Manual Estadística

Gua del alumno
2010 02
Estadstica
Aplicada a los Negocios
Pregrado
rea de Ciencias
PRE GRADO
AUTORES
PROFESORES DEL CURSO
TTULO
GUA DEL ALUMNO
FECHA
AGOSTO 2010
CURSO
ESTADSTICA APLICADA A LOS NEGOCIOS
CDIGO
MA130
REA
CIENCIAS
CICLO
2010-2
Estadstica Aplicada a los Negocios UPC 2010 02
Contenido
Semana 1. Sesin 1 ................................................................................................................... 5
Unidad 1 Organizacin de datos ...................................................................................................... 5
1.1. Definicin de estadstica ......................................................................................................................... 9
1.2. Definiciones .......................................................................................................................................... 10
Semana 1. Sesin 2 ................................................................................................................. 19

1.3. Estadstica descriptiva ........................................................................................................................... 20
1.4. Resumen de datos cualitativos............................................................................................................... 21
1.5. Grficos ................................................................................................................................................. 22
1.6. Tabulaciones cruzadas........................................................................................................................... 27
Semana 2. Sesin 1 ................................................................................................................. 31

1.7. Resumen de datos cuantitativos............................................................................................................. 31
Semana 2. Sesin 2 ................................................................................................................. 38

1.8. Grficos de datos cuantitativos.............................................................................................................. 38
Semana 3. Sesin 1 ................................................................................................................. 45

Unidad 2 Medidas descriptivas ...................................................................................................... 45
2.2. Medidas de tendencia central ................................................................................................................ 48
Semana 3. Sesin 2 ................................................................................................................. 57

Ejercicios para la prctica calificada 1 ......................................................................................................... 57
Semana 4. Sesin 1 ................................................................................................................. 58

2.3. Cuantiles................................................................................................................................................ 59
2.4. Percentiles ............................................................................................................................................. 59
Semana 4. Sesin 2 ................................................................................................................. 65

2.5. Medidas de variabilidad ........................................................................................................................ 66
Semana 5. Sesin 1 ................................................................................................................. 74

2.6. Medidas de asimetra............................................................................................................................. 74
2.7. Diagrama de cajas ................................................................................................................................. 77
Semana 5. Sesin 2 ................................................................................................................. 83

Unidad 3 Teora de probabilidad................................................................................................... 83
3.1. Experimentos, reglas de conteo y asignacin de probabilidades........................................................... 85
3.2. Eventos y sus probabilidades................................................................................................................. 86
Semana 6. Sesin 1 ................................................................................................................. 91

3.3. Algunas relaciones bsicas de probabilidad .......................................................................................... 95
Semana 6. Sesin 2 ................................................................................................................. 99

Ejercicios para la prctica calificada 2 ......................................................................................................... 99
Semana 7. Sesin 1 ............................................................................................................... 101

3.4. Probabilidad condicional..................................................................................................................... 101
3.5. Teorema de Bayes ............................................................................................................................... 107
Semana 7. Sesin 2 ............................................................................................................... 112

3.6. Eventos independientes ....................................................................................................................... 112
Semana 9. Sesin 1 ............................................................................................................... 117

Unidad 4 Variables aleatorias ...................................................................................................... 117
4.1. Variable aleatoria ................................................................................................................................ 119
4.2. Variable aleatoria discreta ................................................................................................................... 119
Semana 9. Sesin 2 ............................................................................................................... 129

4.3. Distribuciones de probabilidad............................................................................................................ 129
Semana 10. Sesin 1 ............................................................................................................. 136

4.4. Variable aleatoria continua.................................................................................................................. 136
Semana 10. Sesin 2 ............................................................................................................. 147

4.5. Distribuciones de probabilidad............................................................................................................ 147
Semana 11. Sesin 1 ............................................................................................................. 154

Continuacin de la distribucin normal ..................................................................................................... 154
Semana 11. Sesin 2 ............................................................................................................. 157

Ejercicios para la prctica calificada 3 ....................................................................................................... 157
Semana 12. Sesin 1 ............................................................................................................. 159

Propiedad reproductiva de la normal.......................................................................................................... 159
Unidad 5 Distribuciones muestrales ............................................................................................ 167

5.1. Definiciones ........................................................................................................................................ 169
5.2. Distribucin muestral de un estadstico............................................................................................... 171
5.3. Distribucin de la media muestral ....................................................................................................... 171
5.4. Teorema central del lmite................................................................................................................... 172
Semana 12. Sesin 2 ............................................................................................................. 177

5.5. Intervalo de confianza para la media poblacional ............................................................................... 177
Semana 13. Sesin 1 ............................................................................................................. 181

5.6. Distribucin de la proporcin muestral ............................................................................................... 181
5.7. Distribucin de la varianza muestral ................................................................................................... 184
Semana 13. Sesin 2 ............................................................................................................. 186

5.8. Distribucin muestral de la razn de varianzas ................................................................................... 186
5.9. Distribucin muestral de la diferencia de medias................................................................................ 188
Semana 14. Sesin 1 ............................................................................................................. 192

5.10. Distribucin con observaciones pareadas.......................................................................................... 192
5.11. Distribucin muestral de la diferencia de proporciones .................................................................... 195
Semana 14. Sesin 2 ............................................................................................................. 197

Ejercicios para la prctica calificada 4 ....................................................................................................... 197
Semana 15. Sesin 1 y 2 ....................................................................................................... 199

Trabajo final ............................................................................................................................................... 199
Tablas estadsticas ......................................................................................................................... 200

Plan calendario .............................................................................................................................. 215
Unidad 1
Organizacin de
datos
Logro de la unidad
Comprende y utiliza los
conceptos bsicos de
estadstica y asimismo
organiza adecuadamente
datos para facilitar la
comprensin de los
mismos, con ayuda de los
programas MS Excel.
Caso: Investigar sobre salud materna

Sergio Vizcarra sonrea al
bajar del estrado en la ceremonia de graduacin de su universidad. Recordaba todo su
esfuerzo durante esos largos
cinco aos. Sonrea, adems,
por su contrato para como
redactor en la versin web del
peridico La Prensa, dirigido a
un pblico general y que buscaba volver a tener el mismo
protagonismo de hace unos
aos. Sergio saba que tendra
que pagar piso y que tendra
que rotar por varias secciones
del diario y hacer un poco de
todo.
Lo primero que le encomend
su jefa, Rogelia Pea, sacada
posiblemente de alguna de las
pginas de la novela Tinta
Roja de Alberto Fuguet ms
que de la pelcula Todos los
hombres del presidente, a Sergio, es tener una idea lo ms
precisa posible de cuntas

mujeres en el Per tienen complicaciones durante el embarazo y el parto, el ndice de mortalidad materna y sus principales causas, las diferencias en el
mbito rural y urbano, el tiempo en que se producen las
muertes maternas (durante el
embarazo, dentro de las primeras 24 horas postparto, del
segundo al stimo da postparto y desde la segunda a sexta
semana postparto), buscar
alguna informacin con otro
pas y darse una idea sobre el
porcentaje de mujeres que
tienen partos institucionales y
las razones por las cuales las
mujeres no van a atender a los
establecimientos de salud.
Sergio naveg dos das en la
Internet buscando publicaciones con dicha informacin,
pero no pudo encontrarla. Por
ello, llam a Sandra Baquerizo, una amiga de la universidad, que siempre saba dnde
encontrar todo en la Internet.
Sergio, que segua enamorado
de ella a pesar del tiempo
transcurrido y de que ya no se
vean mucho, vio la oportunidad de volver a conversar con
ella. Sin embargo, al cabo de
un par de horas, ni Sandra
tena muy claro la direccin
donde encontrara lo que el
requera. -Comienza con
www.inei.gob.pe o
www.minsa.gob.pe- le dijo.
En agradecimiento a Sergio
solo se le ocurri poner una
foto de ellos en el tiempo de la
universidad en su muro de
Facebook junto a una frase del
escritor cubano Alejo Carpentier El periodismo es una
maravillosa escuela de vida.
Debo saber
Usar mi calculadora
para clculos sencillos
Plantear y graficar funciones como rectas, parbolas, valor absoluto, etc.
Calcular el valor esperado y varianza para variables discretas en mi calculadora
Realizar in tegrales polin micas, en la calculadora si sta lo permite
Si la calculadora lo tiene, calcular probabilidades para la dis tribuci n normal
Usar funciones y plantear frmulas en Excel

Usar el asistente de
grficos de Excel
Contenido
Definiciones
Escala de medicin
El origen de la palabra estadstica

El Diccionario de la Real Academia seala que la palabra
estadstica lleg al castellano
hacia 1765-1783 a partir del
alemn Statistik (1749), si bien
la palabra italiana statistica era
usada por lo menos desde
1633, aunque con el sentido de
ciencia del Estado, tomada

del latn statisticum, con el
mismo significado.
Quien us Statistik por primera vez fue el economista alemn Gottfried Achenwall
(1719-1772) en su obra Compendio de la constitucin pol-
tica de los principales pases y

pueblos europeos, a partir de
la cual se formaron el francs
statistique, el ingls statistics,
el portugus estatstica y el
espaol estadstica.
Tomado de http://www.elcastellano.org
Variables
Parmetro y estadstico
Distribuciones de frecuencia
Grficos
Semana 1. Sesin 1
Cmo se evala
Estadstica Aplicada a los Negocios?
Examen parcial
Examen final
Prcticas calificadas
Trabajo final
..
..
..
..
..
..
..
..
..
Cundo son las prcticas calificadas?

..
..
..
Cul es la bibliografa bsica?

..
Quin es el coordinador del curso?

..
Cules son las reglas en el aula?

..
..
Notas importantes
Logro del curso

Aplica los conceptos y fundamentos de la Estadstica Descriptiva y la Teora de Probabilidad, a fin de
identificar y analizar crticamente situaciones reales, modelar y tomar decisiones adecuadas, siendo
conciente de la importancia de presentar la informacin de forma clara e imparcial.
Por qu estudiar Estadstica en Administracin?

Marketing
Ventas
Compras
Finanzas
Contabilidad
Recursos humanos
Calidad
Produccin
Para la vida
Notas importantes
1.1. Definicin de estadstica

Es la ciencia que proporciona un conjunto de mtodos, tcnicas y procedimientos para recopilar, organizar, presentar y analizar datos con el fin de describirlos o realizar generalizaciones vlidas.
Estadstica descriptiva
Son mtodos y tcnicas de recoleccin, caracterizacin, resumen y presentacin que permiten describir
apropiadamente las caractersticas de un conjunto de datos. Comprende el uso de grficos, tablas, diagramas y criterios para el anlisis.
Inferencia estadstica
Son mtodos y tcnicas que hacen posible estimar una o ms caractersticas de una poblacin o tomar
decisiones sobre poblacin basadas en el resultado de muestras. Estas conclusiones no son totalmente
vlidas y tienen cierto margen de error.
Ejercicio 1
Fuente http://estadisticas.bcrp.gob.pe
Qu parte de la estadstica nos dice cul ser el tipo de cambio el da de maana?

...........................................
Notas importantes
10
1.2. Definiciones
Datos
Los datos son los hechos y los nmeros que se recogen, analizan y resumen para su presentacin en
interpretacin.
Elementos, variables y observaciones

Elementos son las entidades acerca de las cuales se renen los datos.
Variable es una caracterstica de inters de los elementos.
Observacin es el conjunto de mediciones obtenido de un elemento particular.
Ejemplo 1
Un importador de historietas japonesas desea hacer una encuesta para
conocer mejor al pblico que compra regularmente este tipo de
publicaciones. En la tabla siguiente se muestra ocho observaciones de
dicha encuesta. Indique los elementos y las variables a medir.
Observacin
Sexo
Edad
Ocupacin
Distrito de residencia
Gnero preferido
Manga preferido
Masculino
18
Universitario
San Borja
Shnen
Kobato
Masculino
10
Escolar
Lince
Kodomo
Hombre par
Masculino
32
Abogado
San Borja
Yaoi
Junpei Ksaka
Masculino
17
Universitario
San Juan de Miraflores
Shnen
Nyan Koi!
Femenino
18
Universitario
Miraflores
Josei
Gozuken
Masculino
20
Universitario
Lince
Shnen
Jester El aventurero
Masculino
Escolar
Pueblo Libre
Kodomo
Astroboy
Femenino
15
escolar
San Miguel
Josei
Nodame Cantabile
Solucin
Un elemento para esta investigacin es cada persona que compran regularmente historietas japonesas
y las variables a medir son: sexo, edad, ocupacin, distrito de residencia, gnero de historieta preferido
y manga preferido.
Notas importantes
11
Ejercicio 1
En una investigacin, se quiere estimar el porcentaje actual de peruanos de 18 a 70 aos que apoya la
renovacin del Congreso por tercios. Indique un elemento y la variable a medir.
Elemento
Variable
Ejercicio 2
En una investigacin, se quiere estimar el gasto promedio semanal en fotocopias de los alumnos de
pregrado en una universidad el ao 2010. Indique un elemento y la variable a medir.
Elemento
Variable
Ejercicio 3
En una investigacin, se quiere estimar el promedio diario de ventas de un supermercado durante los
ltimos dos aos. Indique un elemento y la variable a medir.
Elemento
Variable
Ejercicio 4
En una investigacin, se quiere estimar el nmero promedio de personas que llegan en la primera hora
de atencin de una farmacia en el ao 2010. Indique un elemento y la variable a medir.
Elemento
Variable
Notas importantes
12
Escalas de medicin de las variables

La escala de medicin permite determinar la cantidad de informacin
que contienen los datos y el anlisis estadstico ms apropiado.
Nominal
Una variable est medida en escala nominal cuando los datos son
etiquetas que se emplean para definir un atributo del elemento.
Ordinal
Esta clasificacin la propuso

en 1946 el psiclogo Stanley
Smith Stevens (1906 -1973).
Trabaj en Harvard.
Una variable est medida en escala ordinal cuando los datos son etiquetas y el orden es significativo.
Se pueden ordenar, de tal manera que puedan expresar grados de la caracterstica medida.
Intervalo
Una variable est medida en escala de intervalo si los datos tienen propiedades de datos ordinales y el
intervalo entre observaciones se expresa en trminos de una unidad fija de medida.
Los datos de intervalo siempre son numricos. En esta escala, el cero es relativo, es decir, no indica la
ausencia de la caracterstica medida. Las diferencias entre las puntuaciones son importantes.
Razn
Una variable est medida en escala de razn si los datos tienen todas las propiedades de los datos de
intervalo y la divisin de los valores es significativa. El cero indica la ausencia de caracterstica medida.
Ejemplo 2
Nominal
Ordinal
El gnero de las personas, el estado civil de

los empleados de una
empresa, las carreras
profesionales universitarias.
El orden de mrito de los

atletas en una competicin,
el grado de instruccin de
los clientes de un banco, la
opinin de los alumnos
sobre su universidad.
Intervalo
Razn
Las escalas de temperatura. Las temperaturas

en grados centgrados
0C, y 20C equivalen
a, en grados Fahrenheit,
32F, y 68F.
El sueldo de los
empleados de una
empresa, el tiempo en terminar un
examen.
Ejercicio 5
Indique la escala de medicin de las siguientes variables
Variable
Ao de nacimiento
Cdigo de un alumno(a) de la UPC
Tiempo de vida de una persona
Nmero de hermanos de una persona
Notas importantes
Nominal
Ordinal
Intervalo
Razn
13
Tipos de variables segn su naturaleza

Las variables se pueden clasificar en cualitativas o cuantitativas.
Variables cualitativas
Son las variables que pueden ser expresadas en escalas nominales u ordinales.
Variables cuantitativas
Son las variables que pueden ser medidas en escala de intervalo o de razn. A su vez, las variables
cuantitativas se pueden clasificar en discretas y continuas.
Variables cuantitativas discretas
Son las variables que tienen un nmero finito o infinito numerable de posibles valores; es decir, que en
un intervalo determinado, slo pueden tomar ciertos valores.
Las siguientes son ejemplos de variables discretas: nmero de autos vendidos por una tienda en un da,
nmero de alumnos asistentes a las clases de un curso de estadstica.
Variables cuantitativas continuas
Son las variables que tienen un nmero infinito no numerable de posibles valores; es decir, que en un
intervalo determinado, puede tomar cualquier valor.
Las siguientes son ejemplos de variables continuas: tiempo que demora un estudiante en realizar un
examen, peso de un estudiante.
A las variables discretas se las cuenta y a las continuas se las mide.
Ejemplo 3
Variables
Tipo de variable
Escala de medicin
Cualitativa
Nominal
Tiempo que usa la computadora personal por semana
Cuantitativa continua
Razn
Nmero de personas de la casa que usa la computadora personal
Cuantitativa discreta
Razn
Nmero de granos de arena en una gran playa
Cuantitativa discreta
Razn
Marca de computadora personal que utiliza
Ejercicio 6
Indique el tipo de las siguientes variables y su escala de medicin
Variable
Nivel socioeconmico de una persona
Nmero de metros cuadrados de jardn de una casa
Nmero de bytes que puede almacenar una memoria USB
Cantidad de dinero gastado en un fin de semana
Altura de una persona en centmetros
Notas importantes
Tipo de variable
Escala de medicin
14
Poblacin
Es el conjunto de todos los elementos de inters en determinado estudio.
La poblacin es un conjunto de personas, objetos, conceptos, etc. de los cuales se sacan conclusiones a partir de una o ms caractersticas observables de naturaleza cualitativa o cuantitativa.
Muestra
Es un subconjunto de la poblacin.
Una muestra ser representativa si se parece a la poblacin de la que proviene.
Ejemplo 4
La Secretara Acadmica de una universidad est interesada en realizar un estudio sobre los motivos
por los cuales algunos alumnos del pregrado han decidido dar exmenes de recuperacin ese ciclo. La
universidad cuenta con quince facultades y un total de 7500 alumnos, de los cuales 830 han decidido
rendir exmenes de recuperacin ese ciclo. De la poblacin se va a entrevistar a una muestra aleatoria
de 200 alumnos. Defina la poblacin y la muestra
Solucin
Poblacin: Los 830 alumnos que han decidido dar exmenes de recuperacin ese ciclo
Muestra: 200 alumnos que han decidido dar exmenes de recuperacin ese ciclo.
Ejercicio 7
Se quiere hacer una investigacin sobre el porcentaje de alumnos de la universidad que tienen celular.
Indique la poblacin y la muestra.
Solucin
Poblacin: .................................................................................................................................
Muestra: ...................................................................................................................................
Ejercicio 8
PISA es el estudio internacional en educacin de mayor escala del mundo y ms de 60 pases participan en l. Evala estudiantes de 15 aos de edad que estn cursando algn grado de secundaria en
comprensin lectora, matemtica y ciencia. Defina la poblacin del estudio para el caso peruano.
Solucin
Poblacin: ..
Ejercicio 9
En una investigacin se quiere determinar el promedio diario de pastillas para tratar los sntomas de la
gripe vendidas en una farmacia durante los meses de invierno. Indique la poblacin y la muestra.
Poblacin: .................................................................................................................................
Muestra: ...................................................................................................................................
Notas importantes
15
Parmetro
Es cualquier resumen de la poblacin. Son ejemplos de parmetros los siguientes: la edad promedio de
todos los peruanos y la proporcin de alumnos de la UPC que trabajan y estudian a la vez.
Estadstico
Es cualquier resumen de una muestra. Son ejemplos de estadsticos los siguientes: la edad promedio de
algunos peruanos elegidos al azar o el porcentaje muestral de personas que afirman teirse el pelo
regularmente.
Ejercicio 10
Segn los Censos Nacionales X de Poblacin y V de Vivienda 2005 ejecutados por el INEI, el 50.06%
de los peruanos son mujeres, este dato es un parmetro o un estadstico?
Ejercicio 11
El 19 de junio del 2010 el Instituto de Opinin Pblica de la Universidad Catlica realiz una encuesta
sobre intencin de voto presidencial, la cual registr un 24% para Luis Castaeda, este dato es un
parmetro o un estadstico?
Ejercicio 12
El siguiente grfico muestra la evolucin de la inflacin desde el ao 1980 al 2010. El ndice de precios al consumidor IPC que obtiene el INEI, es un parmetro o un estadstico?
Notas importantes
16
Ejercicio 13
Se realiz una investigacin sobre la ocurrencia de sndrome de Down en nios peruanos durante el
ao 2009. El sndrome de Down es un trastorno gentico causado por la presencia de una copia extra
del cromosoma 21 (o una parte del mismo), en vez de los dos habituales. Indique solamente un posible
parmetro o estadstico de dicha investigacin. Justifique por qu elige parmetro o estadstico.
Series de tiempo y datos transversales

Los datos de series de tiempo se coleccionan a lo largo de varios periodos de tiempo.
Los datos transversales se renen en un mismo periodo de tiempo.
Ejemplo 5
Grfico comparativo de la clasificacin de cuatro selecciones nacionales de ftbol segn la FIFA.
Enero 2010
Estudios estadsticos
Los datos se obtienen mediante la realizacin de un estudio estadstico. A esos estudios se les clasifica
como experimentales u observacionales.
En un estudio experimental, se identifican las variables de inters, las cuales son controladas por
el investigador. Luego, se identifican otras variables que influyan en las variables de inters.
En un estudio observacional, no se trata de controlar las variables de inters, ni de influir sobre
ellas, por ejemplo, en una encuesta.
Notas importantes
17
Errores en la adquisicin de datos

Un error en adquisicin de datos se presenta cuando el valor obtenido de los datos no es igual al valor
real que se hubiera obtenido con un procedimiento correcto. Se debe comprobar la consistencia interna
de los datos. Tambin se analiza la existencia de valores demasiado grandes o demasiado pequeos,
conocidos atpicos, que son datos candidatos a posibles errores.
Fuentes de datos
Fuentes existentes o de datos secundarios
Los datos se han compilado y estn disponibles para el anlisis estadstico.
Fuentes pblicas: bases de datos de ministerios y de oficinas gubernamentales de estadstica,
como por ejemplo.
Portal del Estado Peruano
www.peru.gob.pe/
Instituto Nacional del Estadstica e Informtica
www.inei.gob.pe
Banco Central de Reserva del Per
www.bcrp.gob.pe/
Ministerio de Salud del Per
www.minsa.gob.pe
Ministerio de Trabajo
www.mintra.org.pe
Ministerio de Educacin
www.minedu.org.pe
FAO. ONU para la Agricultura y Alimentacin
www.fao.org/corp/statistics/es/
UNICEF. ONU para la Infancia
www.unicef.org/spanish/
Fuentes privadas: bases de datos de las empresas, bases de datos que se compran a empresas de
estudios de mercado, bases de datos en Internet, como por ejemplo.
Datum Per
www.datum.com.pe/
Ipsos Apoyo. Opinin y Mercado
www.ipsos-apoyo.com.pe/
Imasen
www.imasenperu.com/
Instituto de Opinin Pblica PUCP
www.pucp.edu.pe/iop/
CPI
www.cpi.com.pe/
Gallup
www.gallup.com
Notas importantes
18
Evaluacin
Puede ver su resultado en el Aula virtual
1) Indique el tipo de las siguientes variables y su escala de medicin

Variable
Tipo de variable
(2 puntos)
Escala de medicin
Nmero de DNI de una persona

Nmero de pares de zapatos de una persona
Nmero de metros de tela necesarios para hacer una blusa
Nmero de telfono celular
2) Defina la poblacin, muestra, elemento y variables si se desea determinar el promedio de la edad de las
mujeres peruanas que usan mtodos anticonceptivos.
(2 puntos)
Poblacin
Muestra
Elemento
Variable
3) Indique si son verdaderas o falsas las siguientes afirmaciones

Afirmacin
El valor de un parmetro se puede conocer solamente si se realiza un censo
Los datos de series de tiempo se coleccionan a lo largo de varios periodos de tiempo
Variables cuantitativas discretas son las variables que slo toman valores enteros
Variable es el conjunto de mediciones obtenido de un elemento particular
Notas importantes
(2 puntos)
Verdadero
Falso
19
Semana 1. Sesin 2
Ejercicio 14
Luego de una investigacin en una empresa se tiene una base de datos, pero lo que nos piden es redactar un informe que resume la informacin hallada.
Genero
Funcion
Femenino
Obrero
Edad Tiempo-emp Ing-pers Ing-tot No-prom

19
Masculino
Profesional
31
Masculino
Profesional
Masculino
Servicios
Masculino
Obrero
Masculino
Obrero
11400
Pos-prom
Prom-gen No-capac
Rech-trab
Rel-Geren
11400
Improbable
Peores
Muy probable
Buenas
210600 220600
No est seguro
No influye
No est seguro
Buenas
34
193400 413400
Probable
No influye
Improbable
Buenas
36
15
30800
30800
Improbable
No influye
Muy probable
Buenas
44
9850
9850
Improbable
No influye
Improbable
Regulares
Regulares
44
10
9800 239800
Improbable
No influye
Improbable
Masculino Tcnico/ventas
31
40840 140840
Improbable
Mejores
Muy probable
Buenas
Femenino
37
93700 393700
No est seguro
Mejores
No est seguro
Buenas
Improbable
Profesional
Masculino
Obrero
45
23
10150
10150
No influye
Improbable
Regulares
Masculino
Obrero
54
18
9050
9050
Muy improbable No influye
Muy improbable
Regulares
Femenino
Profesional
26
62200
72200
No est seguro
No influye
No est seguro
Buenas
Masculino
Obrero
44
14
10200 160200
Probable
No influye
Probable
Regulares
Mejores
31
40335
40335
Muy improbable
Muy probable
Buenas
Femenino
Produccin
28
10
30990
30990
Muy improbable
Buenas
Femenino
Obrero
23
9360
9360
Muy improbable
Muy probable
Buenas
Femenino
Produccin
38
20
33800 145000
Masculino
Servicios
35
10
29490
39000
Masculino
Produccin
38
35500
55000
Peores
Muy improbable
Buenas
No influye
Muy probable
Muy buenas
Muy improbable
Buenas
Improbable
32
40540
40540
Muy probable
Buenas
Masculino
Servicios
36
18
27500
45000
Improbable
Mejores
Probable
Buenas
Femenino
Obrero
48
25
10200 210200
Muy improbable
Peores
Muy probable
Buenas
Masculino
Obrero
45
20
9650
9650
Improbable
No influye
Improbable
Regulares
Femenino Tcnico/ventas
22
44000
44000
No est seguro
No influye
No est seguro
Buenas
32
48560 285000
Improbable
Peores
Muy probable
Buenas
10300
10300
Muy probable
Regulares
108700 108700
Improbable
Mejores
Improbable
Buenas
Peores
Muy improbable
Buenas
Masculino
Obrero
46
20
Masculino
Profesional
28
Femenino
Produccin
27
30550
30550
Muy improbable
Masculino
Produccin
38
14
32300
32300
Muy improbable
Buenas
Masculino
Obrero
40
20
9130
9130
No est seguro
No influye
Muy probable
Regulares
Masculino
Profesional
24
70000
70000
Probable
No influye
Improbable
Buenas
Masculino
Obrero
56
30
9740
9740
Muy probable
Regulares
Masculino
Produccin
37
19
31800
31800
Masculino
Obrero
48
28
9700
9700
No est seguro
Qu podemos hacer para resumir esta informacin?
Notas importantes
No influye
Muy improbable Muy buenas

Muy probable
Regulares
20
1.3. Estadstica descriptiva

Distribucin de frecuencias
Es un resumen, expresado en un cuadro, de un conjunto de datos que muestra las frecuencias absolutas, relativas y porcentuales en cada una de varias clases que no se traslapan.
Ejemplo 6
En los Censos Nacionales 2007 ejecutados por el Instituto Nacional de Estadstica e Informtica se
pregunt a todos los peruanos el idioma o lengua con el que aprendi hablar, obtenindose los siguientes resultados
Idioma o lengua con que aprendi a hablar Nmero de personas Porcentaje por categora Porcentaje acumulado
Castellano
Quechua
Aymar
Otra lengua nativa
Ashninka
Es sordomudo
Idioma extranjero
Total
21,713,165
3,360,331
443,248
174,410
67,724
30,019
21,434
25,810,331
84.13
13.02
1.72
0.68
0.26
0.12
0.07
100.00
84.13%
97.15%
98.87%
99.55%
99.81%
99.93%
100.00%
Fuente: INEI - Censos Nacionales 2007: XI de Poblacin y VI de Vivienda
Frecuencias absolutas, relativas y porcentuales

La frecuencia absoluta (fi ) de una clase es la cantidad de elementos que pertenecen a esa clase.
La frecuencia relativa (hi ) de una clase es la proporcin de elementos que pertenecen a esa clase.
Frecuencia relativa hi
frecuencia absoluta f i
nmero de datos
n
La frecuencia porcentual (pi) de una clase es la frecuencia relativa multiplicada por 100%.
Frecuencias acumuladas
La frecuencia acumulada absoluta (Fi) de una clase es la cantidad de elementos que pertenecen hasta esa clase.
La frecuencia acumulada relativa (Hi) de una clase es la proporcin de elementos que pertenecen
hasta esa clase.
Frecuencia relativa acumulada H i
frecuencia absoluta acumulada Fi
nmero de datos
n
La frecuencia acumulada porcentual (Pi) de una clase es la frecuencia acumulada relativa multiplicada por 100%.
Notas importantes
21
1.4. Resumen de datos cualitativos

Ejercicio 15
Se tom una muestra de 80 personas y se les pregunt por la marca de cerveza ms consumida en los
ltimos tres meses. Los resultados se muestran en la siguiente tabla.
Construya la distribucin de frecuencias de los datos.
Cusquea
Cristal
Cristal
Brahma
Cristal
Cusquea
Cristal
Cristal
Cristal
Pilsen
Cristal
Brahma
Pilsen
Cristal
Brahma
Cusquea
Notas importantes
Pilsen
Cusquea
Cristal
Cristal
Brahma
Cristal
Cristal
Cristal
Pilsen
Cusquea
Cristal
Cristal
Cristal
Cristal
Cristal
Otros
Pilsen
Cristal
Pilsen
Brahma
Brahma
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Cusquea
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Otros
Cristal
Brahma
Cusquea
Cristal
Cristal
Cristal
Cristal
Brahma
Pilsen
Pilsen
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Cristal
Pilsen
Cristal
Cristal
Cristal
Cristal
Pilsen
Cristal
Cristal
Cristal
22
1.5. Grficos
Un grfico puede valer ms que mil palabras,
pero puede tomar muchas palabras para hacerlo
John Wilder Tukey (1915-2000)
Gran estadstico del siglo XX, con gran influencia en la visualizacin de informacin
William Playfair (1759-1823), economista e ingeniero escocs es considerado el pionero de la estadstica grfica. Los principios de su trabajo fueron los siguientes:
El mtodo grfico es una forma de simplificar lo tedioso y lo complejo.
Las personas ocupadas necesitan ayuda visual.
Un grfico es ms accesible que una tabla.
El mtodo grfico ayuda al cerebro, ya que permite entender y memorizar mejor.
Wainer (1990) seala que entre la gente es muy comn pensar que si un grfico es bueno, ste deber
ser totalmente comprensible sin ninguna ayuda adicional. Este pensamiento es limitante. Los grficos
buenos los divide en dos categoras:
Un grfico fuertemente bueno muestra todo lo que queremos conocer slo con mirarlo.
Un grfico dbilmente bueno nos muestra lo que necesitamos conocer observndolo, una vez sepamos cmo mirarlo.
Una buena descripcin puede transformar un grfico dbilmente bueno en uno fuertemente bueno.
Debemos siempre buscar esta transformacin cuando sea posible. Una buena descripcin informa al
lector y obliga al que produce el grfico a pensar porqu y cmo est presentando el grfico.
Una ventaja de los grficos es que pueden mostrarnos cosas que de otra forma hubiese sido muy difcil
o imposible, es por ello que casi todo anlisis estadstico comienza con grficos.
Ejemplo 7
Notas importantes
23
Grfico de barras
Es una forma de representar datos cualitativos que han resumido en una distribucin de frecuencias,
frecuencias relativas o frecuencias porcentuales.
En uno de los ejes, se grafican las etiquetas de las clases. Para el otro eje, se puede usar una escala de
frecuencias, frecuencias relativas o de frecuencias porcentuales. Se traza una barra sobre cada indicador de clase de una altura igual a la frecuencia correspondiente.
Las barras deben estar separadas para enfatizar el hecho de que cada clase es separada.
Diagrama circular
Cuando se utiliza el grfico circular, tambin llamado pastel, cada sector circular representa el
valor especfico de la variable.
Primero, se traza un crculo para representar todos los datos. Luego, se divide el crculo en partes.
El ngulo que le corresponde a cada parte se obtiene multiplicando 360 por la respectiva frecuencia relativa.
Ejercicio 16
El siguiente grfico muestra el nmero de viviendas afectadas en la provincia de Pisco por el
terremoto del 2007. Los datos fueron obtenidos del Censo de Damnificados del sismo del 15 de agosto
del 2007 realizado por el INEI. Complete adecuadamente el grfico.
16,000
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
14,499
8,734
Viviendas
destruidas
Notas importantes
5,221
4,511
Viviendas
muy
afectadas
3,267
Viviendas
afectadas
Viviendas
levemente
afectadas
Viviendas no
afectadas
24
Ejercicio 17
En los Censos Nacionales 2005: X de Poblacin y V de Vivienda del Per se pregunt el combustible
que ms usa para cocinar sus alimentos. Los resultados se muestran en la siguiente tabla.
Categoras
Electricidad
Gas
Kerosene
Carbn
Lea
Otro tipo de combustible
No cocinan
Total
fi
68,110
3,061,537
391,349
131,861
1,974,758
230,988
195,078
6,053,681
ngulo
hi
0.0113
0.5057
0.0646
0.0218
0.3262
0.0382
0.0322
Realice un diagrama circular con dichos datos.
Diagrama de Pareto
El diagrama de Pareto permite ver que, en muchos casos, pocos factores
pueden producir la mayora de las consecuencias, lo que se podra resumir
como pocos factores son vitales y muchos son triviales. Por ejemplo, en
control de calidad, se puede mostrar que la mayora de los defectos surgen de
un nmero pequeo de causas.
Los pasos para realizar un grfico de Pareto son los siguientes:
Construya tabla de distribucin de frecuencias, ordenando las categoras
en forma descendente respecto de la frecuencia.
El nombre de grfico de
Pareto lo propuso el Dr.
Joseph Juran, pionero
del movimiento de
calidad total, como un
homenaje al economista italiano Vilfredo
Pareto (1848-1923)
La categora Otros es colocada en la ltima posicin. No importa cun grande sea, porque est
compuesta de un grupo de categoras cuyas frecuencias son menores en relacin con el valor de la
variable con frecuencia ms pequea.
Agregue a la tabla de distribucin de frecuencias, una columna para la frecuencia acumulada
Dibuje dos ejes verticales y uno horizontal.
En el eje vertical izquierdo, marque este eje con una escala de 0% a 100%.
En el eje vertical derecho, marque una escala de 0 hasta el nmero total de observaciones.
En el eje horizontal: marque los espacios donde estarn dibujadas las barras para cada una de
las categoras, incluida la categora Otros.
Elabore el diagrama de barras y dibuje la lnea de frecuencias acumuladas (curva de Pareto).

