Está en la página 1de 91

UNIVERSIDAD CENTRAL

ESTADISTICA Y PROBABILIDADES
CON APLICACIONES

Gustavo Benavente Kennedy


2010

INDICE

INTRODUCCION

Qu es la estadstica?

CAPITULO I

Distribucin de Frecuencias

CAPITULO II

Representacin Grfica de Distribuciones de Frecuencia

10

CAPITULO III

Medidas de Tendencia Central


Medidas de Posicin

15
22

CAPITULO IV

Medidas de Dispersin

26

CAPITULO V

Correlacin

37

CAPITULO VI

Curva de Ajuste. Mtodo de Mnimos Cuadrados y


Regresin

46

CAPITULO VII

Probabilidades
Teorema de Bayes

56
65

CAPITULO VIII

Variables Aleatorias

EXAMEN

Prueba Final

PRUEBAS

69

73
76

2
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

INTRODUCCION

ORIGEN.

Al evolucionar las ciencias, pierden sus rasgos primitivos, se transforman,


dividen y aun cambian de nombre. Como ciencia que es, la estadstica ha sufrido
igual proceso y para comprender su estado actual y su campo de actividades
necesitamos conocer algo de su historia. Se considera fundador de la estadstica a
Godofredo Achenwall, profesor y economista alemn (1719-1772) quin, siendo
profesor de la Universidad de Leipzig, escribi sobre el descubrimiento de una
nueva ciencia que llam ESTADISTICA (palabra derivada de Staat que significa
gobierno) y que defini como el conocimiento profundo de la situacin respectiva
y comparativa de cada estado. Achenwall y sus seguidores estructuraron los
mtodos estadsticos que se orientaron a investigar, medir y comparar riquezas de
la naciones. Lo anterior no significa que antes de los estudios de Godofredo
Achenwall, los Estados no hubiesen efectuado inventarios de sus riquezas; estos
inventarios o censos (palabra derivada del latn censere que significa valuar o
tasar) se efectuaron desde la antigedad. Se sabe que 2000 2500 aos A.C., los
chinos y los egipcios efectuaron censos que eran simples inventarios elementales.
Desde su creacin la Estadstica se a enriquecido con los aportes de matemticos,
filsofos y cientficos; en la actualidad se define como un mtodo cientfico de
operar con los datos e interpretarlos.

QUE ES LA ESTADISTICA.

La teora general de la Estadstica es aplicable a cualquier campo cientfico


en el cual se hacen observaciones. El estudio y aplicacin de los mtodos
estadsticos son necesarios en todos los campos del saber, sean estos de nivel
tcnico o cientfico.
Se entiende como Estadstica a una agrupacin de datos ordenados en
forma sistemtica, en cuadros y/o grficos. Los datos son medidas, valores o
caractersticas susceptibles de ser observados y contados.
En la Estadstica est la variable que es una caracterstica que se puede
tener diferentes valores en los distintos elementos o individuos de un conjunto.
Se diferencian dos usos del mtodo estadstico: Estadstica Descriptiva y
Estadstica Inferencial. La Estadstica descriptiva es el mtodo para obtener, de un
conjunto de datos, conclusiones sobre los mismos y que no sobrepasen el
conjunto de conocimientos que proporcionan estos datos. Su estudio incluye el de
las tcnicas de colectar, presentar, analizar e interpretar los datos. Estadstica
inferencial es el mtodo o conjunto de tcnicas que se utilizan para obtener
3
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

conclusiones que sobrepasen los limites de los conocimientos aportados por los
datos.
Por lo tanto el mtodo estadstico es una herramienta utilizada por el
hombre para comprender los hechos de la vida real.
Las aplicaciones de la Estadstica se dan en casi todos los campos de la
investigacin tales como: ciencias naturales, sociales, econmicas, etc.

4
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO I
DISTRIBUCION DE FRECUENCIAS
Algunos conceptos ms usados en la Estadstica son:
a) Datos: Son los hechos que observamos por ejemplo: el peso de un nio, la
nota de un alumno, el sueldo de un empleado.
Los datos pueden ser Cualitativos y Cuantitativos.
Datos Cualitativos: Son aquellas observaciones que expresan atributos por
ejemplo: profesin, nacionalidad.
Datos Cuantitativos: Son aquellas observaciones que pueden ser expresadas
numricamente, por ejemplo: la estatura de una persona, las calificaciones de un
empleado.
b) Variables: Los datos se denominan variables que se denotan por las letras Xi,
Yi , Z i .
Por ejemplo: cuando queremos obtener alguna informacin de los sueldos de los
funcionarios de una unidad la variable es el sueldo.
Las variables pueden ser Discretas o Continuas.
Variable Discreta: Es aquella que toma un numero finito o infinito contable de
valores, siendo un conjunto contable aquel que se puede formar en
correspondencia uno a uno con los nmeros naturales.
Ejemplo:

El numero de hijos por familia.


El numero de camas de un hospital.

Variable Continua: Es aquella que puede tomar cualquier valor en un intervalo


considerado.
Ejemplo: Las estaturas del personal de una unidad, pueda tomar cualquier medida
entre el funcionario ms bajo y el ms alto de la dependencia.
c) Poblacin y Muestra.
Si hablamos de la variable estatura de las personas que viven en Chile y
consideramos la totalidad de los casos posibles, entonces decimos que tenemos
5
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

la Poblacin o el Universo. Sin embargo si consideramos una regin del pas


entonces decimos que tenemos una Muestra.
Por lo tanto la Muestra es un subconjunto de la poblacin.

Presentacin de Datos.

Cundo se efecta una encuesta, Censo, o cualquier otra labor de


recopilacin de informacin, se tiene una gran cantidad de datos que es
preciso ordenar y presentar en alguna forma, que permita una fcil observacin
para realizar un anlisis de ellos y poder sacar conclusiones.
La presentacin de estos datos lo haremos en una Tabla de Distribucin de
frecuencia que se divide en columnas donde estar la informacin recopilada:
En la primera columna colocamos las variables que denotamos por X i. En la
segunda columna estn las frecuencias absolutas que denotamos por n i y que
corresponde al numero de veces que aparece cada valor de la variable en un conjunto
de observaciones. La suma de las frecuencias absolutas nos da el tamao de la
muestra que es el nmero de observaciones realizadas, lo denotamos por la letra n.

Simblicamente
En la tercera columna colocamos las frecuencias absolutas acumuladas, que
denotamos por la letra Ni, y como su nombre lo indica se obtiene sumando las
frecuencias absolutas hasta el punto que uno desee, as por ejemplo:
N1 = n1
N2 = n1 + n2
N3 = n1 + n2 + n3
En la cuarta columna se colocan las frecuencias relativas que lo denotamos por la letra
fi y se define como el cuociente entre las frecuencias absolutas y el tamao de la
muestra, es decir:
fi =
Adems la suma de las frecuencias relativas es siempre igual a uno.

Simblicamente
En la quinta columna estar la frecuencia relativa acumulada que denotamos por
Fi y corresponde a la suma de las frecuencias relativas hasta cada punto de la
variable que se desee.

6
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

As por ejemplo: F1=f1; F2=f1 + f2; F3=f1 + f2 + f3


Tambin se define la frecuencia relativa acumulada como F i=
En la sexta y sptima columna ubicaremos las frecuencias relativas
porcentuales para as expresar las frecuencias relativas en porcentaje y poder
comparar los valores con ms comodidad.
Ejemplo 1:
1) En un almacn de alimentos se examin un lote de 25 cajas de municiones,
cada una contena 48 proyectiles. El numero de proyectiles en mal estado
en cada caja fue:
3412123222301035013412221
Se pide construir una Tabla de Distribucin de frecuencias con la
informacin dad y a partir de ella contestar:
a)
b)
c)
d)
e)

Lea en forma coloquial la tercera fila.


Cuntas cajas contienen menos de tres proyectiles en mal estado.
Cuntas cajas contienen de 2 a 4 proyectiles en mal estado.
Que porcentajes de cajas contienen al menos 3 proyectiles en mal estado.
Que porcentajes de cajas contienen a lo ms 2 proyectiles en mal estado.

Solucin:
Xi
0
1
2
3
4
5

ni
3
6
8
5
2
1

Ni
3
9
17
22
24
25

fi
0,12
0,24
0,32
0,20
0,08
0,04

Fi
0,12
0,36
0,68
0,88
0,96
1,00

f i%
12
24
32
20
8
4

F i%
12
36
68
88
96
100

a) 8 cajas tienen 2 proyectiles en mal estado lo que representa un 32% del


tamao de la muestra. 17 cajas tienen entre ninguno y dos proyectiles en
mal estado lo que representa el 68% de la muestra.
b) Para Xi<3 se tienen n1+n2+n3=3+6+8=17 cajas contienen menos de tres
proyectiles en mal estado.
c) Para 2<Xi<4 se tienen n3+n4+n5=15 cajas contienen entre 2 y 4 proyectiles
en mal estado.
7
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

d) Para 3<Xi se tienen f4+f5+f6=0,20+0,08+0,04=0,32 el 32% de las cajas


tienen al menos 3 proyectiles en mal estado.
e) Tenemos f1+f2+f3=0,12+0,24+0,32=0,68 el 68% de las cajas contienen a lo
mas 2 proyectiles en mal estado.
Ejemplo 2: Complete la siguiente tabla
Xi
3
4
5
6
7

ni
3

Ni

fi

Fi

f i%

F i%

7
0,14
0,68
50

Tabla de Distribucin de frecuencias para Datos agrupados en intervalos.


Cuando el nmero de datos recolectados es pequeo, no hay problema
para realizar una tabulacin como la hecha anteriormente. En cambio, cuando es
muy grande, es necesario distribuir la informacin en intervalos y determinar el
nmero de datos que pertenece a cada clase. Este nmero constituye la
frecuencia de la clase. Para ubicar la informacin es los intervalos debemos tener
presente:
i) La amplitud del intervalo es arbitraria pero una vez que se elige es igual
para todos los dems intervalos. Lo denotaremos por la letra c.
ii) El menor valor del intervalo recibe el nombre de lmite inferior, lo
denotaremos por L.I. y el mayor valor del intervalo recibe el nombre de
lmite superior, lo denotaremos por L.S.
iii)
Todo intervalo debe ser distinto del vacio.
iv)
La interseccin entre dos intervalos es vacio.
v) El menor valor o primer valor de la informacin debe estar en el primer
intervalo y el mayor valor o ultimo valor debe estar en el ultimo intervalo.
vi) El punto medio de un intervalo recibe el nombre de Marca de Clase y se
simboliza como Xi =
vii) Los intervalos los simbolizaremos por:
Xi-1 X1 por lo tanto el 1 intervalo sera:
1 intervalo X0 X1
2 intervalo X1 X2
3 intervalo X2 X3
etc
Ejemplo 3:

8
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

La siguiente informacin corresponde a la recaudacin de impuestos de 40


contribuyentes.
X0=50 UF, X3=110 UF, n4=8, f3=0,275, F4=0,825, I=5
Se pide:
a) Construir una Tabla de Distribucin de frecuencia.
b) Leer la fila 2 en forma coloquial.
c) Cuantos contribuyentes tributaron menos de 110 UF.
d) Que tanto por ciento de contribuyentes tributaron entre X1 - X3
Solucin:
Xi-1 X1
50
70
70
90
90 110
110 130
130 150

