Está en la página 1de 151

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

Prefacio:

a asignatura es de naturaleza prctico terico, orientado a desarrollar en


el estudiante habilidades superiores del pensamiento para el
razonamiento lgico y creativo, solucin de problemas y la toma

de decisiones. El curso est orientado a proporcionar al estudiante


conocimientos estadsticos fundamentales sobre las tcnicas de
investigacin estadstica para recoger, analizar y mostrar
informacin confiable y de calidad necesaria para la toma
de decisiones. La asignatura est diseada para que el
alumno al final de cada clase desarrolle casos prcticos en
base a datos reales.

Comprende cuatro Unidades de Aprendizaje:

Unidad I: Introduccin, Organizacin Y Presentacin De Datos.

Unidad II: Medidas De Tendencia Central Y Medidas De Dispersin.


Unidad III: Anlisis De Regresin Y Correlacin Lineal.
Unidad IV: Probabilidades.

UNIVERSIDAD PRIVADA TELESUP

Estructura de los Contenidos


Introduccin ,
Organizacin y
Presentacin de
Datos
Introduccin,
Concepto, Etapas del
Desarrollo de la
Estadstica.

Medidas de
Tendencia
Central y
Medidas de
Dispersin

Medidas de
Tendencia Central
para datos no
Agrupados.

Variables
Cualitativas y
Cuantitativas.

Organizacin de
Datos y Distribucin
de Frecuencias.

Medidas de
Tendencia Central
para datos
Agrupados

Anlisis de
Regresin y
Correlacin
Lineal
La Recta De
Regresin Lineal
Simple Por El
Mtodo De Mnimos
Cuadrados.

El Coeficiente de
Correlacin.

El Coeficiente de
Determinacin.

Probabilidades

Experimento
aleatorio, espacio
muestral y suceso

Definicin de
Probabilidad Valor,
Eventos Mutuamente
Excluyentes y
Eventos no
Excluyentes

Probabilidad
Condicional

Medidas de
Dispersin.
Diagrama De
Dispersin.

Grficas
Estadsticas.
Medidas de
Posicin.

Probabilidad
Total, Teorema De
Bayes Y Tcnicas
De Conteo

La competencia que el estudiante debe lograr al final de


la asignatura es:
Aplicar tcnicas estadsticas para la recoleccin,
presentacin, anlisis e interpretacin de datos
estadsticos.

UNIVERSIDAD PRIVADA TELESUP

ndice del Contenido

I. PREFACIO
II. DESARROLLO DE LOS CONTENIDOS
UNIDAD DE APRENDIZAJE 1: INTRODUCCIN , ORGANIZACIN Y PRESENTACIN DE DATOS
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Introduccin, Concepto, Etapas del Desarrollo de la Estadstica.
b. Tema 02: Variables Cualitativas y Cuantitativas.
c. Tema 03: Organizacin de Datos y Distribucin de Frecuencias.
d. Tema 04: Grficas Estadsticas.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 2: MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSION
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Medidas de Tendencia Central para datos no Agrupados.
b. Tema 02: Medidas de Tendencia Central para datos Agrupados.
c. Tema 03: Medidas de Dispersin.
d. Tema 04: Medidas de Posicin.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 3: ANLISIS DE REGRESIN Y CORRELACIN LINEAL
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: La Recta De Regresin Lineal Simple Por El Mtodo De Mnimos Cuadrados.
b. Tema 02: El Coeficiente de Correlacin.
c. Tema 03: El Coeficiente de Determinacin.
d. Tema 04: Diagrama De Dispersin.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 4: PROBABILIDADES
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Experimento aleatorio, espacio muestral, suceso
b. Tema 02: Definicin De Probabilidad, Valor, Eventos Mutuamente Excluyentes Y Eventos
No Excluyentes
c. Tema 03: Probabilidad Condicional.
d. Tema 04: Probabilidad Total, Teorema de Bayes y Tecnicas de Conteo.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
III. GLOSARIO
IV. FUENTES DE INFORMACIN
V. SOLUCIONARIO

02
03 - 151
05-45
06
06
06
06
06
06
07-39
07
14
19
28
40
40
41
45
46-83
47
47
47
47
47
47
48-77
48
54
66
73
78
78
79
83
84-114
85
85
85
85
85
85
86-105
86
90
84
95
106
107
108
114
115-148
116
116
116
116
116
116
117-143
117
122
127
121
133
144
145
148
149
150
151

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

Introduccin

a)Presentacin y contextualizacin
Los temas que se tratan en la presente unidad temtica, tiene por finalidad que el
estudiante comprenda, las nociones bsicas de la estadstica, tablas y grficos
estadsticos.
Para poder hacer que el alumno pueda usar estos conocimientos en su vida diaria,
problemas simples, y dar un enfoque ms analtico con respecto a los problemas.

b)Competencia
Recopila, organiza, sistematiza la informacin estadstica, y representa
mediante grficos estadsticos.

c) Capacidades
1. Define y explica la importancia de la estadstica y sus etapas.
2. Describe y aplica los diferentes tipos de variables en la estadstica descriptiva.
3. Explica las maneras de cmo organizar datos y distribuir frecuencias.
4. Explica la estructura de cada uno de los grficos usados en la estadstica
descriptiva.

d)Actitudes
Toma iniciativa y lidera al equipo en el cumplimiento de las actividades
asignadas a su vez promueve actividades y toma de decisiones pertinentes.
Planifica y cumple oportunamente sus tareas o actividades diarias y presenta
sus trabajos en forma organizada.

e) Presentacin de Ideas bsicas y contenido esenciales de la Unidad:


La Unidad de Aprendizaje 01: Introduccin, Organizacin Y Presentacin De
Datos, comprende el desarrollo de los siguientes temas:
TEMA 01: Introduccin, Concepto, Etapas del Desarrollo de la Estadstica.
TEMA 02: Variables Cualitativas y Cuantitativas.
TEMA 03: Organizacin de Datos y Distribucin de Frecuencias.
TEMA 04: Grficas Estadsticas.

UNIVERSIDAD PRIVADA TELESUP

Introduccin
Concepto
TEMA 1
Etapas
s
del Desarrollo
de la Estadstica
Competencia:
Definir y explicar la importancia de la
estadstica y sus etapas.

UNIVERSIDAD PRIVADA TELESUP

Desarrollo de los Temas

Tema 01: Introduccin, Concepto, Etapas Del


Desarrollo De La Estadstica
A. Introduccin:
La palabra "estadstica" suele utilizarse bajo dos significados distintos, a saber:

1 Como coleccin de datos numricos.- Esto es el significado ms vulgar de la


palabra estadstica. Se sobrentiende que dichos datos numricos han de estar
presentados de manera ordenada y sistemtica.
Una informacin numrica cualquiera puede no constituir
una estadstica, para merecer este apelativo, los datos
han de constituir un conjunto coherente, establecido de
forma sistemtica y siguiendo un criterio de ordenacin.

2 Como ciencia.- En este significado, La Estadstica estudia el comportamiento de


los fenmenos de masas. Como todas las ciencias, busca las caractersticas
generales de un colectivo y prescinde de las particulares de cada elemento. Al
investigar el sexo de los nacimientos, iniciaremos el trabajo tomando un grupo
numeroso de nacimientos y obtener despus la proporcin de varones.

Es muy frecuente enfrentarnos con fenmenos en los que es muy difcil predecir el
resultado; as, no podemos dar una lista, con las personas que van a morir con una
cierta edad, o el sexo de un nuevo ser hasta que transcurra un determinado tiempo
de embarazo.

El objetivo de la estadstica como ciencia es recopilar,


e interpretar datos que en el futuro servirn para
proyectar posibles problemticas futuras, consiguiendo
segn estos datos, la solucin ms viable y rpida.

UNIVERSIDAD PRIVADA TELESUP

B.

Concepto:

Es una ciencia aplicada que nos proporciona un conjunto de


mtodos o tcnicas para:

Recopilar.

Organizar.

Presentar Datos.

Analizar Datos.

Quienes Usan La Estadstica?

Los mtodos estadsticos han encontrado en la


actualidad

aplicacin

administracin

de

en

el

negocios,

Gobierno,
las

la

Ciencias

Sociales, la Sicologa, las Ingenieras, las


Ciencias Fsicas y Naturales y en muchos otros
campos de la actividad intelectual.

Algunos ejemplos:

En Los Organismos De Gobierno. Los diferentes indicadores


econmicos, tales como ndices de precios al por mayor y al consumidor, las
tasas de inters, las fluctuaciones del mercado burstil y el ndice de
produccin industrial, no solamente describen el estado actual de la economa,
sino que proporcionan pistas acerca de sus futuras tendencias. Con el auxilio
de tales indicadores, los encargados de las polticas de los distintos
organismos seran capaces de tomar decisiones ms racionales con respecto
a sus operaciones.

UNIVERSIDAD PRIVADA TELESUP

En La Administracin De Negocios. La creciente complejidad de la economa


ha provocado un terrible grado de incertidumbre acerca de las operaciones futuras de
cualquier empresa de negocios. Ms y ms compaas estn usando el anlisis
estadstico como herramienta para la toma de decisiones, especialmente en reas
tales como investigacin de mercados, predicciones y planeacin a largo plazo en lo
referente a recursos financieros y humanos.

En La Educacin Y En La Psicologa. La necesidad de analizar e interpretar


datos numricos ha hecho necesario para educadores y para siclogos
tener al menos alguna comprensin bsica de los mtodos estadsticos. La
necesidad del siclogo de herramientas estadsticas especiales ha llevado al
desarrollo de nuevas tcnicas estadsticas en las ltimas dcadas.

En las Ciencias Biolgicas y


en

la

Medicina.

agricultura,

se

En

utilizan

la
para

determinar los efectos de clases

En la Sociologa, en
la Antropologa y en
las

Ciencias

del

de semillas, de insecticidas y de

Comportamiento.

fertilizantes en los campos. Se

Las

emplea tambin para determinar

estadsticas

los posibles efectos laterales o

aplicado a una amplia

la efectividad de las medicinas y

variedad de proyectos

para

de

proporcionar

mejores

tcnicas
se

investigacin

han

que

la

impliquen el estudio de

diseminacin de enfermedades

individuos y de grupos.

mtodos

para

controlar

contagiosas.

En La Ingeniera. La aplicacin de los principios estadsticos al control de calidad ha


sido una prctica aceptada durante varias dcadas.

10

UNIVERSIDAD PRIVADA TELESUP

C. Etapas de Desarrollo de la Estadstica


La historia de la estadstica est resumida en tres grandes etapas o fases:

1.- Los Censos: Desde el momento en que se constituye una autoridad poltica, la
idea de inventariar de una forma ms o menos regular la poblacin y las riquezas
existentes en el territorio est ligada la conciencia de soberana y con los primeros
esfuerzos administrativos.
Los comienzos de la estadstica pueden ser hallados
en el antiguo Egipto, cuyos faraones lograron
recopilar, hacia el ao 3050 antes de Cristo, prolijos
datos relativos a la poblacin y a las riquezas del
pas.

2.- De La Descripcin A La Aritmtica Poltica: Las ideas mercantilistas


entraan una intensificacin de este tipo de investigacin. Colbert multiplica las
encuestas sobre artculos manufacturados, el comercio y la poblacin. Vauban,
quien hace la primera propuesta de un impuesto sobre los ingresos, se seala
como el verdadero precursor de los sondeos. La escuela inglesa proporciona un
nuevo progreso al superar la fase puramente descriptiva. Uno de sus principales
exponentes Petty es autor de la famosa Aritmtica Poltica. Chaptal, ministro del
interior francs, publica, en 1801, el primer censo general de poblacin y
desarrolla estudios industriales, de las producciones y de los cambios, los cuales
se hicieron sistemticos durante las dos terceras partes del siglo XIX.

3.- Estadstica Y Clculo De Probabilidades: El clculo de probabilidades se


incorpora, rpidamente, como un instrumento de anlisis extremadamente
poderoso para el estudio de los fenmenos econmicos y sociales y, en general,
para el estudio de fenmenos "cuyas causas son demasiado complejas para
conocerlas totalmente y hacer posible su anlisis". Godofredo Achenwall,
profesor de la Universidad de Gotinga, acu, en 1760, la palabra estadstica, que
extrajo del trmino italiano statista (estadista). Crea, y con sobrada razn, que
los datos de la nueva ciencia seran el aliado ms eficaz del gobernante
consciente.

11

UNIVERSIDAD PRIVADA TELESUP

D. Poblacin, Elementos Y Caracteres.


Es obvio que todo estudio estadstico ha de estar referido a un conjunto o
coleccin de personas o cosas. Este conjunto de personas o cosas es lo que
denominaremos poblacin.

Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que
porten informacin sobre el fenmeno que se estudia.
Por ejemplo: si estudiamos el precio de la vivienda en
una ciudad, la poblacin ser el total de las viviendas
de dicha ciudad.

Individuo: cualquier elemento que porte informacin sobre el fenmeno que se


estudia. As, si estudiamos la altura de los nios de una clase, cada alumno es un
individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.

Las personas o cosas que forman parte de la


poblacin se denominan elementos. En sentido estadstico
un elemento puede ser algo con existencia real, como
un automvil o una casa, o algo ms abstracto como la
temperatura, un voto, o un intervalo de tiempo.
Luego por tanto de cada elemento de la poblacin podremos estudiar uno o ms
aspectos cualidades o caracteres.

La poblacin puede ser segn su tamao de dos tipos:


Poblacin Finita:
Cuando el nmero de elementos que lo forman, se
pueden enumerar, por ejemplo el nmero de alumnos
de un centro de enseanza, o grupo clase.

12

UNIVERSIDAD PRIVADA TELESUP

Poblacin Infinita:
Cuando la cantidad de elementos que la
forman

no es posible numerarlo. Como

por ejemplo si se realizase un estudio


sobre los productos que hay en el
mercado. Hay tantos y de tantas calidades
que esta poblacin podra considerarse
infinita.

Muestra:
Subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la
vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las
viviendas de la ciudad (sera una labor muy compleja), sino que se suele
seleccionar un subgrupo muestra) que se entienda que es suficientemente
representativo.

13

UNIVERSIDAD PRIVADA TELESUP

Variables
TEMA
2
Cualitativas
y
Cuantitativas
Competencia:
Describir y aplicar los diferentes tipos de
variables en la estadstica descriptiva.

14

UNIVERSIDAD PRIVADA TELESUP

Tema 02: Variables Cualitativas y Cuantitativas

Las variables pueden ser clasificadas como cuantitativas (intervalares) o


cualitativas (categricas), dependiendo si los valores presentados tienen o no un
orden de magnitud natural (cuantitativas), o simplemente un atributo no sometido
a cuantificacin (cualitativa).

Una variable es medida utilizando una escala


de medicin.

La eleccin de la(s) escala(s) de medicin a utilizar depende, en primer lugar, del


tipo de variable en estudio, y, adems, del manejo estadstico a la que se someter
la informacin. En trminos prcticos, existe una correspondencia directa entre el
concepto de variable y escala de medicin. Un atributo corresponde a un valor
especfico de una variable, como es el caso de la variable sexo, la que posee dos
atributos: varn o mujer.

1 = muy en desacuerdo
En variables que exploran el grado de
acuerdo o desacuerdo frente a una

2 = en desacuerdo

afirmacin los atributos podran ser:


3 = indiferente

4 = de acuerdo

5 = muy de acuerdo

15

UNIVERSIDAD PRIVADA TELESUP

Dependiendo de los valores que puede tener una variable cualitativa, sta puede a
su vez ser dicotmicas (cuando slo pueden adoptar un slo valor sin jerarqua
entre s; hombre - mujer, positivo-negativo, presente-ausente), o bien, poli o
multicotmicas, si existe la posibilidad de que adopten mltiples valores (edad,
talla, nivel socioeconmico, grupos sanguneos, calificacin previsional de
usuarios).
1. Las escalas de medicin de una variable cualitativa son:

Nominal.- Nominal, En este nivel de medicin se establecen categoras


distintivas que no implican un orden especifico.
Ejemplo:
Nombres de personas, de establecimientos,
raza, grupos sanguneos, estado civil. Estas
variables no tienen ningn orden inherente a
ellas ni un orden de jerarqua.

Ordinal.- Cuando se establecen categoras con dos o mas niveles que


implican un orden inherente entre s.

Ejemplo:
Grados de desnutricin, respuesta a un tratamiento, nivel socioeconmico,
intensidad de consumo de alcohol, das de la semana, meses del ao.

A pesar de este orden jerrquico no es posible obtener


valoracin numrica lgica entre dos valores.
1.
Las variables de tipo cuantitativo pueden a su vez ser
clasificadas

como

cuantitativas

son

continuas
reconocidas

discretas.
tambin

Las

escalas

como

escalas

intervalares o numricas.

Continua.- Cuando entre dos valores determinados existen infinitas


posibilidades de valores. Ejemplo: El peso, la talla, la presin arterial o el
nivel de colesterol srico.

16

UNIVERSIDAD PRIVADA TELESUP

Discreta.- Cuando la variable a medir slo puede adoptar un slo valor


numrico, entero, con valores intermedios que carecen de sentido
Ejemplo:
El nmero de hijos, de unidades vecinales del sector,
nmero de exmenes de laboratorio o de pacientes
atendidos.

En la prctica, salvo contadas excepciones no se dispone de mtodos de


medicin sofisticados como para poder medir exactamente los valores.
Tanto

las

variables

discretas

como

las

continuas

pueden

agruparse

construyendo intervalos, entre cuyos valores extremos se ubicarn las diferentes


observaciones registradas.
Sin embargo, estrictamente hablando, slo las variables continuas pueden ser
objeto de categorizacin mediante intervalos.

Clasificacin de Variables

Cuantitativas (intervalares)
Continuas

Discretas

Ej. Presin arterial, peso, edad, talla, IMC

Ej. Nmero de hijos, episodios de

(ndice de Masa Corporal)

infeccin urinaria

Categricas (cualitativas)
Dicotmicas

Politmicas

Ej. Sexo masculino y

Ej. Grupo sanguneo, raza, estado

femenino; vivo/muerto. civil, grado de instruccin

17

UNIVERSIDAD PRIVADA TELESUP

NOTA:
Las variables tambin se pueden clasificar en:

Variables unidimensionales:
Slo recogen informacin sobre una caracterstica (por
ejemplo: edad de los alumnos de una clase).

