25
26
38
34
44
35
35
35
36
28
47
27
37
41
47
32
31
33
39
31
Frecuencia
Frecuencia
Marca Limite
de
Real
Limite
Real
Frecuencia
Absoluta
Relativa
Clase
Inferior
Superior
Acumulada
3
3
6
12
8
6
5
4
6%
6%
12%
24%
16%
12%
10%
8%
23
26
29
32
35
38
41
44
21.5
24.5
27.5
30.5
33.5
36.5
39.5
42.5
24.5
27.5
30.5
33.5
36.5
39.5
42.5
45.5
3
6
12
24
32
38
43
47
Clases
1
2
3
4
5
6
7
8
21 24
25 27
28 30
31 33
34 36
37 39
40 42
43 45
Relativa
Acumulada
6
12
24
48
64
76
86
94
10
9 49 48
10 49 51
2
1
4%
2%
47
50
45.5
48.5
48.5
51.5
49
50
98
100
50 100%
Longitud = 3.
HISTOGRAMA Y POLGONO DE FRECUENCIAS.
DIAGRAMA DE PARETO.
POLGONO DE FRECUENCIAS RELATIVAS.
OJIVA.
MEDIA.
3(23)+3(26)+6(29)+12(32)+8(35)+6(38)+5(41)+4(44)+2(47)+1(50)=
50
X = 34.76
MODA.
6
Moda = 30.5 + 3 = 30.5 + 1.8 = 32.3
6+4
MEDIANA.
Mediana = L + N _ f C
2
fm
50 24 3
Mediana = 33.5 + 2 = 33.5 + 0.375 = 33.875
11
RELACION EMPRICA.
3|2334.76|+3|2634.76|+6|2934.76|+12|3234.76|+8|3534.76|+
6|3834.76|+5|4134.76|+4|4434.76|+2|4734.76|+1|5034.76| =
50
35.28+26.28+34.56+33.12+1.92+19.44+31.2+36.96+24.48+15.24 =
50
D.M = 5.16
DESVIACIN TPICA O ESTNDAR.
="3(2334.76)2+3(2634.76)2+6(2934.76)2+12(3234.76)2+8(3534.76)2
+6(3834.76)2+5(4134.76)2+4(4434.76)2+2(4734.76)2+1(5034.76)2
50
= 6.4298
VARIANZA.
= (6.4298)2 = 41.3423
REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TPICAS.
Para una desviacin tpica:
X.
34.76 9.66
12
34.76 + 9.66=44.42
34.76 9.66= 25.1
Para dos desviaciones tpicas:
X 2.
34.76 2(9.66)
34.76 + 19.32=54.08
34.76 19.32= 15.44
Para tres desviaciones tpicas:
X 3.
34.76 3(9.66)
34.76 + 28.98=63.74
34.76 28.98= 5.78
CAPITULO II.
DESCRIPCIN DE DOS CONJUNTOS DE DATOS.
ANLISIS DE CORRELACIN.
Es el grupo de tcnicas estadsticas empleado para medir la intensidad de la relacin entre dos
variables.
Se deben identificar la variable dependiente y la independiente.
Ejemplo:
Se est efectuando un proyecto de investigacin en una empresa para determinar si existe relacin entre
los aos de servicio y la eficiencia de un empleado. El objetivo de estudio fue predecir la eficiencia de un
empleado con base en los aos de servicio. Los resultados de la muestra son:
x = 61 y = 30 xy=254 x2 =795 y2=128
DIAGRAMA DE DISPERSIN.
Es la grfica que representa la relacin entre dos variables de intereses.
COEFICIENTE DE CORRELACIN.
Es la medida de la intensidad de la relacin entre dos conjuntos de variables.
Para calcular el coeficiente de correlacin se utiliza la siguiente frmula:
13
Ejemplo:
r = .3531
ANLISIS DE REGRESIN.
Es la tcnica empleada para hacer predicciones. Para ello se emplea la ecuacin de regresin mediante
el mtodo de mnimos cuadrados; dicha ecuacin se le conoce como la ecuacin de estimacin de o de
pronstico la cual se expresa:
y' = a +bX
donde:
a = Coordenada de la interseccin con el eje y.
b = Es la pendiente de la recta.
x = Cualquier valor seleccionado para la variable independiente.
y' = Es el valor pronosticado de la variable y para un valor
seleccionado de x.