Xi
60
80
100
120
140

ni
5
9
11
8
7

Luego X0+3c=110

Ni
5
14
25
33
40

fi
0,125
0,225
0,275
0,20
0,175

50+3c=110

Fi
0,125
0,350
0,625
0,825
1,00

f i%
12,5
22,5
27,5
20
17,5

F i%
12,5
35
62,5
82,5
100

c=20

b) 9 contribuyentes tributaron entre 70 y 90 UF, lo que corresponde a un 22,5% de


la muestra. 14 contribuyentes tributaron entre 50 y 90 UF, lo que corresponde a
35% de la muestra.
c) Se tiene n1+n2+n3=5+9+11=25
d) Tributaron entre X1 - X3=70-110 UF. Se tiene 0,225+0,275=0,50. Es decir,
tributaron el 50% de los contribuyentes.
Ejemplo 4: Complete la siguiente tabla.
Xi-1 X1

Xi
5
10
15
20
25

ni

Ni
2

fi

Fi

f i%

F i%
0,3

0,3
0,85

Ejemplo 5: Complete la siguiente tabla de distribucin de frecuencias con la


siguiente informacin que corresponde al sueldo semanal que ganan los obreros
de una cierta empresa constructora:
I=5, X0=4, X5=6, n5=8, N2=20, N4=42, F1=0,12, F3=0,60

9
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO II
REPRESENTACION GRAFICA DE DISTRIBUCION DE FRECUENCIAS
La representacin grfica nos ayuda a visualizar las caractersticas de una
distribucin de frecuencia y comparar una distribucin con otra.
La mayora de los grficos utilizados con fines de presentacin de datos
estadsticos se basa en un sistema de ejes perpendiculares orientados, en los que
se anotan los distintos valore de las variables independientes en el eje horizontal y
las frecuencias en el eje vertical.
La representacin graficas ms utilizadas son:
I) Para variables discretas grficos de: Barras, segmentos verticales, Barras
subdivididas y circulares.
II) Para variables continuas: Histograma, polgono de frecuencia y ojiva.
a) Grafico de Barras
Este grafico esta formado por barras paralelas donde el ancho y la
separacin entre ellas es uniforme. La altura de las barras es proporcional a los
valores representados.
b) Grafico de segmentos verticales
Esta formado por barras paralelas donde el ancho es una lnea y la
separacin entre ellas es uniforme. La altura de las barras es proporcional a los
valores representado s.
c) Barras subdivididas
Esta formado por barras paralelas donde el ancho y la separacin entre
ellas es uniforme. La altura de las barras es la misma para todas, la diferencia esta
en que se van representando los datos en el interior de las barras, achurando los
valores correspondientes proporcionalmente.
Ejemplo 6: Consideremos la poblacin de Chile en los siguientes decenios para
luego graficarlo con respecto a los grficos a, b y c.
Ao
1940

Poblacin de Chile en millones


4,9

10
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

1950
1960
1970
1980

6,0
7,4
8,9
11,2

Solucin:
i)

Grafico de Barras.

Aos
Poblacin
ii)

Segmentos verticales

Aos
Poblacin
iii)

Barras Subdivididas

Aos
Poblacin
d) Grafico Circular

11
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Se emplea para representar variables cualitativas. Para su construccin se


considera el crculo 360 que corresponde al 100% de los casos.
Ejemplo 7:
En una industria en los aos 1967 y 1968 el personal estaba formado por:
942 hombres contratados y 763 mujeres contratadas y 371 empleados, hombres y
mujeres, a honorarios. Represente grficamente esta informacin.
Solucin:
Formamos la siguiente tabla
Xi

ni

fi =

X=fi*360

H
M
E

942
763
371

0,453
0,367
0,179

163 08
132 18
64 34

Se representa grficamente de la siguiente forma

e) Histograma
Es un grafico de barras unidas. Sirve para representar una distribucin de
frecuencias. Cada barra tiene como base la amplitud del intervalo y como altura su
frecuencia.
f) Polgono de frecuencias
En el eje X o eje horizontal se marcan los puntos medios de los intervalos y
en el eje Y o eje vertical las frecuencias absolutas.
Las frecuencias correspondientes, a cada punto medio de un intervalo se
marcan con un punto y luego los puntos consecutivos se unen por lneas rectas.
Es conveniente tomar un intervalo adicional en cada extremo para una mejor
terminacin de la poligonal.
Ejemplo 8:
12
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Consideremos la tabla de distribucin del ejemplo 3 haga el grafico de esta


distribucin utilizando el histograma y el polgono de frecuencia.
g) Ojiva
Representa una distribucin acumulativa de frecuencias. Es un polgono de
frecuencias acumuladas.
En el eje horizontal se marcan los extremos superiores de cada intervalo y
en el eje vertical se marcan las frecuencias absolutas acumuladas. Luego se unen
los puntos con lneas rectas.
Ejemplo 9:
Utilizando la distribucin de frecuencia del ejemplo 3, grafique la distribucin
usando la ojiva
Curvas de Frecuencias.
Si consideramos una muestra de una poblacin muy grande, tericamente
es posible para variables continuas transformar un histograma o polgono de
frecuencias en una curva continua que puede tomar diferentes formas de acuerdo
a la distribucin que represente.
a) Curvas Simtricas
Son aquellas en que los elementos de la distribucin estn concentrados en
gran parte al centro y van disminuyendo a ambos lados.
Si bajamos una perpendicular al eje horizontal desde la cspide del
polgono, las dos partes as formadas sern similares en forma y rea

Xi
La curva simtrica que representa el grafico, es la figura en forma de
campana, llamada curva normal.
b) Curvas Asimtricas
Son aquellas que representan dominancia de frecuencias a uno u otro lado
de la curva.
Se dice que la distribucin tiene asimetra negativa cuando los puntajes se
acumulan en los valores altos del lado derecho.
13
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

(-)

Xi
La distribucin tiene asimetra positiva cuando los puntajes se acumulan
hacia los valores ms bajos de la variable (lado izquierdo)

(+)
Xi
c) Curvas en Forma de U
Son aquellas que tienen valores mximos en los extremos de la
distribucin.

Xi
Ejemplo 10:
Grafique la tabla de distribucin del ejemplo 5 para el histograma, ojiva y
polgono de frecuencia.
Ejemplo 11:
Grafique la tabla de distribucin del ejemplo 1 para el grafico de barras,
barras subdivididas y segmentos verticales.
Ejemplo 12:
Haga un grafico circular con la informacin de las horas de vuelo de una
lnea comercial.
-Hora de vuelo efectivas 9000.
-Hora de vuelo por realizar 4000.
-Hora de vuelo efectuadas 17000.

14
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO III
MEDIDAS DE TENDENCIA CENTRAL
Cuando las observaciones de las distribuciones de frecuencias tienen a
concentrarse alrededor de un sector de la variable; existen criterios para
representar con un solo valor de la distribucin esta tendencia de las
observaciones, que recibe el nombre de medidas de tendencia central.
Los criterios mas usados para determinar las medidas de tendencia central
son:
a) La moda
b) La medida aritmtica o promedio
c) La mediana
a) La Moda (Mo)
Se define como aquel valor de la variable que representa la mayor
frecuencia en una distribucin.
Ejemplo 13:
Sean las calificaciones que obtiene un grupo de trabajadores de una
empresa:
2; 4; 5; 2; 3; 4; 6; 4; 7
La moda es 4 pues hay tres trabajadores con la calificacin 4 que es una
moda unimodal, pero si tenemos 2, 1, 2, 4, 5, 4, 7 la moda es 2 y 4 que es una
moda bimodal, por lo tanto la moda no es nica.
Si tenemos una tabla de distribucin con intervalos la moda la calculamos
de la siguiente forma:
Primero debemos saber en que intervalo se encuentra, para ello se ubica la mayor
frecuencia absoluta y luego aplicamos la formula.

15
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

L.I. = limite inferior del intervalo


d1 = |n1- ni-1|
d2 = |ni-1 ni|
c = amplitud del intervalo
Ejemplo 14:
Consideremos la tabla de frecuencia del ejemplo 3.
Hallar la moda
Solucin:
Para encontrar la moda, primero debemos saber en que intervalo esta para
ello la mayor frecuencia absoluta es 11 por lo tanto la moda esta en el intervalo 90
110
As
b) La media aritmtica:
Se define como la suma de puntajes de una variable dividida por el numero
total de casos.
Simblicamente:

Pero lo ms general es que en la tabla de distribucin existan frecuencias


absolutas, por lo tanto el promedio se define como:

16
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

comnmente llamado promedio ponderado.


Ejemplo 15:
Un grupo de alumno obtuvieron las siguientes notas: 7, 4, 3, 2, 1, 7, 4, 5, 6.
Hallar la media aritmtica.
Solucin:
La media aritmtica es:

Ejemplo 16:
Supongamos que un supermercado se venden 3 marcas distintas de leche
a 130; 160 y 140 pesos la caja. Al final del mes se quiere saber el promedio del
precio de la leche vendida durante el mes.
Aparentemente el promedio es:

Este promedio seria correcto si las distintas marcas de leche hubiesen sido
vendidas en igual cantidad. Pero generalmente esto no ocurre.
Supongamos que se vendieron 23, 72 y 5
respectivamente.

unidades de cada marca

Entonces el promedio por unidad vendida en el mes es:

Esta cantidad es ms significativa que la hallada inicialmente puesto que


aqu se pondero el valor de cada caja de leche por el nmero de unidades
vendidas.
Ejemplo 17:
Se realizo una encuesta a 30 familias de una cierta poblacin sobre la
duracin de las ampolletas; la informacin que se obtuvo fue la siguiente:
7 familias dijeron que les duraban entre 20 y 26 das
8 dijeron entre 27 y 33 das
17
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

5 dijeron entre 34 y 40 das


2 dijeron entre 48 y 54 das
3 dijeron entre 55 y 61 das, y una familia dijo que le duro ms de 62 das.
i)
Haga una tabla de distribucin
ii) Encuentre el promedio de la duracin de ampolletas e interprete ese
resultado.
iii)
Hallar la moda

Solucin:
i)
Xi-1 X1
20 26
27 33
34 40
41 47
48 54
55 61
62 - 68

Xi
23
30
37
44
51
58
65

ni
7
8
5
4
2
3
1

fi
0,233
0,266
0,166
0,133
0,066
0,10
0,033

n=30
ii)

La interpretacin que se le puede dar es que el control de calidad de las


ampolletas no debe permitir que las ampolletas no debe permitir que las
ampolletas duren menos de 37 das. Para ser aceptadas deben durar mas de 37
das.
iii) La Moda:
La mayor frecuencia absoluta es 8. Luego la moda esta en el intervalo 27
33 y la moda es:

Ejemplo 18:
18
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Un conjunto de personas aporta a una sociedad un promedio de 3.000.000


de pesos. Se afirma que el 20% de estos socios aporta el 60% del capital.
a) Cuanto aporto en promedio este conjunto de socios.
b) Cuanto aporto en promedio el resto de los socios.
Solucin:
a) Sea C = capital social
N = numero total de socios
Luego
Sea C1 = 0,60C
N1 = 0,20N
Entonces

b) C2 = 0,4C
N2 = 0,8N
Ejemplo 19:
El sueldo promedio pagado a todo el personal de una empresa es de
100.00 pesos.
Los sueldos promedios mensuales pagados a los obreros y a los
empleados de la empresa son:
84.000 y 106.000 pesos respectivamente. Cual es el tanto por ciento de
obreros y empleados que trabaja en la empresa.
Solucin:

100.000 = 84.000 f1 + 106.000 (1-f1) pues f1 + f2 = 1


Luego f1 = 0,27
As la empresa cuenta con 27,27% de obreros y 72,72 de empleados.