Notas importantes
25
Ejemplo 8
El gerente de control de calidad de una fbrica que produce asientos especiales de fibra de vidrio,
quiere identificar los problemas ms importantes que se presentan en la elaboracin de estos, y poder
planear soluciones a dichos problemas de acuerdo a una estrategia basada en la prioridad del problema. Se extrae una muestra aleatoria de los problemas de calidad obteniendo los siguientes resultados:
Nmero de ocurrencias (fi)
28
16
50
71
9
12
14
Problema detectado
Color inadecuado
Forma no simtrica
Medidas fuera de norma
Superficie rugosa
Bordes afilados
Desprendimiento de capa protectora
Otros
Elabore el diagrama de Pareto.

Solucin
Lo primero es ordenar los datos en orden descendente a la frecuencia fi. No olvidar que la categora
otros va al final. Luego se calcula las frecuencias relativas y las frecuencias relativas acumuladas.
Problema detectado
Superficie rugosa
Medidas fuera de norma
Color inadecuado
Forma no simtrica
Desprendimiento de capa protectora
Bordes afilados
Otros
fi
71
50
28
16
12
9
14
hi
0.355
0.250
0.140
0.080
0.060
0.045
0.070
Hi
0.355
0.605
0.745
0.825
0.885
0.930
1.000
Se realiza el grfico usando las frecuencias absolutas fi y las frecuencias relativas acumuladas Hi.
Notas importantes
26
Ejercicio 18
Se realiz un estudio de 50 casos, tomados al azar, de mujeres VIH positivas atendidas en el Consultorio del Programa Contra Enfermedades de Transmisin Sexual y SIDA (PROCETSS) del Hospital
Nacional General Arzobispo Loayza en Lima, entre los meses de mayo de 1997 y junio de 1998. Se
registr seis ocupaciones distintas, 38 de ellas fueron amas de casa, seis eran vendedoras ambulantes,
dos eran empleadas domsticas, dos eran trabajadoras sexuales, una cuidaba personas de la tercera
edad y una se dedicaba a la limpieza de clnicas. Haga un diagrama de Pareto de los resultados.
Notas importantes
27
1.6. Tabulaciones cruzadas

Tambin llamadas tablas de contingencia o de doble entrada.
Se usan para resumir de manera simultnea los datos para dos variables.
Ejercicio 19
En los Censos Nacionales 2007 ejecutados por el Instituto
Nacional de Estadstica e Informtica se pregunt a todos los
peruanos la religin que profesa, obtenindose los siguientes
resultados
Sexo
Hombre
Mujer
Total
Catlica
8,379,120
8,577,602
16,956,722
Religin que profesa

Cristiana - Evanglica
1,200,953
1,405,102
2,606,055
Otra
324,445
354,846
679,291
Ninguna
374,024
234,410
608,434
Total
10,278,542
10,571,960
20,850,502
Fuente: INEI - Censos Nacionales 2007: XI de Poblacin y VI de Vivienda
Indique las variables usadas en la realizacin de esta tabla de doble entrada.
Rellene los espacios en blanco.
El nmero de cristianos evanglicos en el Per es
El nmero de peruanos que profesa una religin distinta a la catlica es
El ..% de los peruanos profesa la religin catlica.
El ..% de los hombres peruanos no profesa una religin.
El ..% de las peruanas no son cristianas-evanglicas ni catlicas
El .% de .
Notas importantes
28
Grfico de barras apiladas

Un grfico de barras apiladas muestra todas las series apiladas en una sola barra para cada categora. El alto de cada barra es proporcional a la frecuencia de cada categora.
Grfico de barras apiladas al 100%

Un grfico de barras apiladas 100% muestra todas las series apiladas en una sola barra para cada
categora. El alto de cada barra es el mismo para cada categora.
Notas importantes
29
Ejercicio 20
En los X Censos Nacionales de Poblacin y V de Vivienda del ao 2005 realizados en nuestro pas se
pregunt por el tipo de alumbrado de la vivienda segn rea (urbana o rural). Los datos se muestran en
miles de viviendas
Tipo de alumbrado
rea Urbana
rea Rural
3,875
353
Kerosene (mechero / lamparn)
148
817
Vela
201
312
Otro
12
37
No tiene
17
4,253
1,528
Electricidad
Total
Elabore una grfica de barras apiladas y otro de barras apiladas al 100% que permita ver la composicin del tipo de alumbrado dentro de cada rea.
Notas importantes
30
Evaluacin
Afirmacin
(2 puntos)
Verdadero
Falso
Los cuadros de doble entrada usan exclusivamente variables ordinales o nominales

En un grfico circular, el ngulo que le corresponde a cada parte se obtiene multiplicando
360 por la respectiva frecuencia absoluta.
La frecuencia relativa de una clase es la proporcin de elementos que pertenecen a esa
clase.
En un grfico de barras apiladas, el alto de cada barra es proporcional a la frecuencia de
cada categora.
5) Encuentre todos los errores del siguiente grfico, realizado a partir de los Censos Nacionales de
Poblacin y Vivienda de los aos 1993 y 2007 en el Per.
(2 puntos)
Notas importantes
31
Semana 2. Sesin 1
1.7. Resumen de datos cuantitativos
Distribucin de frecuencias de variables discretas
Es un resumen de un conjunto de datos que consiste en presentar para cada valor de la variable el nmero de elementos (frecuencia) que la componen.
Grfico de bastn
En este caso la variable se ubica en el eje de las abscisas y las frecuencias en el eje ordenado.
Ejercicio 21
Los siguientes datos muestran el nmero de veces que se han matriculados en el curso Estadstica
Aplicada a los Negocios, los 32 alumnos de un horario del ciclo 2010 02.
2
Construya la tabla de distribucin de frecuencias de la variable nmero de veces matriculado en el

curso y su respectivo grfico de bastones.
Notas importantes
32
Distribucin de frecuencias de variables continuas

Es un resumen de un conjunto de datos que consiste en presentar para cada categora el nmero de
elementos (frecuencia) que la componen.
Los tres pasos necesarios para definir en una distribucin de frecuencias con datos cuantitativos son
los siguientes:
Determinar la cantidad de clases
Determinar el ancho de cada clase
Determinar los lmites de cada clase
Cantidad de clases
Se recomienda usar entre 5 y 20 clases
La idea es emplear suficientes clases para mostrar la variacin de los
datos, pero no tantas que varias contendran unos cuantos elementos.
Para determinar el nmero de clases se usa la regla de Sturges. Si la
estimacin tiene decimales, se toma el entero ms prximo.
o
Regla de Sturges: k = 1 + 3,322 log n
La regla de Sturges la
propuso Herbert Sturges (1926). La frmula trata de que el histograma resultante se
aproxime a la distribucin normal.
Amplitud de cada clase

Se usa el mismo ancho para todas las clases.
Se calcula de la siguiente manera:
Amplitud
rango
k
La amplitud se redondea al nmero inmediato superior de acuerdo con la cantidad de decimales

que tienen los datos o segn la precisin con que se desea trabajar.
Lmites de cada clase

Los lmites de clase se escogen de tal manera que cada valor de dato pertenezca a una clase y slo
a una.
El lmite inferior de clase es el valor mnimo posible de los datos que se asigna a la clase. El lmite
superior de clase es el valor mximo posible de los datos que se asigna a la clase.
La marca de clase es el punto medio de los lmites de cada intervalo.
Recordar lo siguiente:
La regla de Sturges no se usa para hallar la cantidad de datos. Es decir,
- si se tiene el nmero de datos n, entonces se puede calcular k,
- si se tiene determinado k, no se puede calcular n con la regla de Sturges.
Notas importantes
33
Ejemplo 9
El jefe de la Oficina de Rentas de la Municipalidad de San Isidro ha realizado un estudio sobre los
impuestos que pagan los vecinos del distrito. La tabla muestra los pagos de impuestos, en nuevos soles, en el 2010 de 48 viviendas elegidas al azar.
145.1
216.3
252.5
303.6
196.9
234.8
265.2
317.2
206.5
242.9
289.1
331.7
151.0
225.9
257.1
305.8
202.6
238.4
271.0
320.2
208.0
244.0
291.0
344.6
159.0
227.1
259.2
315.4
204.9
239.9
286.7
324.8
208.0
247.7
291.9
346.7
195.6
231.2
262.5
315.5
206.1
241.1
288.1
331.1
209.3
249.5
294.5
351.1
Elabore la tabla de frecuencias para la variable pago por impuestos municipales ao 2010.
Solucin
El rango r se calcula con:
r xmax xmin 351.1 145.1 206

Siguiendo la regla de Sturges, el nmero de intervalos es:
k 1 3.322 log10 n 1 3.322 log10 (48) 6.585 7

El ancho del intervalo es:
r 206
29.429 29.5 (redondeo por exceso a un decimal)

k
7
Distribucin de frecuencias del pago de impuestos municipales del ao 2009

Pago de impuestos
Marca de clase
fi
hi
Fi
Hi
[145,1 ; 174,6]
159,85
0,0625
0,0625
]174,6 ; 204,1]
189,35
0,0625
0,1250
]204,1 ; 233,6]
218,85
10
0,2084
16
0,3334
]233,6 ; 263,1]
248,35
12
0,2500
28
0,5834
]263,1 ; 292,6]
277,85
0,1458
35
0,7292
]292,6 ; 322,1]
307,35
0,1458
42
0,8750
]322,1;351,6]
336,85
0,1250
48
1,0000
48
1.0000
Total
Notas importantes
34
Ejercicio 22
Haga la tabla de distribucin de frecuencias de los siguientes datos:
9.7
7.9
14.7
9.7
10.4
10.4
10.2
9.6
10.5
11.3
10.1
11.9
11.2
9.6
12.9
11.7
9.7
9.9
7.8
9.6
9.5
9.8
11.3
10.7
11.1
9.9
9.6
8.9
9.8
10.8
9.3
9.5
8.6
8.3
12.0
9.2
8.2
10.9
8.5
9.0
12.4
9.6
9.2
9.3
10.0
Ejercicio 23
La siguiente tabla corresponde a la distribucin de frecuencias de los salarios del ltimo mes de los
empleados de una empresa. Complete la tabla.
Clase
Marca de
clase xi
450
Notas importantes
Frecuencia
absoluta fi
Frecuencia
relativa hi
Frecuencia absoluta
acumulada Fi
8
750
10
0,3
12
33
Frecuencia relativa
acumulada Hi
35
Ejemplo 10
La empresa de investigacin de mercado Elctrico lleva a cabo un estudio para obtener indicadores
que le permitan inferir respecto al consumo de energa elctrica mensual (medido en kilovatios, redondeado al entero mas prximo) de las familias en los departamentos de Arequipa y Tacna. Dicho
estudio, sustentado en el anlisis de muestras aleatorias tomadas en ambos departamentos, arroj los
siguientes resultados:
Arequipa
Tacna
227 231 261 270 291 351 359 369 371 382 387 392 393 395 396 413 420 422 424 436
453 461 463 471 495 498 510 512 533 534 541 542 584 589 591 628 630 630 657 666
217 219 263 287 294 340 346 347 348 377 390 392 395 396 397 408 418 424 426 429
438 438 442 446 447 450 456 481 496 508 511 533 549 583 609 636
Usando la regla de Sturges, calcule intervalos comunes y marcas de clase de una tabla de distribucin
de frecuencias que permita comparar los datos.
Solucin
Hallar el mnimo de todos los datos (217) y el mximo de todos los datos (666) de ambas ciudades, y usarlos para calcular el rango.
Calcular el nmero de categoras, el nmero de datos es el mximo nmero de datos (40) entre
ambas ciudades. Tener en cuenta que no es la suma de ambos tamaos muestrales.
Siguiendo la regla de Sturges, el nmero de intervalos es:
k 1 3.322 log10 n 1 3.322 log10 (40) 6.322 6 (redondeo simple)
Notas importantes
Consumo de energa
Marca de clase
217; 292
254,5
292; 367
329,5
367; 442
404,5
442; 517
479,5
517; 592
554,5
592; 667
629,5
36
Ejercicio 24
Un jefe de recursos humanos est interesado en analizar el impacto en los empleados al suprimir las
horas extras de trabajo pagadas que anteriormente se aplicaba. Con este fin se extraen dos muestras
aleatorias. La primera de 80 empleados tomando de los datos histricos de un da al azar con el sistema anterior y la segunda de 60 empleados tomando los datos de un da al azar con el sistema vigente.
Se muestran las horas de trabajo por da por empleado.
Horas diarias trabajadas con horas extras pagadas
Horas trabajadas sin horas extras pagadas
7,7
8,9
9,8
10,8
11,2
11,8
12,3
13,2
7,4
8,2
8,5
8,9
9,7
10,8
7,9
8,9
10,1
10,8
11,3
11,9
12,4
13,4
7,7
8,2
8,5
8,9
9,8
11,0
8,0
9,0
10,2
10,9
11,4
12,0
12,4
13,5
8,0
8,2
8,5
8,9
9,9
11,2
8,0
9,1
10,2
11,0
11,4
12,0
12,4
13,6
8,0
8,3
8,6
9,0
9,9
11,6
8,1
9,1
10,3
11,0
11,5
12,1
12,5
13,7
8,0
8,3
8,6
9,1
10,0
11,7
8,1
9,3
10,4
11,0
11,5
12,1
12,5
13,9
8,1
8,3
8,7
9,1
10,0
12,2
8,2
9,4
10,6
11,1
11,5
12,1
12,6
14,6
8,1
8,4
8,7
9,3
10,3
12,5
8,5
9,5
10,6
11,1
11,6
12,2
12,7
14,9
8,2
8,4
8,7
9,4
10,5
12,9
8,6
9,7
10,7
11,1
11,7
12,2
12,9
15,0
8,2
8,4
8,8
9,6
10,5
13,3
8,8
9,7
10,8
11,2
11,7
12,3
13,1
15,8
8,2
8,4
8,8
9,7
10,6
14,5
Determine las clases para agrupar y comparar los datos de ambas muestras.
Notas importantes
37
Evaluacin
Responda a las siguientes preguntas.
6) Por qu se usan los grficos de bastn para variables discretas en vez de un grfico de barras?
(1 punto)
7) Por qu si en un ejercicio nos dan la cantidad de intervalos, no se usa la regla de Sturges?

(1 punto)
8) Por qu se redondea por exceso la amplitud en las distribuciones de frecuencias de datos continuos?
(1 punto)
Notas importantes
38
Semana 2. Sesin 2
1.8. Grficos de datos cuantitativos
Histograma
Este resumen grfico se prepara con una distribucin de frecuencias, frecuencias relativas o frecuencias porcentuales.
Se traza colocando la variable sobre el eje horizontal y las frecuencias sobre el eje vertical.
Cada frecuencia de clase se representa trazando un rectngulo, cuya base es el intervalo de clase
sobre el eje horizontal y cuya altura es la frecuencia correspondiente.
Los rectngulos adyacentes se tocan entre s.
Polgono de frecuencias
Es la representacin por medio de una figura poligonal cerrada.
Se obtiene uniendo con segmentos de recta los puntos de interseccin de las marcas de clase con
las frecuencias.
Los polgonos de frecuencias se cierran creando dos intervalos ficticios, uno antes del primer intervalo y uno despus del ltimo.
Si los intervalos creados toman valores que pueden ser reales, igual se crea el intervalo, como,
ejemplo, tiempos negativos.
Notas importantes
39
Ejercicio 25
Grafique el histograma y el polgono de frecuencias de los siguientes datos.
8.2
7.9
8.2
8.3
8.3
8.4
8.5
8.6
8.7
8.9
Notas importantes
9.0
9.2
9.2
9.3
9.3
9.3
9.4
9.5
9.5
9.6
9.6
9.6
9.6
9.6
9.7
9.7
9.7
9.8
9.8
9.9
9.9
10.0
10.0
10.1
10.2
10.5
10.7
10.8
10.9
10.9
11.1
11.2
11.3
11.3
11.7
11.7
11.9
12.0
12.2
11.8
40
Ejercicio 26
En el ao 2008, el Departamento de Calidad Educativa de una universidad le pregunt a una muestra
de estudiantes universitarios por el porcentaje de su tiempo fuera de clases que dedicaban a navegar
por Internet para buscar informacin para sus cursos. El grfico muestra el polgono de frecuencias de
dicha informacin.
Polgono de frecuencias del porcentaje del tiempo fuera de clases
conectado a Internet para buscar informacin para sus cursos
40
36.00
35
Porcentaje de alumnos
30
25
21.00
20
15
11.50
11.50
7.50
10
5.00
5
1.25
2.50
2.50
1.25
0
5
15
25
35
45
55
65
75
85
95
Porcentaje de tiempo fuera de clases conectado a Internet para buscar informacin para cursos
Fuente: Departamento de Calidad Educativa 2008
Calcule el porcentaje de alumnos que dedican, ms del 30% de su tiempo fuera de clases a navegar en
Internet para buscar informacin para sus cursos.
Notas importantes
41
Distribuciones acumuladas
La distribucin de frecuencias acumuladas muestra la cantidad de elementos con valores menores o
iguales al lmite superior de clase para cada clase.
Ojiva
Es la grfica de una distribucin acumulada de frecuencias.
Se obtiene uniendo con segmentos de recta los puntos de interseccin del lmite superior de cada
intervalo y la frecuencia acumulada respectiva.
Con la ojiva se puede estimar fcilmente el nmero o porcentaje de observaciones que corresponden a un intervalo determinado.
Ojiva del tiempo en resolver un examen
100
Fi
100
90
80
70
60
50
40
30
20
10 0
0
0
80
72
40
30
20
40
60
Tiempo (minutos)
Ejercicio 27
Haga la ojiva de frecuencias relativas del ejercicio 24.
Notas importantes
80
100
42
Recomendaciones sobre la presentacin de grficos (diagramas)

Descripcin del diagrama
El ttulo del diagrama siempre debe ser indicado.
En los ejes, siempre se debe indicar explcitamente las variables que se est representando y las
respectivas unidades.
Las fuentes de donde se obtuvieron los datos que permitieron su construccin, as como quienes o
qu entidad elabor el diagrama y cualquier otra informacin se debe indicar siempre que sea relevante.
Eliminacin de ruido
Los excesivos adornos y la inclusin de figuras, muchas veces, en lugar de aclarar ms los diagramas, terminan confundiendo o dificultando su rpida comprensin.
El uso de algunas figuras en lugar de barras o columnas puede distorsionar visualmente la real
proporcin de las magnitudes que se estn representando.
Eleccin de la base de comparacin

Si se va a representar grficamente los datos de solo una muestra, el mismo diagrama sirve para
representar las frecuencias absolutas y relativas.
Si se va a comparar el comportamiento de una variable en dos o ms poblaciones distintas pero
solo se tiene muestras representativas de las poblaciones, entonces es conveniente usar la frecuencia relativa.
Si se va a comparar el comportamiento de una variable en dos o ms poblaciones y se tiene los
datos de las poblaciones, entonces se puede realizar la comparacin por separado de las frecuencias absolutas y de las relativas.
Si bien es totalmente factible comparar grficamente dos o ms series de datos que han sido agrupados en intervalos distintos en amplitud y lmites, es preferible para facilitar la comparacin que
todas las serie de datos utilicen los mismos intervalos.
Uso de adecuada escala de los ejes

La escala utilizada en los ejes debe mantenerse. El cambio de proporciones distorsiona el propsito de usar diagramas, el cual consiste en ver rpidamente la proporcin con que se est distribuyendo la variable.
Si se ha utilizado una escala especial en alguno de los ejes del diagrama, por ejemplo, escala logartmica, esta se debe indicar.
Debe hacer que los valores de la variable abarquen adecuadamente la longitud de cada eje.
Uso del punto inicial del eje vertical.
El punto de inicio del eje vertical debe empezar con un cero para no distorsionar la impresin visual respecto de la magnitud.
El cambio de punto de inicio distinto de cero debe estar completamente justificado.
Notas importantes
43
Evaluacin
(1.5 puntos)
Afirmacin
Verdadero
Falso
Para graficar las ojivas se usan las marcas de clase

Con la ojiva se puede estimar el porcentaje de observaciones que corresponde a un
intervalo determinado
Para el polgono de frecuencias solamente se usa las frecuencias absolutas
10) Se ha tomado un examen y se registr el tiempo empleado en terminarlo. Indique si son verdaderas o falsas las siguientes afirmaciones con respecto al grfico siguiente.
(3 puntos)
Ojiva del tiempo en resolver un examen

100
Fi
100
90
80
70
60
50
40
30
20
10 0
0
0
80
72
40
30
20
40
60
80
100
Tiempo (minutos)
Afirmacin
El nmero de personas que tarda 60 minutos o menos es 72
El nmero de personas que tarda ms de 60 minutos es 40
El nmero de personas que tarda ms de 20 minutos pero menos o igual a 80 minutos es 50
El porcentaje de personas que tarda ms de 40 minutos es 60%
El porcentaje de personas que tarda 30 minutos o menos es 20%
El porcentaje de personas que tarda 20 minutos es 30%
Notas importantes
Verdadero
Falso
Unidad 2
Logro de la unidad
Medidas
descriptivas
Utiliza rigurosamente
las medidas de resumen
de datos, reconoce su
importancia en el
anlisis del
comportamiento de los
datos y es conciente de
sus implicancias.
Caso: Primero debo acabar mi carrera

Sergio llevaba menos de
treinta das en el diario
cuando le solicitaron una
investigacin sobre el uso de
anticonceptivos entre
universitarios.
La Prensa quera sacar una
edicin especial sobre la
sexualidad entre
universitarios y quera tener
informacin nueva y
exclusiva sobre dicho tema.
Sergio se llen de angustia
cuando Rogelia, su jefa, le
explic lo que tena que
hacer, deba trabajar en un
grupo que hiciera una
primera versin de una
encuesta que luego sera
realizada por una empresa de
investigacin de mercados.
Sergio comenz a buscar
ideas para las preguntas de
su encuesta. Por lo menos,

deba preguntar por la edad,
los estudios, el distrito de
residencia, el conocimiento
de los mtodos
anticonceptivos por parte de
los universitarios y su uso
eso se poda preguntar?
encuesta y le copi una frase

del periodista y corresponsal
de guerra Jack Fuller,
ganador del premio Pulitzer
"Si te equivocas en las cosas
pequeas, los lectores no
confiarn en ti para las
cosas grandes".
Pas toda la noche

escribiendo preguntas.
Estaba emocionado, pero a la
vez tena miedo por la
importancia de la
investigacin. No poda
dormir. Ya en la madrugada,
se dio cuenta que quera
preguntar demasiado y que
alguna de sus preguntas eran
muy complicadas.
Sandra sonri al leer el

correo. Contest la encuesta,
le sugiri cambios en
algunas preguntas y le envi
uno de sus acostumbrados
acertijos: Una mujer
extraadamente maquillada
ingresa a un bar y exige que
le den un vaso con agua. El
barman saca una gran
pistola y le apunta a la
cabeza. La mujer agradece y
se va. Sergio sonri, pues
ya saba lo que Sandra le
haba querido decir.
A la maana siguiente, con

el pretexto de hacer una
prueba piloto, le envo a
Sandra, por correo, una
Debo saber
Calcular la media y la
desviacin estndar
para datos simples y
agrupados en mi calculadora
Usar funciones y plantear frmulas en Excel
Contenido
Medidas de tendencia
central
Percentiles
Quin invent la varianza?

Ronald Fisher (1890-1962) fue
un brillante estadstico ingls.
Public alrededor de 300 trabajos y siete libros, en los
cuales desarroll muchos de
los conceptos de la estadstica:
la importancia de la aleatorizacin, la varianza, el anlisis de
varianza, la distincin entre

estadstica (medida de muestra) y parmetro (medida de
poblacin), la hiptesis nula,
los niveles de significacin, y
las ideas fundamentales del
diseo de investigacin. De
temperamento difcil, se vio
involucrado en profundas enemistades. Se dice de l que

cuando le hablaban en broma,
l contestaba en serio; cuando
los dems estaban serios, entonces l bromeaba.
Tomado de http://
www.psicologacientifica.com
Medidas de variabilidad
Medidas de asimetra
Diagramas de caja
47
Semana 3. Sesin 1
Datos simples y datos agrupados
Se denomina datos simples (datos no agrupados) a los valores que no estn agrupados en distribuciones de frecuencia, mientras que son datos agrupados aquellos que si lo estn.
Si se tienen datos simples no se construye la distribucin de frecuencias para calcular la media, la
mediana o cualquier estadstico, se prefiere el clculo con los datos simples.
Ejemplo de datos simples

18.5 10.6 14.5 17.2 12.8 13.6 11.6 11.3 13.0 13.5 10.8 13.9 14.2 15.3 14.3 14.3 14.3 17.7 14.8 14.6
18.3 11.8 16.1 16.8 18.8 14.8 14.0 16.4 14.2 16.5 12.1 13.3 12.0 14.3 14.9 15.1 14.4 19.4 11.5 13.5
Ejemplo de datos agrupados

Pago de impuestos
Marca de clase
fi
hi
Fi
Hi
[145,1 ; 174,6]
159,85
0,0625
0,0625
]174,6 ; 204,1]
189,35
0,0625
0,1250
]204,1 ; 233,6]
218,85
10
0,2084
16
0,3334
]233,6 ; 263,1]
248,35
12
0,2500
28
0,5834
]263,1 ; 292,6]
277,85
0,1458
35
0,7292
]292,6 ; 322,1]
307,35
0,1458
42
0,8750
]322,1;351,6]
336,85
0,1250
48
1,0000
48
1.0000
Total
Ejercicio 28
Luego de una investigacin se tiene muchos datos, con ellos se puede realizar algunos grficos y tablas de distribucin de frecuencias. Pero cmo se puede hacer para resumir la informacin en un nmero?
Notas importantes
48
2.2. Medidas de tendencia central

Las medidas de localizacin o de tendencia central se refieren al valor central que representa a los
datos de una determinada variable.
Media
La media aritmtica (media o promedio) de un conjunto de valores de una variable es la suma de dichos valores dividida entre el nmero de valores.
La frmula para la media poblacional es

N
x
i 1
La frmula para la media muestral de datos no agrupados es

n
i 1
La frmula para la media muestral de datos agrupados es

k
fi
i 1
x h
i i
i 1
La frmula para la media muestral de datos agrupados por intervalos es

k
x f
i
x
donde
i 1
x h
i i
i 1
xi
dato (datos no agrupados) o marca de clase x i (datos agrupados)
fi
frecuencia de cada clase
tamao de la poblacin
tamao de la muestra
Notas importantes
49
Ejercicio 29
Los datos siguientes corresponden a las estaturas (en metros) de hombres peruanos de 18 aos. Calcule
la estatura promedio.
1.78
1.65
1.74
1.65
1.80
1.52
1.74
1.56
1.65
1.62
Ejercicio 30
Los datos siguientes corresponden a las estaturas (en metros) de hombres peruanos de 18 aos. Calcule
la estatura promedio.
Estatura
fi
1.60
1.63
12
1.66
65
1.70
48
1.75
Ejercicio 31
Los datos siguientes corresponden a las estaturas (en metros) de hombres peruanos de 18 aos. Complete la distribucin de frecuencias y calcule la estatura promedio.
Estatura (en intervalos)
150
Marca de clase
hi
Fi
Notas importantes
fi
166
Hi
0,48
0,32
0,95
200
50
Caractersticas de la media
Se puede calcular para datos medidos en escala de intervalo o razn.
El valor de la media es sensible a los valores extremos, por lo que la presencia de valores inusuales la distorsionan.
El clculo de la media es sencillo y fcil de entender e interpretar.
Si cada uno de los n valores xi es transformado en: yi = a xi + b, siendo a y b constantes, entonces,
la media de los n valores yi es:
y ax b
Ejercicio 32
En una tienda el precio promedio de los jeans es de 74 nuevos soles, se aumenta 8% a todos los precios y, adems, se sube 4 nuevos soles a cada precio, calcule el nuevo precio promedio de los jeans.
Ejercicio 33
En una tienda el precio promedio de los jeans es de 74 nuevos soles, si se hace una oferta y se rebaja el
8% de todos los precios, calcule el nuevo precio promedio de los jeans.
Ejercicio 34
En una tienda el precio promedio de los jeans es de 74 nuevos soles, si se hace una oferta y se rebaja 8
nuevos soles a todos los precios, calcule el nuevo precio promedio de los jeans.
Notas importantes
51
Mediana
La mediana de un conjunto de datos ordenados es el valor que divide en dos partes a dicho conjunto.
El 50% de las observaciones son menores o igual a la mediana.
Ejercicio 35
Segn un estudio, en mujeres, del Centro Peruano de Estudios Sociales CEPES (2000), en Lima la
mediana de la edad a la primera unin (vida conyugal) es de 23.6 aos, mientras que en Loreto es de
18 aos. Indique lo que significa esta aseveracin.
Ejercicio 36
Grupo A
1.61 1.62 1.63 1.63 1.64 1.64
1.66
1.70
1.70
1.73
1.73
1.77
1.83
Grupo B
1.56 1.61 1.62 1.63 1.63 1.64 1.64
1.66
1.70
1.70
1.73
1.73
1.77
1.83
En cada grupo se muestra la estatura de cada jugador. Indique el valor de la mediana de la estatura en
cada grupo.
Notas importantes
52
Caractersticas de la mediana
Se puede calcular para variables medidas en escala de ordinal, intervalo o razn.
El valor de la mediana depende del nmero de datos observados.
La mediana es un estadstico que no se ve afectado por valores extremos. Por eso se le utiliza
cuando hay datos inusuales o el polgono de frecuencias no es simtrico.
Mediana de datos no agrupados

Ordene los datos de manera ascendente.
Calcule la posicin i de la mediana, usando la siguiente frmula: i = 0,5n
donde n es la cantidad de observaciones
o Si i no es entero, se redondea. El valor entero inmediato mayor que i indica la posicin de la
mediana
o Si i es entero, la mediana es el promedio de los valores de los datos ubicados en los lugares i e
i+1
Ejercicio 37
Los tiempos, en minutos, que se tardan 17 alumnos en contestar una pregunta de un examen se registran en la siguiente tabla.
Hombres
12
17
25
18
12
24
Mujeres
15
10
14
14
12
18
15
Calcule la mediana del tiempo por cada sexo e indique el grupo con mayor mediana.
Notas importantes
12
18
53
Mediana de datos agrupados en intervalos