Matemticamente se obtiene de la siguiente manera:
Ejemplo:
b = 202 = .0765
14
2639
a = 3.75 .0765 ( 7.625) = 3.16
COEFICIENTE DE DETERMINACIN (r2).
Se define como la proporcin de la variacin total en la variable dependiente y que se explica por o se
debe a la variacin en la variable dependiente x.
El coeficiente de determinacin se obtiene aplicando la siguiente frmula:
r2 = Variacin total Variacin no explicada.
Variacin Total.
( y y )2
5.0625
1.5625
0.5625
1.5625
3.0625
3.0625
0.0625
0.5625
( y y )2
7.6729
0.0961
0.3721
1.5129
1.7161
1.5129
0.09
0.5929
15.5 13.5659
r2 = 15.5 13.5659 = 0.1247 = 0.1247
15.5
ERROR ESTNDAR DE ESTIMACIN.
Es aquel que mide la dispersin de los valores observados con respecto a la recta de regresin.
El error estndar de estimacin se obtiene aplicando cualquiera de las siguientes frmulas.
15
Ejemplo:
1. " 13.5659 = 1.5036
6
2. " 128 3.166(30) 0.0765(254) = 1.5049
MODEL0.
Un analista de operaciones realiza un estudio para analizar la relacin entre la produccin y costos de
fabricacin de la industria electrnica. Se toma una muestra de 10 empresas seleccionadas de la
industria y se dan los siguientes datos:
Miles de
Miles de
Unidades
40
42
48
55
65
79
88
100
120
140
$
150
140
160
170
150
162
185
165
190
185
Empresa
A
B
C
D
E
F
G
H
I
J
xy
y2
y2
6000
5880
7680
9350
9750
12798
16280
16500
22800
25900
1600
1764
2304
3025
4225
6241
7744
10000
14400
19600
22500
19600
25600
28900
22500
26244
34225
27225
36100
34225
16
r = 1329,380 1287,489 =
" [709030 603729][2771190 2745949]
r = ___41891 = _41891__ = 0.8078
" (105301)(25541) 51860.32
d) y = a + bX
b = 41891 = 0.3978
105301
a = 165.7 (.3978) (77.7) = 134.7909
y= 134.7909 + 0.3978 X
e) r2 = (0.8078)2 = 0.65254084
f)
Syx = (277119) 134.7909 (1657) (.3978) (132.938)
" 10 2
Syx = 10.53
g) 134.9909 + 0.3978(50) = 154.8809
134.9909 + 0.3978(150) = 199.6609
CAPITULO III.
VARIABLES ALEATORIAS Y FUNCIONES DE PROBALIDAD.
ESPACIO MUESTRAL: Es el conjunto de todos los resultados posibles de un experimento o muestra.
EVENTO: Es el resultado de un experimento.
Los eventos se clasifican en tres tipos:
Simple.
Mltiple.
Imposible.
17
VARIABLE OPCIONAL: Es aquella que est en funcin valorada numricamente, cuyo valor est
regido por factores en los que interviene el azar.
Las variables aleatorias se clasifican en dos tipos:
Variables aleatorias continuas: Son aquellas en las que se considera si se puede asumir cualquier
valor dentro de un determinado intervalo.
Variables aleatorias discretas: Son aquellas que se consideran si los valores que se asumen se pueden
contar.
Ejemplo:
Continua:
Estatura de una persona.
Nmero de litros de agua en un estanque.
Discreta:
Nmero de muestra de un lote.
Cantidad de alumnos de un grupo.
Las probabilidades se utilizan para expresar cuan probable es un determinado evento.
La probabilidad de que un evento ocurra est representada del 0 a 1.
Ejemplo:
Evento: Lanzamiento de una par de dados. Qu nmero sumado puede dar?
Hallar la variable aleatoria.
El espacio muestral.
La probabilidad.
La grfica en forma tcnica.
Hacer la grfica de un experimento aleatorio con 100 lanzamientos. y compararla con la anterior.
Variable
Espacio
Probabilidad
Aleatoria
2
3
4
5
6
7
8
9
10
11
12
Muestral
(1,1)
(2,1),(1,2)
(3,1),(2,2),(1,3)
(4,1),(3,2),(2,3),(1,4)
(5,1),(4,2),(3,3),(2,4),(1,5)
(6,1),(5,2),(4,3),(3,4),(2,5),(1,6)
(6,2),(5,3),(4,4),(3,5),(2,6)
(6,3),(5,4),(4,5),(3,6)
(6,4),(5,5),(4,6)
(6,5),(5,6),
(6,6)
Clsica.