Variables Bidimensionales:
Recogen informacin sobre dos caractersticas de la poblacin
(por ejemplo: edad y altura de los alumnos de una clase).

Variables pluridimensionales:
Recogen informacin sobre tres o ms caractersticas (por ejemplo:
edad, altura y peso de los alumnos de una clase).

Ordenables:
Aquellas que sugieren una ordenacin, por ejemplo la graduacin militar, El nivel
de estudios, etc.

No ordenables:
Aquellas que slo admiten una mera ordenacin alfabtica, pero no establece
orden por su naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.

18

UNIVERSIDAD PRIVADA TELESUP

Organizacin
TEMA
3
de Datos
y

Distribucinde
Frecuencias
Competencia:
Explicar las maneras de cmo organizar
datos y distribuir frecuencias.
.

19

UNIVERSIDAD PRIVADA TELESUP

Tema 03: Organizacin De Datos Y


Distribucin De Frecuencias
Organizacin de los Datos Obtenidos de una Muestra

Cuando se han recopilado datos mediante un muestreo o un censo, la primera


inquietud que aparece es sobre la manera en la que se puede realizar un anlisis
descriptivo apropiado con la informacin recolectada de manera que resulte
sencillo entender lo que ocurre en la poblacin de la que se han captado las
observaciones.
En este tema se proprocionan algunos procedimientos para la
tabulacin de datos que conducen a la formacin de cuadros
o tablas de frecuencias.

Organizacin De Los Datos Cualitativos

Antes de iniciar el trabajo de organizacin de datos cualitativos, es necesario


determinar si stos corresponden a variables cualitativas nominales u ordinales. Si
los datos son cualitativos nominales, se

formar categoras que pueden ser

presentadas en cualquier orden: por ejemplo los colores de preferencia de las


personas. Si los datos son ordinales, entonces deben estar asociados a algn orden
en su presentacin.
Una vez definido el tipo de variable, se obtiene mediante
un proceso de conteo las frecuencias absolutas (nmero
de veces que se repite cada respuesta), luego las
frecuencias relativas (divisin de cada frecuencia
absoluta entre el tamao de muestra)
porcentajes de cada respuesta (cada

y/o los

frecuencia relativa multiplicada por 100).

Tambin se puede encontrar las frecuencias absolutas acumuladas (Fi)

20

UNIVERSIDAD PRIVADA TELESUP

Frecuencia acumulada (Fi).-

Frecuencia relativa (hi).-

Para

cada

clase,

valor

Es la proporcin del total de

modalidad, la frecuencia acumulada

observaciones que caen dentro de

equivale la frecuencia absoluta (fi)

cada modalidad o valor. Se obtiene

de la fila sumada a la frecuencia

dividiendo la frecuencia absoluta

acumulada de la fila anterior. Para

(fi) de la modalidad entre e nmero

la

total de observaciones (n).

acumulada equivale simplemente a

primera

fila,

la

frecuencia

la frecuencia absoluta de la misma


fila.

Ejemplo 1. Una revista conocida efectu una encuesta respecto a lo adecuado


de la proteccin policial en la ciudad. Se seleccion un total de 419 personas.
Las respuestas se presentan en la siguiente tabla de frecuencias:
Respuesta

Frecuencia

Frecuencia

Porcentaje

absoluta

relativa

Si

293

0.6993

69.93

No

80

0.1909

19.09

No sabe/

46

0.1098

10.98

419

100

no
responde

Ejemplo 2. Se ha efectuado una encuesta a 200 madres solteras entre 15 y 25


aos de la ciudad de Piura. Los valores se agrupan en: primaria completa,
secundaria completa y educacin superior completa. El resultado del conteo se
presenta en la siguiente tabla:

21

UNIVERSIDAD PRIVADA TELESUP

Modalidad

Primaria completa
Secundaria
completa

Frecuencia

Frecuencia

Porcentaje

absoluta

relativa

125

0.625

62.5

70

0.35

35

0.025

2.5

200

100

Educac.superior
completa

Organizacin De Datos Cuantitativos Discretos


Cuando se tienen datos cuantitativos discretos cuyo nmero de resultados posibles no
es grande, la informacin puede ser clasificada y presentada directamente sin prdida
de la identidad de la misma. En estos casos, primero se ordenan los posibles valores
de la variable segn su magnitud, y a continuacin se obtienen, mediante un proceso
de conteo, las frecuencias absolutas asociadas a cada uno de dichos valores; las
frecuencias relativas y porcentuales se obtienen de manera similar a lo descrito para
las variables cualitativas.

Ejemplo. Consideremos la variable nmero de hijos y tomemos las observaciones


de una muestra de 150 familias de zonas marginales de Lima Metropolitana. Los
valores obtenidos se pueden agrupar en diferentes valores: 0 hijos, 1 hijo, 2 hijos, 3
hijos o 4 hijos. Para hacer un arreglo de estas observaciones, usaremos una
tabla como la siguiente:
Frecuencia

Frecuencia

absoluta

relativa

0
1
2
3
4

2
15
40
55
38

0.013
0.100
0.267
0.367
0.253

1.3
10.0
26.7
36.7
25.3

TOTAL

150

100

Nmero de hijos

Porcentaje

22

UNIVERSIDAD PRIVADA TELESUP

Organizacin De Datos Cuantitativos Continuos


Cuando se tiene informacin para una variable cuantitativa continua, las
observaciones son usualmente diferentes entre s, lo cual hace que la evaluacin
descriptiva a travs de los valores individuales sea compleja. Para simplificar el
anlisis, los datos son clasificados de acuerdo con ciertos rangos llamados
intervalos de clase.

Ejemplo. Tomamos una muestra de 100 nios de 10 aos de edad para estudiar
su estatura.
Entonces la variable estatura que es cuantitativa contina se puede presentar en
una tabla del siguiente tipo:

INTERVALOS DE CLASE

FRECUENCIA(fi)

[1.0mt.- 1.15mt]

[1.15mt. - 1.30mt]

39

[1.30mt.- 1.45mt]

55

[1.45mt.- 1.60mt]

TOTAL

100

A la organizacin de las observaciones de una muestra en una tabla para expresar la


frecuencia de cada una de sus modalidades o valores se le conoce como distribucin
de frecuencias. En las distribuciones de frecuencia

de las variables cuantitativas

continuas, tambin se acostumbra colocar otras columnas adems de la frecuencia


absoluta (fi), estas nos permitirn tener una mayor informacin sobre los datos y nos
facilitarn los clculos de las medidas descriptivas o estadsticos de la muestra. Estas
son la frecuencia relativa (hi), la frecuencia acumulada (Fi y Hi).

23

UNIVERSIDAD PRIVADA TELESUP

La organizacin de los datos para el caso en que la variable estadstica usada tenga
muchos valores implica e arreglo de las observaciones en intervalos de clases. El
proceso para hallar los intervalos de clase es el siguiente:
Debemos hallar, en primer lugar, en la muestra, el menor valor observado y el mayor
valor observado.

El nmero de intervalos no deber ser tan pequeo (menor que 5) o tan grande
(mayor de 15) que la verdadera naturaleza de la distribucin sea imposible de
visualizar. La longitud del intervalo de clase deber ser siempre la misma.
Si la longitud de cada intervalo no fuera exacta, se puede
tomar por exceso asegurndonos de este modo que la
reunin de todos los intervalos cubrir a todos los valores
observados.

Para construir los intervalos se usa los intervalos cerrados a la izquierda y


abiertos a la derecha: [LIi, LSi[, donde LIi,es el lmite inferior del intervalo y LSi,
es su lmite superior.

Cmo decidimos cuntos intervalos de clase tomar?

Existen varias reglas que se basan en el tamao de nuestra


poblacin o muestra. Una de las reglas ms usadas es la
Regla de Sturges, regla emprica que funciona bastante bien
para grupos de 30 a 300 observaciones.

Esta regla nos dice que el nmero de intervalos de clase para


una muestra de tamao n ser k si este resulta un nmero
entero o el siguiente nmero entero a k, si k resulta un nmero
decimal.
La ecuacin para hallar k es: k = 1 + 3.3 * log n, donde n es
el tamao de la muestra.

24

UNIVERSIDAD PRIVADA TELESUP

La marca de clase (xi), definida como el punto medio del intervalo de clase,
deber tener de preferencia el mismo nmero de decimales que los valores
observados. La marca de clase puede considerarse que es un
representante de los datos que caen en el intervalo.

Xi =

Ejemplo 1. Suponga que los datos que se presentan a continuacin


corresponden a los valores de la inflacin anual durante el ao 2008 de un total
de 20 ciudades de una regin del pas. Construir la distribucin de frecuencias
8.2 12.8 10.5 9.3 12.7 10.2 9.1 10.7 8.2 12.8 8.5 11.6 8.4 10.1
10.2 13.1 9.8 12.1 13.6 11.7

Solucin
1. R = 13.6 8.2 = 5.4
2. K = 1 + 3.3 log20 = 1 + 3.3 (1.30.10) = 1 + 4.29 = 5.29 = 5 (redondeo por
aproximacin)
3. C = R/k = 5.4 / 5 = 1.08 = 1.1 (redondeo por exceso; los datos tienen un
decimal)
4. Los lmites de los intervalos se obtienen del siguiente modo:
LI1 = 8.2

LS1 = LI2 = 9.3

LI2 = LI1 + c = 8.2 + 1.1= 9.3

LS2 = LI3 = 10.4

LI3 = LI2 + c = 9.3 + 1.1 = 10.4

LS3 = LI4 = 11.5

LI4 = LI3 + c = 10.4 + 1.1 = 11.5

LS4 = LI5 = 12.6

LI5 = LI4 + c = 11.5 + 1.1 = 12.6

LS5 = LS4 + c = 12.6 + 1.1 = 13.7

5. Las marcas de clase se calculan de la siguiente manera:


X1 =

.+.

= . ; =

.+.

= . y as sucesivamente

6. Para determinar las frecuencias absolutas se procede como sigue: Se toma la


primera observacin 8.2 y se busca el intervalo de clase que pertenece, es el
8.2 9.3, luego se asigna una tarja en la interseccin de la columna de conteo y
la fila de ese intervalo. Se toma ahora la otra observacin 12.8, la cual
pertenece al intervalo 12.6 13.7, entonces se asigna una tarja en la
interseccin de la fila de este nuevo intervalo y la columna de conteo. As
sucesivamente hasta agotar la ltima observacin. Sumando las tarjas se
obtiene la frecuencia absoluta de cada clase.
7. Para obtener las frecuencias acumuladas se procede de la siguiente forma:
F1 = f1 = 5
F2 = F1 + f2 = 5 + 5 = 10

25

UNIVERSIDAD PRIVADA TELESUP

Con los resultados anteriores se obtiene el siguiente cuadro de distribucin de


frecuencias
Intervalos Marca de

Tarjas

de clase clase Xi

Frecuencia

Frecuencia

Frecuencia

absoluta

acumulada

relativa

fi

Fi

hi

8.2 ; 9.3

8.75

/////

5/20

9.3 ; 10.4

9.85

/////

10

5/20

10.4 ; 11.5

10.95

//

12

2/20

11.5 ; 12.6

12.05

///

15

3/20

12.6 ; 13.7

13.15

/////

20

5/20

20

Ejemplo 2. A continuacin, se presenta una lista ya ordenada de las observaciones


hechas sobre el ingreso de las personas.

53

57

58

61

61

63

64

66

67

68

69

70

71

72

73

74

74

74

74

77

77

77

78

78

79

79

79

81

81

81

82

82

83

83

84

85

85

86

87

87

88

90

90

90

90

92

93

94

96

97

Para estos ingresos, el menor valor de la muestra es 53


dlares y el mayor valor de la muestra es 97 dlares. Luego,
el rango de estos valores es: 97 - 53 = 44 dlares
Al aplicar la regla de Sturges con n= 50, tendremos: k= 1 +
3.3*(1.69897) = 6.6, lo que equivale a tomar 7 intervalos s)
El tamao o amplitud de cada intervalo de clase se determina as: c=R /K= 44 / 7
= 6.29 = 7. (redondeo por exceso, al entero superior, considerando que los datos
son entero. Si los datos tienen decimales el proceso es el mismo).

26

UNIVERSIDAD PRIVADA TELESUP

Siguiendo el mismo proceso utilizado para el ejemplo 1, se tiene la tabla de


distribucin de frecuencias:

INTERVALOS

xi

fi

hi

Fi

[53 ; 60]

56.5

3/ 50

[60 ; 67]

63.5

5/ 50

[67 ; 74]

70.5

7/50

15

[74 ; 81]

77.5

12

12 / 50

27

[81 ; 88]

84.5

13

13/50

40

[88 ; 95]

91.5

10

10 / 50

50

50

TOTAL

27

UNIVERSIDAD PRIVADA TELESUP

Grficas

TEMA 4

Estadsticas
Competencia:
Explicar la estructura de cada uno de los
grficos usados en la estadstica descriptiva.
7

28

UNIVERSIDAD PRIVADA TELESUP

Tema 04: Grficas Estadsticas


Presentacin De Los Datos Obtenidos De Una Muestra
Una vez realizada la organizacin de los datos observados, es necesario
presentar estos de forma grfica forma visual permitir resaltar algunos hechos
que muestran los datos. Se vern diversos tipos de grficos catalogados segn el
tipo de variable a presentarse.

Para Una Variable Cualitativa


Para una variable cualitativa, ya sea
nominal u ordinal, la presentacin de la
informacin obtenida organizada en una
distribucin

de frecuencias

puede

ser

presentada mediante dos grficos: grfico


de barras y grfico de sectores.

a)Grfica De Barras
En este tipo de presentacin, cada barra rectangular corresponde a una modalidad.
Todas las barras tienen base de igual longitud y altura proporcional a la frecuencia (fi) o
frecuencia relativa (hi) que presen modalidad. Tomemos la distribucin de frecuencias
de la variable grado de instruccin, obtenida de una muestra de 150 mujeres. Se
considerar que cada mujer pertenece al mayor grado de instruccin que ha
concluido.

MODALIDAD

fi

hi

Pi

60

0,40

40%

Secundaria Completa

55

0,37

37%

Superior Completa

35

0,23

23%

Primaria Completa

150

29

NMERO DE MUJERES

UNIVERSIDAD PRIVADA TELESUP

70

GRFICA DE BARRAS

60
50
40
30

Primaria Completa

20

Secundaria Completa

10

Superior Completa

0
Primaria
Completa

Secundaria
Completa

Superior
Completa

GRADO DE INSTRUCCIN

Tambin es posible realizar GRFICAS DE BARRAS HORIZONTALES, los


cuales se parecen mucho a las grficas de columnas, con la salvedad importante
de que la funcin de los ejes se intercambia y el eje horizontal queda destinado a
las frecuencias y el eje vertical a las clases.
Es muy comn que este tipo de grficos se utilicen para ilustrar el tamao de una
poblacin dividida en estratos como, por ejemplo, son sus edades. El ejemplo que
se presenta es la poblacin de un pas ficticio llamado "Perulandia":

A este tipo de grficos en particular


se le llama pirmide de edades por
su

forma.

Incluso,

cuando

se

compara la poblacin masculina y


femenina por estratos de edades, se
estila utilizar el lado izquierdo para la
poblacin de un sexo y el lado
derecho para el otro, el resultado es
una

"pirmide"

(depender

de

casi
la

simtrica

poblacin

en

particular).

30

UNIVERSIDAD PRIVADA TELESUP

b)Grfica De Sectores
Otra forma de presentar la informacin de una variable cualitativa es utilizando una
grfica de sectores (tambin denominada grfica tipo "pie" o "pastel").
La grfica de sectores es un crculo dividido en varios sectores proporcionales en
tamao a las frecuencias relativas (hi) de las diferentes modalidades. En el caso
anterior de la distribucin de frecuencias, tendremos:
Primaria completa

40% de 360 grados = 144 grados

Secundaria completa 37% de 360 grados = 133.2 grados


Superior completa

23% de 360 grados = 82.8 grados

fi

hi

Pi

Primaria Completa

60

0,40

40%

Secundaria Completa

55

0,37

37%

Superior Completa

35

0,23

23%

MODALIDAD

150

Primaria Completa
Secundaria Completa

23%
40%

Superior Completa

37%

31

UNIVERSIDAD PRIVADA TELESUP

c) Grfico De Bastones
Para una variable cuantitativa discreta (con pocos valores) es posible usar los
grficos de barras. Pero existe otro grfico, diseado para este tipo de variables y es la
GRFICA DE BASTONES. En esta grfica, la frecuencia del valor de la variable es
representada por un segmento de recta en vez de una barra.

Tomemos la variable nmero de hijos, los posibles


valores de esta variable son 0 hijos, 1 hijo, 2 hijos, 3 hijos
4 hijos. Luego, para una muestra de 100 datos
tendremos la distribucin de frecuencias:

VALOR

fi

Hi

0 Hijos

7/ 100 = 0. 07

1 Hijo

15

15 ./ 100 = 0.15

2 Hijos

40

40 / 100 = 0.40

3 Hijos

25

25 / 100 = 0.25

4 Hijos
TOTAL

13
100

13 / 100 = 0.13
1.00

32

UNIVERSIDAD PRIVADA TELESUP

d)Histograma
Para Una Variable Cuantitativa Discreta (Con Muchos
Valores) O Continua existe una grfica equivalente a la
grfica de barras, se denomina histograma.
Esta forma de presentacin tambin consiste en
graficar barras, pero, a diferencia de la grfica de
barras, aqu las barras estn pegadas unas a otras.

Cada barra corresponde a un intervalo de clase y se acostumbra a colocar el valor


inicial y final de cada intervalo o la marca de clase para identificar cada barra. La
altura de cada barra puede ser proporcional a la frecuencia (fi) o la frecuencia
relativa (hi) del intervalo.

Intervalos

Xi

fi

Fi

hi

Pi

[ 52,5 ; 57,5 ]

55

0,04

4%

[ 57,5 ; 62,5 ]

60

0,06

6%

[ 62,5 ; 67,5 ]

65

0,08

8%

[ 67,5 ; 72,5 ]

70

14

0,10

10%

[ 72,5 ; 77,5 ]

75

22

0,16

16%

[ 77,5 ; 82,5 ]

80

10

32

0,20

20%

[ 82,5 ; 87,5 ]

85

40

0,16

16%

[ 87,5 ; 92,5 ]

90

46

0,12

12%

[ 92,5 ; 97,5 ]

95

50

0,08

8%

1,00

100%

Total

50

33

UNIVERSIDAD PRIVADA TELESUP

HISTOGRAMA
FRECUENCIAS

12
10
8
6
4
2
0

55

60

65

70

75

80

85

90

95

MARCAS DE CLASE

e) Polgono De Frecuencias
Uniendo los puntos medios de los lados superiores de cada barra rectangular del
histograma se obtiene un grfico llamado polgono de frecuencias. El conocimiento
del polgono de frecuencias ayudar ms adelante en la bsqueda del modelo
terico que mejor describa a los elementos de la poblacin de acuerdo con la
variable que se estudia.