Identificamos primero la clase en la que se encuentra la mediana. El valor se determina por la siguiente expresin:
Me Li
w n
Fi 1
fi 2
donde:
Li:
lmite inferior de la clase de la mediana
fi:
frecuencia de la clase de la mediana
Fi-1:
frecuencia acumulada de la clase que precede a la clase de la mediana
w:
amplitud de clase
n:
nmero de datos
Es equivalente la frmula
Me Li
w n
w1
Fi 1 Li H i 1
fi 2
hi 2
Ejercicio 38
En una gran ciudad, se tom una muestra aleatoria y se les pregunt por su ingreso mensual, en dlares, obtenindose los siguientes resultados.
Ingresos (en intervalos)
Marca de clase
fi
hi
Fi
30
Hi
0,0480
175
225
200
45
95
0,1827
225
275
250
190
405
0,7788
275
325
300
140
470
0,9038
275
325
325
450
520
1,0000
130
425
Complete la tabla de distribucin de frecuencias y calcule la mediana del ingreso
Notas importantes
54
Moda
La moda de un conjunto de datos observados de una variable es el valor que se presenta con mayor
frecuencia.
Justin Bieber claims Lady Gaga's YouTube throne

LOS ANGELES | Fri Jul 16, 2010 6:24pm
(Reuters) - Teen sensation Justin Bieber has knocked Lady

Gaga off her reign as holder of the most-viewed video on YouTube.
Bieber, 16, who was discovered on YouTube, racked up more than 246
million views of his music video "Baby" on Friday, pushing Lady Gaga's
"Bad Romance" into second place with 245.6 million.
The Canadian singer, currently on tour in the United States to promote his
hit album "My World 2.0", thanked his fans in a Twitter message, but
added that he thinks Lady Gaga is "an incredible artist who (I) have great
respect 4. and her vid is incredible.
"So it doesnt matter who has more views what matters is that we have
incredible fans that support us...that im sure we are both greatful 4," he
continued.
Bieber signed a record deal at age 14 after posting his own videos on YouTube and now causes mob scenes of
hysterical girls wherever he goes.
Lady Gaga, 24, is in the middle of her "Monster Ball" tour and recently became the first living person to have more
than 10 million fans on social networking site Facebook.
Moda de datos no agrupados

Agrupe los datos de acuerdo a sus frecuencias, el dato con mayor frecuencia es la moda.
Ejercicio 39
Calcule la moda de los siguientes datos:
4
Notas importantes
55
Caractersticas de la moda
La moda se puede calcular para cualquier escala de medicin.
El valor de la moda no se ve afectada por valores extremos.
La moda no siempre es un valor nico. Una serie de datos puede tener dos modas (bimodal) o ms
modas (multimodal). Algunas series de datos no tienen moda.
Moda de datos agrupados en intervalos
Identifique la clase con mayor frecuencia (clase modal).
Obtenga el valor de la moda mediante la expresin:
d1
Mo Lmo
d1 d 2
donde:
Lmo
: lmite inferior de la clase modal
d1
: diferencia entre las frecuencias de las clases modal y precedente
d2
: diferencia entre las frecuencias de las clases modal y siguiente
: amplitud de clase
Ejercicio 40
En una empresa se toma un examen de conocimientos sobre los procesos administrativos. Los resultados se muestran en la siguiente tabla:
Puntaje (en intervalos)
Marca de clase
fi
hi
Fi
Hi
25
10
0.0667
10
0.0667
25
0.1667
35
0.2333
75
0.5000
110
0.7333
15
0.1000
125
0.8333
14
0.0933
139
0.9267
11
0.0733
150
1.0000
Calcular la moda del puntaje
Notas importantes
75
56
Ejercicio 41
La ojiva de los ingresos mensuales, en nuevos soles, de los trabajadores de una empresa se muestran
en la siguiente grfica:
Ojiva de ingresos
1.00
0.90
0.80
0.70
Hi
0.60
0.50
0.40
0.30
0.20
0.10
0.00
0
1000
2000
3000
4000
5000
6000
Ingresos
Calcule la media, mediana y moda de los ingresos
Notas importantes
7000
8000
9000
10000 11000
57
Evaluacin
11) Complete el siguiente texto: La mediana de un conjunto de datos ordenados es el valor que divide
en dos partes a dicho conjunto. El .. son menores o igual
a la mediana.
(1 punto)
12) Complete el siguiente texto: Usar la mediana como medida de tendencia central es preferible a usar
la media cuando
(1 punto)

Afirmacin
Verdadero
La moda se puede calcular en variables medidas en todas las escalas de medicin

La media es un valor que siempre est entre el mnimo valor y el mximo valor de los
datos
Si se tienen datos simples se construye la distribucin de frecuencias para calcular la
media, la mediana o moda.
La media se puede calcular en variables medidas en escala ordinal, intervalo y de razn
Semana 3. Sesin 2
Ejercicios para la prctica calificada 1
Frmulas para la prctica calificada 1
Frecuencia relativa hi
fi
n
Frecuencia relativa acumulada H i
Regla de Sturges: k = 1 + 3,322 log n
Notas importantes
(2 puntos)
Fi
n
Falso
58
Semana 4. Sesin 1
Media ponderada
Tambin llamada media pesada. Permite calcular el valor medio considerando la importancia o peso
de cada valor sobre el total.
n
xww
xw
i 1
n
w
i 1
donde:
xi: Observacin individual.

wi: Peso asignado a cada observacin.
Ejercicio 42
Las notas de un alumno de Estadstica Aplicada a los Negocios son:
PC1
PC2
PC3
PC4
Parcial
Final
Trabajo
12
15
17
16
13
Si el peso de cada prctica es 7.5% de la nota final, de cada examen 25% y del trabajo es 20% cul es
el promedio final del alumno?
Notas importantes
59
2.3. Cuantiles
En la foto aparece el fotgrafo puneo Martn Chambi (1891-1973) junto a un indgena muy alto, a quien
encontr en uno de sus viajes. La estatura del indgena seguramente fue mayor al percentil 99 de la
estatura de los campesinos de su regin, Paruro en Cusco. Chambi es considerado una de las grandes
figuras de la fotografa mundial.
2.4. Percentiles
El percentil k-simo Pk es un valor tal que por lo menos k por ciento de las observaciones son menores o iguales que este valor.
Se puede calcular en variables medidas en escala ordinal, de intervalo y razn.
El valor del percentil no se ve afectado por valores extremos.
Ejercicio 43
Calcule e interprete el percentil 3 y el percentil 50 del peso para nios de un ao segn el grfico.
Notas importantes
60
Percentil de datos no agrupados (simples)

Ordene los datos de manera ascendente.
Calcule la posicin i del percentil
k
i
n
100
donde: k el es percentil y n es la cantidad de observaciones
o
Si i no es entero, se redondea. El valor entero inmediato mayor que i indica la posicin

del k-simo percentil.
Si i es entero, el k-simo percentil es el promedio de los valores de los datos ubicados en

los lugares i e i+1.
Ejercicio 44
Dados los siguientes datos, calcule la el percentil 30 y el percentil 75
1
25
Ejercicio 45
Calcule el percentil 75 de los siguientes datos.
Notas importantes
xi
fi
48
79
12
50
15
Fi
61
Percentil de datos agrupados en intervalos

Identificamos primero la clase en la que se encuentra el percentil Pk. Esta clase es aquella que
acumula por primera vez un porcentaje mayor o igual a k%.
El valor del percentil se determina por la siguiente expresin:
Pk Li
w nk
Fi 1
fi 100
donde:
Li: lmite inferior de la clase del percentil

fi: frecuencia de la clase del percentil
Fi-1: frecuencia acumulada de la clase que precede a la clase del percentil
w: amplitud de clase
n: nmero de datos
Es equivalente la frmula
Pk Li
w
fi
w k
nk
Fi 1 Li
H i 1
h
100
100
Ejemplo 11
La siguiente tabla corresponde a la distribucin de frecuencias de los 200 salarios del ltimo mes de
los empleados de una empresa.
Salario (S/.)
fi
hi
Fi
Hi
450 - 650
32
0.160
32
0.160
650 - 850
40
0.200
72
0.360
850 - 1050
60
0.300
132
0.660
1050 - 1250
48
0.240
180
0.900
1250 - 1450
20
0.100
200
1.000
Calcule el sueldo mnimo para estar en el 15% de los trabajadores mejores pagados
Solucin
200 200 85
P85 1050
132 1 208,33 nuevos soles
48 100
El sueldo mnimo para estar en el 15% de los trabajadores mejores pagados es S/.1 208,33
Notas importantes
62
Ejercicio 46
Las notas de un curso se muestran en la siguiente distribucin de frecuencias.

Notas
Marca de clase
fi
08 10
15
10 12
52
12 14
60
14 16
75
16 18
48
hi
Fi
Calcule la nota mnima para estar en el quinto superior. Use la frmula de percentiles.
Calcule la nota mnima para estar en el quinto superior. Use la ojiva.
Notas importantes
Hi
63
Calcule la nota mxima para estar en el 5% de las notas ms bajas.
Calcule el porcentaje de personas que tuvo notas menores o iguales a 13.
Calcule el porcentaje de personas que tuvo notas mayores a 12 y menores o iguales a 15.
Cuartil
Se denomina as a cada uno de los tres percentiles: P25, P50, P75 y se les denota como Q1, Q2 y Q3
respectivamente.
Notas importantes
64
Evaluacin
14) En una cierta regin de un pas se han realizado una gran investigacin sobre el peso y la edad de
nias y jvenes con la cual se ha obtenido el siguiente grfico:
Qu significa que para las jvenes de 17 aos el percentil 3 del peso sea 42.5 kilos?
(1 punto)
15) Defina percentil 40
(1 punto)
(2 puntos)
Afirmacin
El percentil 40 es siempre menor al percentil 80
El cuartil 1 es igual al percentil 25
El percentil siempre est en las mismas unidades de los datos
Si todos los pesos son iguales, la media ponderada es igual a la media aritmtica
Notas importantes
Verdadero
Falso
65
Semana 4. Sesin 2
Ejercicio 47
Calcule la media, mediana y moda de los siguientes grupos de datos.

Grupo 1
1
Grupo 2
Grupo 3
En base a sus resultados, qu puede afirmar sobre los datos de cada grupo?
Notas importantes
66
2.5. Medidas de variabilidad

Con las medidas de tendencia central es posible determinar el valor central de una distribucin,
pero no indican qu tan cercanos o lejanos estn los datos de dicho valor central.
Las medidas de variabilidad indican cun alejados estn los valores de una variable del valor que
los representa y por lo tanto permiten evaluar la confiabilidad de ese valor central.
Cuando la medida de dispersin tiene un valor pequeo, los datos estn concentrados alrededor de
la medida de tendencia central, en cambio si la medida de dispersin tiene un valor grande, los datos no estn concentrados alrededor de la medida de tendencia central.
Varianza
La varianza es el promedio de los cuadrados de la diferencia de cada dato con la media. Las unidades de la varianza son las unidades de los datos al cuadrado.
La frmula para la varianza poblacional es
N
( x )
i 1
La frmula para la varianza muestral de datos no agrupados es

n
s2
i 1
n 1
La frmula para la varianza muestral de datos agrupados es

k
f x
i
s2
i 1
n 1
La frmula para la varianza muestral de datos agrupados por intervalos es

k
f x x
i
s2
Desviacin estndar
Es la raz cuadrada positiva de la varianza.
Notas importantes
i 1
n 1
67
Ejercicio 48
Calcule la desviacin estndar muestral de los siguientes datos

12
10
11
Ejercicio 49
Calcule la desviacin estndar muestral de los siguientes datos.

xi
fi
10
45
10
55
36
58
75
Ejercicio 50
El gerente de ventas de una empresa desea conocer la distribucin de los volmenes de venta en el
ltimo mes. Para obtener los datos necesarios se calculan los montos de ventas mensuales (marzo de
2010) de cada vendedor. A continuacin se muestra los siguientes datos:
Ventas, en miles de dlares
Marca de clase
Nmero de vendedores fi
5,0
7,8
7,8
10,6
10
10,6
13,4
28
13,4
16,2
Calcule la desviacin estndar muestral.
Notas importantes
68
Propiedades de la varianza y la desviacin estndar

La varianza y la desviacin estndar son nmeros reales no negativos.
Se pueden calcular para variables medidas en escala de intervalo o razn.
Se ven afectadas por valores extremos.
La varianza es expresada en unidades cuadrticas a las unidades de los datos, mientras que, la
desviacin estndar es expresada en las mismas unidades de los datos.
Si cada uno de los n valores xi es transformado en yi = a xi + b, siendo a y b constantes, entonces,
la varianza de los n valores yi es:
S y2 a 2 S x2
Ejercicio 51
En una tienda la desviacin estndar de los precios de los jeans es de 7.2 nuevos soles, si se realiza un
aumento del 12% de todos los precios, calcule la nueva desviacin estndar de los precios de los jeans.
Ejercicio 52
En una tienda la desviacin estndar de los precios de los jeans es de 7.2 nuevos soles, si se hace una
oferta y se rebaja 8 nuevos soles a todos los precios, calcule la nueva desviacin estndar de los precios de los jeans.
Ejercicio 53
Compare los resultados de los ejercicios anteriores.
Notas importantes
69
Coeficiente de variacin
El coeficiente de variacin (CV) de un conjunto de datos indica lo grande que es la desviacin estndar
en comparacin con la media.
La frmula para el coeficiente de variacin poblacional es:
CV
100%
La frmula para el coeficiente de variacin muestral es:
CV
s
100%
x
Es til al comparar la variabilidad de dos o ms series de datos que se expresan en distintas o iguales unidades, pero difieren a tal punto que una comparacin directa de las respectivas desviaciones
estndar no es muy til, por ejemplo, cuando las medias estn muy distantes.
El coeficiente de variacin se calcula en variables medidas en escala de razn.
Ejemplo 12
Los siguientes datos representan resmenes del nmero de mediciones de resistencia de cierto artculo
que realizaron dos grupos de tcnicos.
Grupo 1: media = 3 y desviacin estndar = 1,10
Grupo 2: media = 5 y desviacin estndar = 1,66
En cul de los grupos el nmero de mediciones es ms disperso?
Solucin
Como los promedios son diferentes, se usa como indicador el coeficiente de variacin:
1,10
CV1
100% 36,67%
3
1,66
CV2
100% 33,20%
5
El nmero de mediciones es ms disperso en el grupo 1.
Notas importantes
70
Ejercicio 54
El siguiente cuadro muestra la distribucin de salario mensual de los empleados de dos empresas.
Sueldos (en nuevos soles)
Marca de clase
Empleados de la empresa A
Empleados de la empresa B
[1500 2500]
]2500 3500]
]3500 4500]
15
]4500 5500]
13
]5500 6500]
12
12
Cul de los grupos presenta mayor variabilidad de salarios?
Si en la empresa A hay un aumento de sueldo del 15%, mientras que en la B se da una bonificacin de
250 nuevos soles Cul de los grupos presenta mayor variabilidad de salarios?
Notas importantes
71
Rango
El rango (alcance, amplitud o recorrido) de un conjunto de datos observados es la diferencia entre dato
mayor y el dato menor.
R = Xmax - Xmin
donde:
Xmax
: valor mximo observado de la variable
Xmin
: valor mnimo observado de la variable
Se puede calcular en variables medidas en escala de intervalo o razn

Se ve muy afectado por valores extremos.
Rango intercuartil
Es la diferencia entre el tercer y primer cuartil.
Rango intercuartil = RIC = Q3 Q1= P75 P25
Se puede calcular en variables medidas en escala de intervalo o razn
No se ve muy afectado por valores extremos.
Ejercicio 55
El tiempo, en meses, que viene laborando 45 trabajadores en una empresa se registra en la siguiente
tabla.
6
19
22
7
19
22
11
19
22
12
19
23
13
19
23
15
19
24
15
19
26
15
19
26
Calcule el rango y el rango intercuartil de los datos.
Notas importantes
16
20
26
16
20
28
17
20
29
17
20
29
17
20
31
18
21
41
18
21
48
72
Ejercicio 56
La siguiente tabla muestra informacin de los precios del artculo ABC (en nuevos soles) en establecimientos elegidos al azar en el distrito de La Molina.
Intervalo de
clase
Marca de
clase
Frecuencia
absoluta
Frecuencia
relativa
Frecuencia absoluta
acumulada
0,150
0,300
8,35
22
Complete la tabla anterior si se sabe que el rango intercuartil es 0,8.
Notas importantes
Frecuencia relativa
acumulada
0,900
40
73
Evaluacin
Afirmacin
La desviacin estndar se puede calcular en escalas de intervalo y de razn
El rango intercuartil se ve muy afectado por valores muy grandes
El rango intercuartil se puede calcular en escalas ordinales, de intervalo y de razn
El coeficiente de variacin se puede calcular en escalas ordinales, de intervalo y de razn
La desviacin estndar es siempre menor que la varianza
Si las unidades de los datos son minutos, la varianza se expresa en minutos al cuadrado
El rango se ve muy afectado por valores muy grandes o muy pequeos
El coeficiente de variacin tiene las mismas unidades que la desviacin estndar
Notas importantes
(4 puntos)
Verdadero
Falso
74
Semana 5. Sesin 1
Ejercicio 57
Calcule la media, desviacin estndar y coeficiente de variacin de los siguientes grupos de datos.
Grupo 1
1
Grupo 2
En base a sus resultados, qu puede afirmar sobre los datos de cada grupo?
2.6. Medidas de asimetra

Coeficiente de asimetra de Pearson
Mide si los datos aparecen ubicados simtricamente o no respecto de la media.
Si el coeficiente de asimetra As es
igual a cero la distribucin es simtrica alrededor de la media
positivo, indica sesgo a la derecha (cola derecha)
negativo indica sesgo a la izquierda (cola izquierda)
Notas importantes
75
Coeficiente de asimetra para datos simples o agrupados

El coeficiente de asimetra para datos simples o agrupados se calcula con la siguiente frmula:
As
x Moda
s
Ejercicio 58
El siguiente cuadro muestra la distribucin de salario mensual de los empleados de dos empresas.
Sueldos (en nuevos soles) Empleados de la empresa A Empleados de la empresa B
[1500 2500]
]2500 3500]
20
]3500 4500]
12
25
]4500 5500]
]5500 6500]
Calcule la asimetra de los dos grupos. Realice una conclusin
Notas importantes
76
Ejercicio 59
El salario, en cientos de soles, de los trabajadores una empresa se presenta a continuacin:

15
13
19
14
15
16
15
16
18
15
42
24
36
15
15
23
24
Halle el coeficiente de asimetra de Pearson
Ejercicio 60
La empresa de investigacin de mercados Apsos Consulting ha investigado acerca del porcentaje de

los ingresos totales que las familias del sector socioeconmico C y D destinan al rubro alimentacin.
El siguiente grfico muestra los resultados de dicha investigacin.
Porcentaje relativo acumulada
Distribucin del porcentaje de ingresos destinados a

alimentacin NSE C y D
100%
100.0%
85.4%
80%
76.2%
60%
58.5%
40%
20%
20.0%
0%
10
20
30
Fuente: Apsos Consulting. Marzo 2010
40
50
Porcentaje de ingresos
Los datos presentan asimetra con cola derecha (positiva)?
Notas importantes
90.0%
60
70
80
77
2.7. Diagrama de cajas

Un diagrama de cajas es una grfica que describe la distribucin de un conjunto de datos tomando
como referencia los valores de los cuartiles como medida de posicin y el valor del rango intercuartil
como medida de referencia de dispersin. Adems, nos permite apreciar visualmente el tipo de distribucin de los datos (simtrica o asimtrica) y la identificacin de valores extremos (datos atpicos).
Dato atpico
Es un dato inusualmente grande o pequeo con respecto a los otros datos. Se considera dato atpico a
cualquier punto que est:
a ms de 1,5(RIC) por arriba (o a la derecha) del tercer cuartil
a ms de 1,5(RIC) por debajo (o a la izquierda) del primer cuartil
Pasos para trazar un diagrama de cajas

Se traza un rectngulo con los extremos en el primer y tercer cuartil
En la caja se traza una recta vertical en el lugar de la mediana. As, la lnea de la mediana divide
los datos en dos partes iguales
Se ubican los lmites mediante el rango intercuartil,
el lmite superior est a 1,5(RIC) arriba (o a la derecha) de Q3
el lmite inferior est a 1,5(RIC) debajo (o ala izquierda) de Q1
Se trazan los bigotes desde los extremos de las cajas hasta los valores mnimo y mximo dentro de
los lmites inferior y superior.
Se marcan con un asterisco (*) las localizaciones de los valores atpicos.
La siguiente figura presenta un diagrama de cajas con datos hipotticos.
Bigotes
Lmite
inferior
Q1
Mediana Q3
**
1,5RIC
Notas importantes
Lmite
superior
RIC
Valores atpicos
1,5RIC
78
Ejemplo 13
Los siguientes datos corresponden a la cantidad de horas extras semanales realizadas por los trabajadores de una fbrica textil en una muestra aleatoria de 18 semanas.
Realice un diagrama de cajas con la informacin proporcionada.
38
39
40
40
40
41
41
41
42
42
42
43
43
44
46
48
50
61
Solucin
Primer cuartil: Q1= 40, mediana: Q2= 42 y tercer cuartil: Q3= 44, RIC = 44- 40 = 4
LI Q1 1,5( RIC ) 40 1,5(4) 34

LS Q3 1,5( RIC ) 44 1,5(4) 50
Siguiendo los pasos sugeridos para trazar un diagrama de cajas y teniendo en cuenta los clculos anteriores tenemos:
Nmero de horas extras realizadas semanalmente por los trabajadores

Observe que existe un valor atpico y que el bigote de la izquierda es ms pequeo que el de la derecha
lo que indica que la distribucin del nmero de horas extras trabajadas por los empleados de la fbrica
est sesgados a la derecha, en otras palabras esta distribucin es asimtrica positiva.
Ejercicio 61
Se presenta las cantidades de prstamos personales utilizados para financiar la compra de muebles y
aparatos elctricos. Obtenga un diagrama de cajas con los datos mostrados.
1200
1316
1424
1808
2060
2216
2344
2368
2620
2640
2880
2908
3404
3728
3740
3892
4000
4000
4760
4800
4876
5112
5552
5692
6100
6440
6600
7560
7600
12160
Notas importantes
79
Ejercicio 62
El percentil 25 de un grupo de datos es 10, la mediana es 12 y el percentil 75 es 20. El mnimo de los

datos es 5 y el mximo es 34. Grafique el diagrama de cajas de los datos e indique el tipo de asimetra
que presenta.
Diagramas de caja comparativos

Una ventaja de los diagramas de cajas es que se pueden presentar varios juntos, ello permite la fcil
comparacin visual de las caractersticas de varios conjuntos de datos
Ejemplo 14
Los registros policacos muestran los siguientes nmeros de informes de delitos diarios para una muestra de das durante los meses de invierno y una muestra de das durante los meses de verano.
Invierno
12
14
15
15
Verano
10
12
18
20
17
20
17
18
18
20
21
21
21
21
22
20
24
24
26
27
27
27
28
28
Construya un grfico que permita comparar, entre invierno y verano, los valores medios, la variabilidad y encontrar los valores atpicos del nmero de delitos diarios.
Solucin
Se debe calcular los percentiles con datos simples.

Para el invierno es:
P25 7,5 P50 16,0 P75 20,5 RIC 13,0 Lmite inf 12,0 Lmite sup 40,0
Para el verano es:
P25 9,0 P50 20,0 P75 26,5 RIC 17,5 Lmite inf 17,25 Lmite sup 52,75
30
25
20
15
10
5
Invierno
Notas importantes
Verano
80
Ejercicio 63
Se desea comparar el resultado de la primera prctica de tres horarios de Estadstica Aplicada a los
Negocios, para lo cual, se tienen los siguientes resultados.
H1 0 10 10 11 10 10 10 11 11 12 12 12 12 12 12 13 14 15 17 17 18 18 19 19 20 20
H2 11 11 11 11 11 12 13 13 13 13 14 14 15 15 16 16 16 16 17 17 18 18 19 19 19
H3 0 1 1 3 3 4 5 10 11 11 12 12 13 13 13 14 15 15 16 16 16 16 17 18
Construya un diagrama de cajas que permita comparar el resultado de los horarios. Realice algunas
conclusiones.
Notas importantes
81
Evaluacin
Afirmacin
(2 puntos)
Verdadero
Falso
El coeficiente de asimetra no tiene unidades

Si a cada valor de un grupo de datos se le aumenta en 10%, el coeficiente de asimetra
no vara
Si a cada valor de un grupo de datos se le aumenta 10 unidades, el coeficiente de asimetra no vara
En un diagrama de cajas siempre se puede conocer el mximo y mnimo de un grupo de
datos
19) Complete el siguiente texto: Los datos atpicos se define como

..
(1 punto)
20) Complete el siguiente texto: Se trazan los bigotes desde los ... de las cajas hasta
los valores mnimo y mximo . de los lmites inferior y superior. (1 punto)
Notas importantes
Unidad 3
Logro de la unidad
Teora de
probabilidad
Comprende los
diferentes conceptos
relacionados con
probabilidades y lo
utiliza adecuadamente
en situaciones reales.
Caso: La cachina
Despus de varias pruebas
por parte de la consultora,
tena finalmente el texto
aprobado de su encuesta.
Llam a Sandra para salir a
tomar un trago. Cachina era
el bar de moda en esos momentos y para all se fueron.
Se sentaron en uno de los
grandes sillones hechos con
material reciclado y los atendi una camarera vestida con
ropa hecha de hojas secas de
coca. La noche transcurri
rpidamente. Tras tomarse
cuatro cachinas, la especialidad de la casa, un trago preparado con pisco acholado y
extracto de aguaymanto,
Sergio comenz a hablar de
ms, le cant canciones en
ingls sin saber ingls, bail
con ella y con coreografa,
bailo cumbia, Que levante la
mano , bail bachata, bail
todo. Sandra, con cada pala-
los ojos. Recin se dio cuenta que ella miraba a un chico

que bailaba solo cerca de la
barra. Se sinti estafado,
comprendi que la cachina
era el lugar donde va a parar
todo lo que te roban en la
calle. Hizo lo que pudo para
que Sandra no se diera cuenta de su enojo, sonri y le
susurr un poema de Mario
Benedetti, llamado Clculo
de probabilidades:
bra, sonrea ms. Sergio no

paraba de hablar. De pronto,
el quiso besarla, ella retrocedi, luego ella le quiso explicar, l retrocedi. Sergio no
entenda bien. Sandra al verlo contrariado se le acerc, le
dio una gran abrazo y le dijo
Siempre seremos los mejores amigos. Sergio la mir a
Debo saber
Calcular combinaciones
y permutaciones en mi
calculadora
Cada vez que un dueo de

la tierra proclama para
quitarme este patrimonio
tendrn que pasar sobre
mi cadver debera tener
en cuenta que a veces pasan.
Sandra lo invit a bailar una
vez ms. Sergio llam a la
camarera y pidi otra cachina ms.
Contenido
Experimento aleatorio
Espacio muestral
Vienen los ladrones cmo repartir el dinero?

El problema del reparto ayud
a crear la teora de la probabilidad. Su solucin tom varios
siglos, desde el Renacimiento
hasta finales del siglo XVII. El
primer mtodo correcto de
solucin se puede encontrar en
la correspondencia entre Blas
Pascal (1623-1662) y Pierre

Fermat (1608-1665)
Dos jugadores A y B compiten por un premio que es
otorgado al primero que
gane cinco veces. Si el jugador A ya gan tres veces
y el jugador B dos veces y
debido a una intervencin

externa se debe abandonar
bruscamente el juego.
Cmo debe dividirse la
apuesta entre los jugadores, si cada uno apost 50
monedas?
Evento
Probabilidad
Probabilidad condicional
Teorema de Bayes
85
Semana 5. Sesin 2
3.1. Experimentos, reglas de conteo y asignacin de probabilidades
El dado ms antiguo tiene 5,000 aos de antigedad y fue descubierto en Persia
(ahora Irn).
Los dados se hacan originalmente de hueso, especficamente del hueso astrgalo
del pie y tena 4 caras. Algunas culturas an usan estos huesos para juegos de azar.
Los dados se mencionan en libros antiqusimos como el Rig Veda y la Biblia. El
juego con dados tambin era popular en la antigua Grecia, especialmente entre las
clases altas.
Entre los romanos, el juego con dados estaba muy regulado. Nadie que permitiera que se jugara dados en su casa
poda presentar una apelacin ante las autoridades. Existan jugadores profesionales y casas de juego e, incluso, se
ha hallado un dado de 20 caras que proviene de los tiempos de la Repblica.
El historiador Tcito dice de los alemanes que eran tan aficionados al juego de dados que incluso se jugaban su
propia libertad cuando no les quedaba otra cosa que apostar. Los dados fueron uno de los pasatiempos tpicos de
los caballeros, aunque en Francia estaba legislado el uso de estos.
En la actualidad, los ms populares son los dados con seis caras y es comn que las esquinas estn redondeadas
para permitir que el dado d ms vueltas y el resultado sea an menos predecible.
Tomado de http://tecnoculto.com/2009/01/07/los-inventos-que-cambiaron-el-mundo-107-el-dado/
Ejercicio 64
Indique en qu situaciones se podra usar un pensamiento probabilstico.

Tengo un negocio y deseo estimar cunto voy a vender hoy
Quiero saber qu cantidad de mariscos debo comprar hoy en mi cevichera
El pulpo Paul predice la final del Mundial de Sudfrica 2010?
Aplico una fuerza determinada a una cierta masa cunto se acelerar?
Compr diez mandarinas cuntas de ellas estarn sabrosas?
Llego a la ventanilla de un banco cunto tiempo le tomar atenderme?
Ser verdad que Lourdes Flores est primera en la intencin de voto para Lima?
He estudiado mucho para el examen lo aprobar?
Voy a patear un penal y con ello Per ir al Mundial, lo meter?
Me voy a casar con la persona indicada me divorciar algn da?
He tomado mucha cerveza y estoy manejando chocar?
Notas importantes
86
Experimento aleatorio
Es todo proceso que genera resultados bien definidos que cumple con las siguientes caractersticas:
Se puede repetir indefinidamente donde los resultados dependen del azar, por lo que no se pueden
predecir con certeza
Se puede describir el conjunto de todos los resultados posibles
Cuando se repite en un gran nmero de veces, aparece un modelo definido de regularidad
Se le suele simbolizar como .
Espacio muestral
Es el conjunto de todos los posibles resultados de un experimento aleatorio. Se le suele simbolizar
como S.
Ejercicio 65
Indicar, para cara uno de los siguientes experimentos aleatorios, los respectivos espacios muestrales.
Lanzar una moneda .
Jugar un partido de ftbol ....
Jugar un partido de tenis ..
Lanzar un dado
Lanzar dos dados
3.2. Eventos y sus probabilidades

Evento
Un evento es un subconjunto del espacio muestral.
Ejercicio 66
Defina eventos a partir de los siguientes experimentos aleatorios.

Lanzar una moneda .
Jugar un partido de ftbol ....
Jugar un partido de tenis ..
Lanzar un dado
Lanzar dos dados
Notas importantes
87
Definicin clsica de la probabilidad de un evento

Sea un experimento aleatorio cuyo correspondiente espacio muestral S est formado por un nmero n
finito de posibles resultados distintos y con la misma probabilidad de ocurrir, entonces definimos la
probabilidad de un evento como:
P ( A)
nmero de casos favorables al evento A n A
nmero total de casos

n
Tambin se usa la definicin de probabilidad frecuentista, subjetiva y axiomtica.