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
3/36
2/36
1/36
Probabilidad en el
experimento
1.66
6.66
10
12.5
15
17.5
11.66
10
9.3
4.16
2.5
18
19
20
(55)! (22)! 1 1
Una clase de 9 nios y 3 nias.
Hallar el nmero de posibilidades que tiene un profesor de elegir un comit de 4 integrantes.
Tiene que haber 2 nios y 2 nias.
Tiene que haber exactamente una nia.
a) 12C4 = 12!_ = 12. 11. 10. 9. 8. 7. 6. 5. 4. 3. 2. 1 = 495 Formas.
4!(124)! (4. 3. 2. 1) (8. 7 .6 .5 .4 .3. 2. 1)
b) 3C2 . 9C2 = (3) (36) = 108 Formas.
c) 3C1 . 9C3 = (3) (84) = 252 Formas.
Un granjero compra 3 vacas, 2 cerdos, 4 gallinas a un hombre que tiene 6 vacas, 5 cerdos y 8 gallinas.
Cuntas elecciones puede hacer?
6C3 . 5C2 . 8 C4 = (20) (10) (70) = 14,000 formas.
ESPERANZA MATEMTICA.
Es la cantidad que un jugador espera ganar como media cada vez que juega. Si el valor de E es positivo
se dice que el juego est a favor del jugador, si E es negativo esta en su contra y se dice que es una
perdida.
Para calcular la esperanza matemtica de un cierto evento se aplica:
E = W1P1 + W2P2 + . . . +WnPn
Ejemplo:
1. Un jugador tira 2 dados, si la suma es de 7 11 gana 7 dlares, con cualquier otro resultado pierde 2
dlares.
Determine el valor esperado del juego.
E=?
W1 = $7 E = (7) (8/36) (2) (28/36)
P1 = 6 + 2 = 8
36 36 56 56 = 0
36 36
W2 =$2
P2 = 28
21
36
2. Si un hombre compra una papeleta de rifa en la que puede ganar un primer premio de 5,000 dlares
un segundo premio de 2,000 dlares con probabilidades de .001 y .003. Cul sera el precio justo a
pagar por la papeleta?
E=?
W1 = $5,000 E = (5000) (.001) (2000) (.003)
P1 = .001
W2 =$2,000
P2 = .003 E = $5 + $6 = $11
3. Un juego consiste en tirar una moneda notruncada 4 veces. Un jugador gana 3 dlares si sale 2 o
mas veces cara, de cualquier otra forma el jugador pierde 4 dlares.
Hallar el valor esperado E del juego.
E=?
W1 = $3 E = (3)(11/16) (4)(5/16)
P1 = 11/16
W2 =$4 E = 33 20 = 13
P2 = 5/16 16 16 16
CAPITULO IV.
FUNCIONES DE PROBABILIDAD.
DISTRIBUCIN DE PROBABILIDAD: Es la distribucin de frecuencias relativas respecto a
resultados del espacio muestral, seala la proporcin de veces en que la variable aleatoria tiende a
obtener diversos valores.
Considerando que la probabilidad de que un evento suceda o no suceda es igual a 1, para ello se aplica
la siguiente frmula:
1 = p + q p = 1 q q = 1 p
p = Probabilidad de xito.
q = Probabilidad de no xito.
Las distribuciones de probabilidad se clasifican de 2 tipos:
Binomial.
22
23
3!(63)!
b) x =0, 1, 2
P(0,1, 2) = 6!___ (0.5)0 (0.5)60+ 6!___ (0.5)1 (0.5)61+
0!(60)! 1!(61)!
6!__ (0.5)2 (0.5)62= .0152 + .09375 + .2343 = .3436
2!(62)!
2. Distribucin de probabilidad Poison: Esta distribucin tiene muchas aplicaciones y se utiliza como
modelo para describir fenmenos, por ejemplo el nmero de errores en captura de datos, las
imperfecciones en piezas recientemente pintadas, el nmero de partes defectuosas en ciertos
embarques, el nmero de clientes que llegan a un banco a solicitar servicio, el nmero de errores que
una secretaria comete por pgina, el nmero de accidentes que ocurren en un determinado tiempo, etc.
Esta probabilidad utiliza la siguiente frmula:
P(x) = e . x
x!