Polgono De Frecuencias (Lnea Negra)

34

UNIVERSIDAD PRIVADA TELESUP

Otro Ejemplo De Polgono De Frecuencias (Lnea Negra)

f) Ojiva
Una grfica similar al polgono de frecuencias es la ojiva, pero sta se obtiene
de aplicar parcialmente la misma tcnica a una distribucin acumulativa y de
igual manera que stas, existen las ojivas mayores que y las ojivas menores
que.
Existen dos diferencias fundamentales entre las ojivas y
los polgonos de frecuencias (y por esto la aplicacin de
la tcnica es parcial):
Un extremo de la ojiva no se "amarra" al eje horizontal,
para la ojiva mayor que sucede con el extremo izquierdo;
para la ojiva menor que, con el derecho. En el eje
horizontal en lugar de colocar las marcas de clase se
colocan las fronteras de clase.

Para el caso de la ojiva mayor que, es la frontera menor; para la ojiva menor
que, la frontera mayor. La ojiva mayor que (izquierda) se le denomina de esta
manera porque viendo el punto que est sobre la frontera de clase "4:00" se ven
las visitas que se realizaron en una hora mayor que las 4:00 horas (en cuestiones
temporales se dira: despus de las 4:00 horas).

35

UNIVERSIDAD PRIVADA TELESUP

De forma anloga, en la ojiva menor que, la frecuencia que se representa en


cada frontera de clase son el nmero de observaciones menores que la
frontera sealada (en caso de tiempos sera el nmero de observaciones antes
de la hora que seala la frontera).

Si se utiliza una distribucin porcentual acumulativa


entonces se obtiene una ojiva (mayor que o menor
que segn sea el caso) cuyo eje vertical tiene una
escala que va del 0% al 100%. El siguiente ejemplo
es la misma ojiva menor que se acaba de usar,
pero con una distribucin porcentual:

g) Grfica De reas
En ocasiones, al comparar dos series de observaciones (o de
datos) se utiliza una llamada grfica de reas, la cual consiste
en rellenas el rea que se encuentre debajo de las lneas que
resultan de una grfica de lneas. El ejemplo que se presenta
es la comparacin del total de las especies de las familias del
orden Carnvora y las que estn amenazadas, en Mxico,
(fuente: Revista "Ciencia y Desarrollo").

36

UNIVERSIDAD PRIVADA TELESUP

Actualmente, y mucho en los medios masivos de comunicacin, se utilizan


grficos para ilustrar los datos o los resultados de alguna investigacin.
Regularmente se utilizan dibujos para representar dicha informacin, y el tamao o
el nmero de estos dibujos dentro de una grfica queda determinado por la
frecuencia correspondiente. A este tipo de grfica se le llama pictograma y stos
son dos ejemplos:

h) Grfica De Dispersin
Cuando se pretende ilustrar la dispersin de las observaciones realizadas, y as
trabajar algunas cosas como correlaciones se puede utilizar una grfica de
dispersin.

37

UNIVERSIDAD PRIVADA TELESUP

Por ejemplo, el ejemplo de la izquierda es la dispersin que se presenta al


comparar el nmero de tesis doctorales en ciencias exactas contra el nmero de
total de tesis doctorales (todo en Mxico) en observaciones anuales entre 1984 y
1990 (fuente: Revista "Ciencia y Desarrollo", 1994, XIX (114):12):

La grfica de la derecha es resultado de comparar el dimetro (en miles de kilmetros)


de los planetas interiores de nuestro sistema solar contra sus densidades (en gramos
por centmetro cbico). Es interesante observar que los puntos parecen "seguir" una
lnea imaginaria que se asemeja a una recta, con excepcin de un caso atpico:
Mercurio.

Uno de los usos de este tipo de grficas es


precisamente encontrar si las observaciones siguen
algn patrn lineal (una lnea de tendencia) o si
existen valores atpicos. Para el caso del Excel, el
programa es capaz de graficar las lneas de
tendencias que siguen un conjunto de datos.

38

UNIVERSIDAD PRIVADA TELESUP

i) Grfica De Burbujas
Un tipo de grfico similar a las grficas de dispersin son las grficas de
burbujas, en las cuales se presenta la dispersin de las observaciones de la
misma forma que aqullas, pero se le aade la posibilidad de visualizar otra
variable representada en el tamao del punto, pues stos se convierten en
crculos (burbujas) con radios proporcionales a las magnitudes que
representan.

Este ejemplo compara la distancia que existe entre cada uno de los planetas
interiores de nuestro sistema solar con respecto al Sol, contra el tiempo que
necesitan para recorrer sus rbitas, y el tamao de las burbujas que indica la masa
de cada planeta. Adems existen otros tipos de grficos, cada uno con
caractersticas particulares que les proporcionan cierta intencionalidad para su
uso, como son las grficas de radar y las grficas polares.

39

UNIVERSIDAD PRIVADA TELESUP

Lecturas Recomendadas

INTRODUCCIN, CONCEPTO, ETAPAS DEL DESARROLLO DE LA ESTADSTICA.


http://www.monografias.com/trabajos15/estadistica/estadistica.shtml

ORGANIZACIN DE DATOS Y DISTRIBUCIN DE FRECUENCIAS


http://www.vitutor.net/2/11/distribucion_frecuencias.html

Actividades y Ejercicios
Ingresa al link presentacin de datos, lee atentamente las indicaciones,
desarrolla los ejercicios y envalo por el mismo medio.
1. De los siguientes valores:
Ford
Nissan
Hyundai
Ford

Toyota
Ford
Nissan
Hyundai

Nissan
Hyundai
Toyota

Hyundai
Nissan
Ford

Hyundai
Hyundai
Toyota

Ford
Toyota
Hyundai

a. Hallar la frecuencia absoluta y relacional.


b. Hallar la frecuencia acumulada absoluta y relacional.
c. Realizar un grafico de barras.
d. Dibujar un diagrama circular.
2. Suponga que en estudio socioeconmico se observ, entre otras variables, el
nmero de trabajadores eventuales que tienen las empresas comerciales de una
regin de la ciudad de Trujillo. Mediante una muestra de 30 empresas se
encontraron los siguientes resultados.
4
8

10
6

5
7

8
10

10
8

6
7

10
8

7
9

8
7

6
5

9
9

7
4

9
7

6
8

8
6

Construir el cuadro de distribucin de frecuencias.


3. Suponga que se ha llevado a cabo una encuesta a 28 personas elegidas al azar
para analizar su opinin sobre la calidad de una nueva conserva que se desea
introducir en el mercado. Los resultados observados fueron los sigui entes:
Bueno
Regular
Bueno
Bueno

Malo
Regular
Excelente
Excelente

Bueno
Excelente
Bueno
Bueno

Excelente
Excelente
Malo
Bueno

Regular
Bueno
Bueno
Excelente

Bueno
Excelente
Bueno
Bueno

Regular
Bueno
Malo
Excelente

Construir el cuadro de distribucin de frecuencias.

40

UNIVERSIDAD PRIVADA TELESUP

Autoevaluacin

1. Clasifique las variables referidas a la poblacin de electores del Per.

Preferencia electoral.

Edad del elector.

Estado socio econmico del elector.

Nmero de integrantes en la familia del elector.

Sexo del elector.

Grado de instruccin del elector.

Ingresos mensuales del elector.

a) 4 Cualitativas y 3 Cuantitativas
b) 3 Cualitativas y 4 Cuantitativas
c) 2 Cualitativas y 5 Cuantitativas
d) 5 Cualitativas y 2 Cuantitativas
e) 1 Cualitativas y 6 Cuantitativas
2.

El objetivo principal de la estadstica descriptiva es:


a) Describir una poblacin.
b) Hallar las regularidades que se encuentran en los fenmenos de masa.
c) Inferir algo acerca de la poblacin.
d) Calcular un promedio.
e) Hallar el promedio de acuerdo a la cantidad.

3.

Cules de las siguientes afirmaciones es cierto respecto a una


muestra?
a) Es parte de una poblacin.
b) Debe contener al menos cinco observaciones.
c) Se refiere a estadstica descriptiva.
d) Se refiere a una variable no contable.
e) Contiene dentro a la poblacin.

4.

Una variable cualitativa.


a) Siempre se refiere a una cualidad.
b) Es no numrica.

41

UNIVERSIDAD PRIVADA TELESUP

c) Siempre tiene slo dos resultados posibles.


d) Todas las anteriores son correctas.
e) Es numrica.
5.

Una variable en escala nominal.


a) Casi siempre es el resultado de contar algo.
b) Tiene un punto cero significativo.
c) Puede adquirir valores negativos.
d) No puede tener ms de dos categoras.
e) Slo sirve para nombrar su caracterstica

6.

En una empresa, se hizo el estudio sobre las edades de los empleados y se


obtuvo la siguiente tabla:

EDADES

N DE EMPLEADOS

[20 25]

12

[25 30]

15

[30 35]

23

[35 40]

11

[40 - 45]

9
Total: 70

Donde A es el porcentaje de empleados con 30 aos ms.


B es el porcentaje de empleados entre 40 y 45 aos. Seale A - B (aprox.)
a) 65%
b) 60%
c) 63%
d) 64%
e) 62%

7.

La tabla muestra la distribucin del ingreso familiar correspondiente a 80


familias.
fi: frecuencia absoluta simple
Fi: frecuencia absoluta acumulada

42

UNIVERSIDAD PRIVADA TELESUP

hi: frecuencia relativa simple en tanto por uno

Intervalo de Ingreso S/.

fi

Fi

[160 - 170]

12

12

[170 180]

48

60

hi

[180 190]

0,125

[190 200]

0,075

[200 210]

Determine el nmero de familias que ganan menos de 200 nuevos soles.


a) 66
b) 70
c) 54
d) 76
e) 50
8.

En una prueba de aptitud acadmica se evaluaron a n estudiantes y las


notas obtenidas se clasificaron en una tabla de distribucin de frecuencias
como se muestra a continuacin.

Marca de
Clase

Frecuencias
Relativas

45

K/50

55

3k/100

65

2k/25

75

3k/50

85

K/100

Qu porcentaje de estudiantes
obtuvieron una nota menor que 65
puntos o igual que 85 puntos?

a) 30%
b) 40%
c) 50%
d) 60%
e) 70%

43

UNIVERSIDAD PRIVADA TELESUP

9.

Cul de los siguientes diagramas es un histograma?

a)

b)

c)

d)

e)

10. Cul de los siguientes diagramas es una ojiva?


a)

b)

c)

d)

e)

44

UNIVERSIDAD PRIVADA TELESUP

Resumen

UNIDAD DE APRENDIZAJE I:

La estadstica es un auxiliar de muchas ciencias con base matemtica referente a la


recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la resolucin de
la toma de decisiones o para explicar condiciones regulares o irregulares de algn
fenmeno, de ocurrencia en forma aleatoria o condicional. Se usa para la toma de
decisiones en reas de negocios o instituciones gubernamentales.

Variable es una caracterstica (magnitud, vector o nmero) que puede ser


medida, adoptando diferentes valores en cada uno de los casos de un estudio.
Clasificacin de Variables:
Cualitativos: Arrojan respuestas categricas, miden cualidades y se les puede
asignar despus un valor numrico (codificarlas). Cuantitativos: Producen
respuestas numricas, miden cantidades y podemos tratar un dato cuantitativo
como cualitativo (categorizando).

Los datos recopilados en la muestra se pueden organizar en Tablas de Frecuencias.


Estas tablas muestran: Frecuencia absoluta (fi): Resulta de contar el nmero de
observaciones que "entran" en una clase Frecuencia Relativa (hi): Es la proporcin
de observaciones que "entran" en una clase Frecuencia Absoluta Acumulada (Fi):
Es el nmero de observaciones acumuladas. Frecuencia Relativa Acumulada (Hi):
es la proporcin de observaciones acumuladas
Las ms importantes grficas: Sector.- Consiste en dividir un crculo en tantos
sectores como valores de la variable.

La amplitud de cada sector debe ser

proporcional a la frecuencia del valor correspondiente. Histograma.- Es un caso


particular del diagrama anterior en el caso de variables continuas. Si los intervalos
son correlativos, los rectngulos aparecen pegados en la representacin grfica.
Barras.- Consiste en dos ejes perpendiculares y una barra o rectngulo para cada
valor de la variable. Se suele colocar en el eje horizontal los valores de la variable.

45

UNIVERSIDAD PRIVADA TELESUP

46

UNIVERSIDAD PRIVADA TELESUP

Introduccin
a)aaa

a) Presentacin y contextualizacin
Los temas que se tratan en la presente unidad, tiene por finalidad que el estudiante
comprenda las Medidas De Tendencia Central y Medidas de Dispersin as como
formular apreciaciones crticas sobre los diversos conceptos desarrollados.
Conocer adems las diferentes medidas para datos agrupados y no agrupados;
esto se puede utilizar para organizar datos y resolver las interrogantes.

b) Competencia
Utiliza las medidas estadsticas adecuadamente para comprender mejor el
comportamiento de los datos agrupados y no agrupados.

c) Capacidades
1 .Explica y compara los resultados obtenidos en base a las Medidas de Tendencia
Central para datos no Agrupados.
2. Describe y analiza las Medidas de Tendencia Central para datos Agrupados.
3. Calcula y grafica la estructura de las Medidas de Dispersin.
4. Define, analiza y grafica las medidas de posicin.

d) Actitudes
Toma iniciativa y lidera al equipo en el cumplimiento de las actividades
asignadas a su vez promueve actividades y toma de decisiones pertinentes.
Cumple con los horarios establecidos, respeta y cumple las normas de
convivencia en el mbito superior universitario.

Planifica y cumple oportunamente sus tareas o actividades diarias y presenta


sus trabajos en forma organizada.

e) Presentacin de Ideas bsicas y contenido esenciales de la Unidad:


La Unidad de Aprendizaje 2: Medidas De Tendencia Central y Medidas de
Dispersin, comprende el desarrollo de los siguientes temas:
TEMA 01: Medidas de tendencia central para datos no agrupados.
TEMA 02: Medidas de tendencia central para datos agrupados.
TEMA 03: Medidas de dispersin.
TEMA 04: Medidas de posicin.

47

UNIVERSIDAD PRIVADA TELESUP

Medidas de
Tendencia
TEMA 1
Central
Para Datos
No agrupados
Competencia:
Explicar y comparar los resultados obtenidos
en base a las Medidas de Tendencia Central
para datos no Agrupados.

48

UNIVERSIDAD PRIVADA TELESUP

Desarrollo de los Temas

Tema 01: Medidas de Tendencia Central


Para Datos No Agrupados

Las medidas de tendencia central: Son indicadores estadsticos que muestran hacia
que valor (o valores) se agrupan los datos.

Esta primera parte la dedicaremos a analizar tres medidas de tendencia central:

La media aritmtica

La moda

La mediana

Media aritmtica ( o

X): Es el valor resultante que se obtiene al dividir la

sumatoria de un conjunto de datos sobre el nmero total de datos. Solo es


aplicable para el tratamiento de datos cuantitativos.

Hay que entender que existen dos formas distintas de Hay que entender que
existen dos formas distintas de trabajar con los datos tanto poblacionales como
muestrales: sin agruparlos o agrupndolos en tablas de frecuencias.

Esta

apreciacin nos sugiere dos formas de representar la media aritmtica.

49

UNIVERSIDAD PRIVADA TELESUP

Media Aritmtica para Datos No Agrupados


Podemos diferenciar la frmula del promedio simple para datos poblaciones y
muestrales:

Observe que la variacin de ambas frmulas radica en el tamao de los datos


(N identifica el tamao de la poblacin, mientras que n el de la muestra).
Ejemplo
El profesor de la materia de estadstica
desea conocer el promedio de las notas
finales de los 10 alumnos de la clase. Las
notas de los alumnos son:

Cabe

3,2

3,1

2,4

4,0

3,5

3,0

3,5

3,8

4,2

4,0

anotar

que

en

el

ejemplo estamos hablando


de

una

poblacin

correspondiente a todos los


Cul es el promedio de notas de los
alumnos de la clase?
3,2
3,1
Solucin

2,4

4,0

3,5 3,0

alumnos de la clase.
El promedio de las 10 notas
es de 3,47.

3,5la frmula
3,8
4,2
4,0
Aplicando
tenemos:

50

UNIVERSIDAD PRIVADA TELESUP

Modifiquemos la primera nota por 0,0 y calculemos nuevamente la media


aritmtica.

En este caso la media pasa de 3,47 a 3,15. Esta variacin notoria se debi a que
la media aritmtica es sensible a los valores extremos cuando tratamos con pocos
datos. El 0,0 es una nota atpica comparada con las dems, que estn ubicadas
entre 3,0 y 4,2.

Mediana (Me):
Valor que divide una serie de datos en dos partes iguales.
La cantidad de datos que queda por debajo y por arriba de la mediana son iguales.
La definicin de geomtrica se refiere al punto que divide en dos partes a un
segmento. Por ejemplo, la mediana del segmento AB es el punto C.

Ejemplo: (cantidad de datos impar)


Encontrar la mediana para los siguientes

Solucin

datos:
PASO 1: Ordenar los datos.
4, 1, 2, 3, 4, 2, 2, 1, 5, 5, 3

1 1 2 2 2 3 3 4 4 5 5

PASO 2: Localizar el valor que divide en dos el nmero de datos.

La mediana es 3, dejando 5 datos a cada lado.


Me = 3

51

UNIVERSIDAD PRIVADA TELESUP

Ejemplo: (cantidad de datos par)


Modifiquemos el ejemplo anterior, eliminando el ltimo dato. Encontrar la mediana:
4 1 2 3 4 2 2 1 5 5

Solucin
PASO 1: Ordenar los datos.
1 1 2 2 2 3 4 4 5 5

PASO 2: Localizar el valor que divide en dos el nmero de datos.