19
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Ejemplo 20:
La media aritmtica de 55 casos es 83. Si se suprimen tres casos de los
datos con valores 82; 115 y 130.
Cul es la nueva media aritmtica?
Solucin:

=
Luego

83 * 55 =

82 + 115 + 130 = 4.565 327 = 4.238

As
Propiedades del Promedio
1)
Solucin:
=

2)
Solucin:

3)
20
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

4)
5) Promedio Total
Si tenemos tres conjuntos de observaciones de los cuales el primero
tiene n1 elementos y promedio X1 el segundo tiene n2 elementos y promedio X2 y el
tercero tiene n3 elementos con promedio X3 entonces la media aritmtica de los
tres conjuntos es:

Generalizando

con n el numero total de observaciones.


c) La Mediana (Me)
Se define como el valor central de un conjunto de observaciones que a sido
ordenado en forma creciente o decreciente, es decir, deja el mismo numero de
observaciones bajo el, que sobre el (es el 50% de los casos).
Ejemplo 21:
Si tenemos el conjunto de valores 3, 9, 5, 18, 15, 14, 19.
Hallar la mediana.
Solucin:
La mediana se obtiene ordenando.
3. 5, 9, 14, 15, 18, 19 y es el valor central, es decir, 14
En cambio si tuviramos
3, 5, 9, 14, 15, 18, 19, 21
La mediana es

La mediana para datos agrupados (intervalos)


Antes de poder calcular la mediana debemos saber en que intervalo se
encuentra. Para ello se toma la mitad del tamao de la muestra y se ve en la
columna de las frecuencias absolutas acumuladas (N i), cual es el menor valor que
la contiene y este valor nos indica el intervalo donde esta la mediana.
21
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego se aplica la siguiente formula para calcular la mediana:


Me =
Donde
Nja = es la frecuencia absoluta acumulada anterior al valor que contena a n/2.
nj = frecuencia absoluta del intervalo donde esta la mediana.
Ejemplo 22:
De una tabla de distribucin simtrica de frecuencias se tiene la siguiente
informacin sobre el ingreso per cpita semanal en dlares de 150 familias.
X4 = 7000, n3 = 24, f1 = 0,08, I = 7, F4 = 0,62, niXi = 48.000
i)
ii)

Haga una tabla de distribucin


Hallar Mo, Me e interprete en forma coloquial los resultados.

Solucin:
Xi-1 X1
3500 - 4500
4500 - 5500
5500 - 6500
6500 - 7500
7500 - 8500
8500 - 9500
9500 10.500

Xi
4000
5000
6000
7000
8000
9000
10.000

ni
12
21
24
36
24
21
12

Ni
12
33
57
93
117
138
150

fi
0,08
0,14
0,16
0,24
0,16
0,14
0,08

Fi
0,08
0,22
0,38
0,62
0,78
0,52
1,00

Xi n i
48.000

n = 150
x1 = 4000 pues n7 = 0,08 * 150 = 12 = n1 (simetra)
Si X4 = 7000

4000 + 3c = 7000
c = 1000

As

(Definicin de M.C.)

22
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego
Mo = ?
Me =
Es decir el 50% de las familias tiene un ingreso per cpita entre 3.500 y
7.000 dlares y el otro 50 % tiene un ingreso per cpita entre 7.000 y 10.500
dlares.
MEDIDAS DE POSICION
Las medidas tendencia Central solo nos entregan una cantidad limitada de
informacin entonces a travs de las medidas de posicin tendremos una mayor
informacin de una tabla de distribucin de frecuencias.
Las medidas de posicin mas usadas son:
a) Los Cuartiles (Qx)

b) Los Percentiles (Px)

Los Cuartiles: Son tres que denotamos por Q1, Q2 y Q3. Estas medidas de
posicin dividen a la muestra en cuatro partes iguales.
El primer cuartil Q1 deja bajo si el 25% de los elementos de la muestra.
El segundo cuartil Q2 es equivalente a la mediana.
El tercer cuartil Q3 deja bajo si el 75% de los elementos de la muestra.
Percentiles: Los denotaremos por P x. Los percentiles dividen la muestra en 100
partes iguales dejando bajo cada percentil desde el 1% hasta 99% de los
elementos de la muestra.
Observacin:
Para realizar los clculos de los cuartiles y percentiles se hace de la misma
forma de cmo se calculaba la mediana, salvo que se debe tener presente que
hay un cambio en el porcentaje del tamao de la muestra.
Por ejemplo Q1 =
23
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

P86 =

Ejemplo 23:
Utilizar la tabla del ejemplo 3.
a) Calcular , Me Q1, P40,
b) Si estas recaudaciones contienen el 15% de multa. Cul es la recaudacin
promedio sin incluir el 15% de multa?
c) Que orden de percentil representa la recaudacin 108.
Solucin:
a) i)

ii)

La mediana
y en la columna de los Ni el menor valor que lo contiene es 25, por lo
tanto el intervalo donde esta Me, es 90 110.

Luego Me =
iii)

0,25n = 0,25 * 40 = 10 el menor valor que lo contiene en la columna de


los Ni es 14 y el intervalo donde esta Q1 es 70 90.

Luego Q1 =
iv)

0,40 * n = 0,40 * 40 = 16 el menor valor que lo contiene en la columna


de los Ni es 25 y el intervalo donde esta P40 es 90 110.

Luego P40 =
b) La recaudacin promedio sin incluir el 15% de multa es:

24
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

c) 108 esta en el intervalo 90 110.


Luego 108 =
X = 59,75 por lo tanto la recaudacin 108 corresponde al P 60.
Media Geometrica: (M.G.)
Se define como la raz N del producto de N trminos, es decir,

Ejemplo 24:
Sean los nmeros 2, 4, 6, 12, 18.
Entonces la media geomtrica es:
M.G. =
Observacin:
La M.G. es til para el clculo de tasas de crecimiento.
Ejemplo 25:
Si el crecimiento en las horas de trabajo de una cierta empresa en los
ltimos 3 aos fue 26%, 32% y 28%. Hallar M.G.
Solucin:
M.G. =
Es decir, la media anual fue de un 28,6%
Media Armnica: (H)
La medida armnica de una serie de nmeros es el reciproco de la media
aritmtica de los recprocos de los nmeros de las serie.
As si los nmeros son X1, X2, X3,, Xn
La media armnica se obtiene de la relacin:
25
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Ejemplo 26:
Hallar la H de los nmeros 4, 5 y 8.
Solucin:
= 0,191
Ejemplo 27:
Un obrero puede pintar una casa en 6 das y otro en 8 das. Se pide hallar
el rendimiento de un obrero cuyo resultado sea representativo del rendimiento de
ambos obreros.
Solucin:

As los 2 obreros demoran en pintar la casa

Los 2 obreros pintan en un da 1/6 + 1/8 = 7/24 de la casa.


CAPITULO IV
MEDIDAS DE DISPERSION
Para describir una distribucin en forma mas completa es necesario tener
una informacin acerca de la dispersin de los datos respecto a alguna medida de
tendencia central.
Observacin.
Dos distribuciones pueden tener igual media aritmtica y ser muy distintas
entre si, por ejemplo veamos el siguiente grafico.
26
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

X=24

26

Xi

Se observa que en ambas distribuciones la media aritmtica es 24. Pero el


valor 26 puede considerarse muy alto en la distribucin A y regular en la
distribucin B, ya que hay muchos elementos del grupo con puntajes superiores a
el. En el grupo B los elementos estn mas dispersos entre si, entonces decimos
que el grupo es Heterogneo.
En el grupo A los elementos estn estrechamiento distribuidos alrededor de
la media aritmtica, entonces decimos que la distribucin es Homognea.
Por lo tanto podemos definir las medidas de dispersin como el grado en
que los valores de una variable se dispersan entre si con respecto a alguna
medida de Tendencia Central.
Todas las medidas de dispersin indican distancias y cuanto mayor sean
estas, mas heterogneo es el grupo o mayor ser la dispersin de los puntajes.
Las medidas de dispersin mas usadas son:
a) La Varianza
b) La Desviacin Estndar
c) El Coeficiente de Variacin
a) La Varianza
La denotaremos por o
Var(x). Se define como la suma de los
cuadrados de las desviaciones de las observaciones con respecto a la media
dividida por el tamao de la muestra.
Simblicamente:

Pero para datos agrupados tenemos:

27
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Propiedades de la Varianza
1)
2)
3)
4)

Var (X) =
Var de (KX) = K Var (X); K = C
Var (K1X + K2) = K1x K1 y K2 C
Varianza Total = Intravarianza + Intervarianza

Intravarianza: mide la variabilidad existente dentro de los grupos.


Intervarianza: mide la variabilidad producida entre los grupos.
Simblicamente:
Var (XT) =
Demostracin de la Propiedad 1
Var (X) =
Solucin:
Recordemos

entonces

As
Var (X) =

Var (X) =
Demostracin de la Propiedad 2
28
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Var (KX) =

Var (KX) = K

b) La Desviacin Estndar
Se define como la raz cuadrada de la varianza. Y se denota por
Simblicamente se define:

Para datos agrupados:

Observacin:
La desviacin estndar o desviacin tpica es el ndice de dispersin mas
utilizado y de mayor confianza, es decir, es el que varia menos cuando se calcula
para distintas muestras extradas de una misma poblacin.
Ejemplo 28:
La siguiente informacin corresponde a los sueldos semanales que paga
una empresa constructora a sus obreros.
X0 = 4, X5 = 6, I = 5, n5 = 8, N2 = 20, N4 = 42, F1 = 0,12, F3 = 0,60
29
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

i)
ii)
iii)
iv)

Construir una tabla de distribucin de frecuencias con esta informacin.


Hallar Mo, Me, Q1, Q3, P65.
Haga un histograma y un polgono de frecuencia.
Hallar la Desviacin Estndar o Tpica.