= Promedio de ocurrencia del suceso o evento.
x = Nmero pedido de acuerdo a la probabilidad.
e = Nmero de Euter ( 2.7172).
Cuando la probabilidad es muy pequea se debe de contar el nmero de la poblacin, para ello el
promedio de ocurrencia se obtiene:
=N.P
Ejemplo:
1. La seora Garca esta encargada de los prstamos de un banco. Con base en sus aos de experiencia,
estima que la probabilidad de que un solicitante no sea capaz de pagar oportunamente sus prstamo es
de .025, el mes pasado realizo 40 prstamos:
Cul es la probabilidad de que 3 prstamos no se paguen oportunamente?
Cul es la probabilidad de que al menos 3 prstamos se liquiden a tiempo?
Datos:
P = .025
N = 40
= (40)(.025)=1 cliente.
25
26
Probabilidad
1 q = 1 .6765 = .3234 pedida.
4. A una construccin llegan camiones de carga a razn media de 2.8 camiones por hora. Obtenga la
probabilidad de tener 3 o ms camiones que lleguen en un:
Lapso de 30 minutos.
Lapso de 1 hora.
Lapso de 2 horas.
Datos:
P = 2.8 Camiones / minuto
a) x = 0, 1,2 P(0,1,2) = e1.4. 1.40 + e1.4. 1.41 + e1.4 . 1.42 =
= 1.4 0! 1! 2!
.2465(1) + .2465(1.4)+ .2465(1.96)=.2465 + .3451 + .2415 = .8331
112
Probabilidad pedida = 1 .8331 = .1669
b) x = 0, 1,2 P(0,1,2) = e2.8. 2.80 + e2.8. 2.81 + e2.8 . 2.82 =
= 2.8 0! 1! 2!
.0608(1) + .0608(2.8)+ .0608(7.84)= .0608 + .1702 + .2383 = .4693
112
Probabilidad pedida = 1 .4693 = .5307
c) x = 0, 1,2 P(0,1,2) = e5.6. 5.60 + e5.6. 5.61 + e5.6 . 5.62 =
= 5.6 0! 1! 2!
.0036(1) + .0036(5.6)+ .0036(31.36) =.0036 + .0207 + .0596 = .0823
112
Probabilidad pedida = 1 .0823 = .9177
3. Distribucin de probabilidad Hipergeomtrica: Cuando la poblacin es finita y el muestreo se hace
sin reemplazo, la probabilidad cambiar para cada nueva observacin, en tales circunstancias se tendr
una distribucin Hipergeomtrica, est debe estar formada por 2 grupos de individuos u objetos. Un
primer grupo constituido por aquellos individuos que poseen las caracterstica de estudio; se
representar N1; y el otro grupo estar conformado por los que no poseen la caracterstica y el nmero
de sus elementos se representar con N2.
27
Donde:
x = Nmero de xitos el los n ensayos donde el muestreo es sin
repeticin.
Ejemplo:
1. Una empresa produce 100 unidades de las cuales 90 son buenas y 10 son defectuosas. Se toman 20
unidades sin remplazo; halle la probabilidad de que resulten 5 defectuosas.
Datos:
N1 = 10
N2 = 90 P(5) = 10C5 . 90C15 = (252)(4.58 x 1016) = 0.0215
N = N1 + N2 = 100 100C20 5.36 x 1020
n = 20
x=5
2. 15 de los 20 estudiantes de una grupo escolar estn insatisfechos con el texto que se emplea. Si una
muestra aleatoria de 4 estudiantes es interrogada sobre el libro de texto. Determine la probabilidad:
Exactamente 3.
Al menos 3 estudiantes.
Se muestren insatisfechos con el libro.
Datos:
N1 = 15
N2 = 5
N = N1 + N2 =20
n=4
28
Probabilidad
a) x = 3 P(3) = 15C3 . 5C1 = (455)(5) = 0.4695 pedida
20C4 4845
Probabilidad
b) x = 3, 4 P(4) = 15C4 . 5C0 = (1365)(1)= 0.2817 pedida
20C4 4845
3. Una caja contiene 30 baterias para radio de las cuales 5 son defectuosas. De la caja se escogen al azar
6 baterias; halle la probabilidad de que:
2 sean defectuosas.
Ninguna sea defectuosa.
Menos de 3 sean defectuosas.