Ejercicio 67
De un mazo de 52 cartas se saca una carta al azar, calcular la probabilidad de que sea 6.
Ejercicio 68
Calcular la probabilidad de que al sacar una carta de un mazo esta sea menor a 5 y de espadas.
Ejercicio 69
Calcular la probabilidad de que al sacar una carta de un mazo esta sea menor a 5 o de espadas.
Notas importantes
88
Ejercicio 70
Se lanzan dos dados, calcular la probabilidad de que la suma sea 6.
Ejercicio 71
Se lanzan dos dados, calcular la probabilidad de que la suma sea mayor a 6.
Ejercicio 72
Una bolsa de dulces, contiene 24 dulces de etiqueta negra y 24 de etiqueta azul; de los de etiqueta
negra cinco son de pia y el resto de naranja; mientras que los de etiqueta azul doce son de fresa y el
resto de menta. Se selecciona un dulce al azar.
Determine la probabilidad que el dulce sea de naranja
Determine la probabilidad que el dulce sea de etiqueta azul sea de sabor pia o etiqueta azul.
Notas importantes
89
Ejercicio 73
Un experimento consiste en lanzar primero un dado para despus lanzar una moneda, siempre y cuando el nmero del dado sea par. Si el resultado del dado es impar, la moneda se lanza dos veces.
Determine el espacio muestral de este experimento.
Calcule la probabilidad de que el resultado del dado sea par.
Ejercicio 74
Se extrae una bola de una urna que contiene 4 bolas rojas, 5 blancas y 6 negras.
Cul es la probabilidad de que la bola sea roja o blanca?
Cul es la probabilidad de que no sea blanca?
Ejercicio 75
Un experimento consiste en lanzar dos dados. Calcular la probabilidad de que la resta del nmero mayor menos el nmero menor sea mayor a dos.
Notas importantes
90
Evaluacin
21) Indique si son verdaderas o falsas las siguientes afirmaciones.
Afirmacin
El espacio muestral es el conjunto de todos los posibles eventos de un experimento aleatorio
En un experimento aleatorio cuando se repite en un gran nmero de veces, no aparece
un modelo definido de regularidad
En algunos casos especiales la probabilidad de un evento podra ser mayor que uno
Un evento es un subconjunto del experimento aleatorio.
Notas importantes
(2,0 puntos)
Verdadero
Falso
91
Semana 6. Sesin 1
Reglas de conteo, combinaciones y permutaciones
Regla de la adicin
Nmero de formas posibles de realizar alguna de n operaciones si una operacin puede realizarse de
K1 formas, una segunda operacin se puede realizar de K2 formas, ... y la n-sima operacin se puede
realizar de Kn formas y adems todas las operaciones son mutuamente excluyentes.
K1 + K2 + K3 + . . . + Kn
Ejercicio 76
Una persona puede viajar de la ciudad A a la ciudad B por carretera de cuatro formas y por avin de
dos formas. De cuntas formas puede viajar la persona de la ciudad A a la B?
Regla de conteo para experimentos de etapas mltiples

Si un experimento se puede describir como una sucesin de k etapas, en la que hay n1 resultados posibles en la primera etapa, n2 en la segunda, etc., la cantidad total de resultados experimentales es igual a
(n1)(n2)(nk)
Ejercicio 77
Una joven tiene 37 polos, 19 pantalones y 12 pares de zapatos de cuntas maneras diferentes se puede
vestir?
Ejercicio 78
Un alumno para dirigirse de la universidad a su domicilio debe de realizarlo de la siguiente manera:

primero tomar un bus de la universidad al Paradero 1, para ello tiene tres lneas alternativas, luego
tomar otro bus del paradero 1 a su domicilio, que tiene la opcin de elegir entre cinco lneas de
cuntas maneras puede llegar a su destino?
Notas importantes
92
Regla de conteo para combinaciones

La cantidad de formas de seleccionar x objetos de un total de n objetos distinguibles sin tomar en
cuenta el orden es:
Cxn
n!
x !(n x)!
Ejercicio 79
En una empresa hay 40 personas y se va a elegir un comit de tres personas para organizar la fiesta de
fin de ao. De cuntas maneras diferentes se puede elegir dicho comit?
Ejercicio 80
Una persona realiza una jugada de la Tinka, que es un juego de lotera que consiste en elegir 6 nmeros de 45 nmeros posibles. De cuntas maneras diferentes puede elegir esa jugada?
Notas importantes
93
Regla de conteo para permutaciones (variaciones)

La cantidad de formas en que se puede ordenar x objetos seleccionados de un total de n objetos distinguibles es:
Pxn
n!
n x !
Ejercicio 81
De un grupo de 12 vecinos de un edificio, se desea escoger a tres personas al azar para que ocupen los
puestos de presidente, tesorero y vocal de la junta de administracin del edificio. De cuntas maneras
diferentes se puede hacer dicha eleccin?
Ejercicio 82
Un grupo de doce personas hace cola en un cine para comprar una entrada.
De cuntas maneras diferentes pueden formar la cola las doce personas?
De cuntas maneras diferentes pueden formar la cola, si el ms grande tiene que estar en el primer
sitio y el ms bajo en el ltimo?
De cuntas maneras diferentes pueden formar la cola, si el ms grande y el ms bajo tienen que estar
en los extremos?
De cuntas maneras diferentes pueden formar la cola, si el ms grande y el ms bajo tienen que estar
juntos?
Notas importantes
94
Ejercicio 83
Cuatro libros diferentes de Matemtica,(M1,M2,M3,M4), tres de Estadstica (E1,E2 y E3) deben ser colocados en un estante de cuntas maneras diferentes pueden colocarse?
Si los libros de cada materia deben estar juntos
Si slo los libros de Estadstica deben estar juntos.
Ejercicio 84
En una mesa de sufragio para una eleccin de presidente de la nacin, se debe elegir entre los de educacin superior a 6 miembros para que ocupen los cargos de presidente y dos secretarios, tanto titulares como suplentes. De cuntas maneras diferentes se puede escoger a estos 6 miembros si hay 89
personas que tienen educacin superior?
Notas importantes
95
3.3. Algunas relaciones bsicas de probabilidad

Complemento de un evento
Dado un evento A, se define como su complemento AC, como el evento formado por todos los
puntos muestrales que no estn en A.
Se cumple que
P ( A) 1 P A C
Ejercicio 85
Complete los espacios en blanco

La probabilidad de que una persona consiga un trabajo es 0.70, por lo tanto, la probabilidad de que
no lo consiga .
La probabilidad de que una persona gane la Tinka con una jugada es del 0.0000123%, por lo tanto,
la probabilidad de que no la gane en una jugada es %.
Ejercicio 86
Una persona compra diez manzanas. Escriba el evento complementario a los siguientes eventos
A = Por lo menos dos manzanas estn jugosas
B = Dos manzanas estn jugosas
C = Alguna manzana est jugosa
Ejercicio 87
De los 16 solicitantes para un trabajo, 10 tienen ttulo universitario. Si se escogen cuatro solicitantes al
azar para entrevistarlos, calcule la probabilidad de que al menos uno tenga ttulo universitario
Notas importantes
96
Operaciones con eventos

Unin de eventos
Es el conjunto de los resultados que estn en uno o en ambos eventos.
Se denota por (A B)
Interseccin de eventos
Es el conjunto de los resultados que estn en ambos eventos.
Se denota por (A B)
Ley aditiva para eventos cualesquiera

P(A B) = P(A) + P(B) P(A B)
Ejercicio 88
Si P A C = 1/3, P A B 5 / 6 , P B C =1/2, determine P A B C y P A B C A C B
Ejercicio 89
La probabilidad de que una Mara no apruebe su curso de estadstica es de 1/3, que apruebe Mara o
Pedro es 5/6 y que no apruebe Pedro es 1/2. Determine la proobabilidad de que solo uno de ellos
apruebe el curso.
Notas importantes
97
Eventos mutuamente excluyentes

Dos eventos son mutuamente excluyentes si son disjuntos; es decir, su interseccin es nula.
Ejercicio 90
Indicar si los siguientes eventos son mutuamente excluyentes

A: estudio mucho el curso Estadstica, B: no apruebo el curso Estadstica
Ejercicio 91
Si A y B son eventos mutuamente excluyentes P A C = 3/4, P B C =2/3, determine P A B ,
P A B y P A B
Ejercicio 92
En un puesto de venta de dvd piratas rematan 30 discos de los cuales 3 son defectuosos. Mara elige al
azar 12 discos, Juan 15 discos y Jos el resto, sin probarlos. Calcular la probabilidad de que a uno de
ellos le toque todos los defectuosos.
Notas importantes
98
Ejercicio 93
En una mina todos los das, en la maana, se eligen al azar a dos personas de cada cuadrilla para tomarles un examen que determina si han consumido alcohol el da anterior. En la cuadrilla A hay 40
obreros y en la B hay 35, de los cuales 2 y 5 obreros consumieron alcohol el da anterior, respectivamente. Calcular la probabilidad de que ese da se detecten obreros que consumieron alcohol solamente
de una cuadrilla.
Notas importantes
99
Evaluacin
(1 punto)
Afirmacin
Verdadero
Falso
Si dos eventos son mutuamente excluyentes entonces la ocurrencia de uno de ellos no

influye en la ocurrencia del otro
El complemento del evento A es mutuamente excluyente con el evento A
Semana 6. Sesin 2
Frmulas adicionales para prctica calificada 2
N
Media poblacional
x
i 1
N
n
Media muestral de datos no agrupados
i 1
n
k
x f
i i
Media muestral de datos agrupados
i 1
x h
i i
i 1
x f
i
Media muestral de datos agrupados por intervalos

Mediana de datos agrupados
Moda de datos agrupados
Notas importantes
Me Li
i 1
x h
i i
i 1
w n
w1
Fi 1 Li H i 1
fi 2
hi 2
d1
Mo Lmo
d1 d 2
100

n
x w
i
i 1
n
xw
Media ponderada
i 1
Percentiles de datos agrupados
Pk Li
w nk
w k
Fi 1 Li
H i 1
f i 100
hi 100
( x )
Varianza poblacional
i 1
N
n
Varianza muestral de datos no agrupados
s2
n 1
f x
i
s2
i 1
Varianza muestral de datos agrupados
i 1
n 1
k
f x x
i
i 1
Varianza muestral de datos agrupados por intervalos
s2
Coeficiente de variacin poblacional
CV
100%
Coeficiente de variacin muestral
CV
s
100%
x
Rango
Rango intercuartil
R = Xmax - Xmin
RIC = Q3 Q1= P75 P25
Coeficiente de asimetra
As
Probabilidad clsica
P ( A)
n 1
x Moda
s
nmero de casos favorables al evento A n A
nmero total de casos

n
Regla de la adicin
Regla de conteo para experimentos de etapas mltiples
K1 + K2 + K3 + . . . + Kn
(n1)(n2)(nk)
Regla de conteo para combinaciones
Cxn
n!
x !(n x)!
Regla de conteo para permutaciones (variaciones)
Pxn
n!
n x !
Complemento de un evento
P ( A) 1 P A C
Ley aditiva para eventos cualesquiera
P(A B) = P(A) + P(B) P(A B)
Notas importantes
101
Semana 7. Sesin 1
3.4. Probabilidad condicional
La probabilidad condicional se refiere a hallar la probabilidad de un evento conociendo cierta informacin (condicin).
A B P(PA(B)B)
Ejemplo 15
La mayora de las estaciones de servicio venden tres tipos de gasolina: 84 octanos, 95 octanos y 97
octanos. Con frecuencia, alguna de cada est enriquecida con un aditivo. La tabla siguiente ilustra los
porcentajes de clientes que prefieren cada tipo.
90 octanos (B)
95 octanos (C)
97 octanos (D)
Total
Con aditivo(A)
0,05
0,10
0,05
0,20
Sin aditivo (A/)
0,15
0,40
0,25
0,80
0,20
0,50
0,30
1,00
Total
Se selecciona al azar un cliente que ha comprado uno de estos tipos de gasolina:

a) Cul es la probabilidad de que haya comprado gasolina con aditivo o no sea de 95 octanos?
P ( A C ) P( A) P(C ) P( A C ) 0,20 0,50 (0,05 0,05) 0,60

b) Si el cliente no compr gasolina de 95 octanos, cul es la probabilidad de que hay comprado gasolina de 97 octanos?
P( D C ) 0,30
PD
0,60
C
P( D )
0,50
c) Si el cliente no compr gasolina de 90 0ctanos, cul es la probabilidad de que haya comprado

gasolina sin aditivo?
P( A B ) 0,65
P A
0,8125
B
P( B )
0,80
Notas importantes
102
Ejercicio 94
En los Censos Nacionales 2007 ejecutados por el Instituto Nacional de Estadstica e Informtica se
pregunt a todos los peruanos por los servicios de comunicacin con los que contaba su hogar y su
rea de residencia, obtenindose los siguientes resultados:
Servicios con que los cuenta el hogar
Urbano
Rural
Total
Hogares sin ningn tipo de servicio
1,682,454 1,468,889 3,151,343
Solo tienen telfono fijo
480,831
6,170 487,001
Solo tienen telfono celular
1,299,037 138,721 1,437,758
Solo tienen Internet
3,336
275
3,611
Solo tienen TV por cable
56,343
2,688
59,031
Tienen telfono fijo y telfono celular
506,759
2,912 509,671
Tienen telfono fijo e Internet
15,684
31
15,715
Tienen telfono fijo y TV por cable
117,733
186 117,919
Tienen telfono celular e Internet
9,970
84
10,054
Tienen telfono celular y TV por cable
204,563
1,981 206,544
Tienen Internet y TV por cable
1,288
19
1,307
Tienen telfono fijo, telfono celular e Internet
93,103
110
93,213
Tienen telfono fijo, telfono celular y TV por cable 326,181
468 326,649
Tienen telfono fijo, Internet y TV por cable
19,732
9
19,741
Tienen telfono celular, Internet y TV por cable
15,424
49
15,473
Los cuatro servicios
298,911
133 299,044
Total 5,131,349 1,622,725 6,754,074
Indique el elemento y las variables estudiadas en esta investigacin.
Si se selecciona un hogar al azar, cul es la probabilidad de que slo cuente con un servicio?
Si se selecciona un hogar al azar, cul es la probabilidad de que tenga al menos un servicio en su

casa?
Notas importantes
103
Si se selecciona un hogar de zona rural, cul es la probabilidad de que no cuente con ningn servicio?
Si se selecciona un hogar que no cuenta con ningn servicio, cul es la probabilidad de que sea de
zona rural?
Si se selecciona un hogar de zona urbana, cul es la probabilidad de que cuente con tres servicios por
lo menos?
Si se selecciona un hogar al azar, cul es la probabilidad de que sea de zona rural y que tenga todos
los servicios?
Si se selecciona un hogar al azar, cul es la probabilidad de que tenga al menos dos servicios y sea de
zona rural?
Si se selecciona a un hogar al azar, cul es la probabilidad de que sea de zona urbana o que tenga
todos los servicios?
Notas importantes
104
Ejemplo 16
En una ciudad se publican tres peridicos: A, B y C. El 60% de las familias estn suscritos al A, 50%
al B y 50% al C. Tambin, se conoce que 30% de las familias lo estn en A y B, 20% en B y C, 30%
en A y C, y 10% en los tres. Calcule la probabilidad de que una familia escogida al azar
a. est suscrita al peridico, si se sabe que no est en B
b. est al peridico A, si se sabe que lo est en por lo menos dos peridicos
c. no est suscrita al peridico A, si resabe que lo est en cuando ms un peridico.
Solucin
Los datos del enunciado se resumen en el siguiente diagrama:

Sean los eventos
D: Una familia est suscrita en por lo menos dos peridicos
N: Una familia est suscrita en cuando ms un peridico

Notar que el evento D ocurre cuando una familia est suscrita en
dos peridicos o en tres peridicos.
El evento N ocurre cuando una familia est suscrita en ningn
peridico o en un peridico
Se observa adems que existe 10% de familias que no estn suscritos a ningn peridico.
P( A B ) 0,30
0,60
P( B)
0,50
P ( A D) 0,50 5
b) P( A / D)
P( D)
0,60 6
P( A N ) 0,30
c) P ( A / N )
0,75
P( N )
0,40
a)
P ( A / B )
Notas importantes
105
Ley multiplicativa para eventos cualesquiera

La ley multiplicativa se usa para calcular la probabilidad de una interseccin de eventos
A P B P A B
P A B P A P B
Ejercicio 95
Un sistema de alarma tiene dos componentes, el segundo se activa si el primero falla. La probabilidad
de que el primer componente falle es 0.05 y la probabilidad de que el segundo componente falle si el
primero ha fallado es 0.1. Calcular la probabilidad de que fallen los dos componentes.
Ejercicio 96
Para elegir a una persona entre tres se prepara una bolsa con dos bolas negras y una bola blanca. Los
tres van sacando, por orden, una bola que no devuelven. Quien saque la bola blanca gana. Quin lleva
ms ventaja: el primero, el segundo o el tercero?
Notas importantes
106
Probabilidad total
Sean los k eventos A1, A2, A3,..., Ak, mutuamente excluyentes y que constituyen una particin del espacio muestral S, entonces para cualquier evento B de S se cumple:
P B PB A1 PB A2 PB A3 ... PB Ak
PB P A1 PB / A1 P A2 PB / A2 ... P Ak PB / Ak
A2
A1
A3
Ak
rbol de probabilidades
/A 1)
P( B 1
(A 1
P (A
2)
P(A1 y B1) = P(A1) . P(B1/A1)
P (B /
2 A )
1
P(A1 y B2) = P(A1) . P(B2/A1)
/A 2)
P( B 1
P(A2 y B1) = P(A2) . P(B1/A2)
P(B
2 /A )
2
P(A2 y B2) = P(A2) . P(B2/A2)
Si los eventos Ai y Bi son independientes, el rbol de probabilidades se simplifica dado que las probabilidades condicionales seran iguales a las probabilidades simples correspondientes.
Notas importantes
107
3.5. Teorema de Bayes

Si los k eventos A1, A2, A3, ..., Ak, constituyen una particin del espacio muestral S, entonces para
cualquier evento B de S tal que P(B) > 0, se cumple:
Ai
P Ai B
B
P B
Por definicin de probabilidad condicional y probabilidad total se tiene que:

P
Ai
P Ai P B / Ai
B P A PB / A P A PB / A ... P A PB / A
1
1
2
2
k
k
El teorema de Bayes determina la probabilidad de un determinado evento se deba a una causa

especfica.
Ejemplo 17
El departamento de crditos de una tienda comercial sabe que sus ventas se pagan con dinero en efectivo, con cheque o al crdito, con probabilidades respectivas de 0,3; 0;3 y 0,4. La probabilidad de que
una venta sea por ms de $50, es igual a 0,2 si sta es en efectivo, es igual a 0,9 si sta es con cheque y
es igual a 0,6 si sta es al crdito.
a. Cul es la probabilidad de que una persona compre por ms de $50?
b. Si compra por ms de $50, qu es ms probable que haya pagado en efectivo, con cheque o al
crdito?
Solucin
Sean los eventos:

E: La compra se realiza con dinero en efectivo
CH: La compra se realiza con cheque
C: La compra se realiza al crdito
M: La compra es por ms de $ 50
M: La compra no es por ms de $ 50
Con la informacin proporcionada, construimos el siguiente diagrama de rbol:

Se pide calcular:
P ( M ) (0,30)(0,20) (0,30)(0,90) (0,40)(0,60) 0,57

(0,30)(0,20) 2
b) P ( E / M )
0,57
19
a)
P (CH / M )
P (C / M )
(0,30)(0,90) 9
0,57
19
(0,40)(0,60) 8
0,57
19
Se observa que es mas probable la compra se haya hecho con cheque.
Notas importantes
108
Ejercicio 97
Un gobierno aprob una ley por la cual todos los empleados pblicos se deben hacer una prueba para
detectar si son usuarios de drogas. Se estima que el 2.5% de los empleados pblicos del pas son usuarios de drogas. La prueba da positivo al ser administrada a un usuario de drogas con una probabilidad
del 98% y si la persona no usa droga alguna, la prueba da un resultado negativo en el 99% de los casos.
Si se selecciona a un empleado al azar, se le administra la prueba, cul es la probabilidad que de un
resultado positivo al uso de droga?
Si se selecciona a un empleado al azar, se le administra la prueba y se obtiene un resultado negativo,

cul es la probabilidad de que la persona sea un usuario de drogas?
Notas importantes
109
Ejercicio 98
La empresa Flashner Marketing se especializa en proporcionar evaluaciones de perspectivas de venta
a tiendas de ropa para dama en centros comerciales. Flashner Marketing evala las perspectivas de
ventas como buenas, regulares o malas.
Los registros de las perspectivas de ventas indican que en 60% de los casos, las perspectivas de ventas
son buenas, en 30% son regulares y el resto son malas:
de las evaluadas como buenas, 80% dieron utilidades durante el primer ao

de las evaluadas como regulares, 60% produjeron utilidades el primer ao
el 2% fueron clasificadas como malas y arrojaron utilidades durante el primer ao.
Delaveaux, es una reconocida tienda de ropa para dama, que fue uno de los clientes de Flashner que
obtuvo utilidades el primer ao. Cul es la probabilidad de que Delaveaux haya sido evaluado en su
perspectiva de venta inicial como mala?
Notas importantes
110
Ejercicio 99
La probabilidad de que un cajero terminalista muy capacitado de un banco declare que un billete de
100 dlares es falso, si lo es realmente, es de 98%, mientras que crea que es falso un billete verdadero
es de 0.4%. Si un cajero terminalista ha declarado un billete como falso, calcular la probabilidad de
que sea verdadero. Por datos histricos se sabe que el 1.5% de los billetes de 100 dlares que llegan a
ese banco son falsos.
Notas importantes
111
Evaluacin
Afirmacin
Verdadero
El teorema de Bayes determina la probabilidad de un determinado evento se deba a una

causa especfica
La probabilidad condicional se refiere a hallar la probabilidad de un evento conociendo
cierta informacin (condicin).
B 0.3 , entonces, se cumple que PA B 0.7

0.7
Si P A 0.3 , entonces, se cumple que P A
B
B
Si
PA
Notas importantes
(2 puntos)
Falso
112
Semana 7. Sesin 2
3.6. Eventos independientes
Dos eventos A y B son independientes si se cumple:
A B P A
A P B
P B
Si dos eventos A y B son independientes se cumple que
P ( A B ) P( A) P( B)
Si tres eventos A, B y C son independientes se cumple que
P A B C P APB PC
Ejercicio 100
En la fabricacin de un producto que posee alta demanda, se presenta tres tipos de defectos uno, dos y
tres, cada una con probabilidades de 0,02; 0,04 y 0,06 respectivamente. Los defectos ocurren de manera independiente.
Si se elige al azar un producto, calcule la probabilidad de que no presente defectos
Si se elige al azar un producto, calcule la probabilidad de que presente al menos dos defectos.
Notas importantes
113
Ejercicio 101
Luca y Daniella les han mentido a sus padres para poder ir a una fiesta rave. La probabilidad de que
la mentira sea descubierta por los padres de Luca es del 35%, mientras que la probabilidad de que lo
hagan los padres de Daniella es del 40%. Los padres de ambas no se conocen y no hay forma que se
ubiquen en esa noche.
Cul es la probabilidad de que al menos una de las chicas sea descubierta como mentirosa?
Cul es la probabilidad de que ninguna de las chicas sea descubierta como mentirosa?
Cul es la probabilidad de que solo una de las chicas sea descubierta como mentirosa?
Notas importantes
114
Ejercicio 102
El pulpo Paul es un octpodo que ha sido empleado como orculo para

predecir los resultados de la seleccin alemana de ftbol en el Mundial de
Ftbol 2010, acertando los ocho emparejamientos que se le propusieron,
los siete partidos de Alemania en la Copa Mundial de Ftbol de 2010 y la
final entre Espaa y Holanda.
Antes de cada partido, a Paul se le presentaron dos contenedores idnticos
con comida: uno de ellos estaba marcado con una bandera, usualmente la
de Alemania y el otro con la bandera del equipo oponente. La eleccin de Paul se interpretaba como el
equipo que lograra la victoria.
Si el pulpo Paul, en realidad, escogi los contenedores al azar, calcule la probabilidad de acertar en los
resultados de los ocho los partidos que le propusieron. Asuma independencia entre cada eleccin
Ejercicio 103
Un joven sabe por experiencias pasadas que la probabilidad de que, en una gran fiesta, una chica acepte bailar con l es del 4%. Si en una fiesta saca a bailar a 40 chicas. Asuma independencia entre la
decisin de una chica y otra. Calcule la probabilidad de que baile por lo menos con una de ellas.
Notas importantes
115
Ejercicio 104
Una compaa de comida rpida sabe que el 85% de sus tiendas por franquicia tendrn xito comercial. Si el xito de cada tienda se puede considerar independiente de las dems tiendas. Calcule la probabilidad de que al menos dos tiendas tengan xito, si la compaa va a instalar 20 tiendas el ao 2011.
Notas importantes
116
Evaluacin
Afirmacin
(3.0 puntos)
Verdadero
Falso
Si dos eventos son mutuamente excluyentes entonces sern tambin independientes

Si dos eventos son independientes entonces pueden ser mutuamente excluyentes
Si dos eventos son independientes entonces la ocurrencia de uno de ellos no influye en la
ocurrencia del otro evento
B P A esto implica que A y B son eventos mutuamente excluyentes

Si P A P A esto implica que A y B son eventos independientes
B
Si P A 0 esto implica que A y B son eventos mutuamente excluyentes, si P(B)>0
B
Si
PA
Frmulas adicionales para el examen parcial
A B P(PA(B)B)
P A B P A P B P B P A
A
B
P
Probabilidad condicional
Ley multiplicativa para eventos cualesquiera
Probabilidad total
PB P A1 PB / A1 P A2 PB / A2 ... P Ak PB / Ak
Teorema de Bayes
Eventos independientes
P ( A B ) P( A) P( B)
Notas importantes
Ai
P Ai PB / Ai
B P A P B / A P A P B / A ... P A PB / A
1
1
2
2
k
k
Unidad 4
Logro de la unidad
Variable
aleatoria
Explica adecuadamente el
concepto de variable
aleatoria, analizando el
comportamiento de las
variables mediante modelos
matemticos. Asimismo
utiliza satisfactoriamente el
concepto de valor esperado
en la toma de decisiones.
Caso: Noticias antiguas

SergioSergio quera ver si la
Estadstica que le haban
enseado en la universidad
serva para algo. Abri la
versin impresa de su peridico La Prensa y mir cada
pgina y se percat que en
prcticamente todas las secciones haba datos estadsticos, grficos o cuadros, que
eran resultado de alguna investigacin.
Saba que a Sandra le gustaba eso de recolectar datos,
Chismosa le deca l
Record lo mal que termin
la noche en la Cachina.
Nunca debes quedarte dormido, ni gritar se repeta
una y otra vez, pero cmo
competir contra lo que no se
conoce?
Pens en pedirle disculpas,

reparar su comportamiento y
hacerle un regalo diferente,
que no se pareciera a ningn
otro regalo.
Comenz a preguntar a sus
amigos y amigas, sobre los
regalos ms frecuentes, hizo
una lista: peluches (ositos
gatitos, perritos sobre todo),
rosas rojas, chocolates, polos, billeteras (sobre todo
ellas a ellos). Qu podra
regalar que fuera original?
para el viaje, investigar las

culturas preincas, tomar datos, aydame pues Sandra.
Luego de varios minutos de
conversacin, de explicaciones, colg algo triste. Ella le
haba dicho que no.
Reconoce, modela y analiza

procesos aplicando las
distribuciones de
probabilidad y de densidad
ms utilizadas para la toma
de decisiones, valorando la
importancia de la
investigacin del trabajo
estadstico precedente.
Debo saber
Plantear y graficar
funciones como rectas,
parbolas, valor absoluto, etc.
Calcular el valor esperado y varianza para
variables discretas en
mi calculadora
Nuevamente abri el peridico en su versin web, pas

pantallas y pantallas, de
pronto lo vio el destino de
viaje perfecto, cerca de Lima, con misterio e historia.
Realizar integrales
polinmicas en la calculadora si esta lo
permite
Levant el telfono, intent

buscar una buen pretexto
Contenido
Variable aleatoria
discreta
Moivre o Gauss?: la distribucin normal

La distribucin normal fue
presentada por Abraham de
Moivre en 1733. Su resultado
fue ampliado por Laplace en
su libro Teora analtica de las
probabilidades (1812).
res de experimentos. Gauss la

us cuando analizaba datos
astronmicos en 1809 y algunos autores le atribuyen un
descubrimiento independiente
del de De Moivre.
Laplace us la distribucin
normal en el anlisis de erro-
El nombre de "campana" viene

de Esprit Jouffret en 1872 El.
nombre de "distribucin normal" fue otorgado independientemente por Charles S.

Peirce, Francis Galton y Wilhelm Lexis hacia 1875.
Tomado de http://es.wikipedia.org
Variable aleatoria
continua
Distribuciones de probabilidad
Valor esperado y varianza de una variable
aleatoria
119
Semana 9. Sesin 1
4.1. Variable aleatoria
Se denomina variable aleatoria a una descripcin numrica del resultado de un experimento.
La variable aleatoria atribuye a cada evento un nmero que no es aleatorio o imprevisible, sino fijo y
predeterminado. Lo que es aleatorio es el experimento sobre cuyo espacio muestral se define la variable aleatoria.
4.2. Variable aleatoria discreta

Una variable aleatoria es discreta si el conjunto de valores que puede tomar es finito o infinito numerable. Una variable aleatoria discreta asume cada uno de los valores con cierta probabilidad que se
denota P(X = x)
Nmero de alumnos matriculados por curso.

Cantidad de preguntas correctamente contestadas en una evaluacin de personal.
Cantidad de clientes que visitan un centro comercial en un da determinado.
Distribucin de probabilidad de una variable aleatoria discreta

La distribucin de probabilidad de una variable aleatoria discreta X se describe como una funcin de
probabilidad representada por f(x) que asigna a cada valor de la variable aleatoria, la probabilidad de
que X asuma ese valor, esto es:
f(x) = P(X = x)
Toda funcin de probabilidad debe cumplir que:

f(x) 0
n
f (x ) 1
i 1
Ejemplo 18
Calcule a para que la siguiente funcin sea una funcin de probabilidad
f x ax
x 10, 15, 20, 25
Solucin
Tiene que cumplir dos condiciones.