Solucin:
i)
Xi-1 X1
4 4+c

6
4 + 5c = 60
N4 + n5 = n

Xi

ni

Ni

fi

Fi
0,12

fi%

F i%

fi%
12
28
20
24
16

F i%
12
40
60
84
100

20
0,60
42
8
c = 0,4
42 + 8 = 50 = n

Luego
Xi-1 X1
4 4,4
4,4 4,8
4,8 5,2
5,2 5,6
5,6 6,o

Xi
4,2
4,6
5,0
5,4
5,8

ni
6
14
10
12
8

Ni
6
20
30
42
50
n = 50

fi
0,12
0,28
0,20
0,24
0,16

Fi
0,12
0,40
0,60
0,84
1,00

ii)

Quedan para el lector calcular Mo, Me, Q1, Q3, P65.


iii) Grafique la tabla de distribucin mediante un histograma y un polgono de
frecuencias.
iv)
30
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego la desviacin estndar la interpretamos como la dispersin respecto al


promedio que corresponde al intervalo:
5,016 0,511

5,016 + 0,511

4,505

5,527

Ejemplo 29:
Diga si es verdadero o falso, justifique.
Si todas las observaciones de una distribucin de frecuencias se dividen por 3, la
nueva varianza disminuye en un 89% respecto de la original.
Solucin: Es verdadero, en efecto.
Sea Var (X) si las observaciones se dividen por 3 tenemos
Var (X/3) =

Luego
Ejemplo 30:
Se aplica una prueba de ortografa a 25 personas de 10 palabras, todas
escribieron 9 en forma correcta entonces la distribucin de puntajes de ortografa
es una de las siguientes alternativas.
31
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

=0

a)

b)

=0

c) Mo = 0

Justifique
Ejemplo 31:
Una industria automotriz fabrica mensualmente 12 autos tipo A, 24 autos
tipos B y 14 autos tipos C. Se sabe que los kilmetros (Km) recorridos por cada
litro de bencina en los Autos tipo A (X A) y los Km recorridos por cada litro de
bencina de los autos tipo B (BB) estn relacionados por la formula:
XB = 2XA - 9
Se observo que el promedio de kilmetros recorridos por los autos tipo C
fue 10 Km por litro y el promedio de 50 autos fue de 11,68 Km por litro.
La desviacin estndar de los autos tipo C fue de un 30% para los Km
recorridos por litro. Calcular la desviacin estndar de los Km por litro de bencina
de todos los autos sin importar la marca.
Solucin:
Datos: nA = 12 autos tipos A
nB = 24 autos tipos B
nC = 14 autos tipos C
n = 50
c = 10, T = 11,68
= 12
Var (XA) = 4
XB = 2XA - 9
Debemos encontrar

Sabemos C.V. (Xc) =


= 0,30 * 10 =

Var (Xc) = 9

Var (XT) =
Por otra parte
11,68 * 50 = 12
= 11 y

+ 24 (2

9) + 14 * 10

= 13

32
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Ahora Var (XB) = 4 Var (XA) = 16


as Var (XT) =

As Var (XT) = 12,8976

c) Coeficiente de Variacin
Lo denotaremos por C.V.(X). Nos permite comparar la dispersin o
variabilidad entre dos muestras con medias aritmticas diferentes.
Se define como: C.V.(X) =
Y su coeficiente de variacin total es: C.V.(X) =
Ejemplo 32:
Un estudiante obtuvo una puntuacin en el examen final de matemticas de
84, con una puntuacin media en la asignatura de 76 y una desviacin tpica de 10
para el curso. En el examen final de estadstica con una media general de 82 y
una desviacin estndar de 16 para el curso, el obtuvo una puntuacin de 90. Se
pide, en que asignatura se presenta mayor:
a) Coeficiente de variacin o Dispersin relativa
Solucin:
Matemtica
Xm = 84

a)

Estadstica
XE = 90

La asignatura de estadstica tiene mayor desviacin estndar.

b) C.V.(XE) =
= 0,195

equivale a 19,5%

C.V.(XM) =
= 0,131

equivale a 13,1%
33

ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego las calificaciones de Estadstica presenta mayor variabilidad que la


asignatura de Matemtica respecto a la media aritmtica.
Ejemplo 33:
En una fbrica de bebidas alcohlicas se emplean botellas de 250 cm de
capacidad que contienen en promedio 25 grados de alcohol y un coeficiente de
variacin igual a 0,18. Una encuesta de marketing detecto que las preferencias del
pblico bajaron respecto de la bebida y se recomienda aumentar el grado
alcohlico de las bebidas.
En cuanto debe aumentarse la graduacin alcohlica de medo que el coeficiente
de variacin baje a 0,15?
Solucin:
C.V. = 0,18
Entonces C.V.(X) =
por otra parte
25 + K =

4,5/0,15
K = 5 es en lo que debemos aumentar la graduacin

alcohlica.
Ejemplo 34:
Dos estudiantes se dedican a calcular el promedio de los ingresos ganados
por un mismo grupo de obreros.
Los valores obtenidos difieren en 1000 pesos y se sabe que el valor mayor
es el correcto. El alumno que obtuvo el valor incorrecto
le
falto
agregar 1000 pesos a cada X i, tambin calculo la
varianza
igual a 11.877.500 valor que no tiene error numrico. En base a esta informacin,
Cul es el coeficiente de variacin correcto de los ingresos ganados por el grupo
de obreros?
Solucin:
Tenemos
Luego
34
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Var (X2) =

= Var (X1)
Luego

Var (X2) = 11.877.500 y

As C.V.(X) =
Ejemplo 35:
Se tomo una muestra de 200 motores de los cuales 110 son
restantes son de
H.P.

H.P. y los

Se sabe que la vida til (X 1) de los motores de


de H.P. y la vida til de
(X2) de los motores de
H.P. estn relacionados por la formula:

Se observo que la vida til media de los 200 motores fue de 11,1 aos y
que la desviacin estndar de la vida til de los motores de
H.P. es 2 aos.
Calcular el C.V.(X) de la vida til de todos los motores.
Ejemplo 36:
Un grupo de 10 obreros construyeron un camino.
Los primeros 500 metros los construyeron a razn de 10 metros diarios, los
500 metros siguientes los construyeron a razn de 25 metros diarios.
La empresa contratista decidi pagar salarios por metros diarios
construidos, gastando un promedio diario de 6.000 pesos en jornales en la
construccin de todo el camino.
Cul es el promedio diario pagado en jornales a estos obreros en la construccin
de cada tramo del camino?
Solucin:
35
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Se resuelve usando la media armnica, es decir:

H = 15.789 metros/diarios
Luego por un metro diario se gasta
Por lo tanto:
En el primer tramo del camino se gasta 380 * 10 = 3800 pesos
En el segundo tramo del camino se gasta 380 * 20 = 7600 pesos
En el tercer tramo del camino se gasta 380 * 25 = 9500 pesos
Ejercicios
1) Las remuneraciones diarias en UF correspondiente a 20 operarios son:
Xi
fi

?
0,15

?
0,20

?
0,35

?
0,25

26
0,05

Adems se tiene la siguiente informacin

i) Construir una tabla de distribucin


ii) Hallar
2) Dada la siguiente informacin sobre las ventas en dos sucursales de una
empresa:
sucursal
A
B

ni (meses)
10
5

?
?

Var (Xi)
?
25

CV (Xi)
0,16
0,25

Se tiene que la intravarianza es 11,4.


Calcular el coeficiente de variacin total?
3) En un curso se realiza un examen de Estadstica, un alumno desea saber como
le fue y le pregunta al examinador, el que le responde lo siguiente:

36
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

a) Su puntaje es 72
b) Su rango percentil es 85
Cul respuesta lo deja mas tranquilo?
4) En un test de 100 puntos, tres participantes obtuvieron puntajes de 95, 92 y 91,
mientras que los otros 22 participantes tuvieron puntajes que fluctuaron entre 49 y
67.
La medida de tendencia central que mejor describe el rendimiento de este
grupo es:
a) La moda
b) La mediana
c) El promedio
5) Si una distribucin de puntajes esta sesgada negativamente entonces podemos
decir:
a) La media es mas grande que la mediana
b) La mediana es mas grande que la media
c) La moda es igual a la mediana
6) Cual de las siguientes variables es continua
a) Estado civil de los padres
b) Numero de hermanos
c) Tiempo demorado en contestar una prueba
7) El polgono de frecuencias no es recomendable para representar distribuciones
de frecuencias de variables discreta porque:
a) En el eje horizontal se ubican los puntos medios de cada intervalo
b) En el eje vertical se colocan las frecuencias absolutas
c) Los valores extremos de la variable quedan sin representacin
d) La lnea poligonal da la idea de los valores continuos
8) En un grupo de empresas se tiene la siguiente informacin:
a) Ninguna empresa tiene ms de 7 obreros o menos de 5
b) La mayora tiene 5 obreros
c) El 25% de las empresas tiene 6 obreros
d) Una de cada 10 empresas tiene 7 obreros
Hallar:
a) Promedio de obreros por empresa.
b) La mediana de obreros por empresa
37
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO V
CORRELACION
En los captulos anteriores hemos analizado solamente la distribucin de los
valores con respecto a una sola variable, pero muchos sucesos y variables de
naturaleza estn relacionados entre si, por ejemplo.
a) Si sale el sol, la temperatura aumenta
b) Si conocemos el C.I. de un individuo se puede predecir en cierta forma su
futuro intelectual.
Este tipo de relaciones entre dos o ms variables se llama Correlaciones.
Las correlaciones pueden ser:
i)
ii)
iii)

POSITIVA si las dos variables aumentan o las dos variables disminuyen.


NEGATIVA si una variable aumenta y la otra disminuye o viceversa.
NULA si no hay ninguna relacin entre las variables.

Los tres casos recin definidos se pueden representar grficamente de la


siguiente forma:
i)

ii)

iii)

Ejemplo 37:
a) Si tenemos las variables altitud y presin, tenemos: A mayor altitud menor
es la presin.
Entonces decimos que estas dos variables tienen una correlacin negativa
pues una variable aumenta y la otra disminuye.
38
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

b) Sean las variables numero de trabajadores y tiempo empleado en la


construccin de casa.
As un mayor numero de trabajadores empleado en la construccin, menos
tiempo se demoran en la construccin de casa.
Luego es una correlacin negativa.
c) Sean las variables ahorro y jubilacin. Mientras mas ahorro mayor ser la
jubilacin que se obtendr.
d) Sean las variables peso del cerebro y capacidad artstica.
La correlacin es nula pues no hay relacin entre las variables.
Definicin de Coeficiente de Correlacin.
Es la medida del grado de relacin existente entre las dos variables.
Los coeficientes de correlacin mas utilizadas son:
a) Coeficiente de Correlacin de Pearson r
b) Coeficiente de Correlacin de Spearman
Estos coeficientes oscilan entre -1 y +1, representando ambos extremos
relacionados perfectas entre las variables.
El signo + o del coeficiente de correlacin indica la direccin de la relacin, es
decir, si es positiva es directa si es negativa es inversa.
Coeficiente de Correlacin de Pearson r
Es un estadstico que mide el grado de asociacin existente entre dos
variables. Se simboliza por la letra r y puede representarse por una lnea recta.
Para calcular r se utiliza la formula:

Por lo tanto el coeficiente de correlacin de Pearson es igual a la suma de


los productos de las diferencias con respecto a las medias de cada variable, divida
por el producto de sus correspondientes desviaciones estndares y el tamao de
la muestra.
Esta definicin se puede denotar de la siguiente forma

39
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Donde
COV(X,Y) = covarianza de X e Y.

Ejemplo 38:
Calcular la relacin que existe en el rendimiento de las asignaturas de
Ingles y Francs donde los puntajes obtenidos por 7 alumnos de un cierto instituto
se muestran en la siguiente tabla.
Solucin:
Sea

Xi = calificaciones en ingles
Yi = calificaciones en francs

alumnos

Xi

Yi

A
B
C
D
E
F
G
n=7

2
4
6
8
10
12
14
56

8
5
14
17
11
23
20
93

-6
-4
-2
0
2
4
6

-6
-9
0
3
-3
9
6

36
16
4
0
4
16
36
112

36
81
0
9
9
81
36
252

=8

= 14

40
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

36
36
0
0
-6
36
36
138

El valor 0,82 nos da una correlacin positiva cercana a 1 por lo tanto es


buena la relacin entre los puntajes de Ingles y Francs.

Ejemplo 39:
La siguiente tabla de doble entrada (tiene dos variables) muestra las
frecuencias conjuntas absolutas no acumuladas cuyas variables son:
X = monto de los prestamos solicitados por los clientes a un Banco en pesos.
Y = tasas de inters mensual que cobra el Banco.
Y
X
50 x < 60
60 X < 70
70 X < 80

8
0
16

0
16
0

8
0
24

0
8
0

Se pide determinar
a) Cuantos clientes solicitaron prestamos por menos de 70.000 a una tasa de
no ms del 4% mensual.
Solucin: N C. = 8+0+8+16+0 = 32
b) Que porcentaje de clientes solicitaron un prstamo entre 60.000 y 70.000 al
3% de inters mensual.
Solucin:
c) Que porcentaje de estos clientes solicitaron prstamos entre 70.000 y
80.000 en cualquier tasa de inters.
Solucin:
d) Cual es el prstamo promedio que solicitaron estos clientes a cualquier tasa
de inters.