El punto medio se encuentra entre dos valores: 2 y 3, por tanto, el valor de la


mediana ser Me =

= 2,5.

Moda (Mo): indica el valor que ms se repite, o la clase que posee mayor
frecuencia.
En el caso de que dos valores presenten la misma frecuencia, decimos que existe un
conjunto de datos bimodal. Para ms de dos modas hablaremos de un conjunto de
datos multimodal.

Ejemplo: Los siguientes datos provienen del resultado de entrevistar a 30


personas sobre la marca de gaseosa que ms consume a la semana:

Marca 1 Marca 2 Marca 1 Marca 1 Marca 1 Marca 3 Marca 1 Marca 3 Marca 1


Marca 2 Marca 1 Marca 1 Marca 2 Marca 1 Marca 3 Marca 3 Marca 2 Marca 1
Marca 1 Marca 1 Marca 1 Marca 3 Marca 1 Marca 2 Marca 3 Marca 1 Marca 3
Marca 3 Marca 2 Marca 3
SOLUCIN

52

UNIVERSIDAD PRIVADA TELESUP

SOLUCIN
PASO 1: Determinar las frecuencias de cada valor de la variable.

La marca 1 se repite 15 veces


La marca 2 se repite 6 veces
La marca 3 se repite 9 veces

PASO 2: La moda representa el valor que ms se se repite. Mo = Marca 1

53

UNIVERSIDAD PRIVADA TELESUP

Medidas
De Tendencia
Central

TEMA 2

Para Datos
Agrupados
Competencia:
Describir, analizar y las Medidas de
Tendencia Central para datos Agrupados.

54

UNIVERSIDAD PRIVADA TELESUP

Tema 02: Medidas de Tendencia Central para


Datos Agrupados

Cuando los datos se agrupan en tablas, la media aritmtica es igual a la divisin


de la sumatoria del producto de las clases por la frecuencia sobre el nmero de
datos.

Media Aritmtica para Datos Agrupados

La sumatoria parte desde el primer intervalo


de clase (i = 1) hasta el ltimo (Nc), siendo
Xi la clase del intervalo i. Cuando los datos
se agrupan en tablas de frecuencias, el
clculo de la media vara un poco, ya que
existe una prdida de informacin en el
momento en que se trabaja con intervalos de
frecuencia y no con los datos directamente (los datos se agrupan por intervalo,
desconociendo el valor exacto de cada uno de ellos).

Las marcas de clases (Xi) cumple la funcin de representar los intervalos


de clase.

55

UNIVERSIDAD PRIVADA TELESUP

Ejemplo en Tablas
La siguiente tabla de frecuencia muestra el nmero de
preguntas de 81 encuestados sobre un test que consta de
solo seis preguntas.

Preguntas buenas/ personas.

SOLUCIN
PASO 1:
Realizar la sumatoria del producto resultante de las clases por su frecuencia
absoluta. Para efectos del clculo de la media, deberamos sumar 15 veces el
valor 1, 13 veces el valor 2, 8 veces el valor 3, hasta llegar a la ltima clase:

PASO 2: Dividir la sumatoria sobre el nmero total de datos.

56

UNIVERSIDAD PRIVADA TELESUP

En promedio los encuestados contestaron aproximadamente 3 (el valor exacto es el


de 3,41) preguntas buenas.
Ejemplo en Tablas de Frecuencia
Calcular la media para los datos distribuidos en la siguiente tabla de frecuencia:
Ni

Intervalos

Marca de clase ( Xi)

40.1

48.1

44.1

48.1

56.1

52.1

56.1

64.1

60.1

11

64.1

72.1

68.1

32

72.1

80.1

76.1

21

80.1

88.1

84.1

18

88.1

96.1

92.1

14

96.1

104.1

100.1

fi

Solucin
Las marcas de clase representan a los intervalos de clase, por ejemplo,
suponemos que la marca de clase para el primer intervalo (44,1) se repite 3
veces, al desconocer los 3 valores exactos que estn dentro de dicho intervalo.

Paso 1:

Realizar la sumatoria del producto resultante entre las marcas de clase por su
frecuencia absoluta.

= 44.1 3 + 52.1 8 + 60.1 11 + 68.1 32 + 76.1 21


=1

+ 84.1 18 + 92.1 14 + 100.1 1


= 7890.6

57

UNIVERSIDAD PRIVADA TELESUP

Paso 2:
Dividir la sumatoria sobre el nmero total de datos.

8=1
7890.6
=
= 73.1

108

Ejemplo:
Comparativa entre el clculo de la media aritmtica para datos no agrupados y datos
agrupados en tablas de frecuencia.
Calcular la media aritmtica a los siguientes datos sin agrupar y agrupndolos
en una tabla de frecuencia (suponga que los datos son poblacionales):

Solucin
Calculemos la media para los datos sin agrupar:

47.8+18.6+18.6+12.8+33.6+23.1++37.0
30

832.1
30

= 27.74

Luego construyamos la tabla y calculemos su media aritmtica con el fin de comparar


ambos resultados:
Ni

Intervalos

Marca de clase ( Mc)

11.0

17.4

14.2

17.4

23.8

20.6

23.8

30.2

27.0

4
5

30.2
36.6

36.6
43.0

33.4
39.8

5
4

43.0

49.4

46.2

fi

30

58

UNIVERSIDAD PRIVADA TELESUP

Paso 1:
Realizar la sumatoria del producto resultante entre las marcas de clase por su
frecuencia absoluta.

= 14.2 8 + 20.6 6 + 27.0 2 + 33.4 5 + 39.8 4 + 46.2 5


=1

= 822.4
Paso 2:
Dividir La Sumatoria Sobre El Nmero Total De Datos. Si Se Observa El Resultado,
Solo Se Diferencia En Centsimos De La Media Poblacional.

822.4
=
= 27.41

30

Mediana para Datos Agrupados


La mediana para datos agrupados en un cuadro de frecuencia se obtiene utilizando las
frecuencias absolutas o las frecuencias relativas de la siguiente manera:

1
= + [2
]

= + [

50% 1
]

Donde m = Intervalo que contiene a la mediana


Fm-1 = Frecuencia acumulada absoluta del intervalo anterior a la clase de la
me (Fm)
Hm-1= Frecuencia acumulada relativa del intervalo anterior a la clase de la me
(Hm)
fm = Frecuencia absoluta del intervalo de clase m.
hm = Frecuencia relativa del intervalo de clase m.
LIm = Lmite inferior de la clase donde est ubicada la mediana.
c = Longitud del intervalo de clase.

59

UNIVERSIDAD PRIVADA TELESUP

Ejemplo:
Calcular la mediana a partir de la siguiente tabla de frecuencia:

Solucin
Paso 1:
Localizar entre que clases se encuentra la mediana. Observe que la mediana se
encuentra en la clase 4 (*) que contiene a los elementos 24 y 25. Como n = 48
(nmero par), la mediana ser la media aritmtica de los valores que ocupan las
posiciones 24 y 25.

Paso 2:
La posicin 24 corresponde al valor 40.
La posicin 25 corresponde al valor 40.

Luego: Me =

40+40
2

= 40

Ejemplo: Mediana Para Datos Agrupados En Tablas


Determinar la mediana de la siguiente tabla de frecuencia:

60

UNIVERSIDAD PRIVADA TELESUP

Solucin
Paso 1: Localizar entre que intervalos de clase se encuentra la mediana.
Podemos observar que el punto que divide el 50% de los datos esta en el intervalo de
clase 4, para ser ms preciso, entre los valores 45,21 y 53,21 (hasta 45,21 hay
agrupados el 42,50% de los datos, y hasta 53,21 se resume el 60,00% de los datos).

Paso 2:
= + [

50 1
50 42.50
] = 45.21 + [
]8

17.50
Me = 48.64

En el mismo ejemplo ahora vamos a encontrar la mediana, utilizando para ello las
frecuencias absolutas.

Paso 1: Localizar entre que intervalos de clase se encuentra la mediana.


Podemos observar que el punto que divide en partes iguales a la distribucin esta
en el intervalo de clase 4, para ser ms preciso, entre los valores 45,21 y 53,21.

Intervalos de
clase

fi

Fi

21.21

29.21

29.21

37.21

37.21

45.21

10

17

45.21

53.21

24

53.21

61.21

12

36

61.21

69.21

39

69.21

77.20

40

40

61

UNIVERSIDAD PRIVADA TELESUP

Paso 2:

Hallamos m = 45.21 a 53.21


LIm = 45.21

fm = 7

Luego:

c=8

45.21 + [

Me = + [ 2

] =

2017
7

] 8 = 48.64

Fm-1 = 17

Ubicando La Mediana En El Grfico De Ojiva

En un grfico de ojiva, la mediana corresponde a la proyeccin del punto en eje


horizontal que equivale al 50% de los datos. En la el grfico de ojiva del ejemplo
3.6.1, la mediana estara ubicada en el sexto intervalo, entre 350 y 400:

Moda Para Datos Agrupados


Los siguientes datos provienen del resultado de entrevistar a 30 personas sobre la
marca de gaseosa que ms consume a la semana:

62

UNIVERSIDAD PRIVADA TELESUP

Solucin
Paso 1:
Construimos la tabla de frecuencias
Marca

Fi

Marca 1

15

Marca 2

Marca 3

Paso 2:
La moda representa el valor que
ms se repite. En este caso es
la marca 1.

Mo Marca 1
Total

30

Calculo De La Moda Mediante Frmula


Algunos autores suelen aplicar una frmula para determinar la moda para tablas de
frecuencia.

1
= + (
)
1 + 2

Donde: Limo = Lmite inferior del intervalo donde se ubica la moda


d1

= Diferencia entre el valor de la frecuencia donde se ubica la moda y el


valor del intervalo anterior (fm fm-1)

d2

= Diferencia entre el valor de la frecuencia donde se ubica la moda y el


valor del intervalo siguiente (fm fm+1)

= Longitud del intervalo de clase

Ejemplo: Moda Para Datos Agrupados


Calcular la moda a partir de la siguiente tabla de frecuencia:

Intervalos de clase

fi

1
2
3
4
5
6

21.21
29.21
37.21
45.21
53.21
61.21

29.21
37.21
45.21
53.21
61.21
69.21

5
2
10
7
12
3

69.21

77.20

63

UNIVERSIDAD PRIVADA TELESUP

Solucin
Paso 1:
Hemos marcado (*) el intervalo que tiene la frecuencia ms alta; all se
encuentra el valor de la moda.

Paso 2:
Ubicamos el lmite inferior del intervalo de clase donde se ubica la moda =
53.21 As mismo hallamos las diferencias: d1 = 12 7 = 5
d2= 12 3 = 9
El valor de c = 8
5

Calculando la moda = 53.21 + (5+9) 8 = 56.08

Ejemplo 2
Calcular la moda en la siguiente tabla de frecuencias
N
1
2
3
4
5

Intervalos
4
6
6
8
8
10
10
12
12
14

Fi
2
4
4
5
5

Solucin
Paso 1:
Los intervalos de clase que mas frecuencias tienen son [10- 12) y [12- 14) por
tanto decimos que es un caso donde aparecen dos modas, (bimodal).

Paso 2:
Como hay dos modas, entonces calculando la primera moda
LIm1 = 10; d1 = 5 4= 1; d2 = 5 5 = 0; c = 2
1

Mo1 =10 + (1+0) 2 = 12

64

UNIVERSIDAD PRIVADA TELESUP

Ahora, la segunda moda: LIm2 = 12; d1 = 5 5 = 0; d2 = 5 0= 5 (Como el 5 est


en el ltimo intervalo entonces la resta siempre es con 0); c = 2

Mo2=12 + (0+5) 2 = 12

NOTA. Recordar que fuera de la tabla de frecuencias no hay valores por eso
se considera como cero.

65

UNIVERSIDAD PRIVADA TELESUP

Medidas
TEMA 3
de
Dispersin
Competencia:
Calcular y graficar la estructura de las
Medidas de Dispersin.

66

UNIVERSIDAD PRIVADA TELESUP

Tema 03: Medidas de Dispersin


Las Medidas son:
1. Rango
2. Desviacin Media
3. Varianza
4. Desviacin Tpica
5. Cuasi varianza
6. Cuasi Desviacin tpica
7. Coeficiente de Variacin

Hasta el momento hemos estudiado los valores centrales de la distribucin, pero


tambin es importante conocer si los valores en general estn cerca o alejados de
estos valores centrales, es por lo que surge la necesidad de estudiar medidas de
dispersin.

Rango:
El rango o amplitud de un conjunto de datos es la diferencia entre la observacin
de mayor valor y la observacin de menor valor.
R = Xmax Xmin

Desviacin media o desviacin promedio:


Es la media aritmtica de los valores absolutos de las desviaciones de todos los
valores en relacin con algn punto central, tal como la media o la mediana.
a) Para datos no agrupados: =
b) Para datos agrupados: =

=1| |

=1| |

Varianza:
La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la
media de una distribucin estadstica. Este estadstico tiene el inconveniente de
ser poco significativo, pues se mide en el cuadrado de la unidad de la variable, por
ejemplo, si la variable viene dada en cm. la varianza vendr en cm2.

67

UNIVERSIDAD PRIVADA TELESUP

Ecuaciones de la varianza
1)

=1( )

Varianza poblacional: a) Datos no agrupados 2 =


b) Datos agrupados 2 =

2
(

)
=1

2) Varianza muestral:

a) Datos no agrupados

2 =

=1( )

2 [=1 ]

=1

b) Datos agrupados

2 =

=1 ( )

2 [=1 ]

=1

A la varianza muestral con en el denominador n-1 se le llama


cuasivarianza

Desviacin estndar o tpica:


Es la raz cuadrada de la varianza, se denota por S. Este estadstico se mide en la
misma unidad que la variable por lo que se puede interpretar mejor.
A la raz cuadrada de la Cuasi varianza se le llama Cuasi desviacin tpica.

Coeficiente de Variacin:
Es un estadstico de dispersin que tiene la ventaja de que no lleva asociada
ninguna unidad, por lo que nos permitir decir entre dos muestras, cual es la que
presenta mayor dispersin. La denotaremos por C.V.

Todas estas medidas de dispersin vienen influidas por la unidad en la que se mide
la variable, esto implica que si cambiamos de unidad de medida, los valores de estos
estadsticos se vean a su vez modificados. Adems, no permite comparar por
ejemplo, en un grupo de alumnos si los pesos o las alturas presentan ms dispersin,
pues no es posible comparar unidades de distinto tipo.

68

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 1.
Sean los datos siguientes: 32, 54, 21, 33, 45, 49, 36, 42, 57, 28, 52, 61
a) Rango: 61 21 = 40
b) Para calcular Varianza muestral, primero se obtiene la suma de las
observaciones y la suma de los cuadrados de las observaciones.
510

12
=1 = 32 + 54 + + 52 + 61 = 510; = =
= 42.5
=1 2 = 322 + 542 + + 522 + 612 = 23414
2

=
c)

(510)2
12

23414

11

12

= 158.09

Desviacin tpica s = 158.09 = 12.573

d) Coeficiente de variacin

Ejemplo 2

100

12.573
100
42.5

= 29.58 %

Sean los datos presentados en la siguiente tabla

xi

fi

xi fi

xi2 fi

|
|

[10, 20)

15

15

225

28.33

[20, 30)

25

200

5000

146.64

[ 3 0 , 4 0)

35

10

350

12 250

83.3

[40, 50)

45

405

18 225

15.03

[50, 60

55

440

24 200

93.36

[ 6 0 , 7 0)

65

260

16 900

86.68

[70, 80)

75

150

11 250

63.34

42

1 820

88 050

516.68

Suma

69

UNIVERSIDAD PRIVADA TELESUP

Solucin
En este caso se trata de datos agrupados, y para hacer los clculos usaremos las
ecuaciones de datos agrupados.

a) Media aritmtica: =
b) Varianza: =
2

88050

1820
42

(1820)2
42

41

= 43.33

= 223.98

c) Desviacin estndar: s = 223.98 = 14.96


14.96

d) Coeficiente de variacin: CV = 43.33 100 = 34.53 %


e) Desviacin Media: Dm =

516.68
42

= 12.30

Ejemplo 3.
El tiempo que utilizan 6 nios de igual edad para desarrollar una misma tarea fue el
siguiente: 12,13, 15, 11, 17, 16. Calcular la Desviacin media.

Proceso:
- Calculando la media aritmtica:

x = 12 + 13 + 15 + 11+ 17 + 16 = 84 = 14 minutos
6

- Calculando la desviacin media


DM = |1214 | + |1314 | + |1514 | + |11-14| + |17 -14| + |16-14|
6
DM = 2 + 1 + 1 + 3 + 3 + 2 = 12 = 2 minutos.
6

Interpretacin: El tiempo utilizado por los nios para desarrollar la tarea, se


dispersa en promedio 2 minutos con respecto al valor central.

70

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 4.
Los datos corresponden a las edades de 5 nios de la Comunidad X de nuestro
ejemplo inicial: 4, 5, 7, 8, 6. Vamos a calcular las medidas de dispersin para datos no
agrupados.

a)

Desviacin Media ( DM)

Proceso
1. Se obtiene la media aritmtica para datos simples o no agrupados

x = Xi = 4 + 5 + 7 + 8 + 6 = 30 = 6 aos
n

2. Construyendo la siguiente tabla:


Edad ( X)

X x

| X- x |

4 6 = -2

5 6 = -1

76= 1

86= 2

66= 0

0
= 6

3. Calculando la Desviacin Media : DM = 6

= 1.2 aos
5

Interpretacin. La edad de los nios con respecto a su media aritmtica tiene


una dispersin de 1.2 aos.

71

UNIVERSIDAD PRIVADA TELESUP

b) Cuasi varianza.
Proceso:

1. Se calcula la media aritmtica que en este caso es igual a 6 aos.


2. X2 = 42 + 52 + 72 + 82 + 62 = 16 + 25 + 49 + 64 + 36 = 190
3. La cuasivarianza ser:

S2 = Xi2 - n ( x )2 = 190 5(6)2


n -1

= 2.5

No tiene interpretacin prctica, slo se calcula para poder determinar la cuasi


desviacin estndar.

c) Cuasi desviacin Estndar (S):


S = S2 = 2.5 = 1.58 = 2 aos
Interpretacin. Las edades de los nios de la Comunidad X se dispersan respecto al
valor central en aproximadamente 2 aos.

d) Coeficiente de variacin ( CV)


CV= s x 100 = 1.58 x 100 = 26.33% = 26%

Interpretacin: Como cv% es menor que el 30% entonces la media es


una medida representativa del conjunto de datos.