La primera condicin, f(x)>0, se cumple cuando a es mayor que cero, puesto que x>0
n
La segunda condicin,
f ( x ) 1 , se cumple si
i 1
cuando 70a =1, luego a =1/70
Notas importantes
a10 15a 20a 25a 1 , esto se cumple
120
Ejercicio 105
Indique cules de las siguientes funciones pueden ser funciones de probabilidad.

f(x)
f(x)
0,3
0,3
0,2
0,1
0,1
-2
-1
0,2
f(x)
f(x)
0,3
0,3
0,2
0,2
D
0,1
0,1
Ejercicio 106
Indique cules de las siguientes funciones pueden ser funciones de probabilidad.
f x 10
0
x 1, 2, 3, 4
en otro caso
Notas importantes
0.5 x 2
f x
0
0.3 0.7 x 1
f x
0
en otro caso
x 1, 1
x 1, 2, 3,....
en otro caso
121
Ejercicio 107
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Determine y
grafique la funcin de probabilidad de la variable X.
Ejercicio 108
Se lanza dos dados a la vez, sea la variable aleatoria X igual a la suma de los nmeros de las caras
superiores. Determine y grafique la funcin de probabilidad de la variable X.
Notas importantes
122
Ejercicio 109
Una compaa constructora quiere comprar terrenos para construir edificios, para lo cual busca continuamente terrenos en varios distritos de Lima. La empresa sabe por experiencias anteriores que solo el
8% de los terrenos visitados cumple sus requisitos.
Calcular la funcin de probabilidad de la variable X:= nmero de visitas necesarias hasta encontrar el
primer terreno adecuado para construir el edificio
Luego de muchas visitas, la constructora encuentra diez terrenos posibles pero dos de ellos tienen problemas legales, aunque la constructora no lo sabe. Por la premura del tiempo deciden elegir al azar tres
terrenos para comprar, calcular la funcin de probabilidad de la variable Y: nmero de terrenos sin
problemas legales
Notas importantes
123
Valor esperado de una variable aleatoria discreta

El valor esperado o esperanza matemtica de una variable aleatoria X o media de una distribucin de
probabilidad de X se denota E(X).
n
X E X xi f xi x1 f x1 x 2 f x 2 ... x n f x n
i 1
Ejercicio 110
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Calcule el
valor esperado de la variable X.
Ejercicio 111
Se lanzan dos dados y sea la variable aleatoria X igual a la suma de los nmeros de las caras superiores. Calcule el valor esperado de la variable X.
Notas importantes
124
Valor esperado de una funcin de variable aleatoria

Sea g(x) una funcin de la variable aleatoria X. El valor esperado de g(x) es:
n
E g x g xi f xi g x1 f x1 g x 2 f x 2 ... g x n f x n
i 1
Ejemplo 19
Sea X una variable aleatoria con la siguiente funcin de probabilidad. Calcular el valor esperado de X2
f ( x) ax 1, 2, 3, 4, 5
Solucin
5
Lo primero es determinar a, planteamos que
f x 1 , de donde a = 1/15. Nos piden

i 1
E X 2 xi2 f xi 12
i 1
1
1
1
1
1
1 2 2 2 3 2 3 4 2 4 5 2 5 15
15
15
15
15
15
Ejercicio 112
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Calcule el
valor esperado de la variable X2.
Ejercicio 113
La demanda diaria de un producto es una variable aleatoria X cuya distribucin probabilidades est
dada por la tabla que sigue:
f(x)
1/16
4/16
6/16
4/16
1/16
La empresa obtiene por cada unidad demandada de producto 100 soles de utilidad. Si la cantidad demanda en un da es mayor a 2 unidades, se obtiene una utilidad adicional de 15 soles por unidad demandada de producto. Calcule el valor esperado de la utilidad por la demanda diaria de productos.
Notas importantes
125
Varianza de una variable aleatoria discreta
V X E X 2 EX
Ejercicio 114
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Calcule la
varianza y desviacin estndar de la variable X.
Notas importantes
126
Ejercicio 115
Sea lanza una moneda cuatro veces y sea X una variable aleatoria definida como el nmero de caras.
Calcule el coeficiente de variacin de X, si el coeficiente de variacin est definido como CV
Propiedades del valor esperado y varianza para variables aleatorias discretas

Propiedades del valor esperado en variables aleatorias
E(b) = b
Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2, a3, . . ., an son n constantes, entonces:
E a1 X 1 a2 X 2 ... an X n a1 E ( X 1 ) a2 E ( X 2 ) ... an E ( X n )
Propiedades de la varianza en variables aleatorias

Si Y = aX + b, con a y b son constantes, entonces: 2y a 2 2x
Si X1, X2, X3, . . ., Xn son n variables aleatorias independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:
V a1 X 1 a2 X 2 ... an X n a12V ( X 1 ) a22V ( X 2 ) ... an2V ( X n )
Notas importantes
127
Ejercicio 116
Un examen de admisin consta de 100 preguntas. Cada una pregunta tiene cinco opciones para marcar
y solamente una respuesta correcta Por cada respuesta correcta se le otorga al postulante un punto,
mientras que si la respuesta es incorrecta al postulante se le resta un cuarto de punto.
Si un postulante contesta todas las preguntas del examen al azar, calcule el valor esperado del puntaje
obtenido.
Si un postulante puede descartar en cada pregunta tres respuestas incorrectas y luego contesta todas las
preguntas del examen al azar, calcule el valor esperado del puntaje obtenido.
Notas importantes
128
Evaluacin
Afirmacin
Se denomina variable aleatoria a una descripcin numrica del resultado de un experimento
El valor esperado es el valor ms probable de ocurrencia
El valor esperado es un valor que puede ser menor que el mnimo de los valores del
rango de la variable aleatoria
El valor esperado es un valor que siempre es igual a uno de los valores del rango de la
variable
Notas importantes
(2 puntos)
Verdadero
Falso
129
Semana 9. Sesin 2
4.3. Distribuciones de probabilidad
Distribucin binomial
Un experimento binomial consiste en una serie de n pruebas o ensayos, donde n se fija antes de realizar el experimento.
Las pruebas son idnticas y cada una de ellos puede resultar en uno de dos posibles resultados que
denotan xito o fracaso.
Las pruebas son independientes entre s por lo que el resultado de un intento en particular no influye en el resultado de cualquier otro.
La probabilidad de xito es constante de una prueba a otra y la denotamos como p.
Entonces para n intentos y la probabilidad p de xito en cualquier intento, la probabilidad de tener x
xitos en los n intentos est dada por:
f x P X x C xn p x 1 p
n x
x = 0, 1, 2, . . ., n
Se dice que la variable aleatoria X sigue una distribucin binomial con parmetros n y p
Se denota X ~ B (n, p)
Caractersticas
Es simtrica si p = 0,5. Para valores de p < 0,5 la distribucin tiene sesgo derecho y para valores
p>0,5 tiene sesgo izquierdo, independientemente de los valores de n.
Para valores de n suficientemente grandes (n > 50), y slo tomando en cuenta los valores relevantes de probabilidad, la distribucin es prcticamente simtrica.
Media
E X np
Varianza
2 V X np1 p
Ejercicio 117
Una persona compra 10 sandias enteras siempre en la misma tienda de un gran lote de sandias. Por
experiencias pasadas sabe que el 70% de las sandias son buenas. Calcular la probabilidad de que por lo
menos 9 de las 10 sandias compradas sean buenas.
Notas importantes
130
Distribucin hipergeomtrica
Consideremos N elementos, de los cuales r son considerados xitos y por lo tanto N - r como fracasos.
Como en el caso de la distribucin binomial estamos interesados en saber la probabilidad de obtener x
xitos en una muestra de n elementos.
El experimento hipergeomtrico consiste en extraer al azar y sin sustitucin n elementos de un
conjunto de N elementos, r de los cuales son xitos y N - r son fracasos.
La probabilidad de obtener de x xitos en la muestra de n elementos es:
f ( x)
C xr C nNxr
C nN
x max{0, n ( N r )},..., min{n, r}
El rango de X en la mayora de los casos va de 0 a n, pero no siempre, por lo que se debe analizar
en cada caso
Se dice que la variable aleatoria X sigue una distribucin hipergeomtrica con parmetros N, r y n.
Se denota X ~ H (N, n, r)
Es importante determinar con precisin el rango de la variable hipergeomtrica
Caractersticas
r
N
Media
EX n
Varianza
2 V X n
r
r N n
1
N N N 1
Ejercicio 118
Un comerciante recibe un lote de 30 computadoras porttiles. Para protegerse de una mala remesa,
revisar 4 computadoras y rechazar todo el lote si encuentra una o ms computadoras defectuosas. Si,
en el lote, hay 6 computadoras defectuosas. Cul es la probabilidad de que rechace el lote?
Notas importantes
131
Ejercicio 119
Un comerciante recibe un lote de 30 computadoras porttiles. Para protegerse de una mala remesa,
revisar 15 computadoras y rechazar todo el lote si encuentra una o ms computadoras defectuosas.
Si, en el lote, hay 6 computadoras defectuosas. Cul es la probabilidad de que rechace el lote?
Distribucin de Poisson
El experimento que origina una variable aleatoria que sigue una distribucin de Poisson se denomina
proceso de Poisson y posee las siguientes propiedades:
El nmero de resultados que ocurre en un intervalo o regin de espacio cualquiera es independiente del nmero que ocurre en cualquier otro intervalo o regin del espacio disjunto.
La probabilidad de que ocurra un solo resultado durante el intervalo muy corto o regin muy pequea es proporcional a la longitud del intervalo o al tamao de la regin y no depende del nmero de resultados que ocurren fuera del intervalo o regin.
La probabilidad de que ocurra ms de un resultado en tal intervalo corto o caiga en tal regin pequea es insignificante.
La probabilidad de tener x resultados en un intervalo dado o en una regin especfica es:
f(x) = P( X x)
e x
x!
x = 0, 1, 2,...
x = nmero de xitos por unidad de tiempo o regin.

= nmero esperado de xitos por unidad de tiempo o regin.
e = 2,71828
Se dice que la variable aleatoria X sigue una distribucin de Poisson con parmetro
Se denota X ~ P()
Siempre es una distribucin sesgada a la derecha. A medida que aumenta y tomando en cuenta
slo los valores relevantes de probabilidad, la distribucin tiende a hacerse simtrica.
Media:
EX
Varianza:
2 V X
Notas importantes
132
Ejemplo 20
Suponga que el nmero de llamadas que llegan a una central telefnica es 0,5 por minuto en promedio. Halle la probabilidad de que:
a. En un minuto no lleguen llamadas
Solucin
X:= nmero de llamadas / minuto
= 0,5 llamadas / minuto
P X 0
e 0.5 0.5 0
0,6065
0!
b. En un minuto lleguen ms de tres llamadas

Solucin
P(X > 3) = 1 P(X 3) = 1 (0,6065 + 0,3033 + 0,0758 + 0,0126) = 0,9982
c. En tres minutos lleguen menos de 5 llamadas

Solucin
Y:= nmero de llamadas / 3 minutos
= 1,5 llamadas / 3 minutos
P(Y < 5) = 0,2231 + 0,3347 + 0,2510 + 0,1255 + 0,0471 = 0,98142
d. En cinco minutos lleguen ms de dos llamadas

Solucin
W:= nmero de llamadas / 5 minutos
= 2,5 llamadas / 5 minutos
P(W > 2) = 1 P(W 2) = 1 (0,0821 + 0,2052 + 0,2565) = 0,45652
Ejemplo 21
El administrador de un almacn ha observado que en promedio ingresan al establecimiento 20 personas cada 30 minutos. Cul es la probabilidad de que en 6 minutos ingresen al almacn a lo ms 5
clientes pero ms de 3?
Solucin
Lo primero es definir la variable adecuada, sea X:= nmero de personas que entren al establecimiento
en un periodo de seis minutos.
Como nos dicen que la variable cuenta las llegadas por unidad de tiempo, se tiene que X ~ P()
Luego, debemos determinar el valor de , para lo cual vamos a hacer una regla de tres simple, pues es
una propiedad de la distribucin Poisson
Si en 30 minutos llegan en promedio 20 personas, entonces en 6 minutos llegarn, en promedio, ,= 4
personas
Se tiene que X ~ P( = 4)
P X x
e x e 4 4 x
x!
x!
x 0,1,2,...
Nos piden
P 3 X 5 P X 4 P( X 5)
Notas importantes
e 4 44 e 4 45
= 0.3517
4!
5!
133
Ejemplo 22
Si se sabe que en cada 100 metros de longitud de un cable hay un promedio de 80 puntos por los cuales este puede ser seccionado. Cul es la probabilidad de que en un tramo de 13.5 metros. se encuentren cinco puntos de seccionamiento?
Solucin
Sea X:= nmero de puntos de seccionamiento.

Como nos dicen que la variable cuenta puntos por unidad de longitud, se tiene que X ~ P()
Luego, debemos determinar el valor de , para lo cual vamos a hacer una regla de tres simple, pues es
una propiedad de la distribucin Poisson
Si en 100 metros hay en promedio 80 puntos de seccionamiento, entonces en 13.5 metros hay, en promedio, ,= 10.8 puntos.
Se tiene que X ~ P( = 10.8)
Nos piden
P X 5
e 10.810.8 5
0.025
5!
Observe que si lambda sale un valor que no es entero, no se debe redondear a un entero.
Ejercicio 120
Una central telefnica recibe cinco llamadas por minuto en promedio, segn un proceso de Poisson.
Cul es la probabilidad de que en un periodo de un minuto la central telefnica reciba exactamente
dos llamadas?
Cul es la probabilidad de que en un periodo de un minuto la central telefnica reciba ms de dos

llamadas?
Notas importantes
134
Cul es la probabilidad de que en un periodo de un minuto la central telefnica reciba ms de dos
llamadas si ya recibi una llamada dentro de ese periodo?
Cul es la probabilidad de que en un periodo de 40 segundos la central telefnica reciba menos de

dos llamadas?
Ejercicio 121
Un padre intentando mejorar la ortografa de su hijo le ofrece darle 8 nuevos soles al da si logra escribir un texto de 100 palabras sin faltas ortogrficas, pero le descontar 2 nuevos soles por cada error
que cometa. Si el hijo comete ms de tres errores no recibir nada pero tampoco deber dinero alguno.
El nmero de errores ortogrficos que comete el hijo puede modelarse por una variable Poisson con
una media de 1,5 errores cada 50 palabras. Calcule el valor esperado del monto diario a recibir por
parte del hijo.
Notas importantes
135
Evaluacin
Afirmacin
El mayor valor del rango de la variable hipergeomtrica es siempre menor o igual a n
En un proceso de Poisson el nmero de resultados que ocurre en un intervalo es independiente del nmero que ocurre en cualquier otro intervalo del espacio disjunto
La variable binomial cuenta el nmero de xitos en n repeticiones independientes con la
misma probabilidad de fracaso en cada repeticin
La variable hipergeomtrica cuenta el nmero de xitos en una muestra de tamao n de
una poblacin N que tiene r xitos y donde el muestreo es con reemplazo
Notas importantes
(2 puntos)
Verdadero
Falso
136
Semana 10. Sesin 1

4.4. Variable aleatoria continua
Es una variable cuyo rango es un conjunto infinito no numerable de valores. Por ejemplo: peso, en
kilos, de una persona, tiempo en resolver la primera pregunta del examen parcial de un curso o volumen, en decibeles, en una discoteca a una hora determinada.
Funcin de densidad de una variable aleatoria continua

Se denomina funcin de densidad de probabilidad f(x) de una variable aleatoria continua a la funcin que satisface:
f x 0 para todo x R
f x dx = 1
Se tiene que P a X b
f x dx
a
Ejemplo 23
Para cierto negocio por correo electrnico la proporcin de los pedidos procesados en 24 horas tiene
la funcin de densidad de probabilidad
f ( x) 2 (1 x) ; 0 x 1
a. Elabore la grfica de f(x)

Solucin
La grfica es:
f(x)
Notas importantes
137
b. Compruebe si f(x) es una funcin de densidad.

Solucin
Existen dos formas de responder esta pregunta
Integrando la funcin de densidad f(x) y verificando que el rea es igual a 1 y que cada f(x) sea
positivo
1
x2
f x dx 2 (1 x) dx 2 x 2
0
2
1
Ahora debemos evaluar en 0 y en 1
2x x 2
0
1
0
2 1 12 2 0 0 2 1
Calculando el rea del tringulo a partir de la grfica y verificando que el rea es igual a 1 y que
cada f(x) sea positivo.
b h 1 2
1
2
2
De la grfica vemos que todos los f(x) son positivos.
Area
c. Cul es la probabilidad que al menos el 80% de los pedidos sean procesados dentro de 24
horas?
Solucin
Existen dos formas de responder esta pregunta

Integrando la funcin de densidad f(x) de 0.8 a 1
21 x 2 1 1 2 0.8 0.8 0.04

1
0.8
Calculndola el rea de tringulo desde 0.8 a 1.
Area
b h 1 0.8 21 0.8
0.04
2
2
Observar que para la segunda forma de resolucin, se us la funcin de densidad para hallar la altura
del tringulo
d. Si el porcentaje de pedidos procesados en 24 horas es mayor al 80%, calcular la probabilidad de que sea mayor a 90%.
Solucin
P(X > 0,9 / X > 0,8) = (0,1 x 0,2 / 2) / (0,2 x 0,4 / 2) = 0,25
Notas importantes
Ejercicio 122
Una variable aleatoria continua tiene la siguiente funcin de densidad de probabilidad:
0 x 1
a (1 x)
f ( x)
en otro caso
0
a. Determine el valor de a.
b. Calcule la probabilidad de P X 0.3
c. Calcule la probabilidad de P 0.3 X 0.6
Notas importantes
138
139
Ejercicio 123
Ela duracin (en minutos) de una llamada telefnica en la Sala de Profesores puede modelarse por una
variable aleatoria X con la siguiente funcin de densidad
0 x3
ax
f x
0 en otro caso
a. Determine el valor de a.
b. Calcule la probabilidad de que una llamada dure entre uno y dos minutos.
c. Si una llamada ya dur un minuto, calcule la probabilidad de que dure ms de dos minutos.
Notas importantes
140
Funcin de distribucin acumulada de probabilidad

La funcin de distribucin acumulada de una variable aleatoria continua X con funcin de densidad
f(x) se define por:
F(x) = P(X x) para - < x < +
P(a < X < b) = P(a X < b) = P(a < X b) = P(a X b) = F(b) F(a)
dF x
f x
dx
F(x) es una funcin que siempre est entre 0 y 1 (0 F(x) 1), pues es igual a una probabilidad.
F(x) es una funcin que nunca decrece, lim F x 0 y lim F x 1
x
Ejemplo 24
El tiempo de vida de un sistema es una variable aleatoria (en aos) cuya funcin acumulada es:
F (x) 25
1 x 2
x5
x5
Encuentre el rango intercuartil

Solucin
Sea X:= tiempo, en aos, de vida de un sistema. Para calcular el rango intercuartil, debemos hallar el
cuartil 1 y el cuartil 3, para esto hay dos posibilidades:
Integrar la funcin de densidad f(x)
Reemplazar en la funcin de distribucin acumulada
En este caso, es ms fcil usar la funcin de distribucin acumulada.

Por definicin de cuartil 3, el 75% de los datos es menor o igual al l, es decir P(X Q3) = 0.75, o lo
que es lo mismo F(Q3) = 0.75
F Q3 0.75 1
25
Q32
de donde Q3 = 10. Haciendo lo mismo para el cuartil 1.
F Q1 0.25 1
25
Q12
de donde Q1 = 5.77. Luego el RIC = Q3 Q1 = 4,23

Si se sabe que el tiempo de vida de un dispositivo se encuentra en el cuarto superior, cul es la probabilidad que pertenezca al quinto superior?
Solucin
Como nos dicen que, ya se sabe que est en el cuarto superior, es una probabilidad condicional.
Notas importantes
X P80
P X P80 0,20 0,80

X P75 P X P 0,25
75
141
Ejercicio 124
Marque la(s) grfica(s) que pueden ser funciones de distribucin acumulada.
Ejercicio 125
Marque la(s) funciones que pueden ser funciones de distribucin acumulada.
x2
1
F x x 1 1 x 2
0
x 1
Notas importantes
1
x 12
F x
4
0
x3
1 x 3
x 1
1
x 13
F x
8
0
x2
1 x 2
x 1
142
Ejercicio 126
El tiempo, en minutos, en que un equipo mete un gol durante un partido de ftbol se puede modelar
por una variable aleatoria continua X con la siguiente funcin de densidad de probabilidad:
f ( x) a ; 0 x 90
Determine y grafique la funcin de distribucin acumulada de la variable aleatoria X.
Use la funcin de distribucin acumulada para calcular la probabilidad de que un equipo meta un gol
en los diez primeros minutos del partido.
Notas importantes
143
entre el minuto 20 y 30 del partido.
en los ltimos cinco minutos del partido.
Use la funcin de distribucin acumulada para calcular el rango intercuartil de X.
Notas importantes
144
Valor esperado de una variable aleatoria continua

El valor esperado o esperanza matemtica de una variable aleatoria X o media de una variable aleatoria
X se denota E(X).
X EX
xf x dx
Valor esperado de una funcin de variable aleatoria continua

Sea g(x) una funcin de la variable aleatoria X. El valor esperado de g(x) es:
E G X
g x f x dx
Ejercicio 127
Una empresa sabe que el tiempo que tarda una lavadora en necesitar la primera reparacin importante
puede modelarse por una variable aleatoria X con la siguiente funcin de densidad de probabilidad:
kx 2
3 x 5
f x
0
en otro caso
Calcule el valor esperado del tiempo que tarda una lavadora en necesitar la primera reparacin importante.
Determine el valor esperado de X2.
Notas importantes
145
Varianza de una variable aleatoria continua

X2 E X 2 E X 2
Ejercicio 128
Una variable aleatoria continua tiene la siguiente funcin de densidad de probabilidad:
f ( x) 10 ; 1 x a
Determine la varianza de la variable aleatoria X.
Propiedades del valor esperado en variables aleatorias

E(b) = b
Si X e Y son variables aleatorias, a y b son constantes, entonces:

E(aX + bY) = a E(X) + b E(Y)
Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2, a3, . . ., an son n constantes, entonces:
Propiedades de la varianza en variables aleatorias

Si Y = aX + b, con a y b son constantes, entonces: 2y a 2 2x
Si X1, X2, X3, . . ., Xn son n variables aleatorias independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:
V a1 X 1 a2 X 2 ... an X n a12V ( X 1 ) a22V ( X 2 ) ... an2V ( X n )
Notas importantes
146
Evaluacin
Afirmacin
Variable aleatoria continua es una variable cuyo rango es un conjunto infinito numerable
de valores
La funcin de distribucin acumulada es siempre mayor a la funcin de densidad para
cualquier valor de la variable aleatoria
El esperado de la suma de dos variables aleatorias es igual a la suma de los dos esperados de las variables aleatorias
La varianza de una variable aleatoria puede ser menor a cero
Notas importantes
(2 puntos)
Verdadero
Falso
147
Semana 10. Sesin 2

4.5. Distribuciones de probabilidad
Distribucin de probabilidad uniforme
Funcin densidad
1
f ( x) b a
0
a xb
en otro caso
Se dice que X tiene una distribucin uniforme.

Se denota X ~ U (a, b)
Caractersticas
ab
2
Media:
Varianza:
b a 2
12
Ejemplo 25
En ciertos experimentos, el error cometido al determinar la densidad de una sustancia es una variable
aleatoria cuya distribucin es uniforme con a = -0.025 y b = 0.025.
a. Cul es la probabilidad de que tal error est entre 0.010 y 0.015?

Solucin
Sea X:= error al determinar la densidad de una sustancia

La variable X ~ U(a=-0.025, b=0.025) tiene la siguiente funcin de densidad
f ( x) 0.025 (0.025)
f ( x) 0.05
0
0,025 x 0,025
en otro caso
0,025 x 0,025
en otro caso
Nos piden P (0.010 X 0.015) . Existen dos formas de calcular esta probabilidad: integrando la
funcin de densidad f(x) o calculndola a partir del rea del rectngulo
0.015
P (0.010 X 0.015)
Notas importantes
1
1
0.015 0.010 0.10
dx
0
.
050
0
.
050
0.010
148
b. Cul es el error esperado cometido?

Solucin
La variable X ~ U(a=-0.025, b=0.025) tiene el siguiente nmero esperado de errores
a b 0.025 + 0.025 0
2
Ejemplo 26
La llegada de cada uno de los empleados a su centro de labores se produce independientemente, de

acuerdo a la distribucin uniforme en el intervalo comprendido entre las 8:00 y 8:25 am. De una
muestra de 10 empleados, calcule la probabilidad de que cuatro de ellos hayan llegado entre las 8:15
y 8:20 AM.
Solucin
Sea X:= tiempo, en minutos, desde las 8 AM hasta la hora de llegada de los empleados al centro de
trabajo, luego XU (0, 25)
f ( x)
1
; 0 x 25
25
Se define la variable Y:= nmero de empleados que llegan al centro de trabajo entre 8:15 y 8:20 AM
Debe calcularse la probabilidad de xito p de que un empleado llegue al centro de trabajo entre 8:15 y
8:20 AM esto es:
20 15
0,20
25
Entonces Y B(10; 0,20)

y
10 y
f ( y ) C 10
,
y (0,20) (0,80)
y 0,1,,10
Se pide
P(Y 4) f (4) C 410 (0,2) 4 (0,80) 6 0,0881

Ejercicio 129
Sea X ~ U (20, 40), calcular P 25 X 32
Notas importantes
149
Ejercicio 130
La variable X se distribuye uniformemente con media igual a 24 y varianza igual a 12, calcular los
parmetros de la funcin de densidad.
Ejercicio 131
La demanda diaria de un producto perecible sigue una distribucin uniforme de parmetros 100 y 200.
Cada producto tiene un costo de produccin de 30 nuevos soles y se vende a de 50 nuevos soles. Todo
producto no vendido en el da se remata a 15 nuevos soles. Calcule el nmero de productos que se
debe fabricar diariamente para maximizar la utilidad esperada.
Notas importantes
150
Distribucin de probabilidad normal

Funcin densidad
1 x

1
e 2
f ( x)
2
Se dice que la variable aleatoria X sigue una distribucin normal con parmetros y
Se denota X ~ N (, 2)
f(x)
Caractersticas
Tiene forma de campana.
Es simtrica, por lo que las medidas de tendencia central coinciden.
Su rango va de a + .
Estandarizacin
Se toma como referencia una distribucin normal estndar ( = 0 y 2 = 1). Se trabaja con la distancia
entre x y en funcin de la desviacin estndar, tal como se muestra.
Z
Ejercicio 132
Si Z ~ N 0, 2 1 , calcular
P(Z 1.26)
P (1.15 Z 1.38)
Notas importantes
P(Z > 2.16) =
P(Z > -2.16) =
P(Z < -4) =
Hallar c para que P(Z < c) = 0.975
Hallar c para que P(Z < c) = 0.01160
Hallar c para que P(-c <Z < c) = 0.95
P(Z = 2.05) =
Ejercicio 133
Si X ~ N 10, 2 16 , calcular
P( X 8.50)
P ( X 7.47)
P(8 X 12)
P X 11
X 9
Notas importantes
151
152
Clculo de probabilidad de una variable normal con una calculadora Casio

Ponga la calculadora en modo estadstico. Apriete MODE y luego, apriete SD
Luego apriete SHIFT , DISTR (3). Aparecer una pantalla con P(, Q(, R( y t.
o
P( calcula la probabilidad de que Z est entre - y el valor que ingresa
Q( calcula la probabilidad de que Z est entre 0 y el valor que ingresa
R( calcula la probabilidad de que Z est entre el valor que ingresa y +.
Clculo de probabilidad de una variable normal con una calculadora Casio con Natural
Dsplay
Ponga la calculadora en modo estadstico. Apriete MODE y luego, apriete
STAT
Luego apriete SHIFT , STAT (1) y luego elija la opcin DISTR. Aparecer
una pantalla con P(, Q(, R( y t.
o
P( calcula la probabilidad de que Z est entre - y el valor que ingresa
Q( calcula la probabilidad de que Z est entre 0 y el valor que ingresa
R( calcula la probabilidad de que Z est entre el valor que ingresa y +.
Notas importantes
153
Evaluacin
28) Marque la opcin correcta
(1 punto)
La mediana de una variable aleatoria normal X es:

a. Igual a cero
b.
El esperado de X
c.
Aquel valor para el cual f(Me) = 0,5, donde f es la funcin de densidad de X
d.
No se puede determinar sin saber la desviacin estndar.

Afirmacin
La media de una variable normal puede ser negativa
Si P(Z > c) = 0.025, entonces c = -1.96
Si X es una variable normal se cumple que P(X < 3) = P (X 3)
Si X es una variable normal se cumple que P(X < -3) = 1 - P (X < 3)
Notas importantes
(2 puntos)
Verdadero
Falso
154
Semana 11. Sesin 1

Continuacin de la distribucin normal
Ejemplo 27
En Enigma Buck Caf, la mquina surtidora de refrescos est ajustada de tal forma que sirve en promedio 250 mililitros por vaso. Si la cantidad de refresco servido en los vasos sigue, aproximadamente, una distribucin normal con una desviacin estndar de 10 mililitros. Qu proporcin de los vasos servidos contendrn entre 240 y 255 mililitros de refresco?
Solucin
Sea X:= cantidad de refresco servido por vaso, X ~ N( = 250, 2 = 102)

Se pide
P(240 < X < 255)
Estandarizando se tiene P((240 250)/10< (X- )/10 < (255 250)/10) =

P(-1< Z < 0,5) = 0,6915 0,1587 = 0,5328
Ejemplo 28
Se informa que la cantidad X de azcar de los paquetes marcados con un kilo, tiene distribucin normal con media kilos y desviacin estndar 0.02 kilos. Hallar el valor de si la cantidad de azcar
que contiene cada paquete es menor o igual a 0.95 kilos con probabilidad 0.102.
Solucin
Sea X:= pesos de los paquetes de azcar, en kilos. X ~ N( , 2 = 0.022)

Nos piden
0.95
X 0.95
P ( X 0.95) 0.102 P
0.102 P Z
0.102
0.02
0.02

Ahora, usamos la tabla normal estndar para calcular el valor z correspondiente
0.95
1.27 0.9754
0.02
Ejercicio 134
La vida til de una pila AA es una variable aleatoria normal con una media de 12 horas y desviacin
estndar dos horas.
Calcular la probabilidad de que una pila dure menos de 9 horas.
Notas importantes
155
Calcular la probabilidad de que una pila dure ms de 11 horas y media
Calcular la probabilidad de que una pila dure ms de 13 horas, si ya dur 9 horas
Ejercicio 135
Una compaa de seguros ha lazando la siguiente campaa DOBLAMOS LA APUESTA Si tienes

un accidente de trnsito llmanos y un asesor motorizado llegar mximo en 15 minutos. Si el asesor
motorizado llega despus de 15 minutos, ahora te entregaremos un bono de US$200 para que lo canjees y puedas usarlo en lo que quieras. La compaa ha estimado que el tiempo que demora un asesor
motorizado es una variable normal con una media de 10 minutos y desviacin estndar 2,5 minutos.
Calcule el valor esperado del pago por accidente por la campaa.
Notas importantes
156
Ejercicio 136
Los ingresos mensuales de una empresa se pueden modelar mediante una distribucin normal. Se sabe
que el 2.8% de los empleados ganan menos de S/. 2045 y que el 2.5% de los empleados ganan ms de
S/. 3980. Cul es la media y la desviacin estndar de los ingresos mensuales de los empleados?
Si se ha dispuesto que el 15% de los empleados que ganan menos en la empresa reciban un bono.
Cunto debe ganar como mximo un empleado para recibir dicho bono?
Notas importantes
157
Evaluacin
(2 puntos)
Afirmacin
Verdadero
Falso
El rango de toda variable normal es igual a toda la recta real

La funcin de densidad de la distribucin normal toma su mayor valor en X =
La funcin de densidad de la distribucin normal en algunos casos no es simtrica
El esperado de una variable normal es siempre igual a
Semana 11. Sesin 2

Frmulas adicionales para la prctica calificada 3

Distribucin de probabilidad de una variable aleatoria discreta
f(x) = P(X = x)
f(x) 0
n
f (x ) 1
i 1
Valor esperado de una variable aleatoria discreta
X E X xi f xi
i 1
Valor esperado de una funcin de variable aleatoria
E G x
g x f x
i
i 1
Varianza de una variable aleatoria discreta y continua
V X E X 2 EX
V a1 X 1 a2 X 2 ... an X n a12V ( X 1 ) a22V ( X 2 ) ... an2V ( X n ) sin son independientes
Notas importantes
158
Distribucin binomial
f x P X x C p 1 p
E X np
2 V X np1 p
Distribucin hipergeomtrica
f ( x)
EX n
n
x
r
N
C xr C nNxr
C nN
2 V X n
n x
x = 0, 1, 2, . . ., n
x max{0, n ( N r )},..., min{n, r}
r
r N n
1
N N N 1
e x
x!
Distribucin de Poisson
f(x) = P( X x)
EX
2 V X
Variable aleatoria continua
f x 0 para todo x R
x = 0, 1, 2,...
f x dx = 1
Pa X b f x dx
a
Funcin de distribucin acumulada de probabilidad
F(x) = P(X x) para - < x < +
dF x
f x
dx
Valor esperado de una variable aleatoria continua
X E X xf x dx
Valor esperado de una funcin de variable aleatoria continua E G x
g x f x dx
Distribucin de probabilidad uniforme
ab
2
Notas importantes
a xb
en otro caso
b a 2
12
Distribucin de probabilidad normal
Estandarizacin
f ( x) b a
0
1 x

1
f ( x)
e 2
2
159
Semana 12. Sesin 1

Propiedad reproductiva de la normal
Si X1, X2, X3,...,Xk son k variables aleatorias independientes, tales que Xi ~ N(i, i2), para cada i=1, 2,
3,..., k, entonces, la variable aleatoria
Y c1 X 1 c2 X 2 ... ck X k
donde c1, c2, c3,..., ck son constantes, entonces:
Y ~ N c11 c2 2 ... ck k , c12 12 c22 22 ... ck2 2k

Ejercicio 137
Sea X1 ~ N(2, 9) y X2 ~ N(7, 5) variables aleatorias independientes

Calcular la distribucin de
Y = X1 + X2
Y = X1 - X2
Y = 2X1 + 3X2
Y = 4X1 -6 X2
Notas importantes
Es decir, la suma de
variables normales
independientes es
una variable normal
160
Ejemplo 29
Dos supermercados compiten por tomar el liderazgo del mercado. Un estudio reciente de una compaa de investigacin de mercados, estim que las ventas diarias (en miles de dlares) de los dos supermercados se distribuyen normalmente con medias de 15 y 17 y desviaciones estndar de 3 y 4
respectivamente.
a. Calcular la probabilidad de que el segundo supermercado obtenga mayores ventas que el

primer supermercado en el primer da.
Solucin
Sean las variables:
X: Ventas diarias del primer supermercado
Y: Ventas diarias del segundo supermercado
XN(15, 9);
YN(17, 16)
Se pide: P(Y > X) o su equivalente: P(Y X > 0)

Sea W = Y X, por la propiedad reproductiva de la distribucin normal, se tiene:
W N(17 - 15, 16 + 9), es decir: WN(2, 25)
P(Y X > 0) = P(W > 0)
W 0 2
P (W 0) P
5

P (W 0) P Z 0,40
P (W 0) 0.6554
b. Calcular la probabilidad de que la diferencia entre las ventas diarias de ambos supermercados no supere los 1000 dlares.
Solucin
En este caso se pide calcular: P W 1
P W 1 P(1 W 1)
1 2 W 1 2
)
5
5
P W 1 P (0,6 Z 0,2)
P W 1 P(
P W 1 0,1465
Notas importantes
161
Ejercicio 138
El dinero que dan unos padres como propina semanalmente a cada uno de sus tres hijos se puede modelarse por una variable normal con una media de 30 nuevos soles y una desviacin estndar de 5 nuevos soles. Calcular la probabilidad de que dinero total entregado en una semana supere los 100 nuevos
soles
Si le dan el dinero de forma independiente a cada uno.
Si a todos los hijos les dan la misma cantidad de dinero.
Notas importantes
162
Ejercicio 139
El ingreso mensual de una pareja de esposos se puede modelar por una variable aleatoria normal, para
el caso del padre con una media de 2 800 nuevos soles y una desviacin estndar de 300 nuevos soles,
mientras que para su esposa con una media de 3000 nuevos soles y una desviacin estndar de 100
soles. Los ingresos de la pareja se consideran independientes
Calcular la probabilidad de que, en un mes en particular, la esposa gane menos que el esposo.
Si se eligen al azar seis meses, calcular la probabilidad de que en ms de uno de esos meses, el esposo
gane ms que su esposa.
Notas importantes
163
Distribucin t-student
Funcin densidad
k 1
k 1
2 2
t
2
1
f (t )
k
k

k
2
Se dice que la variable aleatoria t sigue una distribucin t con k grados de libertad.
Para un valor de la variable aleatoria t,k es tal que el rea a su derecha bajo la curva de la distribucin t con k grados de libertad es igual a .
P (T t ,k )
Caractersticas
Simtrica y forma de campana
Se extiende de - a +
La grfica de la distribucin t es parecida a la distribucin normal, se diferencian en:
En los extremos la distribucin t est por encima de la normal estndar.
En el centro la distribucin t est por debajo de la normal estndar.
Cada valor de grado de libertad determina una distribucin t distinta.
Cuando los grados de libertad son altos, los valores de la distribucin t se asemejan con los valores
de la distribucin normal estndar (n>29).
Media:
E T 0
Varianza: 2
Notas importantes
k
k 2
164
Distribucin chi-cuadrado
Funcin de densidad
1
(1 / 2) x k / 2 1e
f x (1 / 2)
0
(1 / 2 ) x
para x 0
para cualquier otro caso
Se dice que X tiene una distribucin chi cuadrado con k grados de libertad.
Se denota X ~ 2 (k)
Para un valor de la variable aleatoria 2 ,k es tal que el rea a su derecha bajo la curva de la distribucin 2 con k grados de libertad es igual a .
P ( 2 2 ,k )
f (x)
Caractersticas
Se extiende de 0 a +, no toma valores negativos
La grfica de la distribucin chi cuadrado tiene sesgo a la derecha
Cada valor de grado de libertad determina una distribucin chi cuadrado distinta.
A medida que los grados de libertad aumentan, la distribucin tiende a ser simtrica.
Media
x = E(X) = k
Varianza
x2 2k
Notas importantes
165
Distribucin F
Funcin de densidad
v v2
1
2 v1
f x
v1 v 2 v 2

2 2
v1
v1 2
2
2
x

v
1 1
v2
v1 v2
2
, para x 0
Se dice que X tiene distribucin F con v1 y v2 grados de libertad para el numerador y denominador
respectivamente y se denota por X ~ F(v1, v2).
El valor de la variable aleatoria f , v1 , v2 es tal que el rea a su derecha bajo la curva de la distribucin F con v1 y v2 grados de libertad para el numerador y denominador respectivamente es igual a
. Es decir P Fv1 , v2 f , v1 , v2 .
Caractersticas
Se extiende de 0 a + , no toma valores negativos.