41
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Solucin: La tabla de distribucin es:


Xi Xi
50 70
60 70
70 80

Yi
2
3
4
5

Xi
55
65
75

ni
16
24
40
n = 80

ni
24
16
32
8

Ni

fi

80

Fi
1.00

1.00

Ni

fi

Fi

1.00

n = 80
as

e) Cual es la tasa de inters mensual promedio cobrada por el Banco para


estos prstamos concedidos a los 80 clientes.
Solucin:
f) Cual es el prstamo promedio concedido a los clientes que se acogieron al
4% de inters mensual.
Solucin:
g) Cual es el coeficiente de correlacin entre los prstamos y las tasas de
inters mensual.
Solucin:

42
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego

Ejemplo 40:
Dos evaluaciones han dado puntuaciones a 6 caractersticas que
consideran importante en el desempeo profesional de un individuo en una cierta
empresa.
Determine la correlacin que existe entre las puntuaciones dadas por los 2
jueces.
caractersticas
A
B
C
D
E
F

Juez X
2
1
4
3
6
5

Juez Y
1
2
5
6
4
3

Ejemplo 41:
La siguiente tabla de doble entrada contiene las frecuencias relativas
conjuntas no acumuladas correspondientes a un grupo de operarios de acuerdo a
las siguientes variables:
X = Numero de horas extraordinarias de trabajo realizadas por los operarios.
Y = Numero de unidades terminadas en un proceso de fabricacin.
X

0
0

0
0,2

0,1
0,1

0,2
0,2

Y
0
1

43
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

0,1

0,1

Se pide determinar:
a) Porcentajes de operarios que trabajan 2 horas extraordinarias sin importar
el nmero de unidades producidas.
b) Cual es el nmero de horas promedio de trabajo extraordinario de estos
operarios.
c) Supongamos que el nmero de operarios en este trabajo es igual a 40.
En tal caso, el administrativo A informa a gerencia que se debe cancelar 1,5 UF
por cada hora extraordinaria de trabajo, mientras que el administrativo B informa
que es ms conveniente pagar 5 UF por cada unidad terminada y que el total debe
ser repartido entre todos los operarios.
Qu proposicin le conviene ms a la empresa?
Cul es el coeficiente de correlacin entre X e Y?
Coeficiente de Correlacin de Spearman
El coeficiente de correlacin de Pearson permite ver la relacin existente
entre 2 variables numerables. Pero cuando una o las dos variables no son
numerables, por ejemplo: habilidad atltica, habilidad en ventas, adaptacin social,
etc., no se puede aplicar este coeficiente ya que para este tipo de variables se
aplica el coeficiente de correlacin de Spearman, que dice que para este tipo de
variables cualitativas antes de analizar su relacin debemos ordenarlas por merito
que comnmente se conoce como rango de la variable.
El coeficiente de correlacin de Spearman
Se define
Donde D es la diferencia de rango.
Ejemplo 42:
Supongamos conocido el C.I. de los distintos integrantes de un curso de
inteligencia. Se desea calcular la correlacin que hay entre el C.I. y el don da
mando que posee cada alumno del curso de inteligencia.
Solucin:
El C.I. es una variable cuantitativa, no es as el don de mando, pero
conforme a las actuaciones de liderazgo de cada alumno han sido ordenados
44
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

desde el que tiene mayor aptitud hasta el que tiene menor actitud. De igual modo
hemos ordenado a los estudiantes de acuerdo a su C.I.

alumno

Rango C.I.

A
B
C
D
E
F
G
H
I
J
K
L
M
N
O

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Rango Don de
Mando
4
2
9
1
7
10
8
13
5
3
11
6
12
15
14

-3
0
-6
3
-2
-4
-1
-5
4
7
0
6
1
-1
1

9
0
36
9
4
16
1
25
16
49
0
36
1
1
1
204

0
Aplicando la formula

La correlacin es positiva, lo que implica que si el C.I. crece, tambin crece


el don de mando. Pero la relacin entre las variables es solo ms que regular.
Ejemplo 43:

45
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

La siguiente tabla se refiere a las variables edad para X y peso para Y de


un grupo de 8 individuos de un cierta barrio.
individuos
n1
n2
n3
n4
n5
n6
n7
n8

X
15
18
22
17
19
20
16
21

Y
50
52
60
55
53
56
51
51

Calcular la relacin entre las variables mediante el coeficiente de Pearson y de


Spearman.
Ejemplo 44:
Resuelva el ejemplo nmero 38 mediante el coeficiente de correlacin de
Spearman.

46
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO VI
CURVA DE AJUSTE. METODO DE MINIMOS CUADRADOS Y REGRESION
Para llegar a determinar una ecuacin que relacione las variables, un primer
paso que nos sirve de ayuda es la coleccin de datos que muestran los
correspondientes valores de las variables considerados.
Por ejemplo, supngase que X e Y denotan la altura y peso
respectivamente de un grupo de hombres.
Entonces una muestra de n individuos dara las alturas.
X1, X2,, Xn y los pesos correspondientes Y1, Y2,, Yn
El siguiente paso es representar los puntos (X 1, Y1), (X2, Y2), (Xn, Yn) en un
sistema de coordenadas rectangulares. En sistema de puntos resultados se llama
diagrama de dispersin. Con este diagrama es posible representar una curva
que se aproxima a los datos. Tal curva se llama Curva de Aproximacin.
Consideremos los siguientes grficos:
a)

b)

En el grafico A se ve que los datos se aproximan a una lnea recta por lo


que se dice que entre las variables existe una relacin lineal.

47
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

En el grafico B la relacin que existe entre las variables no es lineal, ya que


no es una lnea recta.
El problema general de encontrar ecuaciones de curvas de aproximacin
que se ajusten al conjunto de datos, es buscar la Curva de Ajuste.
Ecuaciones de curvas de aproximacin.
Las curvas de aproximacin ms simples son:
i) La lnea recta: Y = a0 + a1X
ii) La parbola o curva cuadrtica: Y = a0 + a1X + a2X
La lnea recta:
Es el tipo ms simple de curva de aproximacin.
Para obtener una lnea recta basta:
i) Dos puntos cualquiera: (X1, Y1) y (X2, Y2)
Entonces la formula para obtener la recta es:

ii) Un punto (X0, Y0) y una pendiente m que es el ngulo que forma la recta con el
eje X y se puede calcular por:
donde (X1, Y1) y (X2, Y2) son
puntos
dados. Entonces la formula para obtener la recta es: Y-Y o = m(X-X0) llamada
ecuacin de la recta punto pendiente.
Mtodo de Mnimos Cuadrados.
Para llegar a una posible definicin de la mejor recta de ajuste.
Consideremos la siguiente figura

Para un valor dado de X, por ejemplo X 1, habr una diferencia entre el valor
Y1 y el correspondiente valor de la curva C que denotaremos por D 1 que se
48
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

conoce como desviacin o error y puede ser positivo, negativo o cero.


Anlogamente para los valores X 2,, Xn donde se obtienen las desviaciones D 2,
D3,, Dn. Una medida de ajuste de la curva C a los datos dados viene sumistrado
por la cantidad D1 + D2 ++ Dn. Si este valor es pequeo el ajuste es bueno, si
es grande el ajuste es malo.
Definicin:
De todas las curvas de aproximacin a una serie de datos puntuales, la
curva que tiene la propiedad de que D 1 + D2 ++ Dn es mnimo se conoce
como la mejor curva de ajuste.
Una curva que presente esta propiedad se dice que se ajusta a los datos
por los mnimos cuadrados y se llama curva de mnimos cuadrados.

Recta de Mnimos Cuadrados.


La recta de aproximacin por mnimos cuadrados del conjunto de los puntos
(X1, Y1), (X2, Y2),, (Xn, Yn) tiene la ecuacin Y = a 0+a1X donde las constantes a0
y a1 se determinan mediante el sistema de ecuaciones siguiente:

i)

ii)
que recibe el nombre de ecuaciones normales para la recta de mnimos
cuadrados.
Observaciones
El trabajo necesario para encontrar una recta de mnimos cuadrados puede
a veces simplificarse transformando los datos de forma que

Luego la ecuacin de la recta puede denotarse por:

49
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

En efecto
La ecuacin
(i)

(ii)
Restando ii de i tenemos

De las ecuaciones normales obtenemos

Reemplazo
Nos queda

Luego

Ejemplo 45:
Construir una recta que aproxime los datos de la tabla
X
Y

2
1

3
3

5
7

7
11

9
15

Y hallar la ecuacin de la recta


50
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

10
17

Solucin

Se ve en la figura que todos los puntos estn en lnea recta, as la lnea


recta se ajusta a los datos.
Para determinar la ecuacin de la recta es necesario tener dos puntos
entonces elegimos (2, 1) y (3, 3). Luego aplicamos la formula:

Tambin se puede calcular la pendiente de esta recta.

O de la recta L: o Y = 2x-3 el valor que acompaa a x es la pendiente m=2


Observacin:
Sea L1 y L2 rectas se dice:
i) Dos rectas son paralelas si sus pendientes son iguales, es decir: m 1 = m2
ii) Dos rectas son perpendiculares si el producto de sus pendientes es igual a
menos uno, es decir: m1m2 = -1
Ejemplo 46:
Hallar la recta que pasa por el punto (4,2) y es paralela a la recta 2X+3Y=6
(tambin encuentre la perpendicular a la recta)
Ejemplo 47:
a) Construir una lnea recta que aproxime los datos de la tabla.
51
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

X
Y

1
1

3
2

4
4

6
4

8
5

9
7

11
8

14
9

Y encuentre la ecuacin de la recta.


b) Construya una recta por el mtodo de los minimos cuadrados.
Solucin:
Ubicamos los puntos

a) Una lnea recta de aproximacin a los datos por el mtodo libre es el de la


figura.
Si queremos un mtodo mas exacto se usa el mtodo de los mnimos cuadrados.
Para encontrar la ecuacin de la recta elegimos de la recta 2 puntos cualquiera
sean (0,1) y (12; 7,5)
As la ecuacin
b) Por el mtodo de los mnimos cuadrados, la ecuacin de la recta es:
Y = a0+a1X y las ecuaciones normales son

X
1
3
4
6
8
9
11
14

Y
1
2
4
4
5
7
8
9

X
1
9
16
36
64
81
121
196

XY
1
6
16
24
40
63
88
126

52
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Y
1
4
16
16
25
49
64
81

Puesto que hay 8 pares de valores de X e Y, N = 8


Las ecuaciones normales son:
8a0 + 56a1 = 40
56a0 + 524a1 = 364
Resolviendo el sistema

Luego

Por el mtodo de cambio de variable utilizando

X
1
3
4
6
8
9
11
14

Y
1
2
4
4
5
7
8
9

-6
-4
-3
-1
1
2
4
7

-4
-3
-1
-1
0
2
3
4

XY
24
12
3
1
1
4
12
28

X
36
16
9
1
1
4
16
49

Y
16
9
1
1
0
4
12
16

Luego la recta de los mnimos cuadrados es

53
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Anlogamente se puede resolver de la siguiente forma

Parbola de Mnimos Cuadrados.


La parbola de aproximacin de mnimos cuadrados a la serie de puntos
(X1, Y1), (X2, Y2),, (Xn, Yn) tiene la ecuacin: Y = a 0 + a1X + a2X donde las
constantes a0, a1 y a2 se determinan resolviendo el sistema de ecuaciones.