72

UNIVERSIDAD PRIVADA TELESUP

Medidas
De

TEMA 4

Posicin
Competencia:
Definir, analizar
posicin.

graficar

las

medidas

73

de

UNIVERSIDAD PRIVADA TELESUP

Tema 04: Medidas de Posicin


A continuacin se describen las medidas de posicin ms comunes utilizadas
en estadstica, como lo son:

Cuartiles: Hay 3 cuartiles que dividen a una distribucin en 4 partes iguales:


primero, segundo y tecer cuartil.

Deciles: Hay 9 deciles que la dividen en 10 partes iguales: (primero al noveno


decil).

Percentiles: Hay 99 percentiles que dividen a una serie en 100 partes iguales:
(primero al noventa y nueve percentil).

Cuartiles (Q1, Q2, Q3)


Aquel valor de una serie que supera al 25% de los datos y es superado por el
75% restante.
Formula de Q1 para series de Datos Agrupados en Clase.

Donde:

: Posicin de Q1, la cual se localiza en la primera frecuencia acumulada


que la contenga, siendo la clase de Q1, la correspondiente a tal frecuencia
acumulada.
Li, faa (frec. acumulda anterior), fi, Ic: idntico a los conceptos vistos para
Mediana pero referidos a la medida de la posicin correspondiente.

a. Primer cuartil (Q1):


b. Segundo cuartil (Q2): Coincide, es idntico o similar al valor de la Mediana
(Q2 = Md). Es decir, supera y es superado por el 50% de los valores de una
Serie.

74

UNIVERSIDAD PRIVADA TELESUP

c. Tercer cuartil (Q3): Aquel valor, trmino o dato que supera al 75% y es
superado

por

el

25%

de

los

datos

restantes

de

la

Serie.

Formula de Q3 para series de Datos Agrupados en Clase.

Donde:

Posicin de Q3, todo idntico al clculo de la Mediana.

Deciles (D1, D2 D9)


Primer Decil (D1), Quinto Decil (D5) y Noveno Decil (D9).
El primer decil es aquel valor de una serie que supera a 1/10 parte de los datos y es
superado por las 9/10 partes restantes (respectivamente, hablando en porcentajes,
supera al 10% y es superado por el 90% restante).

El D9 (noveno decil) supera al 90% y es superado por el 10% restante.

Como se observa, son frmulas parecidas a la del clculo de la Mediana,


cambiando solamente las respectivas posiciones de las medidas.

Percentiles (P1 P50 P99)

Primer Percentil (P1), Percentil 50 (P50) y Percentil 99 (P99).


El primer percentil supera al uno por ciento de los valores y es
superado por el noventa y nueve por ciento restantes.
Frmulas de P1, P50, P99 para series de Datos Agrupados en
Clase.

75

UNIVERSIDAD PRIVADA TELESUP

El P99 (noventa y nueve percentil) supera al 99% de los datos y es


superado a su vez por el 1% restante. Para determinar estas medidas
se aplicara el principio de la mediana; as, el primer cuartil ser el valor
por debajo del cual se encuentra el 25 por ciento de los datos; bajo
el tercer cuartil se encuentra el 75 por ciento; el 80 decil ser el
valor por encima del cual estar el 20 por ciento de los datos, etc.
Como se observa, todas estas medidas no son sino casos particulares del percentil
ya que el primer cuartil no es sino el 25 percentil, el tercer cuartil el 75 percentil, el
cuarto decil el 40 percentil, etc.

Datos No Agrupados:
Se hace difcil calcular estas medidas, sin embargo, siguiendo los mismos principios
mencionados para la Mediana, se pueden localizar en la forma siguiente:
Si tenemos una serie de valores X1, X2, X3 Xn, se localiza el primer cuartil como el

valor

cuando n es par,

y cuando n es impar.

Para el tercer cuartil ser

Para los deciles ser


percentiles.

(n par);

(n impar).

siendo A el nmero del decil y para los

76

UNIVERSIDAD PRIVADA TELESUP

Ejemplo:
Calcular Q1, Q3, d3, y p45
Li-1

Li

fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

Clculo de Q1: Buscamos en la columna de las frecuencias Acumuladas el valor que


supere al 25% de N=50, corresponde al 2 intervalo.(50/4=12.5)

Anlogamente calculemos Q3,


Buscamos ahora en la misma
columna el correspondiente al
75 % de N que en este caso es
el 4 intervalo (3 x 50/4 =37.5)

Veamos ahora el decil 3.


(Corresponde al 30 % de N, es
decir 3 x 50 / 10 = 15) sera el
2 intervalo.

Por ltimo veamos el percentil 45


(45 x 50/100 = 22.5) Corresponde
al intervalo 3.

77

UNIVERSIDAD PRIVADA TELESUP

Lecturas Recomendadas

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS NO AGRUPADOS


http://colposfesz.galeon.com/est501/distfrec/mtcent/mtcent.htm

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS


http://www.monografias.com/trabajos43/medidas-tendencia-central/medidastendencia-central2.shtml

MEDIDAS DE DISPERSIN. VARIANZA, DESVIACIN ESTNDAR. COEFICIENTES


DE VARIACIN.
http://colposfesz.galeon.com/est501/distfrec/meddisp/meddisp.htm

MEDIDAS DE POSICIN. CUARTILES, PERCENTILES, DECILES


http://www.ditutor.com/estadistica/medidas_posicion.html

Actividades y Ejercicios
Ingresa al link Medidas lee atentamente las indicaciones, desarrllalo y envalo
por el mismo medio.
Los ingresos en dlares de 30 hombres elegidos al azar (entre un total de 1000)
se muestran a continuacin:

a. Calcule la media aritmtica para todos los datos sin agruparlos.


b. Calcule la media aritmtica empleando la tabla de frecuencias.
c. Cul cree usted son las razones de las diferencias entre ambas medias?
d. Explique mediante este ejemplo, la diferencia entre media, mediana y moda
e. Qu representa para usted la moda y mediana (en termino de pesos)?
f. Se puede considera que la poblacin de 1000 personas tendrn la misma media que la
muestra de 30 personas?

78

UNIVERSIDAD PRIVADA TELESUP

Autoevaluaciones
1.

Supongamos que los pesos de un grupo de 50 personas se distribuyen de la


siguiente forma:
Li-1

Li

Fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

Encontrar la mediana.
a) 65
b) 66
c) 68
d) 69.74
e) 68.2

2.

Encontrar la moda en (aproximar a 3 decimales):


Li-1

Li

Fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

a) 70
b) 70.29
c) 72
d) 73
e) 71

79

UNIVERSIDAD PRIVADA TELESUP

3.

Calcular Q1 en :
Li-1

Li

fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

a) 61.5
b) 62.5
c) 63
d) 65
e) 62

4. Calcular la cuasi varianza en la siguiente tabla

Li-1

Li

fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

a) 121
b) 120.78
c) 124.12
d) 123.76
e) 122.27

80

UNIVERSIDAD PRIVADA TELESUP

5.

Calcular P45 en :
Li-1

Li

fi

Fi

45

55

55

65

10

16

65

75

19

35

75

85

11

46

85

95

50

a) 68.5
b) 68.421
c) 63.2
d) 60.4
e) 61.2
6. La empresa Merrill Lynch Global Fund se especializa en obligaciones a largo
plazo de pases extranjeros. Deseamos saber la tasa de inters de estas
obligaciones. Una muestra aleatoria de seis bonos revel lo siguiente:

ARTCULO
Bonos del Gobierno de Australia

TASA DE INTERS
9.50%

Bonos del Gobierno de Blgica

7.25%

Bonos del Gobierno de Canad

6.50%

Bonos del Gobierno de Francia


Bonos del Gobierno de Italia
Bonos del Gobierno de Espaa

4.75%
12%
8.30%

Cul es la media de las tasas de inters en esta muestra de obligaciones a


largo plazo?
a)
b)
c)
d)
e)

7.5%
8.5%
9%
10%
8.05%

81

UNIVERSIDAD PRIVADA TELESUP

7. La constructora Carter paga a sus empleados 6,50; 7,50 o bien 8,50 dlares
por hora. Hay 26 empleados contratados por hora; 14 reciben la tarifa de
$6,50; 10 reciben la de $7,50 y 2 la de $8,50. Cul es la media de la tarifa por
hora que se paga a los 26 trabajadores?

a)
b)
c)
d)
e)

7.038%
8.038%
9.038%
10.038%
9.056%

8. Se inspeccionan 15 radios antes de enviarlos para su venta. El nmero de


defectos por radio es : 1 ; 0 ; 3 ; 4 ; 2 ; 1 ; 0 ; 3 ; 1 ; 2 ; 0 ; 1 ; 1 ; 0 ; 1 Encontrar
la moda:
a) 0
b) 1
c) 2
d) 3
e) 4

9. Calcule la varianza de esta muestra: 2, 4, 6, 8, 10.


a) 10
b) 15
c) 20
d) 25
e) 28

10. Determine la desviacin estndar de esta muestra: 20, 5, 10, 15, 25.

a) 7.5
b) 7.91
c) 7.8
d) 7.15
e) 7.80

82

UNIVERSIDAD PRIVADA TELESUP

Resumen

UNIDAD DE APRENDIZAJE II

Las medidas de tendencia central: Son indicadores estadsticos que muestran hacia
que valor (o valores) se agrupan los datos. Entre ellas tenemos:
Media aritmtica.- Es el clculo del promedio de un conjunto de datos.
Moda.- indica el valor o la clase que posee mayor frecuencia.
Mediana.- Equivale al clculo del promedio simple de un conjunto de datos.

Cuando los datos se agrupan en tablas, la media aritmtica es igual a la divisin


de la sumatoria del producto de las clases por la frecuencia sobre el nmero de
datos. Media aritmtica para datos agrupados

La mediana para datos agrupados en un cuadro de frecuencia se obtiene utilizando


las frecuencias absolutas o las frecuencias relativas.

Las medidas de dispersin son: Rango, Desviacin, Varianza, Desviacin Tpica,


Cuasi varianza, Cuasi Desviacin tpica, Coeficiente de Variacin.

Las medidas de posicin ms comunes utilizadas en estadstica, como lo son:


Cuartil.- son 3 valores que ordenadan de forma creciente o decreciente, en cuatro

tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.


+


Decil.- son 3 valores que ordenadan de forma creciente o decreciente, en cuatro
tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.


+


Percentil.- son 3 valores que ordenadan de forma creciente o decreciente, en cuatro
tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.


+

83

UNIVERSIDAD PRIVADA TELESUP

Introduccin

84

UNIVERSIDAD PRIVADA TELESUP

Introduccin

a. Presentacin y contextualizacin
Los temas que se tratan en la presente unidad temtica, tiene por finalidad que el
estudiante comprenda El Anlisis De Regresin Y Correlacin Lineal, as como
formular apreciaciones crticas sobre los diversos conceptos desarrollados, rectas
y diferentes tipos de coeficientes que se pueden dar a lo largo de la recta. Esto no
solo har ms hbil al estudiante sino que aumentara su raciocinio con problemas
numricos.

b. Competencia
Determina, analiza y estructura la recta de regresin y correlacin lineal.

c. Capacidades
1. Comprende, relaciona y estructura debidamente la recta de regresin y su
ecuacin.
2. Define, ejemplifica y aplica el coeficiente de correlacin.
3. Aplica, explica y analiza el coeficiente de determinacin.
4. Describe, analiza y grafica el diagrama de dispersin.

d. Actitudes
Cumple con los horarios establecidos, respeta y cumple las normas de
convivencia en el mbito superior universitario.
Planifica y cumple oportunamente sus tareas o actividades diarias y presenta
sus trabajos en forma organizada.
Muestra constancia a travs del cumplimiento de los trabajos asignados, valora
y disfruta con la perspectiva creativa de la Estadstica.

e. Presentacin de Ideas bsicas y contenido esenciales de la Unidad:


La Unidad de Aprendizaje 03: Anlisis De Regresin Y Correlacin Lineal
comprende el desarrollo de los siguientes temas:
TEMA 01: La Recta De Regresin Lineal Simple Por El Mtodo De Mnimos
Cuadrados.
TEMA 02: El Coeficiente De Correlacin.
TEMA 03: El Coeficiente De Determinacin.
TEMA 04: Diagrama De Dispersin.

85

UNIVERSIDAD PRIVADA TELESUP

La Recta
de Regresin TEMA 1
Lineal Simple
Por el Metodo
Mnimos Cuadrados
Competencia:
Comprender,
debidamente
ecuacin.

relacionar y estructurar
la recta de regresin y su

86

UNIVERSIDAD PRIVADA TELESUP

Desarrollo de los Temas

Tema 01: La Recta de Regresin Lineal Simple por el


Mtodo de Mnimos Cuadrados
La Regresin es una tcnica estadstica que se puede utilizar para solucionar
problemas comunes en los negocios.

Muchos estudios se basan en la creencia de que es posible


identificar y cuantificar alguna Relacin Funcional entre dos o
ms variables, donde una variable depende de la otra variable.
Se puede decir que Y depende de X, en donde Y y X son dos
variables cualquiera en un modelo de Regresin Simple.
"Y es una funcin de X"
Y = f(X)

Como Y depende de X,
Y es la variable dependiente, y

En el Modelo de Regresin es muy importante


identificar cul es la variable dependiente y

X es la variable independiente.

cul es la variable independiente.

En el Modelo de Regresin Simple se establece que Y es una funcin de slo una


variable independiente, razn por la cual se le denomina tambin Regresin
Bivariada porque slo hay dos variables, una dependiente y otra independiente y
se representa as:

Y = f (X)
"Y est regresando por X"

87

UNIVERSIDAD PRIVADA TELESUP

La variable dependiente es la

La variable Independiente X se

variable que se desea explicar,

le denomina VARIABLE

predecir. Tambin se le llama

EXPLICATIVA REGRESOR y

REGRESANDO VARIABLE DE

se le utiliza para EXPLICAR Y.

RESPUESTA.

RECTA DE REGRESIN LINEAL


Y= a + b X
Ejemplo:
Un trabajo estadstico asignado a un grupo de estudio
consiste en obtener un modelo de regresin lineal a nivel
descriptivo para predecir las ventas semanales de un
producto especfico en funcin de la publicidad del producto
por la radio. Para esto, han recopilado al azar los tiempos de
duracin en minutos de la publicidad e 10 semanas y el
respectivo nmero de unidades vendidas del producto. Los datos se dan en la tabla
que sigue.
1

10

20

30

30

40

50

60

60

60

70

80

50

73

69

87

108

128

135

132

148

140

Semana
Publicidad
X
Ventas Y

a) Obtenga la recta de regresin lineal simple por el mtodo de mnimos cuadrados.


Solucin
n = 10
=

88

UNIVERSIDAD PRIVADA TELESUP

Hallando La Varianza ( ) :

= 340

Covarianza De X E Y:

Cov xy =


()()

=
.

= 590

Hallando b:
b=

b = = ,

Hallando a:

a=

a = 107 1, 7353x50 = 20,235

La recta de regresin de la muestra es:

Y= a + b X
Y = 20,235 + 1,7353X

89

UNIVERSIDAD PRIVADA TELESUP

El
Coeficiente

TEMA 2

de

Correlacin
Competencia:
Definir, ejemplificar y aplicar el coeficiente
de correlacin.

90

UNIVERSIDAD PRIVADA TELESUP

Tema 02: El Coeficiente de Correlacin


La correlacin estadstica determina la relacin o dependencia que existe entre
las dos variables que intervienen en una distribucin bidimensional. Es decir,
determinar si los cambios en una de las variables influyen en los cambios de la
otra. En caso de que suceda, diremos que las variables estn correlacionadas o
que hay correlacin entre ellas.

El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades
1.

El coeficiente de correlacin no vara al hacerlo la escala de

medicin.
Es decir, si expresamos la altura en metros o en centmetros el
coeficiente de correlacin no vara.

2.

El signo del coeficiente de correlacin es el mismo que

el de la covarianza.
Si la covarianza es positiva, la correlacin es directa.
Si la covarianza es negativa, la correlacin es inversa.
Si la covarianza es nula, no existe correlacin.

3.

El coeficiente es un nmero real entre menos 1 y 1.


1 r 1

4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la


correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se
aproxime r a 1.

5.

Si el coeficiente de correlacin lineal toma valores cercanos a 1

la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se


aproxime r a 1.

91

UNIVERSIDAD PRIVADA TELESUP

6.

Si el coeficiente de correlacin lineal toma valores cercanos a 0, la


correlacin es dbil.

7.

Si r = 1 1, los puntos de la nube estn sobre la recta creciente o


decreciente. Entre ambas variables hay dependencia funcional.

Ejemplo
Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:

Estatura
(X)

186

189

190

192

193

193

198

201

203

205

Pesos (Y)

85

85

86

90

87

91

93

103

100

101

Calcular el coeficiente de correlacin.


xi

yi

xi2

yi2

xi yi

186

85

34 596

7 225

15 810

189

85

35 721

7 225

16 065

190

86

36 100

7 396

16 340

192

90

36 864

8 100

17 280

193

87

37 249

7 569

16 791

193

91

37 249

8 281

17563

198

93

39 204

8 649

18 414

201

103

40 401

10 609

20 703

203

100

41 209

10 000

20 300

92

UNIVERSIDAD PRIVADA TELESUP

205

101

42 025

10 201

20 705

1 950

921

380
618

85 255

179 971

Correlacin positiva muy fuerte.


Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:

Y/X

100

50

25

14

18

22

Obtener e interpretar
el coeficiente de
correlacin lineal

Convertimos la tabla de doble entrada en una tabla simple.

xi

yi

fi

xi fi

xi2 fi

yi fi

yi2 fi

xi yi fi

100

14

100

10 000

14

196

1 400

100

18

200

20 000

36

648

3 600

93

UNIVERSIDAD PRIVADA TELESUP

50

14

50

2 500

14

196

700

50

18

150

7 500

54

972

2 700

50

22

50

2 500

22

484

1 100

25

22

50

1 250

44

968

1 100

10

600

43 750

184

3 464

10 600

Es una correlacin negativa dbil.

94

UNIVERSIDAD PRIVADA TELESUP

El
Coeficiente

TEMA 3

de

Determinacin
Competencia:
Aplicar, explicar y analizar el coeficiente de
determinacin.