La grfica de la distribucin F tiene sesgo hacia la derecha.
Cada valor de los grados de libertad del numerador y denominador determina una distribucin F
distinta.
A medida que los grados de libertad del numerado y denominador aumentan, la distribucin tiende
a ser simtrica.
Media:
X EX
Varianza: X2
Notas importantes
v2
, para v 2 2 .
v2 2
2v 22 v1 v 2 2
v1 v 2 2 v 2 4
2
para v 2 4
Unidad 5
Distribuciones
muestrales
Logro de la unidad
Utiliza adecuadamente
las distribuciones
muestrales para calcular probabilidades e
intervalos de confianza
Caso: Una buena noticia

Rogelia, la exigente jefa de
Sergio, decidi analizar los
noticieros de los canales de
televisin local. Segn ella,
el tiempo que le dedicaban a
los accidentes de trnsito,
hechos delictivos, farndula
y deportes era mucho mayor
en el Per que en otros pases. Lo primero que tuvo que
hacer Sergio es buscar la
existencia de una base de
datos donde estuvieran grabados los noticieros. Se acordaba que en la universidad le
haban dejado un trabajo
parecido. Busco un poco y
encontr lo que buscaba, IP
Noticias, una base de datos
que contiene a partir del
2004 hasta la fecha ms de
40 programas informativosnoticiosos de canales nacionales de seal abierta. Dise una base de datos con
Excel y comenz a tomar

tiempos. Luego de varias
jornadas de trabajo ya tena
listos los datos. Luego usara
los filtros y las tablas dinmicas del MS Excel. Todo
pareca estar listo. Se sent
frente a su computador, pero
se dio cuenta de que no saba
por dnde comenzar:
distribuciones de frecuencia?, cuadros de doble entrada? Su primer impulso fue
llamar a Sandra, pero pens
que segua molesta por lo
que haba pasado en la Cachina. Saba que su jefa lea
poco y que se jugaba una
buena recomendacin en ese
informe. Lo primero fue revisar el objetivo de la investigacin. Su informe deba
responder a ese objetivo,
pero con qu cuadros? Deba tener pocas pginas, gr-
ficos interesantes y tiles,

cuadros que dijeran algo.
Nada deba estar para rellenar las hojas. Y, por ltimo,
deba concentrarse en las
conclusiones. Luego mucho
trabajo, realizando grficos y
cuadros, redactando conclusiones, Sergio sinti que ya
poda entregar su informe.
Cerr su laptop, tom el telfono inalmbrico, se sent
bien en su cama y llam a
Sandra. No saba bien qu le
iba a decir, pero presenta
que esa conversacin era
definitoria. El telfono sonaba y sonaba. El sinti que se
aceleraba el pulso; despus
de varios intentos, logr comunicarse con ella. Hola,
saba que llamaras, tengo
algo que decirte. Yo tambin, te tengo una buena noticia.
Debo saber
Calcular la media y la
desviacin estndar
para datos simples en
mi calculadora
Si la calculadora lo
tiene, hacer clculos
para la distribucin
normal
Contenido
Distribucin muestral de
un estadstico
Cerveza Guiness y la distribucin t-Student

La cervecera Guinness
brewery en Park Royal,
Londres se cerr en el ao
2005. La produccin de
Guinness se venda en Reino
Unido como St. James's Gate
Brewery Dubln. La gente en
Reino Unido saba que la
cerveza elaborada en Irlanda

tena un sabor ms agradable
que la elaborada en Londres.
Las cerveceras de Guiness
fueron pioneras en el
establecimiento y mejora
continua de controles de
calidad. Para ello se lleg a
contratar a William Sealy

Gosset, que public sus
investigaciones bajo el
seudnimo de Student, pues la
cervecera Guiness le impidi
su publicacin.
Resumido de http://es.wikipedia.org
Distribucin de la media,
proporcin y varianza
muestral
Teorema central del
lmite
Distribucin de la razn
de varianzas, diferencia
de medias y proporciones
169
5.1. Definiciones
Debido a que, muchas veces, es imposible preguntarle o medir a toda la poblacin, un estudio estadstico se inicia con la seleccin de una muestra. El muestreo comprende por lo menos dos etapas:
La seleccin de las unidades
El registro de las observaciones
El muestreo puede hacerse con o sin reemplazo:
En el muestreo sin reemplazo, las unidades se pueden seleccionar slo una vez
En el muestreo con reemplazo las unidades se puede seleccionar ms de una vez
Elemento
Es el objeto sobre el cual se hace la medicin. Tambin llamada unidad de elemental o estadstica.
Poblacin muestreada
Es la coleccin de todas los elementos posibles que podran extraerse en una muestra.
Marco muestral
Es una lista de los elementos que estn disponibles para su eleccin en la etapa de muestreo.
Censo
Es el estudio completo de todos los elementos de la poblacin.
Parmetro
Es un resumen de una caracterstica de una poblacin.
Estadstico
Es un resumen de una caracterstica de una muestra.
Notas importantes
170
Ejemplo 30
Supongamos que queremos hacer una investigacin sobre la violencia que sufren las mujeres en el
hogar en Lima.
La poblacin objetivo estar integrada por todas las mujeres que sufren violencia familiar en Lima.
La unidad de observacin ser cada una de las mujeres que sufren violencia familiar que viven en
Lima.
Una muestra ser cualquier conjunto de mujeres que han sufrido violencia familiar y que viven en
Lima. Como localizar directa e individualmente a las mujeres que han sufrido violencia familiar
en Lima podra tener dificultades dado lo delicado del tema, podemos recurrir a las comisaras
donde estn las denuncias o en las agrupaciones de defensa de derechos de la mujer, etc. Cada una
de estas entidades sern unidades de muestreo.
El marco de muestreo estar constituido por todas las comisaras y entidades de apoyo a los derechos de la mujer en las que se puede identificar a las mujeres que han sufrido violencia familiar.
Como en estas entidades, una denuncia de violencia familiar no implica necesariamente que se
pueden ubicar a todas las mujeres que hicieron las denuncias, pues puede haberse mudado, o se
niega a responde, o tal vez present la denuncia sin realmente haber sufrido violencia familiar, no
todas las denuncias registradas implicarn obtener informacin. De todas las denuncias, slo las
que corresponde a mujeres que realmente han sufrido violencia familiar y que pueden ser ubicadas
y que adems estn en disposicin de dar informacin constituyen la poblacin muestreada. Por
tanto la poblacin muestreada estar compuesta por mujeres que s comunicaron haber sufrido violencia familiar y podran tener un perfil propio y se podra dar el caso, aunque no necesariamente,
que las unidades estadsticas constituyan una muestra no representativa, dejando de lado a un grupo muy importante fuera de la investigacin.
En este caso no estarn consideradas en el marco del muestreo y por lo tanto en la poblacin
muestreada las mujeres que habiendo sufrido violencia familiar, por alguna razn (intimidacin,
desconocimiento de sus derechos, influencias de otras personas, aspectos culturales, etc.) no presentaron la respectiva denuncia.
Muestreo aleatorio simple (poblacin finita)

Una muestra aleatoria simple de tamao n, de una poblacin finita de tamao N, es una muestra seleccionada de tal manera que cada muestra posible de tamao n tenga la misma probabilidad de ser seleccionada.
Una poblacin finita es, por ejemplo, el conjunto de alumnos matriculados en una universidad o los
accidentes de trnsito en un fin de semana, etc.
Muestreo aleatorio simple (poblacin infinita)

Una muestra aleatoria simple de tamao n, de una poblacin infinita es una aquella que se selecciona
de tal forma que satisface las siguientes condiciones:
Cada elemento seleccionado proviene de la misma poblacin
Cada elemento se selecciona de forma independiente
Una poblacin infinita es, por ejemplo, el conjunto de medidas de un experimento que se repite indefinidamente, una colonia de insectos, etc.
Notas importantes
171
5.2. Distribucin muestral de un estadstico

Es la lista de posibles valores de un estadstico y la probabilidad asociada a cada valor.
5.3. Distribucin de la media muestral

Es la lista de todas las medias posibles de tamao n tomadas de una poblacin especfica.
Se tiene que
Media
E X
Varianza
V X
2
n
Factor de correccin por poblacin finita

Si el muestreo es sin reemplazo en poblaciones de tamao finito N, entonces debe usarse el factor de
correccin por poblacin finita
Varianza
N n
N 1
V X
2 N n
n N 1
Distribucin muestral de la media de una poblacin con varianza conocida

Si la poblacin sigue una distribucin normal con media y desviacin estndar entonces:
2 N n
Si el muestreo es con reemplazo X N ,

n
Si el muestreo es sin reemplazo X N ,

n N 1
Notas importantes
172
Ejercicio 140
De una poblacin normal con media 20 y desviacin estndar igual a 4, se toma una muestra aleatoria
de tamao 20, calcular la probabilidad de que la media muestral est entre 19 y 21.
5.4. Teorema central del lmite

El teorema central del lmite afirma que,
a medida que crece el tamao de la muestra n,
la distribucin muestral de la media x se acerca a la normal,
independientemente de la distribucin de la poblacin.
Se acepta que si el tamao de la muestra n es por lo menos 30, la distribucin de
la media muestral sigue, aproximadamente, una distribucin normal.
Un enunciado distinto pero equivalente del teorema del lmite central es:
Si n variables aleatorias independientes X1, X2, X3,...Xn tienen la misma distribucin de probabilidad
con media y varianza 2, entonces la variable aleatoria Y = X1 + X2 + X3 +...+ Xn tiene:
Y tiende a seguir una distribucin normal a medida que n crece. Se considera aproximadamente
una distribucin normal si n 30.
Media
E Y n
Varianza
V Y n 2
Notas importantes
173
Ejercicio 141
Suponga que los sueldos, en dlares, en una regin es una variable aleatoria X cuya distribucin de
probabilidad es:
200
300
400
500
600
f(x)
0,1
0,2
0,4
0,2
0,1
Si se registraron al azar 35 sueldos de igual nmero de personas, calcule la probabilidad de que la media muestral est entre $360 y $430.
Si se registraron al azar 60 sueldos de igual nmero de personas, calcule la probabilidad de que la suma de los 60 sueldos sea mayor a $20 000.
Notas importantes
174
Ejercicio 142
El nmero de accidentes automovilsticos en cierto tramo de una carretera puede modelarse por una
variable Poisson con una media de 0.3 accidentes al da. Calcular la probabilidad de que en un ao se
tenga ms de 100 accidentes en dicho tramo de la carretera.
Ejercicio 143
Luego de aprobar el curso de Estadstica Aplicada a los Negocios, 40 alumnos se van a festejara un
bar. El dinero que pone cada uno para pagar la cuenta puede modelarse por una variable uniforme con
parmetros 15 y 30 nuevos soles. Si la cuenta fue de 930 nuevos soles, calcule la probabilidad de que
alcance el dinero para pagar la cuenta.
.
Notas importantes
175
Ejercicio 144
El tiempo, en minutos, que se tarda un alumno en resolver una pregunta de un examen de admisin
puede modelarse por una variable aleatoria con la siguiente funcin de distribucin acumulada.
0
x2
F x
100
1
0 x
0 x 10
x 10
Si el examen tiene 32 preguntas, calcule la probabilidad de que se demore ms de 200 minutos en responder todo el examen.
Notas importantes
176
Evaluacin
31) Marque la afirmacin correcta.
El teorema del lmite central afirma que:
a.
A medida que el tamao poblacional crece, la distribucin de la media poblacional tiende a

una distribucin normal
b.
A medida que el tamao poblacional crece, la distribucin de la media muestral tiende a una
distribucin normal
c.
A medida que el tamao muestral crece, la distribucin de la media poblacional tiende a una
distribucin normal
d.
A medida que el tamao muestral crece, la distribucin de la media muestral tiende a una distribucin normal
32) Marque la afirmacin correcta.

El teorema del lmite central afirma que:
a.
La suma de variables aleatorias normales independientes es una variable normal
b.
La suma de ms de 30 variables aleatorias normales independientes es una variable normal
c.
La suma de ms de 30 variables aleatorias independientes es una variable normal
d.
La suma de ms de 30 variables aleatorias independientes es aproximadamente una variable

normal
Notas importantes
177
Semana 12. Sesin 2

5.5. Intervalo de confianza para la media poblacional
Poblacin infinita
Condiciones: Poblacin normal y varianza poblacional conocida

Lmite inferior de confianza Parmetro Lmite superior de confianza
xz
xz
Condiciones: Poblacin normal y varianza poblacional desconocida

x t
2
, n 1
s
n
x t
2
s
n
, n 1
Poblacin finita
Condiciones: Poblacin normal y varianza poblacional conocida

xz
N n
N 1
xz
N n
N 1
Condiciones: Poblacin normal y varianza poblacional desconocida

x t
2
s
n
, n 1
N n
N 1
x t
2
s
n
, n 1
N n
N 1
Tamao de muestra para estimar la media poblacional

Poblacin normal
y varianza poblacional conocida
Z
1 2
n
e
Poblacin normal
y varianza poblacional desconocida
Z s
1 2
n
Si se conoce el tamao poblacional
nc
Notas importantes
n
n
1
N
, donde nc = n corregido
178
Ejercicio 145
Se desea estimar el promedio del gasto semanal de los estudiantes de la Facultad en Negocios. Se tom una muestra aleatoria de .alumnos y les pregunt por su gasto en fotocopias durante la
ltima semana, encontrndose los siguientes resultados. Calcule e interprete un intervalo de confianza
del 90% para dicho gasto.
Ejercicio 146
Se desea estimar, mediante intervalos de confianza, el promedio de kilmetros recorridos por los
futbolistas durante un partido. Para ello, se eligi una muestra de 130 futbolistas y se obtuvo una
media muestral de 10.5 Km por partido. Se sabe, por estudios anteriores, que la desviacin estndar
poblacional es de 0.4 Km. Calcule e interprete el intervalo pedido al 95% de confianza.
Notas importantes
179
Ejercicio 147
En una compaa trabajan 600 obreros y se desea estimar el tiempo promedio que se tarda un obrero
en llegar de su casa a la fbrica. Para ello se ha tomado una muestra aleatoria de 85 obreros, encontrando un tiempo promedio muestral de 45 minutos y una desviacin estndar muestral de 10.4 minutos. Calcule un intervalo de confianza al 90% para la estimacin deseada.
Ejercicio 148
Se pide al director de una sucursal bancaria que estime el tiempo medio que se invierte en atender a un
cliente. Quiere confiar al 99% en que la estimacin de la media muestral no supere en ms de 15 segundos a la media poblacional. Cuntas observaciones debe recoger, si se sabe que la desviacin
estndar poblacional es de 2,7 minutos?
Notas importantes
180
Evaluacin
Afirmacin
(1 punto)
Verdadero
Falso
Si en una investigacin se toma un censo ya no es necesario usar intervalos de confianza

para estimar el parmetro en estudio
Si se conoce la varianza poblacional se usa la distribucin normal para calcular el intervalo de confianza para la media poblacional
34) Defina intervalo de confianza para la media poblacional y de algn ejemplo de un posible uso de
este concepto en su carrera profesional
(2 puntos)
35) Defina nivel de confianza de un intervalo de confianza
Notas importantes
(2 puntos)
181
Semana 13. Sesin 1

5.6. Distribucin de la proporcin muestral
Si se selecciona una muestra aleatoria de n elementos de la poblacin y si X de ellas tienen una caracterstica en estudio, entonces la proporcin muestral ser:
X
n
Como X es una variable que sigue una distribucin binomial B(n, p), p es la proporcin de xitos en la
poblacin, entonces:
E p p
p1 p
, si la poblacin es infinita o el muestreo con reemplazo
V p
n
p1 p N n
V p
, si la poblacin es finita y el muestreo sin reemplazo
n
N 1
Intervalos de confianza para la proporcin poblacional

Condiciones: Si n>30 y tanto np como n1 p son mayores que 5, poblacin infinita.
Lmite inferior de confianza
p z
Parmetro
p 1 p
n
Lmite superior de confianza
p z
p 1 p
n
Condiciones: Si n>30 y tanto np como n1 p son mayores que 5, poblacin finita.

p z
Parmetro
p 1 p N n
n
N 1
p z
p 1 p N n
n
N 1
Tamao de muestra de proporcin poblacional

z 2 p q
n
e2
nc
n
n
1
N
Si no se tiene una estimacin para la proporcin poblacional, se usa p igual a 0.5.

Notas importantes
182
Ejemplo 31
A una muestra aleatoria de 400 personas mayores de 28 aos de una ciudad determinada se les pregunta si estn a favor de un nuevo impuesto adicional del 4% en el precio de la gasolina para obtener fondos necesarios que se destinaran a un programa de asistencia social. Si en la muestra elegida se encontr que 245 estaban a favor del impuesto adicional, determine e interprete un intervalo de confianza del 95% para la verdadera proporcin de personas a favor del nuevo impuesto.
Solucin
Primero, calculemos la proporcin muestral p

El lmite inferior es p z
El lmite superior es p z
245
0.6125
400
0.6125 1 0.6125
p 1 p
0.6125 1.96
0.56476
400
n
0.6125 1 0.6125
p 1 p
0.6125 1.96
0.66024
n
400
El intervalo de confianza 0.56476, 0.66024 contiene a la verdadera proporcin de personas a favor

del nuevo impuesto, con un nivel de confianza del 95%.
Ejercicio 149
Una empresa dedicada a la venta de electrodomsticos, obtuvo una muestra aleatoria de 500 clientes,
encontrndose que 311 clientes deseaban comprar sus televisores bajo la forma de pago a plazos. Calcule e interprete un intervalo de confianza al 90% para la proporcin poblacional de clientes que desean comprar sus televisores a plazos.
Notas importantes
183
Ejercicio 150
Segn el estudio Consumo de alcohol y drogas y factores psicosociales asociados en adolescentes de Lima publicado en setiembre del 2004 en la revista Anales de la Facultad de Medicina el alcohol es consumido por el 42,2% de los adolescentes de Lima. Si se desea volver a hacer una nueva encuesta en el ao
2010, calcule el tamao de muestra requerido para que la amplitud del intervalo de confianza sea de cmo
mximo del 6% y el nivel de confianza sea del 92%.
Ejercicio 151
El intervalo de confianza para la proporcin poblacional a un nivel de confianza del 95% es

0,2241;0,3759. Si la poblacin es infinita, calcular el tamao de muestra usado.
Notas importantes
184
5.7. Distribucin de la varianza muestral

Si X ~ N(, 2) y s2 es la varianza muestral, entonces:
s2
(n 1) ~ n21
donde 2n1 representa la distribucin chi cuadrado con n-1 grados de libertad.
Intervalos de confianza para la varianza poblacional

Condiciones: Poblacin normal
n 1s 2
2
n 1,
Parmetro
n 1s 2
n 1,1
Intervalos de confianza para la desviacin estndar poblacional

Condiciones: Poblacin normal
Parmetro
n 1s 2
2
n 1,
n 1s 2
n 1,1
Ejercicio 152
Un fabricante de bateras para automviles tom una muestra aleatoria de diez bateras y registr su
duracin, en aos, obtenindose los siguientes resultados:
3,2
4,4
3,5
2,0
3,4
1,9
2,4
3,0
3,5
4,2
Suponga que la duracin de una batera sigue una distribucin normal. Calcule e interprete un intervalo de confianza al 95% para la desviacin estndar de la duracin de una batera.
Notas importantes
185
Evaluacin
36) En la frmula para tamao de muestra para estimar una proporcin poblacional, la razn de usar
0.5 como estimacin de p es
(1 punto)
37) Defina intervalo de confianza para la proporcin poblacional y de algn ejemplo de un posible uso
de este concepto en su carrera profesional
(2 puntos)
Notas importantes
186
Semana 13. Sesin 2

5.8. Distribucin muestral de la razn de varianzas
Condiciones: Si s12 y s 22 son varianzas de muestras independientes de tamao n1 y n2 que provienen de poblaciones normales.
s12
s 22 f
1
n1 1 , n2 1 ,
Parmetro
12
22
s12
f
s 22 n2 1, n1 1, 2
Ejemplo 32
El gerente de un banco comercial de Lima quiere evaluar el desempeo de dos sucursales, la primera
ubicada en el distrito de Miraflores y la segunda en San Isidro.
Decide elegir dos muestras aleatorias del total de operaciones realizadas la ltima semana: 71 en Miraflores y 41 en San Isidro donde se registr, entre otras variables, el monto de operacin (en dlares).
Los resultados se muestran a continuacin:
Monto promedio por operacin
Desviacin estndar del

monto por operacin
Sucursal
Tamao de muestra
Miraflores
71
800
180
San Isidro
41
1200
220
Hallar e interpretar un intervalo de confianza del 95% para la razn de varianzas de los montos de
operacin en las sucursales de Miraflores y San Isidro. Asumir normalidad donde corresponda.
Solucin
El nivel de confianza es 1 0.95 entonces 0.05 y

Miraflores: n1 = 71, S1 180
0.025 .
San Isidro: n2 = 41, S 2 220
12 s12
s12
1
f 40 , 70 , 0.025
s 22 f 70 , 40 , 0.025 22 s 22
12 180 2
180 2 1
1.71
220 2 1.78 22 220 2
0.3761
12
1.1447
22
El intervalo anterior brinda un 95% de confianza de contener el verdadero valor para la razn de varianzas de los montos de operacin en las sucursales de Miraflores y San Isidro.
Notas importantes
187
Ejercicio 153
Una empresa fabrica polos deportivos y compra los hilos a dos proveedores.
Para verificar que no existe diferencias en la resistencia de los hilos adquiridos
a estos proveedores se toma una muestra de piezas de cada clase de hilo y se
registr la resistencia a la traccin (en psi) en condiciones similares. Los datos
se muestran a continuacin.
Proveedor 1:
n1 21 , x 78.611 , s 3.093
Proveedor 2:
84.3
82.6
86.1
78.7
82.7
86.7
86.9
85.5
84.8
81.2
89.7
83.9
84.9
89.8
88.7
84.0
Calcule e interprete un intervalo de confianza del 90% para la razn de varianzas de las resistencias de
los hilos de estos proveedores. Asumir poblaciones normales.
Notas importantes
188
5.9. Distribucin muestral de la diferencia de medias

Intervalos de confianza para la diferencia de medias poblacionales
Poblaciones normales, muestras independientes y varianzas poblacionales conocidas
x1 x 2 z
12
n1
22
n2
Parmetro
1 2
x1 x 2 z
12
n1
22
n2
Poblaciones normales, varianzas poblacionales desconocidas y supuestas homogneas
x1 x 2 t
2
2
donde S p
S p2
, n1 n2 2
n1
S p2
n2
Parmetro
1 2
x1 x 2 t
2
S p2
, n1 n2 2
n1
S p2
n2
s12 n1 1 s 22 n2 1
n1 n 2 2
Poblaciones normales, varianzas poblacionales desconocidas y supuestas heterogneas
x1 x 2 t
2
,v
S12 S 22
n1 n2
El valor de v es el entero ms cercano a
Notas importantes
Parmetro
1 2
x1 x 2 t
2
S12 S 22
n1 n2
2
S12
S 22

n
1 n2
n1 1 n 2 1
,v
S12 S 22
n1 n2
189
Ejercicio 154
Los siguientes datos representan los tiempos, en minutos, de secado de un tipo de pintura, con y sin
aditivo de secado.
Con aditivo
76
75
72
75
74
78
79
60
85
95
74
81
Sin aditivo
94
82
78
79
95
98
75
86
94
92
93
89
75
78
Calcule un intervalo de confianza de 90% para la diferencia entre los tiempos de secado promedio de
la pintura con y sin aditivo. Asuma varianzas poblacionales iguales.
Calcule un intervalo de confianza de 90% para la diferencia entre los tiempos de secado promedio de
la pintura con y sin aditivo. Asuma varianzas poblacionales diferentes.
Notas importantes
190
Ejercicio 155
Construya un intervalo de confianza del 92% para la diferencia entre las duraciones promedio poblacional de dos marcas de focos, si una muestra de 40 focos tomada al azar de la primera marca dio una
duracin media de 418 horas, y una muestra de 50 focos de otra marca dieron una duracin media de
402 horas. Por investigaciones pasadas, se sabe que las desviaciones estndares poblacionales de la
duracin de las dos marcas de focos son 26.4 horas y 22.3 horas, respectivamente.
Notas importantes
191
Evaluacin
Afirmacin
Alguno de los lmites de un intervalo de confianza para una diferencia de medias poblacionales puede ser negativo
La distribucin F es asimtrica
Notas importantes
(1 punto)
Verdadero
Falso
192
Semana 14. Sesin 1

5.10. Distribucin con observaciones pareadas
En muchas situaciones experimentales, existen slo n unidades experimentales diferentes y los datos
estn recopilados por pares; es decir, cada unidad experimental est formada por dos observaciones:
(X11, X12), (X12, X22), (X13, X23), ... , (X1n, X2n)
Cada dato sale de alguna fuente; una fuente es algo, una persona o un objeto, que produce datos. Si
dos medidas se obtienen de la misma fuente, entonces las medidas estn pareadas.
Las variables aleatorias X1 y X2 tienen medias 1 y 2 respectivamente. Como el objetivo es encontrar un intervalo de confianza para la diferencia de las medias 1 - 2 , definimos la variable d (di =
X1i X2i ) y en consecuencia tenemos la siguiente muestra: d1, d2,...,dn
d2
Se cumple que d N(d , ) y su promedio d tambin, esto es, d N d ,

n
2
d
Intervalo de confianza para 1-2: observaciones pareadas

d t
2
, n 1
sd
n
Parmetro
1 2
d t
2
, n 1
sd
n
Ejemplo 33
Cinco operadores de cierto tipo de mquina son entrenados en mquinas de dos marcas diferentes, A y
B. Los tiempos empleados para realizar una misma tarea fueron medidos y los resultados se muestran
en el siguiente cuadro:
Operador
Marca A
Marca B
80
75
72
70
65
60
78
72
85
78
Calcule un intervalo de confianza al 90% para la diferencia de las medias poblacionales de la mquina
A y B.
Solucin
Haciendo di = xi yi , donde i = 1,2,3,4,5

Notas importantes
193
Operador
Marca A
Marca B
di
80
75
72
70
65
60
78
72
85
78
Promedio
76
71
Se tiene que d x1 x 2 = 76 71 = 5 o lo que es lo mismo,

5
d
i 1
Adems,
5
sd
t
2
d
i 1
5 1
,n1
= t 0.05, 4
1.87081 ,
2.132
Reemplazando, tenemos que el intervalo de confianza es:
sd
I 1 2 d t
, n 1
n
2
1.87081
I 1 2 5 ( 2.132)
3.21626,6.78374
5
Notas importantes
194
Ejercicio 156
Para verificar la influencia de un cartel publicitario

en las ventas de una marca de cerveza se ha seleccionado al azar una muestra de 7 bodegas en las que
se registr el nmero de botellas vendidas en la
ltima semana antes de colocar el cartel y dos
semanas despus de colocar el cartel publicitario.
Los resultados se muestran a continuacin:
Tienda
Botellas vendidas antes de colocar el cartel
43
48
44
46
49
42
52
Botellas vendidas despus de colocar el cartel
46
54
48
44
56
47
59
Calcular un intervalo de confianza al 95% de confianza para la diferencia de las ventas promedio semanales antes y despus de colocar el cartel publicitario.
Notas importantes
195
5.11. Distribucin muestral de la diferencia de proporciones

Intervalos de confianza para la diferencia de proporciones poblacionales
Condiciones: n1 30 y n2 30.
p1 p 2 z1
2
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
Parmetro
( p1 p2 )
p1 p 2 z1
2
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
Ejercicio 157
En dos muestras de 150 hombres y 130 mujeres, el 27% y 35% respectivamente afirmaron que utilizaban tarjetas de crdito para comprar regalos de navidad. Calcule e interprete el intervalo de confianza
del 99% para la diferencia entre la proporcin poblacional de hombres y mujeres que usaron tarjetas
de crdito para comprar regalos de navidad.
Notas importantes
196
Ejercicio 158
En dos ciudades, A y B, se ha realizado una investigacin sobre las edades de los profesionales con
estudios de maestra. Los resultados se resumen en la siguiente tabla:
Edad del profesional con maestra
Ciudad A
Ciudad B
menos de 30
de 30 a menos de 34
15
13
de 34 a menos de 38
18
23
de 38 a menos de 42
13
18
de 42 a ms
10
13
Con los datos presentados estime un intervalo de confianza de 95% para la diferencia entre las verdaderas proporciones de profesionales con estudios de maestra que tengan por lo menos 34 aos entre
ambas ciudades. Interprete el resultado.
Notas importantes
197
Evaluacin
(1 punto)
Afirmacin
Verdadero
En muestras pareadas siempre se realiza la misma cantidad de pruebas para los dos
grupos
Los dos lmites de los intervalos de confianza para diferencia de proporciones pueden ser
negativos
Semana 14. Sesin 2

Frmulas adicionales para la prctica calificada 4
Y c1 X 1 c2 X 2 ... ck X k
Propiedad reproductiva de la normal
Y ~ N c11 c2 2 ... ck k , c12 12 c22 22 ... ck2 2k
E X
Distribucin de la media muestral
V X
V X
Distribucin muestral de la media de una poblacin con varianza conocida
2 N n
Si el muestreo es con reemplazo X N ,

n
Si el muestreo es sin reemplazo X N ,

n N 1
Intervalo de confianza para la media poblacional

Poblacin infinita. Poblacin normal y varianza poblacional conocida
xz
xz
Poblacin infinita. Poblacin normal y varianza poblacional desconocida
x t
2
Notas importantes
, n 1
s
n
x t
2
, n 1
s
n
2 N n
n N 1
Falso
198
Poblacin finita. Poblacin normal y varianza poblacional conocida
xz
N n
N 1
xz
N n
N 1
Poblacin finita. Poblacin normal y varianza poblacional desconocida
x t
2
, n 1
s
n
N n
N 1
x t
2
, n 1
N n
N 1
s
n
Z
1 2
Tamao de muestra para estimar la media poblacional n
e
nc
n
n
1
N
Z s
1 2
n
p1 p
p1 p N n
V p
n
n
N 1
Distribucin de la proporcin muestral E p p V p

Intervalos de confianza para la proporcin poblacional
Condiciones: Si n>30 y tanto np como n1 p son mayores que 5, poblacin infinita.
p z
p 1 p
n
p 1 p
p p z
1
n
2
Condiciones: Si n>30 y tanto np como n1 p son mayores que 5, poblacin finita.
p z
p 1 p N n
p p z
1
n
N 1
2
p 1 p N n
n
N 1
z 2 p q
Tamao de muestra de proporcin poblacional
nc
2
2
n
n
1
N
Intervalo de confianza para la varianza poblacional. Condiciones: Poblacin normal
n 1s 2 2 n 1s 2
2
2
n 1,
n 1,1
Intervalos de confianza para la desviacin estndar poblacional Condiciones: Poblacin normal
n 1s 2
2
n 1,
Notas importantes
n 1s 2
2
n 1,1
199
Intervalos de confianza para la razn de varianzas
s12
s 22 f
n1 1 , n2 1 ,
12 s12
22 s 22 n 1, n 1, 2
2
Intervalos de confianza para la diferencia de medias poblacionales