Que son las ecuaciones normales para la parbola de mnimos cuadrados.


Regresin:
Basndose en los datos mustrales se desea estimar el valor de una
variable Y correspondiente a un valor dado de una variable X. Esto puede
conseguirse estimando el valor de Y de la curva de mnimos cuadrados que ajusta
a los datos mustrales. La curva resultante se llama curva de Regresin de Y
sobre X, puesto que Y se estima a partir de X.
Ejemplo 48:
La poblacin de Estados Unidos durante los aos 1850-1950 con intervalos
de 10 aos fue
ao
1850 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950
poblacin 23,2 31,4 38,8 50,2 62,9
76
92
105 122,8 131,7 151,1
a) Hallar la ecuacin de la parbola de mnimos cuadrados que se ajuste a los
datos.
b) Estimar la poblacin de 1945
c) Estimar la poblacin de 1960
d) Estimar la poblacin de 1840
Solucin

54
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

a) Las variaciones X e Y denotan los aos y la poblacin respectivamente.


La ecuacin de la parbola que se ajusta a los datos es Y = a 0 + a1X + a2X donde
a0, a1, a2 se obtiene de:

Conviene elegir X de forma que el ao central


1900 se corresponda con X = 0
1910 se corresponda con X = 1
1890 se corresponda con X = -1
Luego la tabla es:
ao
1850
1860
1870
1880
1890
1900
1910
1920
1930
1940
1950

X
-5
-4
-3
-2
-1
0
1
2
3
4
5

Y
23,2
31,4
39,8
50,2
62,9
76
92
105,7
122,8
131,7
151,1

X
25
16
9
4
1
0
1
4
9
16
25

X
-125
-64
-27
-8
-1
0
1
8
27
64
125

X
625
256
81
16
1
0
1
16
81
256
625

XY
-116
-125,6
-119,4
-100,4
-62,9
0
92
211,4
368,4
526,8
755,5

XY
580
502,4
358,2
200,8
62,9
0
92
422,8
1105,2
2107,2
3777,5

Reemplazamos los valores en las ecuaciones normales tenemos:


11a0 + 110a2 = 886,8
110a1 = 1429,8
110a0 + 1958a2 = 9209

a0 = 76,64
a1 = 13
a2 = 0,3974

Entonces la ecuacin pedida es:


Y = 76,64 + 13X + 0,3974X
Donde el origen X = 0 es el primero de Julio de 1900 y la unidad de X son 10
aos.
b) 1945 corresponde a X = 4,5 por lo que
55
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Y = 76,64 + 13*4,5 + 0,3974(4,5) = 143,2


c) 1960 corresponde a X = 6 as Y = 76,64 + 13*6 + 0,3974(6) = 168,9
Este resultado no se ajusta mucho al valor real de 179,3
d) 1840 corresponde a X = 6 as:
Y = 76,64 + 13*(-6) + 0,3974(-6) = 12,9
Este resultado no se ajusta al valor real 17,1
Ejemplo 49:
La produccin de cobre en chile en millones de toneladas durante los aos
1956 1966 fue:
ao
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966

Produccin de Cobre
66,6
84,9
88,6
78
96,8
105,2
93,2
111,6
88,3
117
115,2

a) Represente los datos


b) Hallar la ecuacin de la recta de mnimos cuadrados que se ajuste a los datos
c) Estimar la produccin de cobre durante los aos 1967 y 1968
d) Estimar la produccin de cobre durante los aos 1954 y 1955
e) Grafique la recta
Ejemplo 50:
La produccin de cigarros entre los aos 1945 y 1954 fue:
ao
1945 1946 1947 1948 1949 1950 1951 1952
Produccin 95
92
80
89
83
69
67
58
en
millones

1953
61

a) Represente los datos


56
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

1954
68

b) Hallar la ecuacin de la recta de mnimos cuadrados y grafique


c) Estimar la produccin de cobre durante los aos 1955
Ejemplo 51:
La tabla adjunta muestra las puntuaciones finales en Algebra y Fsica de 10
estudiantes elegidos al azar entre un gran numero de ellos.
X
Y

75
82

80
78

93
86

65
72

87
91

71
80

98
95

68
72

84
89

77
74

X = Algebra
Y = Fsica
a) Represente los datos
b) Hallar la ecuacin de la recta de mnimos cuadrados que se ajuste a los datos
c) Si un estudiante tiene una puntuacin de 75 en Algebra Cul es su puntuacin
de Fsica esperada?
d) Si un estudiante tiene una puntuacin de 95 en Fsica Cul es su puntuacin
de Algebra esperada?
Solucin:
a) Grafique
b) Y = 29,13 + 0,661X
c) 79
d) 95

CAPITULO VII
PROBABILIDADES
Probabilidad es el estudio de experimentos aleatorios o libres de
determinacin.
Por ejemplo si un dado es lanzado al aire, hay certeza de que caer, pero no
podemos afirmar que aparecer un 6. Sin embargo si repetimos el experimento de
lanzar el dado tendramos ni, nmeros de aciertos de que aparecer un 6 de un
nmero n de lanzamientos, es decir tendramos la relacin
llamada
frecuencia relativa, que tiende a estabilizar a la larga o sea que se aproxima a un
lmite. Esta estabilidad es la base de la teora de la Probabilidad.
57
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Observacin:
El conjunto de todos los resultados posibles de un experimento dado se
llama espacio muestral que lo denotamos por la letra S.
Un subconjunto de un espacio muestral S recibe el nombre de Evento que se
denota por las letras maysculas A, B, C.
Definicin:
La probabilidad de un evento A lo denotaremos por P(A) y se define como el
cuociente de casos favorables por casos posibles es decir

Principios fundamentales del Conteo.


Si un evento puede realizarse de n 1 maneras diferentes y si un segundo
evento puede realizarse de n2 maneras diferentes y as sucesivamente entonces
el numero de maneras en que los eventos pueden realizarse es el producto de
n1*n2*n3*
Ejemplo 52:
En una cierta municipalidad se le encomend a una seccin confeccionar
una nueva patente de automviles que tuviera las siguientes caractersticas:
Que constara de 2 letras distintas seguida de 3 dgitos de los cuales el primer
dgito no debe ser cero.
Cuntas placas diferentes pueden confeccionarse?
Solucin:
La primera letra puede colocarse de 26 maneras diferentes (alfabeto de 26
letras), la segunda letra de 25 maneras, para el primer dgito hay nueve nmeros y
para cada uno de los otros 2 dgitos 10 maneras.
Por lo tanto pueden confeccionarse.
26 * 25 * 9 * 10 * 10 = 585.000 patentes diferentes.
Combinaciones:
Supongamos que tenemos una coleccin de n objetos. Una combinacin
de estos n objetos tomados. k a la vez es un subconjunto de k elementos,
58
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

donde el orden no se tiene en cuenta. Se denota por el smbolo que se lee n sobre
k y se define:

Observacin:
El smbolo n! se lee n factorial y se define n! = 1*2*3*4*5 (n-2)(n-1)*n
Ejemplo 53:
3! = 1*2*3 = 6
0! = 1
1! = 1
4! = 1*2*3*4 = 24
5! = 1*2*3*4*5 = 120
Ejemplo 54:
1)

2)

3)
4)
Ejemplo 55:
De cuantas maneras puede escogerse un comit compuesto de 3
hombres y 2 mujeres de un grupo de 7 hombres y 5 mujeres?
Solucin:
De los siete hombres se pueden escoger 3 de
mujeres se puede escoger 2 de
escoger:

maneras y de las 5

maneras por lo tanto el comit se puede

59
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Ejemplo 56:
Una persona tiene que contestar 8 de 10 preguntas en un examen.
a) Cuantas maneras de escoger tiene
b) Cuantas maneras de escoger tiene si las 3 primeras preguntas son obligatorias.
c) Cuantas maneras de escoger tiene si tiene que contestar 4 de las 5 primeras
preguntas.
Solucin:
a)
b)
c) i)
ii)
Luego tiene 35 maneras diferentes de escoger.
Ejemplo 57:
Un vendedor de automviles tiene 10 autos nuevos: 3 de modelo A, 3 de
modelo B y 4 de modelo C. Cul es la probabilidad de vender?
a) 2 automviles del mismo modelo.
b) 2 automviles del distinto modelo.
c) 2 automviles del modelo A.
Solucin:
a) P (igual modelo) =

b) P (distinto modelo) =

c) P (modelo A) =

60
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Diagrama de rbol.
Son dibujos que se usan para enumerar todos los resultados posibles de
una serie de experimentos en donde cada experimento puede suceder en un
nmero finito de maneras.
Ejemplo 58:
Dos personas A y B, intervienen en un torneo de tenis, la primera persona
que gane dos partidos seguidos o que complete tres gana el torneo.
Solucin:

Por lo tanto hay 10 resultados posibles del torneo.


Ejemplo 59:
Un hombre va al casino y tiene tiempo para jugar ruleta cinco veces a lo
sumo. En cada juego pierde o gana un dlar. El hombre empieza con un dlar y
dejara de jugar si antes de la quinta vez pierde todo su dinero o si ganara tres
dlares.
Hallar el nmero de casos en que la apuesta puede ocurrir?
Solucin:

61
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Luego la apuesta puede suceder de 11 maneras diferentes.


Ejemplo 60:
Se seleccionan al azar 2 cartas entre 10 cartas numeradas de 1 a 10. Hallar
la probabilidad de que la suma sea impar si:
a) Las 2 cartas se sacan juntas.
b) Se sacan una tras otra sin sustitucin.
c) Las 2 cartas se sacan una despus de la otra con sustitucin.
Ejemplo 61:
Dado el siguiente diagrama

Donde A, B, C, D, E, F son islas y las lneas son puentes. Un hombre


empieza en la isla A y camina de isla en isla. Se detiene para almorzar cuando no
puede continuar caminando sin tener que cruzar el mismo puente dos veces.
Hallar el numero de maneras como puede hacer su recorrido antes de almorzar
(por diagrama de rbol)?
Axiomas de Probabilidad.
Sea S un espacio muestral, sea P una funcin de valores reales, donde P
se llama funcin de probabilidad y P(A) es llamada probabilidad del evento A, si
cumple con las siguientes axiomas.
I)
II) P(S) = 1
62
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

III) Si A y B son eventos mutuamente exclusivos, es decir, AB = entonces


P(AUB) = P(A) + P(B)
Propiedades
I) Si Ac es el complemento de un evento A, entonces P(A c) = 1 P(-A).
II) Sean A y B eventos entonces, P(A-B) = P(A) P(AB)
III) Si A y B eventos, P(AUB) = P(A) + P(B) P(AB)
Solucin:
I) Se sabe que S = AUAc /P
P(S) = P(AUAc) = P(A) + P(Ac)
1 = P(A) + P(Ac) P(Ac) = 1 P(A)
II)

Del diagrama se tiene A = (A-B)U(AB) /P


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

Del diagrama se tiene


AUB = (A-B) U B /P
P(AUB) = P(A-B) + P(B)
P(AUB) = P(A) P(AB) + P(B)
P(AUB) = P(A) + P(B) - P(AB)

Ejemplo 62:
Tres caballos A, B, C intervienen en una carrera A tiene doble posibilidad de
ganar que B y B doble de ganar que C.
63
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Cuales son las respectivas probabilidades de ganar.