95

UNIVERSIDAD PRIVADA TELESUP

Tema 03: El Coeficiente de Determinacin


Una nube de puntos que se agrupa en torno a
una recta imaginaria nos justifica el estudio de la
regresin lineal entre las variables. Normalmente,
la variable explicativa no explica (valga la
redundancia) al 100% los resultados que se
observan en la variable explicada.

El nico caso en el que una variable explica al 100% a la otra variable es aquel
donde los puntos de la nube formen una recta. En ese caso, cada valor de X nos da
el valor exacto de Y. Pero ese no es el caso general. Vamos a cuantificar la calidad
de la explicacin de Y por X mediante el Coeficiente De Determinacin. Los datos
de ambas variables tienen una varianza. No nos vamos a interesar por la varianza
de la X (independiente), pero s por la de Y, por estar influenciada por la otra
variable.
La varianza de Y est generada, de una parte, por los
datos de X (es decir, por la varianza), y de otra parte
por causas desconocidas (a no ser que los datos
formen una lnea recta).

El coeficiente de determinacin va a ser el % de varianza de Y que se puede explicar


por X, y se le suele llamar CALIDAD DEL AJUSTE, porque valora lo cerca que est la
nube de puntos de la recta de regresin (o dicho de otro modo, lo ajustada que est la
nube de puntos a la recta de regresin). Como yi = y*i + ei, desarrollando la expresin
de la varianza de Y se puede llegar a que:

s y2

2
s xy
2
s
x

se2

var .no ex plic.

var .ex pl .porX

96

UNIVERSIDAD PRIVADA TELESUP

Y por tanto, el % de varianza de Y explicada por X es:

2
s xy

s x2
s y2
2
s xy
Que resulta ser

s x2

s y2

100

100

, elevado al cuadrado y multiplicado por 100.

Es por ello que al coeficiente de determinacin se le llama R2,


es decir

2
s xy

s x2

s y2

100

Ejemplo:

97

UNIVERSIDAD PRIVADA TELESUP

El coeficiente de determinacin lineal para obtener una medida descriptiva del


grado de asociacin lineal que existe entre las variables. La expresin del
coeficiente de determinacin es:
Donde Sxy representa la covarianza de las variables X e Y. Cuya expresin
simplificada es:

Donde Sxy representa la covarianza de las variables X e Y. Cuya expresin


simplificada es:

Para clarificar la forma de clculo construimos la siguiente tabla:


(variable X= Gastos de publicidad y variable Y= Volumen de ventas).

X= 49.333; Y=21.5; sx=20.870; sxy=158


Substituyendo obtenemos que vale 0.956

98

UNIVERSIDAD PRIVADA TELESUP

Series De Tiempo
Se denomina series de tiempo a un conjunto de observaciones obtenidas durante
un periodo de tiempo. El objeto de analizar tales datos es determinar si se
presentan ciertos Patrones o pautas no aleatorias que se puedan utilizar para
predecir o hacer proyecciones futuras.
Por

ejemplo

los

pronsticos

de

venta,

los

pronsticos de matrcula, pronsticos de produccin,


etc.

Eleccin Del Origen O Codificacin Del Tiempo


Debido a que el tiempo (aos, meses, semanas y das) es una variable cualitativa, es
necesario codificarlo para poder realizar el anlisis ya se de regresin o de correlacin.
Para ello se tiene:

a)

Cuando se tiene series cronolgicas con datos impares, de perodos, se


elige el origen en la mitad del perodo medio.
Ejemplo. Se tiene la siguiente de 7 aos.

Aos

X(valor codificado)

b)

2004

-3

2005

2006

2007

2008

-2

-1

2009

2010

Cuando se tiene series cronolgicas con datos par, de


perodos, se elige el origen entre los dos perodos medios,
ya no aparece el cero y los cdigos son alternados.
Ejemplo

Aos

X(valor codificado)

2005

-5

2006

-3

2007

-1

2008

2009

2010

99

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 1. Los siguientes datos representan los registros de la matrcula en


INTUR PERU (en cientos de personas). Hallar la ecuacin lineal y
luego hacer un pronstico para el ao 2013.

Aos

2006

2007

2008

Matrcula

2.5

2.8

2.4

2009
1.9

2010
2.1

Solucin. Se construye la tabla asignando los cdigos del tiempo. En este caso n
es impar
Aos

X2

XY

2006

-2

2.5

-5

2007

-1

2.8

-2.8

2008

2.4

2009

1.9

1.9

2010

2.1

4.2

Suma

13.7 10 -1.7

Hallando la ecuacin de regresin ( Y= a + bX), se tiene: = ; =

Luego a = 2.74 y =

(0)(13.7)
5
(0)2
10
5

1.7

1.7
10

( )( )

( )2
2

= 0.17

La ecuacin ser: Y = 2.74 0.17X


Para hallar el nmero de matriculados en el ao 2013, se asigna el cdigo de
tiempo
que sigue, as:
2011 = 3;

2012 = 4; 2013 = 5

Este valor reemplazamos en la ecuacin obtenida: Y = 2.74 0.17(5) = 1.89.


Esto quiere decir que en el ao 2013 se matricularan aproximadamente 189
alumnos.

100

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 2. Una constructora en 4 aos ha terminado de reconstruir la siguiente


cantidad de casas en Pisco. Predecir para el ao 2012.

Aos

2007

Casas reconstruidas

12

2008

2009

11

17

2010
20

Solucin. Se construye la tabla asignando los cdigos del tiempo. En este caso n es
par

Aos

X2

XY

2007

-3

12

-36

2008

-1

11

-11

2009

17

17

2010

20

60

60

20

30

Suma

Luego se sigue el mismo procedimiento del ejemplo 1, obtenindose la siguiente


ecuacin de regresin: Y = 15 + 1.5X
Para realizar el pronstico de nmero de casas que sern reconstruidas en el ao
2013, se asigna el cdigo de tiempo que sigue as:
2010 = 3;

2011 = 5;

2012 = 7

Este valor reemplazamos en la ecuacin: Y = 15 + (1.5)(7) = 25.5 = 26


Es decir en el ao 2012 se reconstruirn aproximadamente 26 casas.

101

UNIVERSIDAD PRIVADA TELESUP

Diagrama

TEMA 4

de

Dispersin
Competencia:
Describir, analizar y graficar el diagrama
de dispersin.

102

UNIVERSIDAD PRIVADA TELESUP

Tema 04: Diagrama de Dispersin


Un diagrama de dispersin es un tipo de diagrama matemtico que utiliza
las coordenadas cartesianas para mostrar los valores de dos variables para un
conjunto de datos.

Los datos se muestran como un conjunto de puntos,


cada uno con el valor de una variable que determina
la posicin en el eje horizontal y el valor de la otra
variable determinado por la posicin en el eje
vertical. Un diagrama de dispersin se llama
tambin grfico de dispersin.

Ejemplo 1
La tabla siguiente recoge las puntuaciones de 11 sujetos (N=11) en dos variables
X e Y.
X
10
8
13
9
11
14
6

Y
8.04
6.95
7.58
8.81
8.33
9.963
7.24

4
12
7
5

4.26
10.84
4.82
5.68

Construir el diagrama de dispersin de Y en funcin de X. En base al diagrama


construido.

Cmo estn relacionada X e Y?


Para construir el diagrama de dispersin, en un sistema de referencia rectangular,
dibujamos los puntos correspondientes a las puntuaciones de los sujetos en las
variables X e Y. En el eje de abscisas hemos representado a la variable X y en el
eje de ordenadas a la variable Y.

103

UNIVERSIDAD PRIVADA TELESUP

El grfico resultante es:

DIAGRAMA DE DISPERSIN
12
10,84
10

9,96
8,81

8,33
8,04

8
7,24
6

7,58

6,95

5,68
4,82

4,26

4
2
0
0

10

11

12

13

14

15

Ejemplo 2.-

Semana

10

Publicidad
X

20

30

30

40

50

60

60

60

70

80

50

73

69

87

108

128

135

132

148

140

Ventas Y

104

UNIVERSIDAD PRIVADA TELESUP

Grafique los datos y describa su tendencia

Hay una relacin lineal positiva entre el nmero de artculos vendidos y el


tiempo de publicidad por la radio semanalmente.

105

UNIVERSIDAD PRIVADA TELESUP

Lecturas Recomendadas

LA

RECTA DE REGRESIN LINEAL SIMPLE POR EL MTODO DE MNIMOS


CUADRADOS
http://www.aulafacil.com/CursoEstadistica/Lecc-13-est.htm

EL COEFICIENTE DE CORRELACIN
http://www.pucp.edu.pe/departamento/economia/images/documentos/DDD218.pdf

EL COEFICIENTE DE DETERMINACIN
http://www.virtual.unal.edu.co/cursos/ciencias/2007315/lecciones_html/capitulo_6/lec
cion1/Rcuadrado.html

DIAGRAMA DE DISPERSIN
http://www.fundibeq.org/opencms/export/sites/default/PWF/downloads/gallery/metho
dology/tools/diagrama_de_dispersion.pdf

Actividades y Ejercicios

Ingresa al link regresin, lee atentamente las indicaciones,


desarrllalo y envalo por el mismo medio.
1. Proyectar la Oferta de un cierto producto tomando en
cuenta los datos obtenidos en el estudio de mercado,
hallar la ecuacin de regresin.

106

UNIVERSIDAD PRIVADA TELESUP

Ingresa al link correlacin, lee atentamente las indicaciones,


desarrllalo y envalo por el mismo medio.
2. La evolucin del IPC (ndice de precios al consumo) y de la tasa
de inflacin en 1987 fue:

Calcula el coeficiente de correlacin entre el IPC y la tasa de


inflacin.

107

UNIVERSIDAD PRIVADA TELESUP

Autoevaluacin

1. En una zona de una ciudad se ha tomado una muestra para estudiar el nmero
de habitaciones dispuestas en un piso y el de personas que viven en l,
obtenindose estos datos:

Calcula e interpreta el coeficiente de determinacin.


a)

0.2025

b) 0.5929
c)

0.7723

d) 0.9801
e)

0.1521

2. De una determinada empresa se conocen los siguientes datos, referidos al


volumen de ventas (en millones de pesetas) y al gasto en publicidad (en miles
de pesetas) de los ltimos 6 aos.
Volumen de ventas
(mill. soles)

Gastos Publicidad (miles


soles)

10

16

15

32

20

48

22

56

30

64

32

80

Obtener las rectas de regresin mnimo cuadrtico.


Qu volumen de ventas de la empresa se podra esperar en un ao que se
gaste de publicidad 60000 soles? Y para un gasto en publicidad de 200000
soles?

108

UNIVERSIDAD PRIVADA TELESUP

a)

Y = 3.604+0.363x ; 25.369; 10.859

b) Y = 3.704+0.363x; 25.500; 10.678


c) Y = 3.604+0.383x; 24.369; 11.246
d) Y = 3.904+0.363x; 24.768; 11.238
e) Y = 4.604+0.368x; 25.125; 10.756
3. Cinco nios de 2, 3, 5, 7 y 8 aos de edad pesan, respectivamente, 14, 20, 32,
42 y 44 kilos. Hallar la covarianza.
a) 36.8
b) 31.6
c)

33.5

d) 30.8
e)

30.6

4. Se ha solicitado a un grupo de 50 individuos informacin sobre el nmero de


horas que dedican diariamente a dormir y ver la televisin. La clasificacin de
las respuestas ha permitido elaborar la siente tabla:
N d e h o r as d or m i da s ( X )

10

N d e h o r as d e t e l evi s i n ( Y )

F r e c u e n c i a s a b s o l ut a s ( f i )

16

20

10

Calcular la covarianza
a) -0.436
b) -0.453
c)

-0.235

d) -0.356
e)

-0.358

109

UNIVERSIDAD PRIVADA TELESUP

5.

Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:

E s t a t ur a ( X )

186

189

190

192

193

193

198

201

203

205

P e s o s ( Y)

85

85

86

90

87

91

93

103

100

101

Calcular el coeficiente de correlacin.


a) 0.92
b) 0.93
c) 0.94
d) 0.95
e)
6.

0.98

L o s va l o r e s d e d o s va r i a b l e s X e Y s e d i s t ri b u ye n s e g n l a
t a b l a s i g ui e n t e:

Y/X

100

50

25

14

18

22

Obtener el coeficiente de correlacin lineal.


a) -0.52
b) -0.54
c) -0.56
d) -0.57
e)

-0.59

110

UNIVERSIDAD PRIVADA TELESUP

7.

De una determinada empresa se conocen los siguientes datos, referidos al


volumen de ventas ( en millones de pesetas) y al gasto en publicidad ( en
miles de pesetas) de los ltimos 6 aos:

Cul de los siguientes grficos representa es su diagrama de dispersin?


a)

b)
100

100

80

80

60

60

40

40

20

20

0
0

c)

10

20

30

40

10

20

30

40

10

20

30

40

d ) 100

120
100
80
60
40
20
0

80
60
40
20
0
0

10

20

30

40

100
80

e)

60
40
20
0
0

10

20

30

40

111

UNIVERSIDAD PRIVADA TELESUP

8.

Se dan los datos de demanda total y las ventas efectuadas por la empresa
en los ltimos 11 aos:

Cul

de

los

siguientes

grficos representa es su
diagrama de dispersin?

a)

10

b)

20

15

6
4

10

0
0

c)

200

400

600

20

d)

200

400

600

200

400

600

40

15

30

10

20

10
0

0
0

200

400

600

15

e)

10
5
0
0

200

400

600

112

UNIVERSIDAD PRIVADA TELESUP

9.

Se tienen los siguientes datos. Halla el coeficiente de determinacin.

Se observa un comportamiento exponencial


Se usara la regresin con la ecuacin Y = Anti log (a + b(X) )
a)

2 = 0.838

b ) 2 = 0.576
c)

2 = 0.972

d ) 2 = 0.362
e ) 2 = 0.442
10. Hallar el coeficiente de determinacin:

Altura

17 18 16 15 18 17 17 16 16 16
5 0 2
7 0
3 1 8 5
5

Peso

80 82 57 63 78 65 66 67 62 58

a)

R 2 (0,8282) 2 100 68'59%

b)

R 2 (0,8456) 2 100 71,51%

c)

R 2 (0,5252) 2 100 38,59%

d)

R 2 (0,9292) 2 100 78,59%

e)

R 2 (0,6969) 2 100 54,59%


113

UNIVERSIDAD PRIVADA TELESUP

Resumen

UNIDAD DE APRENDIZAJE III:

Regresin Lineal Simple:


Es el estudio de la relacin funcional entre dos variables poblacionales, una variable
X, llamada independiente, explicativa o de prediccin y una variable Y, llamada
dependiente o variable respuesta, presenta la siguiente notacin:
Y=a+bX
Donde:
a es el valor de la ordenada donde la lnea de regresin se intercepta con el eje Y.
b es el coeficiente de regresin poblacional (pendiente de la lnea recta).

Determina la relacin o dependencia que existe entre las dos variables que
intervienen en una distribucin bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios de
la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que
hay correlacin entre ellas.

Una importante medida estadstica igual al cuadrado del coeficiente de correlacin. Se


utiliza a menudo como medida de la eficacia de la cobertura en cuyo caso se mide el
porcentaje de la variacin en el precio de una posicin al contado explicada por la
variacin en el precio del instrumento de cobertura. Se puede obtener como R2 a partir
de una regresin lineal sencilla.

La representacin grfica ms til para describir el comportamiento conjunto de dos


variables es el diagrama de dispersin o nube de puntos, donde cada caso aparece
representado como un punto en el plano definido por las variables X1 y X2 o X y Y.

114

UNIVERSIDAD PRIVADA TELESUP

115

UNIVERSIDAD PRIVADA TELESUP

Introduccin

a) Presentacin y contextualizacin
Los temas que se tratan en la presente unidad temtica, tiene por finalidad que el
estudiante comprenda la teora de las probabilidades, as como formular
apreciaciones crticas sobre los diversos conceptos desarrollados. Estas
propiedades y formulas nos sern tiles no solo en los problemas o ejercicios, ya
que si le damos el enfoque adecuado tambin puede servir para ayudar a resolver
nuestros problemas.

b) Competencia
Comprende el significado de los teoremas y axiomas de probabilidad para
obtener la solucin adecuada.

c) Capacidades
1. Define y aplica el concepto de experimento aleatorio, espacio muestral y
suceso.
2. Define y analiza la probabilidad con sus tipos de eventos.
3. Explica la probabilidad condicional en diferentes hechos de la vida cotidiana.
4. Comprende el significado del teorema de probabilidad total, el teorema de
Bayes y explica los diferentes mtodos de conteo para obtener una solucin
adecuada.

d) Actitudes
Toma iniciativa y lidera al equipo en el cumplimiento de las actividades
asignadas a su vez promueve actividades y toma de decisiones pertinentes.
Cumple con los horarios establecidos, respeta y cumple las normas de
convivencia en el mbito superior universitario.
Planifica y cumple oportunamente sus tareas o actividades diarias y presenta
sus trabajos en forma organizada.

e) Presentacin de ideas bsicas y contenido esenciales de la Unidad.


La Unidad de Aprendizaje 4: Probabilidades, comprende el desarrollo de los
siguientes temas:
Tema 01: Experimento aleatorio, espacio muestral y suceso.
Tema 02: Definicin De Probabilidad, Valor, Eventos Mutuamente Excluyentes
Y Eventos No Excluyentes
Tema 03: Probabilidad Condicional.
Tema 04: Probabilidad Total, Teorema de Bayes y Tcnicas de Conteo.

116

UNIVERSIDAD PRIVADA TELESUP

Experimento
TEMA
1
Aleatorio
Espacio Muestral

Y Suceso
Competencia:
Definir y aplicar el concepto de experimento
aleatorio, espacio muestral y suceso.

117

UNIVERSIDAD PRIVADA TELESUP

Desarrollo de los Temas

Tema 01: Experimento Aleatorio, Espacio Muestral y


Suceso
La teora de la probabilidad proporciona la base para la
inferencia estadstica. El primer matemtico que calcul
correctamente una probabilidad terica fue el italiano
-49+
Girolamo Cardano, quien vivi desde 1501 hasta 1576.
Los objetivos de esta unidad son ayudar al estudiante a
adquirir cierta habilidad matemtica

en el rea de la

probabilidad y ayudarle a comprender los conceptos ms


importantes

Experimento Aleatorio
Es un proceso de observacin, donde se verifican las siguientes condiciones:

1.