Poblaciones normales, muestras independientes y varianzas poblacionales conocidas
x1 x 2 z
12
n1
22
n2
1 2 x1 x 2 z
12
n1
22
n2
Poblaciones normales, varianzas poblacionales desconocidas y supuestas homogneas
x1 x 2 t
2
2
donde S p
S p2
, n1 n2 2
n1
S p2
n2
1 2 x1 x 2 t
2
S p2
, n1 n2 2
n1
S p2
n2
s12 n1 1 s 22 n2 1
n1 n 2 2
Poblaciones normales, varianzas poblacionales desconocidas y supuestas heterogneas
x1 x 2 t
2
,v
S12 S 22
S12 S 22
1 2 x1 x 2 t
,v
n1 n2
n1 n2
2
El valor de v es el entero ms cercano a
S12 S 22
n
n
2
1
2
S12
S 22

n
1 n2
n1 1 n 2 1
Frmulas adicionales para el examen final

Intervalo de confianza para medias: observaciones pareadas
d t
2
,n 1
sd
sd
1 2 d t
, n 1
n
n
2
Intervalos de confianza para la diferencia de proporciones poblacionales
p1 p 2 z1
2
p1 (1 p1 ) p 2 (1 p 2 )
( p1 p2 ) p1 p 2 z
1
n1
n2
2
Semana 15. Sesin 1 y 2

Trabajo final
Notas importantes
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
200
Tablas estadsticas
Todas las tablas de este manual han sido calculadas usando el MS Excel.
Tabla de la distribucin normal estndar
rea bajo la curva normal: PZ z

Z
-3.9
-3.8
-3.7
-3.6
-3.5
-3.4
-3.3
-3.2
-3.1
-3.0
-0.09
0.000033
0.000050
0.000075
0.000112
0.000165
0.000242
0.000349
0.000501
0.000711
0.001001
-0.08
0.000034
0.000052
0.000078
0.000117
0.000172
0.000251
0.000362
0.000519
0.000736
0.001035
-0.07
0.000036
0.000054
0.000082
0.000121
0.000178
0.000260
0.000376
0.000538
0.000762
0.001070
-0.06
0.000037
0.000057
0.000085
0.000126
0.000185
0.000270
0.000390
0.000557
0.000789
0.001107
-0.05
0.000039
0.000059
0.000088
0.000131
0.000193
0.000280
0.000404
0.000577
0.000816
0.001144
-0.04
0.000041
0.000062
0.000092
0.000136
0.000200
0.000291
0.000419
0.000598
0.000845
0.001183
-0.03
0.000042
0.000064
0.000096
0.000142
0.000208
0.000302
0.000434
0.000619
0.000874
0.001223
-0.02
0.000044
0.000067
0.000100
0.000147
0.000216
0.000313
0.000450
0.000641
0.000904
0.001264
-0.01
0.000046
0.000069
0.000104
0.000153
0.000224
0.000325
0.000466
0.000664
0.000935
0.001306
-0.00
0.000048
0.000072
0.000108
0.000159
0.000233
0.000337
0.000483
0.000687
0.000968
0.001350
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
0.00139
0.00193
0.00264
0.00357
0.00480
0.00639
0.00842
0.01101
0.01426
0.01831
0.00144
0.00199
0.00272
0.00368
0.00494
0.00657
0.00866
0.01130
0.01463
0.01876
0.00149
0.00205
0.00280
0.00379
0.00508
0.00676
0.00889
0.01160
0.01500
0.01923
0.00154
0.00212
0.00289
0.00391
0.00523
0.00695
0.00914
0.01191
0.01539
0.01970
0.00159
0.00219
0.00298
0.00402
0.00539
0.00714
0.00939
0.01222
0.01578
0.02018
0.00164
0.00226
0.00307
0.00415
0.00554
0.00734
0.00964
0.01255
0.01618
0.02068
0.00169
0.00233
0.00317
0.00427
0.00570
0.00755
0.00990
0.01287
0.01659
0.02118
0.00175
0.00240
0.00326
0.00440
0.00587
0.00776
0.01017
0.01321
0.01700
0.02169
0.00181
0.00248
0.00336
0.00453
0.00604
0.00798
0.01044
0.01355
0.01743
0.02222
0.00187
0.00256
0.00347
0.00466
0.00621
0.00820
0.01072
0.01390
0.01786
0.02275
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
0.02330
0.02938
0.03673
0.04551
0.05592
0.06811
0.08226
0.09853
0.11702
0.13786
0.02385
0.03005
0.03754
0.04648
0.05705
0.06944
0.08379
0.10027
0.11900
0.14007
0.02442
0.03074
0.03836
0.04746
0.05821
0.07078
0.08534
0.10204
0.12100
0.14231
0.02500
0.03144
0.03920
0.04846
0.05938
0.07215
0.08691
0.10383
0.12302
0.14457
0.02559
0.03216
0.04006
0.04947
0.06057
0.07353
0.08851
0.10565
0.12507
0.14686
0.02619
0.03288
0.04093
0.05050
0.06178
0.07493
0.09012
0.10749
0.12714
0.14917
0.02680
0.03362
0.04182
0.05155
0.06301
0.07636
0.09176
0.10935
0.12924
0.15151
0.02743
0.03438
0.04272
0.05262
0.06426
0.07780
0.09342
0.11123
0.13136
0.15386
0.02807
0.03515
0.04363
0.05370
0.06552
0.07927
0.09510
0.11314
0.13350
0.15625
0.02872
0.03593
0.04457
0.05480
0.06681
0.08076
0.09680
0.11507
0.13567
0.15866
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
-0.0
0.16109
0.18673
0.21476
0.24510
0.27760
0.31207
0.34827
0.38591
0.42465
0.46414
0.16354
0.18943
0.21770
0.24825
0.28096
0.31561
0.35197
0.38974
0.42858
0.46812
0.16602
0.19215
0.22065
0.25143
0.28434
0.31918
0.35569
0.39358
0.43251
0.47210
0.16853
0.19489
0.22363
0.25463
0.28774
0.32276
0.35942
0.39743
0.43644
0.47608
0.17106
0.19766
0.22663
0.25785
0.29116
0.32636
0.36317
0.40129
0.44038
0.48006
0.17361
0.20045
0.22965
0.26109
0.29460
0.32997
0.36693
0.40517
0.44433
0.48405
0.17619
0.20327
0.23270
0.26435
0.29806
0.33360
0.37070
0.40905
0.44828
0.48803
0.17879
0.20611
0.23576
0.26763
0.30153
0.33724
0.37448
0.41294
0.45224
0.49202
0.18141
0.20897
0.23885
0.27093
0.30503
0.34090
0.37828
0.41683
0.45620
0.49601
0.18406
0.21186
0.24196
0.27425
0.30854
0.34458
0.38209
0.42074
0.46017
0.50000
201
Tabla de la distribucin normal estndar
rea bajo la curva normal: P Z z
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.00
0.50000
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.01
0.50399
0.54380
0.58317
0.62172
0.65910
0.69497
0.72907
0.76115
0.79103
0.81859
0.02
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.03
0.51197
0.55172
0.59095
0.62930
0.66640
0.70194
0.73565
0.76730
0.79673
0.82381
0.04
0.51595
0.55567
0.59483
0.63307
0.67003
0.70540
0.73891
0.77035
0.79955
0.82639
0.05
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.06
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.07
0.52790
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.08
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.78230
0.81057
0.83646
0.09
0.53586
0.57535
0.61409
0.65173
0.68793
0.72240
0.75490
0.78524
0.81327
0.83891
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
0.84134
0.86433
0.88493
0.90320
0.91924
0.93319
0.94520
0.95543
0.96407
0.97128
0.84375
0.86650
0.88686
0.90490
0.92073
0.93448
0.94630
0.95637
0.96485
0.97193
0.84614
0.86864
0.88877
0.90658
0.92220
0.93574
0.94738
0.95728
0.96562
0.97257
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96638
0.97320
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.94950
0.95907
0.96712
0.97381
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.85543
0.87698
0.89617
0.91309
0.92785
0.94062
0.95154
0.96080
0.96856
0.97500
0.85769
0.87900
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.85993
0.88100
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.97670
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
0.97725
0.98214
0.98610
0.98928
0.99180
0.99379
0.99534
0.99653
0.99744
0.99813
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.97831
0.98300
0.98679
0.98983
0.99224
0.99413
0.99560
0.99674
0.99760
0.99825
0.97882
0.98341
0.98713
0.99010
0.99245
0.99430
0.99573
0.99683
0.99767
0.99831
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.98030
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.98077
0.98500
0.98840
0.99111
0.99324
0.99492
0.99621
0.99720
0.99795
0.99851
0.98124
0.98537
0.98870
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.98169
0.98574
0.98899
0.99158
0.99361
0.99520
0.99643
0.99736
0.99807
0.99861
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
0.998650
0.999032
0.999313
0.999517
0.999663
0.999767
0.999841
0.999892
0.999928
0.999952
0.998694
0.999065
0.999336
0.999534
0.999675
0.999776
0.999847
0.999896
0.999931
0.999954
0.998736
0.999096
0.999359
0.999550
0.999687
0.999784
0.999853
0.999900
0.999933
0.999956
0.998777
0.999126
0.999381
0.999566
0.999698
0.999792
0.999858
0.999904
0.999936
0.999958
0.998817
0.999155
0.999402
0.999581
0.999709
0.999800
0.999864
0.999908
0.999938
0.999959
0.998856
0.999184
0.999423
0.999596
0.999720
0.999807
0.999869
0.999912
0.999941
0.999961
0.998893
0.999211
0.999443
0.999610
0.999730
0.999815
0.999874
0.999915
0.999943
0.999963
0.998930
0.999238
0.999462
0.999624
0.999740
0.999822
0.999879
0.999918
0.999946
0.999964
0.998965
0.999264
0.999481
0.999638
0.999749
0.999828
0.999883
0.999922
0.999948
0.999966
0.998999
0.999289
0.999499
0.999651
0.999758
0.999835
0.999888
0.999925
0.999950
0.999967
202
Tabla de la distribucin t-Student
rea bajo la curva: P T c
0.40
0.30
0.20
0.15
0.10
0.05
0.04
0.03
0.025
0.020
0.015
0.010
1
2
3
4
5
6
7
8
9
10
0.32492
0.28868
0.27667
0.27072
0.26718
0.26483
0.26317
0.26192
0.26096
0.26018
0.72654
0.61721
0.58439
0.56865
0.55943
0.55338
0.54911
0.54593
0.54348
0.54153
1.37638
1.06066
0.97847
0.94096
0.91954
0.90570
0.89603
0.88889
0.88340
0.87906
1.96261
1.38621
1.24978
1.18957
1.15577
1.13416
1.11916
1.10815
1.09972
1.09306
3.07768
1.88562
1.63774
1.53321
1.47588
1.43976
1.41492
1.39682
1.38303
1.37218
6.31375
2.91999
2.35336
2.13185
2.01505
1.94318
1.89458
1.85955
1.83311
1.81246
7.91582
3.31976
2.60543
2.33287
2.19096
2.10431
2.04601
2.00415
1.97265
1.94810
10.57889
3.89643
2.95051
2.60076
2.42158
2.31326
2.24088
2.18915
2.15038
2.12023
12.70620
4.30265
3.18245
2.77645
2.57058
2.44691
2.36462
2.30600
2.26216
2.22814
15.89454
4.84873
3.48191
2.99853
2.75651
2.61224
2.51675
2.44898
2.39844
2.35931
21.20495
5.64278
3.89605
3.29763
3.00287
2.82893
2.71457
2.63381
2.57380
2.52748
31.82052
6.96456
4.54070
3.74695
3.36493
3.14267
2.99795
2.89646
2.82144
2.76377
11
12
13
14
15
16
17
18
19
20
0.25956
0.25903
0.25859
0.25821
0.25789
0.25760
0.25735
0.25712
0.25692
0.25674
0.53994
0.53862
0.53750
0.53655
0.53573
0.53501
0.53438
0.53382
0.53331
0.53286
0.87553
0.87261
0.87015
0.86805
0.86624
0.86467
0.86328
0.86205
0.86095
0.85996
1.08767
1.08321
1.07947
1.07628
1.07353
1.07114
1.06903
1.06717
1.06551
1.06402
1.36343
1.35622
1.35017
1.34503
1.34061
1.33676
1.33338
1.33039
1.32773
1.32534
1.79588
1.78229
1.77093
1.76131
1.75305
1.74588
1.73961
1.73406
1.72913
1.72472
1.92843
1.91231
1.89887
1.88750
1.87774
1.86928
1.86187
1.85534
1.84953
1.84433
2.09614
2.07644
2.06004
2.04617
2.03429
2.02400
2.01500
2.00707
2.00002
1.99371
2.20099
2.17881
2.16037
2.14479
2.13145
2.11991
2.10982
2.10092
2.09302
2.08596
2.32814
2.30272
2.28160
2.26378
2.24854
2.23536
2.22385
2.21370
2.20470
2.19666
2.49066
2.46070
2.43585
2.41490
2.39701
2.38155
2.36805
2.35618
2.34565
2.33624
2.71808
2.68100
2.65031
2.62449
2.60248
2.58349
2.56693
2.55238
2.53948
2.52798
21
22
23
24
25
26
27
28
29
30
0.25658
0.25643
0.25630
0.25617
0.25606
0.25595
0.25586
0.25577
0.25568
0.25561
0.53246
0.53208
0.53175
0.53144
0.53115
0.53089
0.53065
0.53042
0.53021
0.53002
0.85907
0.85827
0.85753
0.85686
0.85624
0.85567
0.85514
0.85465
0.85419
0.85377
1.06267
1.06145
1.06034
1.05932
1.05838
1.05752
1.05673
1.05599
1.05530
1.05466
1.32319
1.32124
1.31946
1.31784
1.31635
1.31497
1.31370
1.31253
1.31143
1.31042
1.72074
1.71714
1.71387
1.71088
1.70814
1.70562
1.70329
1.70113
1.69913
1.69726
1.83965
1.83542
1.83157
1.82805
1.82483
1.82186
1.81913
1.81659
1.81424
1.81205
1.98804
1.98291
1.97825
1.97399
1.97010
1.96651
1.96320
1.96014
1.95729
1.95465
2.07961
2.07387
2.06866
2.06390
2.05954
2.05553
2.05183
2.04841
2.04523
2.04227
2.18943
2.18289
2.17696
2.17154
2.16659
2.16203
2.15782
2.15393
2.15033
2.14697
2.32779
2.32016
2.31323
2.30691
2.30113
2.29581
2.29091
2.28638
2.28217
2.27826
2.51765
2.50832
2.49987
2.49216
2.48511
2.47863
2.47266
2.46714
2.46202
2.45726
31
32
33
34
35
36
37
38
39
40
0.25553
0.25546
0.25540
0.25534
0.25528
0.25523
0.25518
0.25513
0.25508
0.25504
0.52984
0.52967
0.52950
0.52935
0.52921
0.52908
0.52895
0.52883
0.52871
0.52861
0.85337
0.85300
0.85265
0.85232
0.85201
0.85172
0.85144
0.85118
0.85094
0.85070
1.05406
1.05350
1.05298
1.05248
1.05202
1.05158
1.05117
1.05077
1.05040
1.05005
1.30946
1.30857
1.30774
1.30695
1.30621
1.30551
1.30485
1.30423
1.30364
1.30308
1.69552
1.69389
1.69236
1.69092
1.68957
1.68830
1.68709
1.68595
1.68488
1.68385
1.81000
1.80809
1.80629
1.80461
1.80302
1.80153
1.80012
1.79878
1.79751
1.79631
1.95218
1.94987
1.94770
1.94567
1.94375
1.94195
1.94024
1.93863
1.93711
1.93566
2.03951
2.03693
2.03452
2.03224
2.03011
2.02809
2.02619
2.02439
2.02269
2.02108
2.14383
2.14090
2.13816
2.13558
2.13316
2.13087
2.12871
2.12667
2.12474
2.12291
2.27461
2.27120
2.26801
2.26501
2.26219
2.25953
2.25702
2.25465
2.25240
2.25027
2.45282
2.44868
2.44479
2.44115
2.43772
2.43449
2.43145
2.42857
2.42584
2.42326
203
Tabla de la distribucin t-Student

rea bajo la curva: P T c
41
42
43
44
45
46
47
48
49
50
0.40
0.25500
0.25496
0.25492
0.25488
0.25485
0.25482
0.25479
0.25476
0.25473
0.25470
0.30
0.52850
0.52840
0.52831
0.52822
0.52814
0.52805
0.52798
0.52790
0.52783
0.52776
0.20
0.85048
0.85026
0.85006
0.84987
0.84968
0.84951
0.84934
0.84917
0.84902
0.84887
0.15
1.04971
1.04939
1.04908
1.04879
1.04852
1.04825
1.04800
1.04775
1.04752
1.04729
0.10
1.30254
1.30204
1.30155
1.30109
1.30065
1.30023
1.29982
1.29944
1.29907
1.29871
0.05
1.68288
1.68195
1.68107
1.68023
1.67943
1.67866
1.67793
1.67722
1.67655
1.67591
0.04
1.79517
1.79409
1.79305
1.79207
1.79113
1.79023
1.78937
1.78855
1.78776
1.78700
0.03
1.93428
1.93298
1.93173
1.93054
1.92941
1.92833
1.92729
1.92630
1.92535
1.92444
0.025
2.01954
2.01808
2.01669
2.01537
2.01410
2.01290
2.01174
2.01063
2.00958
2.00856
0.020
2.12117
2.11952
2.11794
2.11644
2.11500
2.11364
2.11233
2.11107
2.10987
2.10872
0.015
2.24825
2.24633
2.24449
2.24275
2.24108
2.23949
2.23797
2.23652
2.23512
2.23379
0.010
2.42080
2.41847
2.41625
2.41413
2.41212
2.41019
2.40835
2.40658
2.40489
2.40327
51
52
53
54
55
56
57
58
59
60
0.25467
0.25465
0.25462
0.25460
0.25458
0.25455
0.25453
0.25451
0.25449
0.25447
0.52769
0.52763
0.52757
0.52751
0.52745
0.52740
0.52735
0.52730
0.52725
0.52720
0.84873
0.84859
0.84846
0.84833
0.84821
0.84809
0.84797
0.84786
0.84776
0.84765
1.04708
1.04687
1.04667
1.04648
1.04630
1.04612
1.04595
1.04578
1.04562
1.04547
1.29837
1.29805
1.29773
1.29743
1.29713
1.29685
1.29658
1.29632
1.29607
1.29582
1.67528
1.67469
1.67412
1.67356
1.67303
1.67252
1.67203
1.67155
1.67109
1.67065
1.78627
1.78558
1.78491
1.78426
1.78364
1.78304
1.78246
1.78190
1.78137
1.78085
1.92356
1.92272
1.92191
1.92114
1.92039
1.91967
1.91897
1.91830
1.91765
1.91703
2.00758
2.00665
2.00575
2.00488
2.00404
2.00324
2.00247
2.00172
2.00100
2.00030
2.10762
2.10655
2.10553
2.10455
2.10361
2.10270
2.10182
2.10097
2.10015
2.09936
2.23250
2.23127
2.23009
2.22895
2.22785
2.22679
2.22577
2.22479
2.22384
2.22292
2.40172
2.40022
2.39879
2.39741
2.39608
2.39480
2.39357
2.39238
2.39123
2.39012
61
62
63
64
65
66
67
68
69
70
0.25445
0.25444
0.25442
0.25440
0.25439
0.25437
0.25436
0.25434
0.25433
0.25431
0.52715
0.52711
0.52706
0.52702
0.52698
0.52694
0.52690
0.52687
0.52683
0.52680
0.84755
0.84746
0.84736
0.84727
0.84719
0.84710
0.84702
0.84694
0.84686
0.84679
1.04532
1.04518
1.04504
1.04490
1.04477
1.04464
1.04452
1.04440
1.04428
1.04417
1.29558
1.29536
1.29513
1.29492
1.29471
1.29451
1.29432
1.29413
1.29394
1.29376
1.67022
1.66980
1.66940
1.66901
1.66864
1.66827
1.66792
1.66757
1.66724
1.66691
1.78034
1.77986
1.77939
1.77893
1.77849
1.77806
1.77765
1.77724
1.77685
1.77647
1.91642
1.91584
1.91527
1.91472
1.91419
1.91368
1.91318
1.91269
1.91222
1.91177
1.99962
1.99897
1.99834
1.99773
1.99714
1.99656
1.99601
1.99547
1.99495
1.99444
2.09860
2.09786
2.09715
2.09645
2.09578
2.09514
2.09451
2.09390
2.09330
2.09273
2.22204
2.22118
2.22035
2.21955
2.21877
2.21802
2.21729
2.21658
2.21589
2.21523
2.38905
2.38801
2.38701
2.38604
2.38510
2.38419
2.38330
2.38245
2.38161
2.38081
75
80
85
90
95
100
105
110
120
0.25425
0.25419
0.25414
0.25410
0.25406
0.25402
0.25399
0.25396
0.25391
0.25335
0.52664
0.52650
0.52637
0.52626
0.52616
0.52608
0.52600
0.52592
0.52580
0.52440
0.84644
0.84614
0.84587
0.84563
0.84542
0.84523
0.84506
0.84490
0.84463
0.84162
1.04365
1.04320
1.04280
1.04244
1.04212
1.04184
1.04158
1.04134
1.04093
1.03643
1.29294
1.29222
1.29159
1.29103
1.29053
1.29007
1.28967
1.28930
1.28865
1.28156
1.66543
1.66412
1.66298
1.66196
1.66105
1.66023
1.65950
1.65882
1.65765
1.64484
1.77473
1.77321
1.77187
1.77068
1.76961
1.76866
1.76779
1.76701
1.76564
1.75069
1.90967
1.90784
1.90623
1.90480
1.90352
1.90237
1.90133
1.90039
1.89874
1.88079
1.99210
1.99006
1.98827
1.98667
1.98525
1.98397
1.98282
1.98177
1.97993
1.95997
2.09008
2.08778
2.08574
2.08394
2.08233
2.08088
2.07958
2.07839
2.07631
2.05375
2.21216
2.20949
2.20713
2.20504
2.20317
2.20150
2.19998
2.19861
2.19620
2.17009
2.37710
2.37387
2.37102
2.36850
2.36624
2.36422
2.36239
2.36073
2.35782
2.32635
204
Tabla de la distribucin ji-cuadrado

2
rea bajo la curva: P ( c)
v
1
2
3
4
5
0.995
0.000
0.010
0.072
0.207
0.412
0.990
0.000
0.020
0.115
0.297
0.554
0.980
0.001
0.040
0.185
0.429
0.752
0.975
0.001
0.051
0.216
0.484
0.831
0.960
0.003
0.082
0.300
0.627
1.031
0.950
0.004
0.103
0.352
0.711
1.145
0.900
0.016
0.211
0.584
1.064
1.610
0.800
0.064
0.446
1.005
1.649
2.343
0.700
0.148
0.713
1.424
2.195
3.000
0.600
0.275
1.022
1.869
2.753
3.656
0.500
0.455
1.386
2.366
3.357
4.351
6
7
8
9
10
0.676
0.989
1.344
1.735
2.156
0.872
1.239
1.647
2.088
2.558
1.134
1.564
2.032
2.532
3.059
1.237
1.690
2.180
2.700
3.247
1.492
1.997
2.537
3.105
3.697
1.635
2.167
2.733
3.325
3.940
2.204
2.833
3.490
4.168
4.865
3.070
3.822
4.594
5.380
6.179
3.828
4.671
5.527
6.393
7.267
4.570
5.493
6.423
7.357
8.295
5.348
6.346
7.344
8.343
9.342
11
12
13
14
15
2.603
3.074
3.565
4.075
4.601
3.053
3.571
4.107
4.660
5.229
3.609
4.178
4.765
5.368
5.985
3.816
4.404
5.009
5.629
6.262
4.309
4.939
5.584
6.243
6.914
4.575
5.226
5.892
6.571
7.261
5.578
6.304
7.041
7.790
8.547
6.989
7.807
8.634
9.467
10.307
8.148
9.034
9.926
10.821
11.721
9.237
10.182
11.129
12.078
13.030
10.341
11.340
12.340
13.339
14.339
16
17
18
19
20
5.142
5.697
6.265
6.844
7.434
5.812
6.408
7.015
7.633
8.260
6.614
7.255
7.906
8.567
9.237
6.908
7.564
8.231
8.907
9.591
7.596
8.288
8.989
9.698
10.415
7.962
8.672
9.390
10.117
10.851
9.312
10.085
10.865
11.651
12.443
11.152
12.002
12.857
13.716
14.578
12.624
13.531
14.440
15.352
16.266
13.983
14.937
15.893
16.850
17.809
15.338
16.338
17.338
18.338
19.337
21
22
23
24
25
8.034
8.643
9.260
9.886
10.520
8.897
9.542
10.196
10.856
11.524
9.915
10.600
11.293
11.992
12.697
10.283
10.982
11.689
12.401
13.120
11.140
11.870
12.607
13.350
14.098
11.591
12.338
13.091
13.848
14.611
13.240
14.041
14.848
15.659
16.473
15.445
16.314
17.187
18.062
18.940
17.182
18.101
19.021
19.943
20.867
18.768
19.729
20.690
21.652
22.616
20.337
21.337
22.337
23.337
24.337
26
27
28
29
30
11.160
11.808
12.461
13.121
13.787
12.198
12.878
13.565
14.256
14.953
13.409
14.125
14.847
15.574
16.306
13.844
14.573
15.308
16.047
16.791
14.851
15.609
16.371
17.138
17.908
15.379
16.151
16.928
17.708
18.493
17.292
18.114
18.939
19.768
20.599
19.820
20.703
21.588
22.475
23.364
21.792
22.719
23.647
24.577
25.508
23.579
24.544
25.509
26.475
27.442
25.336
26.336
27.336
28.336
29.336
31
60
70
120
14.458
35.534
43.275
83.852
15.655
37.485
45.442
86.923
17.042
39.699
47.893
90.367
17.539
40.482
48.758
91.573
18.683
42.266
50.724
94.303
19.281
43.188
51.739
95.705
21.434
46.459
55.329
100.624
24.255
50.641
59.898
106.806
26.440
53.809
63.346
111.419
28.409 30.336
56.620 59.335
66.396 69.334
115.465 119.334
205
Tabla de la distribucin ji-cuadrado