Solucin:
Sea P(C) = X, P(B) = 2X y P(A) = 4X
Como la suma de las probabilidades son iguales a 1 tenemos x+2x+4x = 1 X =
1/7
As P(A) = 4/7, P(B) = 2/7 y P(C) = 1/7 de ganar.
Ejemplo 63:
Dos hombres H1 y H2 y tres mujeres M1, M2 y M3 intervienen en un torneo
de ajedrez.
Los del mismo sexo tienen iguales probabilidades de ganar, pero cada
hombre tiene el doble de posibilidades de ganar que una mujer. Hallar la
probabilidad:
a) Que una mujer gane el torneo.
b) H1 y M1 son casados, cual es la probabilidad que uno de ellos gane el torneo.
Ejemplo 64:
Sea A y B eventos con P(AUB) =
P(Ac) =

y P(AB) =

Hallar
i) P(A)
ii) P(ABc)
Probabilidad Condicional.
Sea E un evento arbitrario de un espacio muestral S. La probabilidad de
que un evento A suceda una vez que E haya sucedido.
Simblicamente P(A\E) =

Ejemplo 65:

64
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Se lanza un par de dados. Si la suma es 6, hallar la probabilidad de que uno


de los dados sea 2, es decir:
Hallar P(A\E).
Solucin:
Sea S = {(1,1), (1,2), (1,3), (6,6)} = 36
Sea E = {suma es 6} = {(1,5), (2,4), (3,3), (4,2), (5,1)}
A = {un dos aparece al menos en un dado}
AE = {(2,4), (4,2)}
Entonces P(A\E) =

Procesos Estocsticos Finitos.


Una sucesin de experimentos en los cuales cada experimento tiene un
nmero finito de resultados con probabilidades dadas, se llama un proceso
estocstico. Para describir tal proceso y calcular la probabilidad de un evento lo
realizamos a travs de un diagrama de rbol.
Ejemplo 66:
Se tiene tres cajas A, B y C.
La caja A tiene 10 lmparas de las cuales 4 son defectuosas.
La caja B tiene 6 lmparas de las cuales una es defectuosa.
La caja C tiene 8 lmparas y tres son defectuosas.
Se escoge al azar una caja y se saca al azar una lmpara. Cul es la
probabilidad de que la lmpara sea defectuosa?
Solucin:
El diagrama de rbol es:

Como hay tres trayectorias mutuamente


exclusivas que conducen a una lmpara
65
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

defectuosa, la suma de las probabilidades de estas trayectorias es la probabilidad


que buscamos, es decir:

Ejemplo 67:
Se lanza una moneda con P(C) = y P(S) = .
Si sale cara se escoge al azar un numero de 1 a 9, si sale sello se escoge
al azar un numero de 1 a 5.
Hallar la probabilidad de que se escoja un nmero par.
Independencia.
Sean A y B eventos, se dice que son independientes si P(A B) = P(A) *
P(B). De otro modo son dependientes.
Ejemplo 68:
La probabilidad de que un hombre viva 10 aos ms es y la probabilidad
de que su esposa viva 10 aos mas es un .
Hallar la probabilidad de que:
a) Ambos estn vivos dentro de 10 aos.
b) Al menos uno este vivo a los 10 aos.
c) Ninguno este vivo a los 10 aos.
d) Solamente la esposa este viva a los 10 aos.
Solucin:
Sea A = {El hombre este vivo a los 10 aos}
Sea B = {La esposa este viva a los 10 aos}
P(A) =
y
P(B) = .
a) Como A y B son independientes entonces
P(AB) = P(A) * P(B) = * = 1/12
b) P(AUB) = P(A) + P(B) - P(AB) = + - 1/12 =
c) P(AcBc) = P(Ac) P(Bc) = (1 P(A))(1 P(B)) =
d) P(AcB) = P(Ac) P(B) =
Teorema de Bayes.
66
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Sean los eventos A1, A2,, An forman una particin de un espacio muestral
S, es decir, los eventos son mutuamente exclusivos y su unin es S.
Sea B otro evento tal que
B = SB = (A1UA2UU An) B = (A1B) U (A2B) UU (AnB)
P(B) = P(A1B) + P(A2B) + + P(AnB)

/P

Por condicionalidad tenemos


P(B) = P(A1)P(B\A1) + P(A2)P(B\A2) + + P(An)P(B\An)
Enunciado del Teorema de Bayes.
Sean A1, A2,, An una particin de S y B cualquier otro evento entonces:

Ejemplo 69:
Tres maquinas A, B y C producen respectivamente 50%, 30% y 20% del
nmero total de artculos de una fabrica. Los porcentajes de desperfectos de
produccin de estas maquinas son 3%, 4% y 5% respectivamente. Si se
selecciona al azar un artculo. Hallar la probabilidad de que el articulo sea
defectuoso y adems producido por la maquina A?
Solucin:
Sea X = {El evento de que un articulo sea defectuoso}
Su diagrama de rbol es

Entonces
67
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

P(X) = P(A)P(X\A) + P(B)P(X\B) + P(C)P(X\C)


P(X) = 0,5 * 0,03 + 0,3 * 0,04 + 0,2 * 0,05 = 0,037
Ahora

Ejemplo 70:
La caja A contiene 9 cartas numeradas de 1 a 9 y la caja B contiene 5
cartas numeradas de 1 a 5, se escoge una caja al azar y se saca una carta, si el
nmero es par. Hallar la probabilidad de que la carta proceda de la caja A?
Solucin:
El diagrama de rbol es

Debemos encontrar
La probabilidad de que se escoja la caja A y un nmero A es
P(AE) = * 4/9 = 2/9
y
P(E) = * 4/9 + * 2/5 = 19/45
Luego P(A\E) = 10/19
Ejemplo 71:
Un cierto artculo es manufacturado por tres fbricas F 1, F2 y F3.
Se sabe que F1 produce el doble de F2 y F3 produce la mitad de F2.
Adems se tiene que el 2% de los artculos producidos por F 1 y por F3 son
defectuosos, en tanto que F2 produce el 96% sin defectos.
Un da se selecciona un artculo de la produccin total sin poder distinguir su
procedencia (F1, F2 o F3)
68
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

i) Cul es la probabilidad de que esta sea no defectuosa?


ii) Si resulto no defectuoso Cul es la probabilidad de que provenga de F 2?
iii) Si para maana se necesitan 400 artculos sin defectos Cuntos artculos se
deberan muestrear para cumplir tal requerimiento?
Solucin:
Su diagrama de rbol es:

Se sabe que F1 + F2 + F3 = 1 2F2 + F2 + F2/2 = 1 F2 = 2/7


F1 =4/7 y F3 = 1/7
i) P(ND) = 0,9793
ii) P(F2\D) =
iii) Se necesitan 400 artculos buenos entonces sabemos P(ND) = 0,9743
Luego X * 0,9743 = 400 X = 411 artculos
Ejemplo 72:
Una caja A contiene 4 fichas rojas, 2 verdes y 4 blancas, mientras que otra
caja B contiene 4 fichas rojas y 5 blancas. Se escoge una ficha al azar de la caja
A y se pone en la caja B. Luego si se escoge al azar una ficha de la caja B. Cul
es la probabilidad:
a) Que esta ficha sea blanca.
b) Que esta ficha sea roja.
c) Que esta ficha sea verde.
Solucin:
Su diagrama de rbol es
69
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

a) Sea M = {La ficha extrada es blanca de la caja B}


P(M) = P(R)P(B\R) + P(V)P(B\V) + P(B)P(B\B)
P(M) = 4/10 * 5/10 + 2/10 * 5/10 + 4/10 * 6/10 = 27/50 = 0,54
b) Sea N = {Ficha extrada de B es roja}
P(N) = 4/10 * 5/10 + 2/10 * 4/10 + 4/10 * 4/10 = 44/100 = 0,44
c) Sea Q = {Ficha extrada de B es verde}
P(Q) = P(V)P(V\V) = 2/10 * 1/10 = 0,02
Ejemplo 73:
Una compaa de seguros clasifica a los conductores de la siguiente
manera:
Clase A: Grandes riesgos
Clase B: Riesgos normales
Clase C: Bajo riesgo
Se cree que el 30% de las solicitudes pertenecen a la clase B y el 50% a la
clase A.
En un ao un conductor de la clase A choca una o ms veces con una
probabilidad de 0,08 el de la clase B con una probabilidad de 0,03 y el de la clase
C lo hace con una probabilidad de 0,1.
La compaa vende al seor Prez una pliza y tiene un accidente. Cul
es la probabilidad de que el seor Prez pertenezca a la clase B?

70
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

CAPITULO VIII
VARIABLES ALEATORIAS
En este capitulo analizaremos las variables aleatorias unidimensional y
bidimensional para variables discretas y continuas.
Variable Aleatoria Unidimensional Discreta
La denotaremos estas variables aleatorias por X; Y .
Definicin
Una variable aleatoria X de un espacio muestral S es una funcin de S al
conjunto de los nmeros reales tal que la imagen inversa de cada intervalo de los
nmeros reales es un evento de S.
Simblicamente se denota por: X: S R
Distribucin y Esperanza de una variable aleatoria finita
Sea X una variable aleatoria de un espacio muestral S cuyo conjunto
imagen finito lo denotaremos por X(S) = {x 1, x2, x3,, xn}. Se convierte X(S) en un
espacio de probabilidad definiendo la probabilidad de x i como P(X = xi) = f(xi) que
recibe el nombre de funcin de distribucin y que representamos en una tabla de
la siguiente forma:
xi
f(xi)

x1
f(x1)

x2
f(x2)

xn
f(xn)

Esta funcin de distribucin satisface dos condiciones.

i) f(xi) 0

ii)

Observacin:
La media o esperanza o valor esperado de una funcin de distribucin lo
denotaremos por E(x) y se define como E(x) =
Ejemplo 74:
Se lanza un par de dados y se definen las variables aleatorias X(a, b) =
max(a, b) e Y(a, b) = a + b
71
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Hallar
i) S
ii) X(S) e Y(S)
iii) La funcin de distribucin de X e Y

iv) E(X)

Solucin:
i) S = {(1, 1), (1, 2), (1, 3),, (6, 6) = 36 pares
ii) X(S) = {1, 2, 3, 4, 5, 6} Y(S) = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
iii) f(x1) = f(1) = P(X = 1) = P{(1, 1)} = 1/36
f(x2) = f(2) = P(X = 2) = P{(2, 1), (2, 2), (1, 2)} = 3/36
Entonces la tabla de distribucin para X:
xi
f(xi)

1
1/36

2
3/36

3
5/36

4
7/36

5
9/36

6
11/36

Y se tiene que
Anlogamente
g(y1) = g(2) = P(Y = 2) = P{1, 1)} = 1/36
g(y2) = g(3) = P(Y = 3) = P{1, 2), (2, 1)} = 2/36
Luego la tabla de distribucin para Y:
y1
g(y1)

2
3
4
1/36 2/36 3/36

5
4/36

6
5/36

7
8
6/36 5/36

9
10
4/36 3/36

11 12
2/36 1/36

Y se tiene que

iv) E(X) = 1 * 1/36 + 2 * 3/36 + 3 * 5/36 + 4 * 7/36 + 5 * 9/36 + 6 * 11/36 = 4,47


E(Y) = 7
Ejemplo 75:
Una moneda con P(C) = 2/3 y P(S) = 1/3 se lanza tres veces. Se definen la
variables aleatorias:
X = {El mayor numero de caras sucesivas que sucedan}
Y = {Numero de sellos que aparecen}