Datos:
N1 = 5
N2 =25
N = N1 + N2 = 30
n=6
a) x = 2 P(2) = 5C2 . 25C4 = (10)(12650) = 0.2130 P.P
30C6 593775
b) x = 0 P(0) = 5C0 . 25C6 = (1)(177100) = 0.2982 P.P
30C6 593775
b) x = 0,1,2 P(1) = 5C1 . 25C5 = (5)(53130) = 0.4473
30C6 593775
P(0,1,2) = 0.2982 + 0.4473 + 0.2130 = 0.9585 P.P
4. Distribucion Normal: Esta distrbucion se aplica en muchos fenmenos naturales, los cuales para el
clculo de la probabilidad se utiliza la curva simtrica llamada campana, la cual se expresa a
continuacin:
.5000 .5000
Para calcular la probabilidad mediante una distribucin normal se utiliza la siguiente frmula:
Z=XM
29
Donde:
M = Es la media aritmtica o promedio.
= Desviacin tpica o estndar de la poblacin.
X = Valor buscado de acuerdo a la probabilidad pedida.
Z = Es el valor tpificado (rea bajo la curva).
Ejemplo.
1. El nmero de das entre la facturacin y el pago de las cuentas a crdito en una gran tienda de
departamentos, tiene uyna distribucin aproximadamente normal con una media de 18 das y una
desviacin estndar de 4 das:
Qu poblacin de las cuentas sern pagadas entre 12 y 19 das?
Entre 20 y 23 das.
En menos de 8 das.
En 12 das o ms.
Datos:
M = 18
=4
x = Entre 12 y 19 . 0.5319
Z1 = 12 18 = 1.5
4
.4332 .0987
Z1 = 19 18 = 0.25
4 Z1= 1.5 Z2=0.25
P.P = 0.5319
x= Entre 20 y 23
0.2029
Z1 = 20 18 = 0.5
4
0.1915 0.3944
30
Z2 = 23 18 = 1.25
4 Z1= 0.5 Z2=1.25
P.P = 0.1915 0.3944 = 0.2029
0.9938
x= Menos de 8
0.0062
Z = 8 18 = 2.5 0.4938 .5000
4 Z= 2.5
P.P = 1 0.9938 = 0.0062
0.9332
x= 12 o mas
Z = 12 18 = 1.5 0.4332 .5000
4
Z= 1.5 12 das o mas
2. El tiempo requerido para instalar un motor nuevo de un avin es distribuido con una media de 20
horas y una desviacin tpica de 1 hora. Cul es la probabilidad de que la siguiente instalacin toma:?
19 o menos y 22 o ms horas.
Entre 17 y 18 horas.
Datos:
M = 20 horas.
= 1 hora.
x= 19 o menos y 22 o ms. 0.8115
Z1 = 19 20 = 1
1
Z2 = 22 20 = 2 0.3413 0.4772
1
P.P=1 0.8185 = 0.1815 Z1 =1 Z2 = 2
31
x = 17 y 18
0.0215
Z1 = 17 20 = 3
1
0.4987 0.4772
Z2 = 18 20 = 2 Z1= 3 Z2= 2
1
P.P = 0.4987 0.4772 = 0.0215
3. Suponga que se disea una prueba de inteligencia que tenga una distribucin normal con una media
de 100 y una desviacin estndar de 15.
Qu proporcin de personas tienen resultados inferiores a 115.
Mayores a 130?
Entre 85 y 115?
Entre 70 y 130?
Datos.
M = 100
= 15
0.8413
x = menores a 115.
Z = 115 100 = 1 .5000 .3413
15
Z=1
P.P=0.3413 0.9772
x = Ms de 130
Z = 130 100 = 2 .5000 .4772
15
Z=2
P.P = .9772 .6826
32
x = Entre 85 y 115
Z1 = 85 100 = 1
15 .3413 .3413
Z2 = 115 100 = 1
15 Z1=1 Z2=1
P.P = .3413 + .3413 =.6826
x = Entre 70 y 130 .9544
Z1 = 70 100 = 2
15
.4772 .4772
Z2 = 130 100 = 2
15 Z1= 2 Z2= 2
P.P = .4772 + .4772 = .9544
El gerente de un club de natacion sabe por experiencia de aos pasados que el nmero de nios que
cada miembro trae a la alberca en una sesin dada es una variable aleatoria con media de 3.1 y
desviacin tpica de 0.56. Entre 200 miembros Cuntos se pueden esperar que traigan de 2 a 4 nios a
las piscina en una sesin?