2
rea bajo la curva: P ( c)
v
1
2
3
4
5
0.250
1.323
2.773
4.108
5.385
6.626
0.200
1.642
3.219
4.642
5.989
7.289
0.150
2.072
3.794
5.317
6.745
8.115
0.125
2.354
4.159
5.739
7.214
8.625
0.100
2.706
4.605
6.251
7.779
9.236
0.050
3.841
5.991
7.815
9.488
11.070
0.025
5.024
7.378
9.348
11.143
12.832
0.020
5.412
7.824
9.837
11.668
13.388
0.010
6.635
9.210
11.345
13.277
15.086
0.005
7.879
10.597
12.838
14.860
16.750
6
7
8
9
10
7.841
9.037
10.219
11.389
12.549
8.558
9.803
11.030
12.242
13.442
9.446
10.748
12.027
13.288
14.534
9.992
11.326
12.636
13.926
15.198
10.645
12.017
13.362
14.684
15.987
12.592
14.067
15.507
16.919
18.307
14.449
16.013
17.535
19.023
20.483
15.033
16.622
18.168
19.679
21.161
16.812
18.475
20.090
21.666
23.209
18.548
20.278
21.955
23.589
25.188
11
12
13
14
15
13.701
14.845
15.984
17.117
18.245
14.631
15.812
16.985
18.151
19.311
15.767
16.989
18.202
19.406
20.603
16.457
17.703
18.939
20.166
21.384
17.275
18.549
19.812
21.064
22.307
19.675
21.026
22.362
23.685
24.996
21.920
23.337
24.736
26.119
27.488
22.618
24.054
25.471
26.873
28.259
24.725
26.217
27.688
29.141
30.578
26.757
28.300
29.819
31.319
32.801
16
17
18
19
20
19.369
20.489
21.605
22.718
23.828
20.465
21.615
22.760
23.900
25.038
21.793
22.977
24.155
25.329
26.498
22.595
23.799
24.997
26.189
27.376
23.542
24.769
25.989
27.204
28.412
26.296
27.587
28.869
30.144
31.410
28.845
30.191
31.526
32.852
34.170
29.633
30.995
32.346
33.687
35.020
32.000
33.409
34.805
36.191
37.566
34.267
35.718
37.156
38.582
39.997
21
22
23
24
25
24.935
26.039
27.141
28.241
29.339
26.171
27.301
28.429
29.553
30.675
27.662
28.822
29.979
31.132
32.282
28.559
29.737
30.911
32.081
33.247
29.615
30.813
32.007
33.196
34.382
32.671
33.924
35.172
36.415
37.652
35.479
36.781
38.076
39.364
40.646
36.343
37.659
38.968
40.270
41.566
38.932
40.289
41.638
42.980
44.314
41.401
42.796
44.181
45.558
46.928
26
27
28
29
30
30.435
31.528
32.620
33.711
34.800
31.795
32.912
34.027
35.139
36.250
33.429
34.574
35.715
36.854
37.990
34.410
35.570
36.727
37.881
39.033
35.563
36.741
37.916
39.087
40.256
38.885
40.113
41.337
42.557
43.773
41.923
43.195
44.461
45.722
46.979
42.856
44.140
45.419
46.693
47.962
45.642
46.963
48.278
49.588
50.892
48.290
49.645
50.994
52.335
53.672
31
60
70
120
35.887
66.981
77.577
130.055
37.359
68.972
79.715
132.806
39.124
71.341
82.255
136.062
40.181
72.751
83.765
137.990
41.422
74.397
85.527
140.233
44.985
79.082
90.531
146.567
48.232
83.298
95.023
152.211
49.226
84.580
96.387
153.918
52.191
88.379
100.425
158.950
55.002
91.952
104.215
163.648
206
Tabla de la distribucin F
reas bajo la curva: P ( F c)
v1
v2
10
0.050
0.025
0.010
0.005
161.45
647.79
4052.18
16212.46
199.50
799.48
4999.34
19997.36
215.71
864.15
5403.53
21614.13
224.58
899.60
5624.26
22500.75
230.16
921.83
5763.96
23055.82
233.99
937.11
5858.95
23439.53
236.77
948.20
5928.33
23715.20
238.88
956.64
5980.95
23923.81
240.54
963.28
6022.40
24091.45
241.88
968.63
6055.93
24221.84
0.050
0.025
0.010
0.005
18.51
38.51
98.50
198.50
19.00
39.00
99.00
199.01
19.16
39.17
99.16
199.16
19.25
39.25
99.25
199.24
19.30
39.30
99.30
199.30
19.33
39.33
99.33
199.33
19.35
39.36
99.36
199.36
19.37
39.37
99.38
199.38
19.38
39.39
99.39
199.39
19.40
39.40
99.40
199.39
0.050
0.025
0.010
0.005
10.13
17.44
34.12
55.55
9.55
16.04
30.82
49.80
9.28
15.44
29.46
47.47
9.12
15.10
28.71
46.20
9.01
14.88
28.24
45.39
8.94
14.73
27.91
44.84
8.89
14.62
27.67
44.43
8.85
14.54
27.49
44.13
8.81
14.47
27.34
43.88
8.79
14.42
27.23
43.68
0.050
0.025
0.010
0.005
7.71
12.22
21.20
31.33
6.94
10.65
18.00
26.28
6.59
9.98
16.69
24.26
6.39
9.60
15.98
23.15
6.26
9.36
15.52
22.46
6.16
9.20
15.21
21.98
6.09
9.07
14.98
21.62
6.04
8.98
14.80
21.35
6.00
8.90
14.66
21.14
5.96
8.84
14.55
20.97
0.050
0.025
0.010
0.005
6.61
10.01
16.26
22.78
5.79
8.43
13.27
18.31
5.41
7.76
12.06
16.53
5.19
7.39
11.39
15.56
5.05
7.15
10.97
14.94
4.95
6.98
10.67
14.51
4.88
6.85
10.46
14.20
4.82
6.76
10.29
13.96
4.77
6.68
10.16
13.77
4.74
6.62
10.05
13.62
0.050
0.025
0.010
0.005
5.99
8.81
13.75
18.63
5.14
7.26
10.92
14.54
4.76
6.60
9.78
12.92
4.53
6.23
9.15
12.03
4.39
5.99
8.75
11.46
4.28
5.82
8.47
11.07
4.21
5.70
8.26
10.79
4.15
5.60
8.10
10.57
4.10
5.52
7.98
10.39
4.06
5.46
7.87
10.25
0.050
0.025
0.010
0.005
5.59
8.07
12.25
16.24
4.74
6.54
9.55
12.40
4.35
5.89
8.45
10.88
4.12
5.52
7.85
10.05
3.97
5.29
7.46
9.52
3.87
5.12
7.19
9.16
3.79
4.99
6.99
8.89
3.73
4.90
6.84
8.68
3.68
4.82
6.72
8.51
3.64
4.76
6.62
8.38
0.050
0.025
0.010
0.005
5.32
7.57
11.26
14.69
4.46
6.06
8.65
11.04
4.07
5.42
7.59
9.60
3.84
5.05
7.01
8.81
3.69
4.82
6.63
8.30
3.58
4.65
6.37
7.95
3.50
4.53
6.18
7.69
3.44
4.43
6.03
7.50
3.39
4.36
5.91
7.34
3.35
4.30
5.81
7.21
0.050
0.025
0.010
0.005
5.12
7.21
10.56
13.61
4.26
5.71
8.02
10.11
3.86
5.08
6.99
8.72
3.63
4.72
6.42
7.96
3.48
4.48
6.06
7.47
3.37
4.32
5.80
7.13
3.29
4.20
5.61
6.88
3.23
4.10
5.47
6.69
3.18
4.03
5.35
6.54
3.14
3.96
5.26
6.42
0.050
0.025
0.010
0.005
10
4.96
6.94
10.04
12.83
4.10
5.46
7.56
9.43
3.71
4.83
6.55
8.08
3.48
4.47
5.99
7.34
3.33
4.24
5.64
6.87
3.22
4.07
5.39
6.54
3.14
3.95
5.20
6.30
3.07
3.85
5.06
6.12
3.02
3.78
4.94
5.97
2.98
3.72
4.85
5.85
0.050
0.025
0.010
0.005
11
4.84
6.72
9.65
12.23
3.98
5.26
7.21
8.91
3.59
4.63
6.22
7.60
3.36
4.28
5.67
6.88
3.20
4.04
5.32
6.42
3.09
3.88
5.07
6.10
3.01
3.76
4.89
5.86
2.95
3.66
4.74
5.68
2.90
3.59
4.63
5.54
2.85
3.53
4.54
5.42
0.050
0.025
0.010
0.005
12
4.75
6.55
9.33
11.75
3.89
5.10
6.93
8.51
3.49
4.47
5.95
7.23
3.26
4.12
5.41
6.52
3.11
3.89
5.06
6.07
3.00
3.73
4.82
5.76
2.91
3.61
4.64
5.52
2.85
3.51
4.50
5.35
2.80
3.44
4.39
5.20
2.75
3.37
4.30
5.09
207
v1
v2
12
15
20
24
30
40
50
60
70
120
0.050
0.025
0.010
0.005
243.90
976.72
6106.68
24426.73
245.95
984.87
6156.97
24631.62
248.02
993.08
6208.66
24836.51
249.05
997.27
6234.27
24937.09
250.10
1001.40
6260.35
25041.40
251.14
1005.60
6286.43
25145.71
251.77
1008.10
6302.26
25212.76
252.20
1009.79
6312.97
25253.74
252.50
1011.01
6320.89
25283.55
253.25
1014.04
6339.51
25358.05
0.050
0.025
0.010
0.005
19.41
39.41
99.42
199.42
19.43
39.43
99.43
199.43
19.45
39.45
99.45
199.45
19.45
39.46
99.46
199.45
19.46
39.46
99.47
199.48
19.47
39.47
99.48
199.48
19.48
39.48
99.48
199.48
19.48
39.48
99.48
199.48
19.48
39.48
99.48
199.48
19.49
39.49
99.49
199.49
0.050
0.025
0.010
0.005
8.74
14.34
27.05
43.39
8.70
14.25
26.87
43.08
8.66
14.17
26.69
42.78
8.64
14.12
26.60
42.62
8.62
14.08
26.50
42.47
8.59
14.04
26.41
42.31
8.58
14.01
26.35
42.21
8.57
13.99
26.32
42.15
8.57
13.98
26.29
42.10
8.55
13.95
26.22
41.99
0.050
0.025
0.010
0.005
5.91
8.75
14.37
20.70
5.86
8.66
14.20
20.44
5.80
8.56
14.02
20.17
5.77
8.51
13.93
20.03
5.75
8.46
13.84
19.89
5.72
8.41
13.75
19.75
5.70
8.38
13.69
19.67
5.69
8.36
13.65
19.61
5.68
8.35
13.63
19.57
5.66
8.31
13.56
19.47
0.050
0.025
0.010
0.005
4.68
6.52
9.89
13.38
4.62
6.43
9.72
13.15
4.56
6.33
9.55
12.90
4.53
6.28
9.47
12.78
4.50
6.23
9.38
12.66
4.46
6.18
9.29
12.53
4.44
6.14
9.24
12.45
4.43
6.12
9.20
12.40
4.42
6.11
9.18
12.37
4.40
6.07
9.11
12.27
0.050
0.025
0.010
0.005
4.00
5.37
7.72
10.03
3.94
5.27
7.56
9.81
3.87
5.17
7.40
9.59
3.84
5.12
7.31
9.47
3.81
5.07
7.23
9.36
3.77
5.01
7.14
9.24
3.75
4.98
7.09
9.17
3.74
4.96
7.06
9.12
3.73
4.94
7.03
9.09
3.70
4.90
6.97
9.00
0.050
0.025
0.010
0.005
3.57
4.67
6.47
8.18
3.51
4.57
6.31
7.97
3.44
4.47
6.16
7.75
3.41
4.41
6.07
7.64
3.38
4.36
5.99
7.53
3.34
4.31
5.91
7.42
3.32
4.28
5.86
7.35
3.30
4.25
5.82
7.31
3.29
4.24
5.80
7.28
3.27
4.20
5.74
7.19
0.050
0.025
0.010
0.005
3.28
4.20
5.67
7.01
3.22
4.10
5.52
6.81
3.15
4.00
5.36
6.61
3.12
3.95
5.28
6.50
3.08
3.89
5.20
6.40
3.04
3.84
5.12
6.29
3.02
3.81
5.07
6.22
3.01
3.78
5.03
6.18
2.99
3.77
5.01
6.15
2.97
3.73
4.95
6.06
0.050
0.025
0.010
0.005
3.07
3.87
5.11
6.23
3.01
3.77
4.96
6.03
2.94
3.67
4.81
5.83
2.90
3.61
4.73
5.73
2.86
3.56
4.65
5.62
2.83
3.51
4.57
5.52
2.80
3.47
4.52
5.45
2.79
3.45
4.48
5.41
2.78
3.43
4.46
5.38
2.75
3.39
4.40
5.30
0.050
0.025
0.010
0.005
10
2.91
3.62
4.71
5.66
2.85
3.52
4.56
5.47
2.77
3.42
4.41
5.27
2.74
3.37
4.33
5.17
2.70
3.31
4.25
5.07
2.66
3.26
4.17
4.97
2.64
3.22
4.12
4.90
2.62
3.20
4.08
4.86
2.61
3.18
4.06
4.83
2.58
3.14
4.00
4.75
0.050
0.025
0.010
0.005
11
2.79
3.43
4.40
5.24
2.72
3.33
4.25
5.05
2.65
3.23
4.10
4.86
2.61
3.17
4.02
4.76
2.57
3.12
3.94
4.65
2.53
3.06
3.86
4.55
2.51
3.03
3.81
4.49
2.49
3.00
3.78
4.45
2.48
2.99
3.75
4.41
2.45
2.94
3.69
4.34
0.050
0.025
0.010
0.005
12
2.69
3.28
4.16
4.91
2.62
3.18
4.01
4.72
2.54
3.07
3.86
4.53
2.51
3.02
3.78
4.43
2.47
2.96
3.70
4.33
2.43
2.91
3.62
4.23
2.40
2.87
3.57
4.17
2.38
2.85
3.54
4.12
2.37
2.83
3.51
4.09
2.34
2.79
3.45
4.01
208
v1
v2
10
0.050
0.025
0.010
0.005
13
4.7
6.4
9.1
11.4
3.8
5.0
6.7
8.2
3.4
4.3
5.7
6.9
3.2
4.0
5.2
6.2
3.0
3.8
4.9
5.8
2.9
3.6
4.6
5.5
2.8
3.5
4.4
5.3
2.8
3.4
4.3
5.1
2.7
3.3
4.2
4.9
2.7
3.2
4.1
4.8
0.050
0.025
0.010
0.005
14
4.60
6.30
8.86
11.06
3.74
4.86
6.51
7.92
3.34
4.24
5.56
6.68
3.11
3.89
5.04
6.00
2.96
3.66
4.69
5.56
2.85
3.50
4.46
5.26
2.76
3.38
4.28
5.03
2.70
3.29
4.14
4.86
2.65
3.21
4.03
4.72
2.60
3.15
3.94
4.60
0.050
0.025
0.010
0.005
15
4.54
6.20
8.68
10.80
3.68
4.77
6.36
7.70
3.29
4.15
5.42
6.48
3.06
3.80
4.89
5.80
2.90
3.58
4.56
5.37
2.79
3.41
4.32
5.07
2.71
3.29
4.14
4.85
2.64
3.20
4.00
4.67
2.59
3.12
3.89
4.54
2.54
3.06
3.80
4.42
0.050
0.025
0.010
0.005
20
4.35
5.87
8.10
9.94
3.49
4.46
5.85
6.99
3.10
3.86
4.94
5.82
2.87
3.51
4.43
5.17
2.71
3.29
4.10
4.76
2.60
3.13
3.87
4.47
2.51
3.01
3.70
4.26
2.45
2.91
3.56
4.09
2.39
2.84
3.46
3.96
2.35
2.77
3.37
3.85
0.050
0.025
0.010
0.005
24
4.26
5.72
7.82
9.55
3.40
4.32
5.61
6.66
3.01
3.72
4.72
5.52
2.78
3.38
4.22
4.89
2.62
3.15
3.90
4.49
2.51
2.99
3.67
4.20
2.42
2.87
3.50
3.99
2.36
2.78
3.36
3.83
2.30
2.70
3.26
3.69
2.25
2.64
3.17
3.59
0.050
0.025
0.010
0.005
30
4.17
5.57
7.56
9.18
3.32
4.18
5.39
6.35
2.92
3.59
4.51
5.24
2.69
3.25
4.02
4.62
2.53
3.03
3.70
4.23
2.42
2.87
3.47
3.95
2.33
2.75
3.30
3.74
2.27
2.65
3.17
3.58
2.21
2.57
3.07
3.45
2.16
2.51
2.98
3.34
0.050
0.025
0.010
0.005
40
4.08
5.42
7.31
8.83
3.23
4.05
5.18
6.07
2.84
3.46
4.31
4.98
2.61
3.13
3.83
4.37
2.45
2.90
3.51
3.99
2.34
2.74
3.29
3.71
2.25
2.62
3.12
3.51
2.18
2.53
2.99
3.35
2.12
2.45
2.89
3.22
2.08
2.39
2.80
3.12
0.050
0.025
0.010
0.005
45
4.06
5.38
7.23
8.71
3.20
4.01
5.11
5.97
2.81
3.42
4.25
4.89
2.58
3.09
3.77
4.29
2.42
2.86
3.45
3.91
2.31
2.70
3.23
3.64
2.22
2.58
3.07
3.43
2.15
2.49
2.94
3.28
2.10
2.41
2.83
3.15
2.05
2.35
2.74
3.04
0.050
0.025
0.010
0.005
50
4.03
5.34
7.17
8.63
3.18
3.97
5.06
5.90
2.79
3.39
4.20
4.83
2.56
3.05
3.72
4.23
2.40
2.83
3.41
3.85
2.29
2.67
3.19
3.58
2.20
2.55
3.02
3.38
2.13
2.46
2.89
3.22
2.07
2.38
2.78
3.09
2.03
2.32
2.70
2.99
0.050
0.025
0.010
0.005
60
4.00
5.29
7.08
8.49
3.15
3.93
4.98
5.79
2.76
3.34
4.13
4.73
2.53
3.01
3.65
4.14
2.37
2.79
3.34
3.76
2.25
2.63
3.12
3.49
2.17
2.51
2.95
3.29
2.10
2.41
2.82
3.13
2.04
2.33
2.72
3.01
1.99
2.27
2.63
2.90
0.050
0.025
0.010
0.005
70
3.98
5.25
7.01
8.40
3.13
3.89
4.92
5.72
2.74
3.31
4.07
4.66
2.50
2.97
3.60
4.08
2.35
2.75
3.29
3.70
2.23
2.59
3.07
3.43
2.14
2.47
2.91
3.23
2.07
2.38
2.78
3.08
2.02
2.30
2.67
2.95
1.97
2.24
2.59
2.85
0.050
0.025
0.010
0.005
120
3.92
5.15
6.85
8.18
3.07
3.80
4.79
5.54
2.68
3.23
3.95
4.50
2.45
2.89
3.48
3.92
2.29
2.67
3.17
3.55
2.18
2.52
2.96
3.28
2.09
2.39
2.79
3.09
2.02
2.30
2.66
2.93
1.96
2.22
2.56
2.81
1.91
2.16
2.47
2.71
209
v1
v2
12
15
20
24
30
40
50
60
70
120
0.050
0.025
0.010
0.005
13
2.6
3.2
4.0
4.6
2.5
3.1
3.8
4.5
2.5
2.9
3.7
4.3
2.4
2.9
3.6
4.2
2.4
2.8
3.5
4.1
2.3
2.8
3.4
4.0
2.3
2.7
3.4
3.9
2.3
2.7
3.3
3.9
2.3
2.7
3.3
3.8
2.3
2.7
3.3
3.8
0.050
0.025
0.010
0.005
14
2.53
3.05
3.80
4.43
2.46
2.95
3.66
4.25
2.39
2.84
3.51
4.06
2.35
2.79
3.43
3.96
2.31
2.73
3.35
3.86
2.27
2.67
3.27
3.76
2.24
2.64
3.22
3.70
2.22
2.61
3.18
3.66
2.21
2.60
3.16
3.62
2.18
2.55
3.09
3.55
0.050
0.025
0.010
0.005
15
2.48
2.96
3.67
4.25
2.40
2.86
3.52
4.07
2.33
2.76
3.37
3.88
2.29
2.70
3.29
3.79
2.25
2.64
3.21
3.69
2.20
2.59
3.13
3.59
2.18
2.55
3.08
3.52
2.16
2.52
3.05
3.48
2.15
2.51
3.02
3.45
2.11
2.46
2.96
3.37
0.050
0.025
0.010
0.005
20
2.28
2.68
3.23
3.68
2.20
2.57
3.09
3.50
2.12
2.46
2.94
3.32
2.08
2.41
2.86
3.22
2.04
2.35
2.78
3.12
1.99
2.29
2.69
3.02
1.97
2.25
2.64
2.96
1.95
2.22
2.61
2.92
1.93
2.20
2.58
2.88
1.90
2.16
2.52
2.81
0.050
0.025
0.010
0.005
24
2.18
2.54
3.03
3.42
2.11
2.44
2.89
3.25
2.03
2.33
2.74
3.06
1.98
2.27
2.66
2.97
1.94
2.21
2.58
2.87
1.89
2.15
2.49
2.77
1.86
2.11
2.44
2.70
1.84
2.08
2.40
2.66
1.83
2.06
2.38
2.63
1.79
2.01
2.31
2.55
0.050
0.025
0.010
0.005
30
2.09
2.41
2.84
3.18
2.01
2.31
2.70
3.01
1.93
2.20
2.55
2.82
1.89
2.14
2.47
2.73
1.84
2.07
2.39
2.63
1.79
2.01
2.30
2.52
1.76
1.97
2.25
2.46
1.74
1.94
2.21
2.42
1.72
1.92
2.18
2.38
1.68
1.87
2.11
2.30
0.050
0.025
0.010
0.005
40
2.00
2.29
2.66
2.95
1.92
2.18
2.52
2.78
1.84
2.07
2.37
2.60
1.79
2.01
2.29
2.50
1.74
1.94
2.20
2.40
1.69
1.88
2.11
2.30
1.66
1.83
2.06
2.23
1.64
1.80
2.02
2.18
1.62
1.78
1.99
2.15
1.58
1.72
1.92
2.06
0.050
0.025
0.010
0.005
45
1.97
2.25
2.61
2.88
1.89
2.14
2.46
2.71
1.81
2.03
2.31
2.53
1.76
1.96
2.23
2.43
1.71
1.90
2.14
2.33
1.66
1.83
2.05
2.22
1.63
1.79
2.00
2.16
1.60
1.76
1.96
2.11
1.59
1.74
1.93
2.08
1.54
1.68
1.85
1.99
0.050
0.025
0.010
0.005
50
1.95
2.22
2.56
2.82
1.87
2.11
2.42
2.65
1.78
1.99
2.27
2.47
1.74
1.93
2.18
2.37
1.69
1.87
2.10
2.27
1.63
1.80
2.01
2.16
1.60
1.75
1.95
2.10
1.58
1.72
1.91
2.05
1.56
1.70
1.88
2.02
1.51
1.64
1.80
1.93
0.050
0.025
0.010
0.005
60
1.92
2.17
2.50
2.74
1.84
2.06
2.35
2.57
1.75
1.94
2.20
2.39
1.70
1.88
2.12
2.29
1.65
1.82
2.03
2.19
1.59
1.74
1.94
2.08
1.56
1.70
1.88
2.01
1.53
1.67
1.84
1.96
1.52
1.64
1.81
1.93
1.47
1.58
1.73
1.83
0.050
0.025
0.010
0.005
70
1.89
2.14
2.45
2.68
1.81
2.03
2.31
2.51
1.72
1.91
2.15
2.33
1.67
1.85
2.07
2.23
1.62
1.78
1.98
2.13
1.57
1.71
1.89
2.02
1.53
1.66
1.83
1.95
1.50
1.63
1.78
1.90
1.49
1.60
1.75
1.86
1.44
1.54
1.67
1.77
0.050
0.025
0.010
0.005
120
1.83
2.05
2.34
2.54
1.75
1.94
2.19
2.37
1.66
1.82
2.03
2.19
1.61
1.76
1.95
2.09
1.55
1.69
1.86
1.98
1.50
1.61
1.76
1.87
1.46
1.56
1.70
1.80
1.43
1.53
1.66
1.75
1.41
1.50
1.62
1.71
1.35
1.43
1.53
1.61
210
ndice alfabtico
C
Coeficiente de variacin, 69
de Pareto, 24
Diagrama de cajas, 77
Histograma, 38
Ojiva, 41
Polgono de frecuencias, 38
D
Datos
Fuentes de datos, 17
Desviacin estndar, 66
Distribucin
binomial, 129, 158
chi cuadrado, 164
de frecuencias, 20, 31, 32
de la media muestral, 171, 197
de la proporcin muestral, 181, 198
de la varianza muestral, 184
de probabilidad, 119, 157
F, 165
hipergeomtrica, 130, 158
normal, 150, 158
Poisson, 131, 158
t student, 163
uniforme continua, 147, 158
E
Escalas de medicin
intervalo, 12
nominal, 12
ordinal, 12
razn, 12
Espacio muestral, 86
Estadstica
descriptiva, 9
inferencia, 9
Estadstico, 169
Evento, 86
Complemento, 95, 100
Eventos
independientes, 112, 116
Experimento aleatorio, 86
F
Funcin
de densidad, 136
de distribucin acumulada, 140, 158
G
Grfico
circular, 23
de barras, 23
de barras apiladas, 28
de barras apiladas al 100%, 28
I
Intervalo de confianza
diferencia de medias poblacionales, 188, 199
diferencia de proporciones poblacionales, 195, 199
media poblacional, 177, 197
observaciones pareadas, 192, 199
proporcin poblacional, 181, 198
varianza poblacional, 184, 198
M
Media, 48
ponderada, 58
Mediana, 51
Moda, 54
Muestra, 14
P
Parmetro, 169
Percentiles, 59
Poblacin, 14
Propiedad reproductiva de la normal, 159, 197
S
Series de tiempo, 16
T
Teorema
de Bayes, 107, 116
del lmite central, 172
V
Valor esperado
de una funcin de una variable aleatoria, 124, 144,
157, 158
Variable, 13
aleatoria continua, 136, 158
aleatoria discreta, 119
continua, 13
cualitativa, 13
cuantitativa, 13
discreta, 13
Varianza, 66
de una variable aleatoria, 125, 145, 157
I. INFORMACIN GENERAL
CURSO
CDIGO
CICLO
PROFESOR (ES)
CRDITOS
SEMANAS
HORAS
HORAS TOTALES
REA O CARRERA
:
:
:
:
:
:
:
:
:
Estadstica Aplicada a los Negocios

MA130
201002
Cardenas Bonilla, Edgard Eusebio - Gutierrez Flores,
Silvia Melina - Jaramillo Vega, Segundo Santiago Luna Flores, Walter Isaas - Menacho Chiok, Cesar
Higinio - Ognio Solis De Miranda, Carmen Blanca Segura Garcia, Yolanda Adriana - Silvestre Valer,
Jim Roland - Vega Durand, Elba
4
17
4 H (Teora) Semanal /2 H (Laboratorio) Quincenal
70
Ciencias
II. INTRODUCCIN
El curso de Estadstica Aplicada a los Negocios para Administradores comprende el estudio de las tcnicas de la
estadstica descriptiva y la teora de probabilidad, que forman parte fundamental de las herramientas para la
toma de decisiones y como base para otras disciplinas que se estudian en la carrera. Para complementar lo
desarrollo en las clases terica, se contar con laboratorios donde se emplear la hoja de clculo MS Excel en el
desarrollo de casos relacionados con su especialidad.
III. LOGRO (S) DEL CURSO
Aplica los conceptos y fundamentos de la estadstica descriptiva y teora de probabilidad, a fin de identificar y
analizar crticamente situaciones reales, modelar y tomar decisiones adecuadas, siendo conciente de la
importancia de presentar la informacin de forma clara e imparcial.
IV. UNIDADES DE APRENDIZAJE
UNIDAD N: 1 Organizacin de datos

LOGRO
Comprende y utiliza los conceptos bsicos de estadstica y asimismo organiza adecuadamente datos para
facilitar la comprensin de los mismos, con ayuda de los programas MS Excel.
TEMARIO
La estadstica y sus subdivisiones. Definiciones de poblacin, muestra, variables, clasificacin de variables,
parmetros y estimadores. La investigacin estadstica. Metodologa. Mtodos de organizacin y
presentacin de datos: Datos cualitativos, datos cuantitativos, Tablas de distribucin de frecuencias y
representaciones grficas (circular, barras, dispersin). Tablas de doble entrada.
HORA(S) / SEMANA(S)
Semana 1 a 2
UNIDAD N: 2 Medidas descriptivas

LOGRO
Utiliza rigurosamente las medidas de resumen de datos, reconoce su importancia en el anlisis del
comportamiento de los datos y es conciente de sus implicancias.
TEMARIO
Medidas de tendencia central: media aritmtica, mediana, moda, media ponderada. Medidas de posicin:
cuartiles, deciles y percentiles. Medidas de dispersin: varianza, desviacin estndar y coeficiente de
variacin. Medidas de asimetra. Diagramas de caja
HORA(S) / SEMANA(S)
Semana 3 a 4
UNIDAD N: 3 Teora de probabilidad

LOGRO
Comprende los diferentes conceptos relacionados con probabilidades y lo utiliza adecuadamente en
situaciones reales.
TEMARIO
Tcnicas de conteo: Regla de la adicin y la multiplicacin. Permutaciones y combinaciones. Probabilidad:
concepto, experimento aleatorio, espacio muestral y evento. Operaciones con eventos. Probabilidad
condicional. Probabilidad total. Teorema de Bayes. Diagrama del rbol. Eventos independientes.
HORA(S) / SEMANA(S)
Semana 5 a 7
UNIDAD N: 4 Variable aleatoria

LOGRO
Explica adecuadamente el concepto de variable aleatoria, analizando el comportamiento de las variables
mediante modelos matemticos. Asimismo utiliza satisfactoriamente el concepto de valor esperado en la
toma de decisiones.
Reconoce, modela y analiza procesos aplicando las distribuciones de probabilidad y de densidad ms
utilizadas para la toma de decisiones, valorando la importancia de la investigacin del trabajo estadstico
precedente.
TEMARIO
Definicin de variable aleatoria discreta y continua. Funcin de probabilidad de una variable aleatoria
discreta. Funcin de densidad y funcin de distribucin acumulada de una variable aleatoria continua.
Valor esperado y varianza de variables aleatorias discretas y continuas.
Estudio de propiedades de las siguientes distribuciones: binomial, hipergeomtrica, Poisson, uniforme

continua, normal, t-Student, chi-cuadrado, F.
HORA(S) / SEMANA(S)
Semana 9 a 11
UNIDAD N: 5 Distribuciones muestrales

LOGRO
Utiliza adecuadamente las distribuciones muestrales para calcular probabilidades e intervalos de confianza
TEMARIO
Teorema central del lmite. Distribucin muestral de un promedio, una varianza y una proporcin. Tamao
muestral. Distribucin muestral de la razn de varianzas. Distribucin muestral de la diferencia de
promedios y diferencia de proporciones.
HORA(S) / SEMANA(S)
Semana 12 a 15
V. METODOLOGA
En las clases tericos prcticas se priorizar los aspectos conceptuales y la resolucin de casos dentro del
contexto de la administracin de negocios, para promover la toma de decisiones en base a resultados. En los
laboratorios se trabajar con el Excel, para simplificar los clculos. En el curso se desarrollarn: prcticas
calificadas, prcticas de laboratorio, exmenes y trabajos grupales
VI. EVALUACIN
FRMULA
25% (EA1) + 25% (EB1) + 20% (TF1) + 7.5% (PC1) + 7.5% (PC2) + 7.5% (PC3) +
7.5% (PC4)
TIPO DE NOTA
EA - EVALUACIN PARCIAL
EB - EVALUACIN FINAL
PC - PRCTICAS PC
PC - PRCTICAS PC
PC - PRCTICAS PC
PC - PRCTICAS PC
TF - TRABAJO FINAL
PESO %
25
25
7.50
7.50
7.50
7.50
20
VII. CRONOGRAMA
TIPO DE DESCRIPCIN NOTA
PRUEBA
EA
EVALUACIN
PARCIAL
EB
EVALUACIN FINAL
TF
TRABAJO FINAL
PC
PRCTICAS PC
PC
PRCTICAS PC
PC
PRCTICAS PC
PC
PRCTICAS PC
NM. DE FECHA
PRUEBA
1
SEMANA
08
1
SEMANA
16
1
SEMANA
15
1
SEMANA
03
2
SEMANA
06
3
SEMANA
11
4
SEMANA
14
OBSERVACIN
RECUPERABLE
S
S
NO
S
S
S
S
VIII. BIBLIOGRAFA DEL CURSO

BSICA
ANDERSON, David R (2008) Estadstica para administracin y economa. Mxico, D.F. : Cengage
Learning.
(519.5 ANDE 2008)
RECOMENDADA
(No necesariamente disponible en el Centro de Informacin)
LIND, Douglas A. (2004) Estadstica para administracin y economa. Mxico, D.F. : Alfaomega.
(519.5 MASO 2004)
WEBSTER, Allen (2000) Estadstica aplicada a los negocios y la economa. Bogot : McGraw-Hill.
(519.5 WEBS/E)
215
Plan calendario
Sem.
Fecha
16 21
ago ago
2
3
6
set
11
set
13
set
18
set
20
set
25
set
27
set
2
set
4
oct
11
oct
9
oct
16
oct
10
18
oct
23
oct
11
25
oct
30
oct
12
1
6
nov nov
13
8
13
nov nov
14
15 20
nov nov
15
16
Sesin 1
Definiciones: Estadstica.
Laboratorio 1
Muestra. Variables, tipos de
Organizacin
variables. Escalas de medide datos
cin.
Distribuciones de frecuen23 28
cias de variables discretas y
ago ago
continuas
Laboratorio 2
30
4
Medidas descriptivas. Media,
Organizacin
ago set
mediana y moda
de datos
Sesin de
laboratorio
22 27
nov nov
29
4
nov dic
Media ponderada, percentiles

Laboratorio 3
Medidas de asimetra, diaMedidas desgrama de cajas
criptivas
Reglas de conteo, combinaciones y permutaciones
Laboratorio 4
Probabilidad condicional.
Prueba de
Teorema de Bayes
laboratorio
Sesin 2
Prctica
Distribuciones de frecuencias. Representaciones grficas: Barras,

sector circular. Tabulaciones cruzadas
Grficos cuantitativos. Histograma,
ojiva
Resolucin de problemas para la
prctica calificada 1
PC1: Hasta
ojiva
Medidas de variabilidad. Varianza,

desviacin estndar, coeficiente de
variacin, rango y rango intercuartil
Teora de probabilidades. experimento aleatorio, eventos y sus probabilidades
PC2: Hasta
permutaciones
Independencia de eventos y resolucin de problemas para el examen
parcial
Semana de Exmenes Parciales

Variable aleatoria discreta.
Valor esperado y varianza
Variable aleatoria continua.
Laboratorio 5
Funcin de densidad y distriDistribuciones
bucin acumulada. Valor
discretas
esperado y varianza
Distribuciones continuas:
Distribucin normal.
Distribuciones de probabilidad binomial, hipergeomtrica y Poisson

Distribuciones continuas: Distribucin
uniforme y normal.
Propiedad reproductiva de la
normal. Distribuciones muesLaboratorio 6
trales. Definiciones. Distribu- Intervalo de confianza para la media
Distribuciones
cin de la media muespoblacional
continuas
tral.Teorema central del
lmite
Distribucin muestral de la razn de
Distribucin muestral de la
varianzas. Aplicaciones. Distribucin
proporcin y varianza. Aplimuestral de la diferencia de medias.
caciones.
Aplicaciones
Distribucin muestral de la
Laboratorio 7
diferencia de medias con
Prueba de
observaciones pareadas y
laboratorio
proporciones
Presentacin del trabajo de Presentacin del trabajo de la Tarea
la Tarea acadmica
acadmica
Semana de Exmenes Finales
PC3: Hasta
distribucin
normal
PC4: Hasta
diferencia de
medias

Manual Estadística

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual Estadística

Cargado por

Copyright:

Formatos disponibles

Gua del alumno

PROFESORES DEL CURSO

GUA DEL ALUMNO

ESTADSTICA APLICADA A LOS NEGOCIOS

Estadstica Aplicada a los Negocios UPC 2010 02

Semana 1. Sesin 2 ................................................................................................................. 19

Semana 2. Sesin 1 ................................................................................................................. 31

Semana 2. Sesin 2 ................................................................................................................. 38

Semana 3. Sesin 1 ................................................................................................................. 45

Semana 3. Sesin 2 ................................................................................................................. 57

Semana 4. Sesin 1 ................................................................................................................. 58

Semana 4. Sesin 2 ................................................................................................................. 65

Semana 5. Sesin 1 ................................................................................................................. 74

Semana 5. Sesin 2 ................................................................................................................. 83

Semana 6. Sesin 1 ................................................................................................................. 91

Semana 6. Sesin 2 ................................................................................................................. 99

Semana 7. Sesin 1 ............................................................................................................... 101

Semana 7. Sesin 2 ............................................................................................................... 112

Semana 9. Sesin 1 ............................................................................................................... 117

Semana 9. Sesin 2 ............................................................................................................... 129

Estadstica Aplicada a los Negocios UPC 2010 02

Semana 10. Sesin 1 ............................................................................................................. 136

Semana 10. Sesin 2 ............................................................................................................. 147

Semana 11. Sesin 1 ............................................................................................................. 154

Semana 11. Sesin 2 ............................................................................................................. 157

Semana 12. Sesin 1 ............................................................................................................. 159

Unidad 5 Distribuciones muestrales ............................................................................................ 167

Semana 12. Sesin 2 ............................................................................................................. 177

Semana 13. Sesin 1 ............................................................................................................. 181

Semana 13. Sesin 2 ............................................................................................................. 186

Semana 14. Sesin 1 ............................................................................................................. 192

Semana 14. Sesin 2 ............................................................................................................. 197

Semana 15. Sesin 1 y 2 ....................................................................................................... 199

Tablas estadsticas ......................................................................................................................... 200

Caso: Investigar sobre salud materna

precisa posible de cuntas

Plantear y graficar funciones como rectas, parbolas, valor absoluto, etc.

Calcular el valor esperado y varianza para variables discretas en mi calculadora

Realizar in tegrales polin micas, en la calculadora si sta lo permite

Si la calculadora lo tiene, calcular probabilidades para la dis tribuci n normal

Usar funciones y plantear frmulas en Excel

El origen de la palabra estadstica

ciencia del Estado, tomada

tica de los principales pases y

Estadstica Aplicada a los Negocios UPC 2010 02

Cundo son las prcticas calificadas?

Cul es la bibliografa bsica?

Quin es el coordinador del curso?

Cules son las reglas en el aula?

Estadstica Aplicada a los Negocios UPC 2010 02

Logro del curso

Por qu estudiar Estadstica en Administracin?

Estadstica Aplicada a los Negocios UPC 2010 02

1.1. Definicin de estadstica

Qu parte de la estadstica nos dice cul ser el tipo de cambio el da de maana?

Estadstica Aplicada a los Negocios UPC 2010 02

Elementos, variables y observaciones

San Juan de Miraflores

Estadstica Aplicada a los Negocios UPC 2010 02

Estadstica Aplicada a los Negocios UPC 2010 02

Escalas de medicin de las variables

Esta clasificacin la propuso

El gnero de las personas, el estado civil de

El orden de mrito de los