Se puede repetir indefinidamente, siempre en las


mismas condiciones;

2.

Antes de realizarlo, no se puede predecir el resultado


que se va a obtener.

Ejemplos
Tirar al aire una moneda
Resultado: Existe duda en el resultado exacto, porque es
posible que aparezca cara o sello

Predecir la duracin de un discurso.


Resultado: Antes de que se escuche el discurso no se sabe cunto tiempo durar.

Evaluacin de los docentes


Resultado: Antes de la evaluacin no se conoce con exactitud si el docente
aprobar o desaprobar la evaluacin.

118

UNIVERSIDAD PRIVADA TELESUP

Evaluar el estado nutricional de un nio menor de 5 aos de una Comunidad,


elegido al azar. Resultado: Antes de la evaluacin no se conoce cul es el estado
nutricional del nio.
Los trabajos de investigacin son experimentos aleatorios, puesto que antes
de ejecutarlos no se sabe si la hiptesis que se ha planteado seran
aceptadas o rechazadas

Espacio Muestral (e)


Al conjunto de todos los posibles resultados de un experimento se le conoce
como espacio muestral y suele representarse con la letra E. Los elementos del
espacio muestral se denominan sucesos elementales
e1, e2 E

=> e1, e2 son sucesos elementales

Si el espacio muestral tiene un nmero finito de


elementos, Podemos enumerar los elementos en la
notacin usual de conjuntos; por ejemplo, el espacio
muestral de los posibles resultados de tirar una
moneda se puede escribir como:
E = { c, s } donde c y s representan cara y sello
Los espacios muestrales con un nmero de elementos grande, o infinito, se
describen mejor con un enunciado o una regla; por ejemplo, si los posibles
resultados de un experimento son el conjunto de automviles equipados con
radios de banda ancha, el espacio muestral se puede escribir:
E = {x/x es un automvil con radio de BA}

Ejemplo

1.

Sea el experimento de lanzar dos monedas. Hallar su espacio muestral.

Solucin
Sea M1 la primera moneda, entonces M1 = {c, s}
Sea M2 la segunda moneda, entonces M2 = {c, s}
Para construir el espacio muestral, se tiene varias formas:

a) Por el producto de M1 x M2, obtenindose el siguiente resultado:


E = {(c, c), (c, s), (s, c), (s, s)}

119

UNIVERSIDAD PRIVADA TELESUP

b) Un cuadro de doble entrada


M1

M2

cc

cs

sc

Ss

c) El diagrama del rbol


M1

M2

c
s

c
s

E= { (c,c), (c, s), (s, c), (s, s)}

Suceso o Evento Aleatorio


Cuando hablamos de una parte del conjunto de resultados posibles, nos estamos
refiriendo a un evento o suceso. Cualquier subconjunto de E ser denominado
suceso o evento aleatorio, y se denotar normalmente con las letras A, B,...
A, B

E => A, B son sucesos o eventos aleatorios


Los sucesos aleatorios son ms generales que los
elementales, ya que son conjuntos que pueden
contener no a uno slo, sino a una infinidad de
sucesos elementales, as como tambin pueden no
contener ninguno.

Sucesos aleatorios que aparecen con gran frecuencia en el clculo de


probabilidades son los siguientes es:

Suceso Seguro. Es aquel que siempre se verifica despus del experimento aleatorio,
es decir, el mismo E.
A

E => suceso seguro

120

UNIVERSIDAD PRIVADA TELESUP

Suceso Imposible. Es aquel que nunca se verifica como resultado del experimento
aleatorio. Como debe ser un subconjunto de S, la nica posibilidad es que el suceso
imposible sea el conjunto vaco.

=> es un suceso imposible

Suceso Contrario A Un Suceso A. Tambin se denomina complementario de A y es


el suceso que se verifica si, como resultado del experimento aleatorio, no se verifica A.
Se acostumbra a denotar con el smbolo
A

A = {e

o A

E: e E}

Suceso contrario a A

Ejemplos
1.

Si realizamos el experimento aleatorio de lanzar un dado al aire, tenemos:


Sucesos elementales 1, 2, 3, 4, 5, 6
Espacio muestral

E = {1, 2, 3, 4, 5, 6}

suceso imposible
E
Sucesos aleatorio

suceso seguro

{1} suceso unitario


{1, 2, 3} suceso compuesto
{2, 4, 6} = {1, 3, 5} suceso contrario

121

UNIVERSIDAD PRIVADA TELESUP

Definicin de
Probabilidad

Valor, Eventos
Mutuamente
Excluyentes

TEMA 2

y Eventos No Excluyentes
Competencia:
Definir y analizar la probabilidad con sus
tipos de eventos.

122

UNIVERSIDAD PRIVADA TELESUP

Tema 02: Definicin de Probabilidad Valor,


Eventos Mutuamente Excluyentes y Eventos No
Excluyentes
Se define como clculo de probabilidad al conjunto de
reglas que permiten determinar si un fenmeno ha de
producirse, fundando la suposicin en el clculo, las
estadsticas o la teora. El objetivo de esta prctica es
realizar varios experimentos de probabilidad, anotar los
resultados

posteriormente

compararlos

con

los

resultados tericos.

Definicin de Laplace.
En el caso de que todos los sucesos elementales del espacio muestral E sean
equiprobables, Laplace define la probabilidad del suceso A como el cociente entre el
nmero de resultados favorables a que ocurra el suceso A en el experimento y el
nmero de resultados posibles del experimento.

E x1 , x2 , x3 ,...xk

Si :

P ( A)

P ( x1 ) P ( x2 )... P( xK ),

Nmero de casos

favorables del evento

Nmero de casos

posibles

Ejemplo:
Consideremos el experimento "lanzar un dado y anotar el resultado".
El espacio muestral es E = {1, X, 2}.
Las probabilidades de cada uno de los sucesos son:

P() = 0

P({1}) = 1/3

P({1,2}) = P({1}) + P({2}) = 1/3 + 1/3 = 2/3

P({1,X,2}) = P(E) = 1

P({X}) = 1/3

P({2}) = 1/3
P({1,X}) = 2/3

P({2,X}) = 2/3

123

UNIVERSIDAD PRIVADA TELESUP

El Valor De La Probabilidad
El valor ms pequeo que puede tener la probabilidad de ocurrencia de un evento
es igual a 0, el cual indica que el evento es imposible, y el valor mayor es 1, que
indica que el evento ciertamente ocurrir. Entonces si decimos que P(A) es la
probabilidad de ocurrencia de un evento A y P (A) la probabilidad de no
ocurrencia de A, tenemos que:
0 ()

Propiedades
1. P(

) = 1 - P( A )

2. P( ) = 0
3. Si

P( B ) = P( A ) + P(

4. Si

P( A )

P( B )

5. Si A1 , A2 , ... , Ak , son incompatibles dos a dos,


P( A1

6. P(

A2

...

Ak ) = P( A1 ) + P( A2 ) + ... + P( Ak

) = P( A ) + P( B ) - P(

entonces:
)

7. Si el espacio muestral E es finito y un sucesos es


A={x1 , x2 , ... , xK} , entonces:
P( A ) = P( x1 ) + P( x2 ) + ... + P( xK )

Ejemplo
Se lanzan dos dados equilibrados con seis caras marcadas con los nmeros del 1 al 6.
Se pide:

a. Halla la probabilidad de que la suma de los valores que aparecen en la cara


superior sea mltiplo de tres.

b. Cul es la probabilidad de que los valores obtenidos difieran en una cantidad


mayor de dos?

124

UNIVERSIDAD PRIVADA TELESUP

Solucin:
El espacio muestral del experimento es:
E = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1);...; (6,6)} y est formado por 36
sucesos elementales equiprobables. Constituyen el nmero de casos posibles
del experimento.
Utilizando la regla de Laplace, calculamos las probabilidades de los sucesos que nos
piden:

a.

Si llamamos A al suceso "obtener una suma mltiplo de 3", los casos favorables
al suceso A son:
A = {(1,2); (2,1); (1,5); (2,4); (3,3); (4,2); (5,1); (3,6); (4,5); (5,4); (6,3); (6,6)}.

Por tanto, P(A) = 12/36 = 1/3

b.

Si llamamos B al suceso "obtener unos valores que se diferencian en una


cantidad mayor que dos", los casos favorables al suceso B son:
B = {(1,4); (4,1); (1,5); (5,1); (1,6); (6,1); (2,5); (5,2); (2,6); (6,2); (3,6); (6,3)}.

Por tanto, P( B ) = 12/36 = 1/3

Eventos Mutuamente Excluyentes Y Eventos No Excluyentes


Dos o ms eventos son mutuamente excluyentes o
disjuntos, si no pueden ocurrir simultneamente. Es
decir,

la

ocurrencia

de

un

evento

impide

automticamente la ocurrencia del otro evento (o


eventos).

Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga
cara o sello pero no los dos a la vez, esto quiere decir
que estos eventos son excluyentes. Dos o ms
eventos son no excluyentes, o conjuntos, cuando es
posible que ocurran ambos.

125

UNIVERSIDAD PRIVADA TELESUP

Ejemplo:
Si consideramos en un juego de domin sacar al menos un blanco y un seis, estos
eventos son no excluyentes porque puede ocurrir que salga el seis blanco.

Regla De La Adicin
La Regla de la Adicin expresa que: la probabilidad de
ocurrencia de al menos dos sucesos A y B es igual a:
P(A o B) = P(A) U P (B) = P(A) + P(B) si A y B son
mutuamente excluyente
P(A o B) = P(A) + P (B) P(A y B) si A y B son no
excluyentes
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B

126

UNIVERSIDAD PRIVADA TELESUP

Probabilidad

TEMA 3

Condicional
Competencia:
Explicar la probabilidad condicional en
diferentes hechos de la vida cotidiana.

127

UNIVERSIDAD PRIVADA TELESUP

Tema 03: Probabilidad Condicional


Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de
un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o
eventos). Un caso tpico de eventos independiente es el muestreo con
reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la
poblacin donde se obtuvo.

Es decir; decimos que dos sucesos A y B son


independientes entre s si la ocurrencia de uno de
ellos no modifica la probabilidad del otro, es decir, si:

P( B/A ) = P( B )

P( A/B ) = P( A )

Ejemplo:
Lanzar al aire dos veces una moneda son eventos independientes por que el resultado
del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o
sello, en el segundo lanzamiento.

Eventos Dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno
de ellos afecta la probabilidad de ocurrencia del otro (o otros). Decimos que dos
sucesos A y B son dependientes entre s si la ocurrencia de uno de ellos modifica la
probabilidad del otro, es decir, si:

P( B/A )

P( B )

P( A/B )

P( A )

128

UNIVERSIDAD PRIVADA TELESUP

Probabilidad Condicional

Cuando tenemos eventos dependientes este caso, empleamos entonces, el


concepto de probabilidad condicional para denominar la probabilidad del evento
relacionado. La expresin P(A|B) indica la probabilidad de ocurrencia del evento A
s el evento B ya ocurri. Se debe tener claro que A|B no es una fraccin.
Sean A y B dos sucesos tal que P( A )

0, se llama

probabilidad de B condicionada a A, P(B/A), a la


probabilidad de B tomando como espacio muestral A, es
decir, la probabilidad de que ocurra B dado que ha sucedido
A.

De esta igualdad se deduce:

P (B

A) = P (B/A) P(A)

Reglas de Multiplicacin
Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms
eventos. Es decir la interseccin entre los conjuntos de los posibles valores de A y los
valores de B, esto quiere decir que la probabilidad de que ocurran conjuntamente los
eventos A y B es:
P(A y B) = P(A B) = P(A).P (B)

si A y B son independientes

P(A y B) = P(A B) = P(A).P (B|A)

si A y B son dependientes

P(A y B) = P(A B) = P (B).P (A|B)

si A y B son dependientes

Ejemplo:
Consideremos el experimento de "lanzar un dado al aire". Calculemos, por ejemplo, la
probabilidad de obtener un 3 sabiendo que ha salido un nmero impar: Definimos los
sucesos A="sacar 3" y B= {1, 3, 5}; entonces, P(A/B)=1/3 puesto que si sabemos que
ha salido un nmero impar, los casos posibles ahora son 3 y los casos favorables al
suceso A slo 1.

129

UNIVERSIDAD PRIVADA TELESUP

Ejemplo:

Se lanzan dos dados:

a. Cul es la probabilidad de obtener una suma de puntos igual a 7?


b. Si la suma de puntos ha sido 7, cul es la probabilidad de que en alguno de
los dados haya salido un tres?
Solucin:
Sean los sucesos A="la suma de los puntos es 7" y B="en alguno de los dados ha
salido un tres".

a. Los casos posibles al lanzar dos dados son 36 y los casos favorables al
suceso A son los seis siguientes: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1). Por
tanto, P( A )=6/36=1/6

b. En este caso, el suceso B/A es salir en algn dado 3, si la suma ha sido 7.


Observamos que esta situacin ocurre en las parejas (3,4) y (4,3). Por tanto,
P( B/A )=2/6=1/3

Tablas De Contingencia Y Diagramas De rbol.

En los problemas de probabilidad y en especial en los de probabilidad condicionada,


resulta interesante y prctico organizar la informacin en una tabla de contingencia o
en un diagrama de rbol.
Las tablas de contingencia y los diagramas de rbol estn
ntimamente relacionados, dado uno de ellos podemos construir
el otro. Unas veces, los datos del problema permiten construir
fcilmente uno de ellos y a partir de l podemos construir el
otro, que nos ayudar en la resolucin del problema.

130

UNIVERSIDAD PRIVADA TELESUP

Conversin De Una Tabla En Diagrama De rbol


Las tablas de contingencia estn referidas a
dos caractersticas que presentan cada una

A,

, B y

TOTAL

dos o ms sucesos. En el caso de los sucesos


, expresados en frecuencias

P(A

B ) P(

B)

P(B)

P(A

) P(

P( )

absolutas, relativas o probabilidades la tabla,


adopta la forma adjunta. Dicha tabla adopta la
forma del diagrama de rbol del dibujo. En
ste, a cada uno de los sucesos A y
ha asociado los sucesos B y

se les

TOTAL

P(A)

P(

Sobre las ramas del diagrama de rbol


se

han

anotado

condicionadas

las

probabilidades

correspondientes,

deducidas de las relaciones anlogas a:

Conversin De Un Diagrama En Tabla De Contingencia


De manera recproca, dado el diagrama de rbol podemos construir la tabla de
contingencia equivalente sin ms que utilizar la expresin.
P( B

A ) = P( B/A ) P( A ), para calcular las probabilidades de las

intersecciones de sucesos que forman la tabla.

Ejemplo:
Un taller sabe que por trmino medio acuden: por la maana 3 automviles con
problemas elctricos, 8 con problemas mecnicos y 3 con problemas de chapa, y
por la tarde 2 con problemas elctricos, 3 con problemas mecnicos y 1 con
problemas de chapa.

131

UNIVERSIDAD PRIVADA TELESUP

a. Calcula el porcentaje de los que acuden por la tarde.


b. Calcula el porcentaje de los que acuden por problemas mecnicos.
c. Calcula la probabilidad de que un automvil con problemas elctricos acuda por la
maana.
Solucin:
En las tablas de contingencia, con las frecuencias absolutas y los porcentajes,
respectivamente, pueden verse recogidos los datos del enunciado.

ELC.

MEC.

CHAPA

TOTAL

MAANA

14

TARDE

TOTAL

11

20

ELC. MEC. CHAPA TOTAL


MAANA

0.15

0.40

0.15

0.70

TARDE

0.10

0.15

0.05

0.30

TOTAL

0.25

0.55

0.20

1.00

Las respuestas a las cuestiones planteadas basta leerlas en las tabla. As, se
obtiene:
a. El 30% de los automviles acude al taller por la tarde.
b. El porcentaje de vehculos ingresados con problemas mecnicos es el 55%.
c. La probabilidad buscada es:
P (acuda por la maana/tiene problemas elctricos) = 3/5 = 0.6

132

UNIVERSIDAD PRIVADA TELESUP

Probabilidad
Total
TEMA 4
Teorema de Bayes
y Tcnicas de
Conteo
Competencia:
Comprender el significado del teorema de
probabilidad total, el teorema de Bayes y
explica los diferentes mtodos de conteo
para obtener una solucin adecuada.
.

133

UNIVERSIDAD PRIVADA TELESUP

Tema 04: Probabilidad Total, Teorema De


Bayes Y Tcnicas De Conteo
Sea A1, A2,..., An; una particin sobre el espacio muestral y sea B un suceso
cualquier del que se conocen las probabilidades condicionales P (B | Ai), entonces
la probabilidad total se define:

Ejercicio 1
Una compaa dedicada al transporte pblico explota tres
lneas de una ciudad, de forma que el 50 % de los autobuses
cubre el servicio de la primera lnea, el 20% cubre la segunda y
el 30% cubre el servicio de la tercera lnea. Se sabe que la
probabilidad de que, diariamente, un autobs se avere es del
3%, 2% y 5%, respectivamente para cada lnea.
a) Determine la probabilidad de que, en un da, un
autobs sufra una avera.

Solucin
Sean los eventos:
A1: cubre el servicio de la primera
lnea
A2: cubre el servicio de la segunda
lnea
A3: cubre el servicio de la tercera
lnea
B1: sufre una avera

Datos:
P (A1) = 0.5

; P (A2) = 0.2

P(A3= 0.3

P (B1/A1) =0.03
P (B1/A2) =0.02
P (B1/A3) =0.05
Adems: P (B2/A1) = 1- P (B1/A1)
P (B2/A1) = 1- P (B1/A1) = 1 0.03 = 0.97
P (B2/A2) = 1- P (B1/A2) = 1 0.02 = 0.98
P (B2/A3) = 1- P (B1/A3) = 1 0.05 = 0.95

B2: no sufre una avera

134

UNIVERSIDAD PRIVADA TELESUP

a) Empleando la frmula de la probabilidad total :

() = (). (/) + (). (/) + (). (/)


() = . . + . . + . . = .

Ejercicio 2
Se lanzan dos monedas al aire. Si salen dos caras, se extrae una bola de una
urna( I)que contiene, 2 bolas blancas y 3 negras. Si sale cara y cruz, se extrae una
bola de una urna (II), que contiene 4 bolas blancas y 1 negra. Si salen dos cruces,
se extrae una bola de una urna (III), que contiene 3 bolas blancas y 2 negras.
Cul es la probabilidad de extraer bola blanca despus de lanzar las monedas y
sacar la bola?