Datos:
M = 3.1
= 0.56
x = 2 a 4 .9213
N = 200 miembros.
Z1 = 2 31 = 1.96
.56 .4750 .4463
Z2 = 4 31 = 1.61 Z1 = 1.96 Z2 = 1.61
.56
P.P = .4750 + .4463 = .9213
Nmero de nios = (200)(.9213) = 184.26 " 184 Nios.
33
CAPITULO V
DISTRIBUCIONES DERIVADAS DEL MUESTREO.
ESTIMACIN DE PARMETROS.
La estimacin de parmetros puede ser de 2 formas:
Estimacin por intervalo.
Estimacin por punto.
Estimacin por punto: Es la estimacin de un valor nico de un parmetro de la poblacin.
Estimacin por intervalo: Es la estimacin que incluye un intervalo de valores posibles en el que se
considera que est comprendido un parmetro de la poblacion.
Para calcular el nivel de confianza deseado con respecto al Zc se tiene:
ESTIMACIN PARA MEDIAS ARITMTICAS DE ACUERDO AL TAMAO DE LA MUESTRA.
Para calcular los intervalos de confianza para muestras grandes se utiliza la siguente frmula:
X Zc _
"n
Donde:
X = Es la media aritmtica o promedio muestral.
= Es la desviacin tpica o estndar de la poblacin (muestra).
n = Es el tamao de la muestra.
Zc = Es el valor buscado en la tabla de acuerdo al nivel de confianza
deseado.
Para calcular la estimacion de intervalos para muestras pequeas (menores de 30), se utiliza la
siguiente frmula:
X tc S_
"n
Donde:
X = Es la media aritmtica o promedio muestral.
tc = Es el valor buscado en la tabla (t de student) y esta se busca de
acuerda a los grados de libertad.
34
Datos:
X =1.2 minutos.
s =0.6 minutos
n=9
V = 9 1 =8
Tc.
a) 95% tc = 2.306
1.6612
1.2 2.306 (.6) = 1.2 _1.3836 = 1.2 0.4612 =
"9 3 0.7388
2.5% 2.5%
95%
0 .025 .95 .975 1
b) 99% tc = 3.355
1.871
1.2 3.355 (.6) = 1.2 _2.013 = 1.2 0.671 =
"9 3 0.529
.5% .5%
99%
0 .005 .99 .995 1
3. Las alturas de una muestra de 50 estudiantes mostraron una media de 174.5 cm y una desviacin
tpica de 6.9 cm. determine un intervalo de confianza:
90%
98%
Para la altra promedio de todos los estudiantes.
Datos:
X =174.5 cm.
36
=6.9 cm.
n = 50
NC.
a) 90% Zc= 1.645
27.6398
174.5 1.645 (6.9) = 23.67 11.3505 = 23.67 1.0652=
"50 7.0710 19.70
b) 98% Zc= 2.33
176.77
174.5 2.33 (6.9) = 23.67 16.077 = 23.67 2.2736 =
"60 7.0710 172.23
Una mquina produce piezas metlicas de forma cilndrica. Se toma una muestra de piezas cuyos
dimetros son:
1.01, 0.97, 1.03, 1.04, 0.99, 0.98, 0.99, 1.01, 1.03 centmetros.
Encuentre:
Un intervalo de confianza del 90%.
Un intervalo de confianza del 99%.
Para el dimetro promedio de piezas de esta mquina.
Datos:
X =1.0055
Sn1 =0.02455
n=9
V = 9 1 =8
Tc.
a) 90% tc = 1.860
1.0207
1.0055 1.860 (.02455) = 1.0055 0.0456 = 1.0055 0.0152=
37
"9 3 .9903
5% 5%
90%
0 .05 .90 .95 1
b) 99% tc = 3.355
1.03296
1.0055 3.355 (.02455) = 1.0055 0.0824 = 1.0055 0.02746=
"9 3 .97804
.5% .5%
99%
0 .005 .99 .995 1
47
HISTOGRAMA
POLGONO DE
FRECUENCIAS
8
7
6
5
1
2
3
4
38
79
84
94
74
89
99
109
104
MARCA DE CLASE
74
79
84
89
94
32
35
99
104
109
114
MARCA DE CLASE
X
23
26
29
38
41
44
47
50
MARCA DE CLASE
32
35
29
38
41
44
23
26
47
50
39
8
1/36
2/36
3/36
4/36
5/36
1/36
, x = 0, 1, . . . n
si n " N1
40