Solucin:
El diagrama de rbol muestra, primero, las probabilidades
correspondientes a la eleccin de la urna y, despus, a la
extraccin de la bola La probabilidad total de sacar bola
blanca la calculamos caminando por todas las ramas que
terminan en sacar bola blanca.

P (B)
=

P (B/UI)P(UI)+P(B/UII)P(UII)+P(B/UIII)P(UIII)
=

2/5 1/4 + 4/5 2/4 + 3/5 1/4


=

13/20

135

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 3
Se tiene una urna vaca y se lanza una moneda al aire. Si sale cara, se introduce en la
urna una bola blanca y si sale cruz, se introduce una bola negra. El experimento se
repite tres veces y, a continuacin, se introduce la mano en la urna, retirando una bola.
Cul es la probabilidad de que en la urna queden una bola blanca y otra negra?

Solucin:
Llamamos B = "obtener bola blanca" y N = "obtener bola negra". En el diagrama
de rbol pueden verse las configuraciones posibles de las urnas, despus del
lanzamiento de las monedas y las urnas finales, as como las probabilidades para
cada una de ellas. Atendiendo a la notacin expresada en el diagrama de rbol y
segn el teorema de la probabilidad total, se obtiene:

P (BN)
=
=

P (BN

BBN)+P (BN

BNN)

P (BBN) P (BN/BBN)+P (BNN) P (BN/BBN)


=

3/8 2/3 + 3/8 2/3 = 1/4 + 1/4


=

1/2

136

UNIVERSIDAD PRIVADA TELESUP

Ejemplo 4
Una empresa del ramo de la alimentacin elabora sus productos en cuatro
factoras: F1, F2, F3 y F4. El porcentaje de produccin total que se fabrica en cada
factora es del 40%, 30%, 20% y 10%, respectivamente, y adems el porcentaje
de envasado incorrecto en cada factora es del 1%, 2%, 7% y 4%. Tomamos un
producto de la empresa al azar. Cul es la probabilidad de que se encuentre
defectuosamente envasado?

Solucin:

Llamando M = "el producto est


defectuosamente envasado", se tiene que este
producto puede proceder de cada una de las
cuatro factoras y, por tanto, segn el teorema
de la probabilidad total y teniendo en cuenta las
probabilidades del diagrama de rbol adjunto,
tenemos:

P (M)
=

P (F1) P (M/F1) + P (F2) P (M/F2) + P (F3) P (M/F3) + P (F4) P (M/F4)

0.4 0.01 + 0.3 0.02 + 0.2 0.07 + 0.1 0.04

0.004 + 0.006 + 0.014 + 0.004

0.028

137

UNIVERSIDAD PRIVADA TELESUP

Teorema de bayes y tcnicas de conteo

EL TEOREMA DE BAYES
Sea A1, A2,..., An un sistema completo de sucesos, tales que la probabilidad de cada
uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las
probabilidades condicionales P (B/Ai). Entonces la probabilidad

P (Ai/B) viene dada

por la expresin:

() ()

( ) =

()

En los problemas relacionados con la probabilidad, y en particular con la


probabilidad condicionada, as como con la probabilidad total y el teorema de
Bayes, es aconsejable que, con la informacin del problema, construyas una tabla
de contingencia o un diagrama de rbol.

Ejemplo
Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total
de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa
de estas mquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea
defectuosa.
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad
de haber sido producida por la mquina B.
c. Qu mquina tiene la mayor probabilidad de haber
producido la citada pieza defectuosa?

138

UNIVERSIDAD PRIVADA TELESUP

Solucin:

Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin


del problema puede expresarse en el diagrama de rbol adjunto.
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la
propiedad de la probabilidad total,
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) =
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038

b. Debemos calcular P(B/D). Por el teorema de Bayes,

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya


calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza


defectuosa es A.

139

UNIVERSIDAD PRIVADA TELESUP

Tcnicas De Conteo
Frmula de la Combinacin
Si el orden en los objetos seleccionados no es importante, a cualquier seleccin se le
llama una combinacin. La frmula para contar el nmero de combinaciones de k
objetos de un conjunto de n objetos es: =

!
!()!

Ejemplo:
Un inversionista desea seleccionar tres inversiones de un total de 10 inversiones De
cuntas maneras diferentes puede invertir el inversionista?

10
3 =

10!
= 120
3! (10 3)!

Frmula de la Permutacin
Un arreglo o disposicin de k objetos seleccionados de un solo grupo de n objetos
posibles. Se utiliza para determinar el nmero posible de arreglos cuando slo hay un
grupo de objetos.

!
( )!

Ejemplo:
Un inversionista tiene la intencin de invertir $ 5 000 en un proyecto, $10 000 en un
segundo proyecto, y $ 20 000 en un tercer proyecto. Si existen en total 10
posibilidades de inversin. De cuntas maneras puede invertir?
n= 10
k=3

10
3 =

10!
=
(10 3)!

140

UNIVERSIDAD PRIVADA TELESUP

Adems existen otras formas de permutacin, as tenemos:

Permutacin circular:
Son agrupaciones donde no hay
primero ni ltimo elemento, por
hallarse todos en una lnea cerrada.
Para hallar el nmero de permutaciones
Circulares que se pueden formar con n objetos distintos de un
conjunto, hay que considerar fija la posicin de un elemento, los n 1
restantes podrn cambiar de lugar de (n 1)! formas diferentes
tomando todas las posiciones sobre la circunferencia relativa al primer
punto.
El nmero de permutaciones circulares ser: P(n, r) = (n-1)!
Ejemplos:
1. De cuntas formas diferentes puede sentarse alrededor de
una mesa circular un padre y sus 5 hijos?
Solucin P(n,r) = (6 1)! = 5! = 5 x 4 3 x 2 x 1 = 120 maneras
Solucin:

Se trata de una permutacin circular.

Permutaciones sin repeticin


Las permutaciones sin repeticin son un caso particular
de las variaciones que se pueden dar en un conjunto de
n elementos tomados de n en n maneras. Tambin son
lineales con participacin de todos los elementos.
Se denota Pn = n!

141

UNIVERSIDAD PRIVADA TELESUP

Ejemplo
1. De cuntas maneras pueden colocarse en fila 6 personas para una foto de grupo?
Solucin:
Ordenando a las personas se tiene n = 6, se tiene: P6 = 6! = 720
2. De cuntas maneras se pueden colocar en un estante 9 libros?

Solucin:
Formamos permutaciones ordinarias de tal manera que n = 9, entonces
P9 = 9! = 362880

Permutaciones con repeticin


Es cuando cada objeto vuelve a intervenir todas las veces
que se realice una seleccin. Se calcula as:
P(n, r) = nr
Ejemplos.
1. Cuntos nmeros de 3 cifras se pueden formar con los dgitos 1, 2, 3, 4, 5 y 6?
Solucin.
Se tiene los datos n = 6; r = 3. Como es con repeticin, porque todas las cifras,
la primera, la segunda y la tercera, siempre tienen 6 posibilidades; reemplazando
en la frmula se tiene:
P(6,3) = 63 = 216 formas
2. Al tirar una moneda tres veces consecutivas, cuntos resultados diferentes
pueden salir?
Solucin:
La moneda tiene dos partes, entonces n = 2 y como el nmero de tiradas es 3 se
tiene r = 3. Finalmente

2
3

23 = 8

142

UNIVERSIDAD PRIVADA TELESUP

Permutaciones con elementos repetidos


El nmero de permutaciones (P) distintas de n elementos
tomados de n en n en donde hay un primer grupo de n1 objetos
iguales entre si; n2 objetos iguales entre si de un
segundo tipo y as sucesivamente hasta n objetos iguales entre
si de un ltimo tipo, entonces:

Ejemplo. En un rally intervienen 8 carros: 3 son italianos, 2 franceses, 2 argentinos


y 1 peruano. Cul es el nmero de clasificaciones posibles por nacionalidades?
Solucin:
Como la nacionalidad de los carros se repite, es una permutacin con elementos
repetidos, es decir n = 8; carros italianos

r1 = 3; carros franceses r2 = 2; carros

argentinos r3 = 2; carros peruanos r4 = 1


8

Luego

3, 2, 2,1 =

8!

= 1680

3! 2! 2! 1!

143

UNIVERSIDAD PRIVADA TELESUP

Lecturas Recomendadas

DEFINICIN DE PROBABILIDAD, EL VALOR DE LA PROBABILIDAD, EVENTOS


MUTUAMENTE EXCLUYENTES Y EVENTOS NO EXCLUYENTES.
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html

PROBABILIDAD CONDICIONAL
http://colposfesz.galeon.com/est501/probabi/teo/cap311/cap311.htm

TEOREMA DE LA PROBABILIDAD TOTAL


http://www.vitutor.com/pro/2/a_16.html

TEOREMA DE BAYES Y TCNICAS DE CONTEO


http://www.slideshare.net/estadistica_a/probabilidades-parte-iii-teorema-de-bayes

Actividades y Ejercicios
Ingresa al link probabilidades, lee atentamente las indicaciones, desarrllalo y
envalo a travs del mismo medio.
Calcularemos los casos posibles del experimento y los casos favorables al suceso
del enunciado para aplicar la regla de Laplace. Los casos posibles son las distintas
formas de extraer 3 bolas entre 90. El orden no debe tenerse en cuenta. El espacio
muestral de este experimento est formado por los cien sucesos elementales: 00, 01,
02, 03, 04, 05, 06, 07, 08, 09, 10, 11,..., 98, 99. Para cada suceso del enunciado
calcular sus casos favorables. El suceso "sufrir una avera" (Av) puede producirse en
las tres lneas, (L1, L2, L3). Segn el teorema de la probabilidad total y teniendo en
cuenta las probabilidades del diagrama de rbol adjunto, Hallar la probabilidad de
que sufra una avera.

144

UNIVERSIDAD PRIVADA TELESUP

Autoevaluacin

1. Seale con una V si es verdadero o F si es falso en los

siguientes

enunciados. Los experimentos aleatorios pueden predecir con precisin sus


resultados antes de efectuar la observacin.
El espacio muestral es el conjunto de todos los posibles resultados del
experimento aleatorio.
Un suceso es un subconjunto del espacio muestral.
Se dice que dos eventos son mutuamente excluyentes cuando su interseccin es
diferente del vaco.
a) VVVV
b) FVVF
c) FFVV
d) VFFV
e) FFFF
2. Relaciona cada palabra con su respectivo concepto
1. Espacio muestral

) Razn entre el nmero de elementos de un evento y


del espacio muestral.

2. Evento

) Conjunto de todos los resultados posibles de un ex


perimento.

3. Probabilidad

) Subconjunto del espacio muestral.

a) 123
b) 321
c) 231
d) 312
e) 213
3. De una sala de 20 pacientes 5 de ellos tienen enfermedad leve. Si se toma un
paciente al azar. Cul es la probabilidad que sea un paciente con
enfermedad leve?
a)
b)
c)
d)
e)

5/20
6/20
4/20
3/20
7/20

145

UNIVERSIDAD PRIVADA TELESUP

4. En la TELESUP el 40% de estudiantes son costeos, el 10% estudian


ingeniera industrial, el 2% estudian Ingeniera Industrial y son costeos. Se
selecciona al azar un estudiante de esta universidad. Cul es la probabilidad
de que sea costeo o pertenezca a Ingeniera Industrial?
a)
b)
c)
d)
e)

0.45
0.46
0.49
0.48
0.47

5. En una baraja de naipes de 52 cartas, se extrae una carta al azar y resulta ser
mayor o igual que 10. Cul es la probabilidad que sea una reina?
a)
b)
c)
d)
e)

2/5
3/5
1/5
4/5
0

6. En una lavandera se tiene 40 camisas blancas nuevas y 60 usadas, tambin


se tiene 30 camisas rojas nuevas y 50 usadas. Se extrae una camisa al azar.
Hallar la probabilidad que sea blanca dado que es nueva
a)
b)
c)
d)
e)

1/7
2/7
5/7
6/7
4/7

7. Tres mquinas producen un mismo artculo; las mquinas A, B y C fabrican el


35%, 25% y 40% de la produccin total respectivamente. De lo que producen,
el 5%, 4% y 2% son defectuosos respectivamente. Se escoge un artculo al
azar. Calcular la probabilidad de que sea defectuoso.
a)
b)
c)
d)
e)

0.0352
0.0425
0.0355
0.0432
0.0358

8. En un bioterio existen tres razas de ratones A, B, C en las proporciones 25%,


30% y 45% respectivamente. Sabemos que cierta enfermedad ataca al 5% de
la raza A, al 10% de la raza B y al 15% de la raza C. Se elige un ratn al azar.
Cul es la probabilidad de que est afectado de la enfermedad?

146

UNIVERSIDAD PRIVADA TELESUP

a)
b)
c)
d)
e)

0.11
0.13
0.15
0.09
0.10

9. Un grupo de 7 personas debe participar en una serie de charlas que se llevar


a cabo en dos das sucesivos. En el primer da deben participar 3 personas y
en el segundo da las 4 personas restantes. De cuntas maneras diferentes
se puede elegir a las personas que deben participar el primer da?
a)
b)
c)
d)
e)

32
34
37
36
35

10. Suponga que tres mquinas A, B y C producen respectivamente el 50%, 30%


y 20% del nmero total de artculos producidos por una empresa y que los
porcentajes de unidades defectuosas producidas por estas mquinas son
3%, 4% y 5%, respectivamente. Si se elige un artculo al azar y es
defectuoso, hallar la probabilidad de que haya sido producido por la
mquina A.
a)
b)
c)
d)
e)

0.4054
0.4060
0.4080
0.4050
0.4059

147

UNIVERSIDAD PRIVADA TELESUP

Resumen

UNIDAD DE APRENDIZAJE IV:

Se define como clculo de probabilidad al conjunto de reglas que permiten determinar


si un fenmeno ha de producirse, fundando la suposicin en el clculo, las estadsticas
o la teora.
El objetivo de esta prctica es realizar varios experimentos de probabilidad, anotar los
resultados y posteriormente compararlos con los resultados tericos.

Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro


evento B. La probabilidad condicional se escribe P (A|B), y se lee la probabilidad de A
dado B. No tiene por qu haber una relacin causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede
causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o
temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden
desempear un papel o no dependiendo de la interpretacin que se le d a los
eventos.
Sea A1, A2,..., An una particin sobre el espacio muestral y sea B un suceso cualquier
del que se conocen las probabilidades condicionales P(B | Ai), entonces la probabilidad
del suceso B viene dada por la expresin:

Sea {A1, A2,..., An} un conjunto de sucesos mutuamente excluyentes y exhaustivos, y


tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso
cualquiera del que se conocen las probabilidades condicionales P (B | Ai). Entonces, la
probabilidad P (Ai | B) viene dada por la expresin:

148

UNIVERSIDAD PRIVADA TELESUP

Glosario

Probabilidad.Es el conjunto de posibilidades de que un evento ocurra o no en un momento y


tiempo determinado. Dichos eventos pueden ser medibles a travs de una escala
de 0 a 1, donde el evento que no pueda ocurrir tiene una probabilidad de 0 y uno
que ocurra con certeza es de 1.

Al Azar o Aleatorio.Son todos aquellos eventos fortuitos o productos de la suerte.

Aleatoriamente.Actividades

mtodos

producidos

llevados

cabo

simulando

un

comportamiento al azar.

Validez.Importancia predictiva para los propsitos que se persiguen.

Diagrama de rbol.Figura para definir el espacio muestral de experimentos aleatorios de pasos


mltiples.

Espacio Muestral.Lista de todos los resultados bsicos de un experimento aleatorio.

Factorial.Producto de una serie de nmeros enteros positivos que desciende de un nmero


n, hasta 1.

Permutaciones.Arreglos ordenados distinguibles de artculos, todos los cuales se han sacado de


un grupo dado de artculos.

Combinaciones.Selecciones diferentes de artculos tales que las secuencias alternativas posibles


entre los componentes de cualquier seleccin se consideran inmateriales.

149

UNIVERSIDAD PRIVADA TELESUP

Fuentes de Informacin
BIBLIOGRFICAS:
Manuel

Crdova

Zamora:

Estadstica

Descriptiva

Inferencial

Quinta Edicin - 2008 Editorial MOSHERA


Carlos Veliz Capuay: Estadstica Aplicaciones Editorial SCG
William

J.

Stevenson:

Estadstica

Para

Administracin

Economa

Editorial HARLA
Jorge Daz Portocarrero: Estadstica Aplicada, Editorial MEGABYTE - 2006
Lind Marchal Mason: Estadstica Para Administracin y Economa,
11 Edicin - Editorial ALFAOMEGA 2008
Mximo Mitacc: Tpicos de Estadsticas Descriptiva y Probabilidad Editorial
San Marcos.

ELECTRNICAS:
ESTADSTICA DESCRIPTIVA: CONTENIDOS BASICOS
http://es.wikipedia.org/wiki/Estad%C3%ADstica_descriptiva
http://tarwi.lamolina.edu.pe/~arrubio/Parte%202.pdf
http://thales.cica.es/rd/Recursos/rd98/Matematicas/01/texto2.html

VIDEOS
ESTADSTICA DESCRIPTIVA BASICA EN EXCEL
http://www.youtube.com/watch?v=q3LR_CfGvS4

GRFICAS EN EXCEL 2007


http://www.youtube.com/watch?v=8FnlqDxCtuM&feature=related

ESTADSTICA DESCRIPTIVA I - GRAFICOS ESTADSTICOS


http://www.youtube.com/watch?v=j120LUI4k7g

MEDIA , MEDIANA Y MODA


http://www.youtube.com/watch?v=M16y6jUKnAU&feature=related

150

UNIVERSIDAD PRIVADA TELESUP

Solucionario

UNIDAD DE

1) b

UNIDAD DE
APRENDIZAJE 2:
1. d

2) a

2. b

3) a

3. a

4) d

4. c

5) c

5. b

6) b

6. e

7) d

7. a

8) b

8. b

9) b

9. a

APRENDIZAJE 1

10) a

10. b

UNIDAD DE

UNIDAD DE

APRENDIZAJE 3:

APRENDIZAJE 4:

1. c

1. b

2. a

2. d

3. c

3. a

4. a

4. d

5. c

5. c

6. c

6. e

7. a

7. c

8. e

8. a

9. a

9. e

10. b

10. a

151