72
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Hallar
i) S ii) X(S) e Y(S)
iii) la tabla de distribucin para X e Y
Solucin:
i) S = {(c, c, c), (c, c, s), (c, s, c), (c, s, s), (s, c, c), (s, c, s), (s, s, c), (s, s, s)}
P(c, c, c) = 2/3 * 2/3 * 2/3 = 8/27
P(c, c, s) = 2/3 * 2/3 * 1/3 = 4/27
P(c, s, c) = 2/3 * 1/3 * 2/3 = 4/27
P(c, s, s) = 2/3 * 1/3 * 1/3 = 2/27

P(s, c, c) = 1/3 * 2/3 * 2/3 = 4/27


P(s, c, s) = 1/3 * 2/3 * 1/3 = 2/27
P(s, s, c) = 1/3 * 1/3 * 2/3 = 2/27
P(s, s, s) = 1/3 * 1/3 * 1/3 = 1/27

ii) X(s, s, s) = 0
X(c, s, c) = 1; X(c, s, s) = 1; X(s, c, s) = 1; X(s, s, c) = 1
X(c, c, s) = 2; X(s, c, c) = 2;
X(c, c, c) = 3
Luego X(S) = {0, 1, 2, 3}
f(x1) = f(0) = P(X = 0) = P{(s, s, s)} = 1/27
f(x2) = f(1) = P(X = 1) = P{(c, s, c), (c, s, s), (s, c, s), (s, s, c)} = 4/27 + 2/27 + 2/27 +
2/27 = 10/27
f(x3) = f(2) = P(X = 2) = P{(c, c, s), (s, c, c)} = 4/27 + 4/27 = 8/27
f(x4) = f(3) = P(X = 3) = P{(c, c, c)} = 8/27
Luego la tabla de distribucin de la variable aleatoria X es:
xi
f(xi)

0
1/27

1
10/27

2
8/27

3
8/27

Y se tiene
En forma anloga para la variable aleatoria Y tenemos:
Y(s, s, s) = 3
Y(c, s, s) = 2; Y(s, c, s) = 2; Y(s, s, c) = 2
Y(c, s, c) = 1; Y(s, c, c) = 1
Y(c, c, c) = 0
Luego Y(S) = {0, 1, 2, 3}
Entonces
73
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

g(y1) = g(0) = P(Y = 0) = P{(c, c, c)} = 8/27


g(y2) = g(1) = P(Y = 1) = P{(c, s, c), (c, c, s), (s, c, c)} = 4/27 + 4/27 + 4/27 = 12/27
g(y3) = g(2) = P(Y = 2) = P{(c, s, s), (s, c, s), (s, s, c)} = 2/27 + 2/27 + 2/27 = 6/27
g(x4) = g(3) = P(Y = 3) = P{(s, s, s)} = 1/27
Por lo tanto la tabla de distribucin para Y es:
yi
g(yi)

0
8/27

1
12/27

2
6/27

3
1/27

Y se tiene
Ejemplo 76:
Un jugador lanza un dado. Si sale un nmero primo gana dicho nmero de
dlares, pero si no sale un nmero primo entonces pierde esa cantidad de dlares.
Encuentre el valor esperado del juego y diga si el juego es favorable o
desfavorable para el jugador?
Solucin:
La informacin la tabulamos de la siguiente forma:
xi
f(xi)

2
1/6

3
1/6

5
1/6

-1
1/6

-4
1/6

-6
1/6

Y se tiene
Los nmeros -1, -4, -6 corresponden al hecho de que el jugador pierde si no sale
un nmero primo, por lo tanto:
E(X) = 2 * 1/6 + 3 * 1/6 + 5 * 1/6 1 * 1/6 4 * 1/6 6 *1/6 = -1/6
Esto quiere decir que el juegos es desfavorable para el jugador pues es negativo.

74
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

EXAMEN
PRUEBA FINAL
Pregunta 1:
En una empresa comercial se tabulan los 20 sueldos ms bajos en 5
intervalos. Se tiene adems la siguiente informacin:
X1 = 4;

X4 = 10;

N2 = 9;

N3 = 17;

N4 = 19;

F1 = 3f5

Se pide:
a) Construir una tabla
b) Me; Mo;
;
c) Grfico de la tabla de distribucin
d)
Pregunta 2:
Dos maquinas A y B producen el mismo tipo de artculos.
Se toman 2 muestras de tamaos 6 y 4 respectivamente, obtenindose la
produccin media de 6 unidades por hora en la maquina A y que en la otra es
menor que esta. Se sabe adems, que las sumas de cuadrados de las
observaciones son 226 y 54 respectivamente para las maquinas A y B, y la
intervarianza es 1,5.
Calcular la varianza total?
Pregunta 3:
Hay 2 cajas A y B. La caja A contiene 5 fichas rojas y 3 blancas, y la
caja B contiene una ficha roja y 2 blancas.
Se lanza un dado, si aparece un 3 o un 6, se saca una ficha de B y se pone
en A y luego se saca una ficha de A. De lo contrario, se saca una ficha de A y se
pone en B, y luego se saca una de B.
a) Cul es la probabilidad de que ambas fichas sean rojas?
b) Cul es la probabilidad de que ambas fichas sean blancas?
Pregunta 4:

75
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

El gerente de comercializacin de una fabrica de juguetes esta


pensando introducir un nuevo juguete al mercado.
En el pasado el 40% de los juguetes introducidos por esta compaa han
resultado exitosos. De aquellos exitosos un 90% han tenido una acogida favorable
y el 20% de los no exitosos tambin tuvieron una acogida favorable.
a) Se escoge un juguete al azar, Cul es la probabilidad de que halla tenido una
acogida favorable?
b) Si resulta con un informa desfavorable, Cul es la probabilidad de que sea no
exitoso?
Pregunta 5:
Ajustar una recta de mnimos cuadrados a los dados de la siguiente
tabla:
X
Y

3
2

5
3

6
4

8
6

9
5

11
8

Represente los datos y la recta de mnimos cuadrados en un sistema de ejes


cartesianos?
Pauta del Examen.
Solucin 1:
a)
Xi-1 X1
2
4
4
6
6 8
8 10
10 12

Xi
3
5
7
9
11

ni
3
6
8
2
1
N=20

Ni
3
9
17
19
20

fi
0,15

Fi
0,15

Xi ni
9
30
56
18
11
124

Xi ni
27
150
392
162
121
852

b) Me = 6,25 UF
c) haga el grfico, por ejemplo un histograma.
d)

76
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Xi ni
343
3750
19208
13122
14621
51064

= 2953,76
Solucin 2:
n1 = 6; n2 = 4

Intervarianza =

Luego
Intravarianza =

Var(XT) = intravarianza + intervarianza = 3


Solucin 3:
a) P(R) = 61/16
b) P(B) = 371/1296
Solucin 4:
a) Sea F = acogida favorable
Sea E = juguete exitoso
P(F) = 0,48
b) P(Ec/Fc) = 0,923
Solucin 5:
Y = -1/3 + 5/7X
77
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

PRUEBAS
SOLEMNE
1
El gerente de Finanzas de una empresa obtuvo informacin relativa a la
productividad (en miles de unidades) de cada trabajador y la cantidad de horas
extras realizadas durante el ltimo mes.
10 - 14

14 - 18

18 - 22

22 - 26

Total

8
5
3
16

9
3
4
16

2
10
12
24

1
9
16
26

20
27
35
82

Y Q horas
Extras
X
Productividad
4-6
6-8
8 - 10
Total

1) El ingreso de un trabajador est compuesto por un sueldo base de $35.000 ms


una cantidad variable que contempla; la unidades elaboradas como cantidad de
horas extras, cada unidad elaborada se paga a $20 y a $2500 la hora extra.
Determine el ingreso promedio mensual por empleado.
2) El gerente de la empresa cree que los trabajadores que realizan menos de 18
horas extras al mes y aquellos que realizan ms de 18 horas extras al mes afecta
fuertemente la produccin entre los grupos. Esta usted de acuerdo con esta
afirmacin.
2
La gerencia de una empresa quiere hacer un estudio sobre el sueldo de sus
empleados y para ello clasifica segn antigedad, de la siguiente manera:
Aos
(Y)
04
48

Sueldo mensual X (en miles de pesos)


50 - 90
90 - 130
130 - 170
24
16

16
24

170 - 250

8
20

78
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

0
10

8 - 12

24

36

22

a) La gerencia considera que el 30% inferior de los sueldos pueden considerarse


como sueldos bajos. Determine si el sueldo ms frecuente se considera bajo.
b) La empresa tambin afirma que a mayor antigedad los sueldos son mejores.
Est usted de acuerdo. Justifique su respuesta.
c) Estime mediante un modelo de regresin lineal. Cul sera el sueldo mensual de
un empleado que llevara trabajando 15 aos en la empresa.
Solucin:
1) I = 3500 + 2500 y + 20x * 1000
Xi-1 X1
4-6
6-8
8 - 10

Xi
5
7
9

ni
20
27
35

Ni
20
47
82

Yi-1 Y1
10 14
14 18
18 22
22 26

Xi
12
16
20
24

ni
16
16
24
26

Ni
16
32
56
82

I = 3500 + 2500 * 18,926 + 20000 * 7,36 = 229,515


2)
Xi-1 X1
4-6
6-8
8 - 10

< 18
Xi
5
7
9

ni
17
8
7

> 18
Ni
17
25
32

ni
3
19
28

Ni
3
22
50

79
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

2) a)
Xi-1 X1
50 90
90 130
130 170
170 250

Xi
70
110
150
210

ni
40
64
64
32

Ni
40
104
168
200

P30 = 0,30 * 200 = 60

b)
Yi-1 Y1
0-4
4-8
8 - 12

Xi
2
6
10

Xi-1 X1
50 90
90 130
130 170
170 250

ni
48
70
82

Xi
70
110
150
210

Ni
58
128
210

ni
40
64
64
32

Var (Y) = 9,93


Var (X) = 1999,36
2(70 * 24) + 2(110 * 16) + 2(150 * 8) + 2(210 * 0)
6(70 * 16) + 6(110 * 24) + 6(150 * 20) + 6(210 * 10)
10(70 * 0) + 10(110 * 24) + 10(150 * 36) + 10(210 * 22)

80
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Ni
40
104
168
200

c)

a = 130,8 7,195 * 6,68 = 82,74


si y = 15

1
Los trabajadores del rea tributaria de una consultora estn clasificados segn
experiencia laboral en asistente y senior. La tabla siguiente resume la informacin
respecto de sus salarios (en M$)
Estratos
Asistentes
Seniors

Numero de
funcionarios
52
22

Salario medio
285
660

Desviacin
estndar
67
144

a) Es valido afirmar que la variabilidad total existente en los salaries de estos


funcionarios se debe a la variable existente entre los grupos o dentro de ellos?
Justifique. (1,5 puntos)
b) Si un asistente y un senior tienen salaries de $300.500 y 609.000
respectivamente cual de estos funcionarios tienen una mejor posicin relative en
su nivel professional?
2
El siguiente cuadro describe la EDAD (en aos), de una muestra de trabajadores
temporeros que se dedican a empacar manzanas en cajas, versus EL NUMERO
DE CAJAS EMPACADAS DIARIAMENTE:
81
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Y
N de
cajas
X
Edad
18 25
25 32
32 39
39 46
46 53

45 - 50

50 - 55

55 - 60

60 - 65

1
9
7
1
4

3
5
2
3
1

1
3
1
5
8

7
6
1
2
0

a) Encuentre la cantidad mas frecuente de cajas empacadas por trabajadores con


a lo menos 39 aos.
b) Los empacadores de manzanas se han clasificado en dos grupos: los que
empacan hasta 55 cajas por da y los que empacan ms de 55 cajas por da.
Cul de los dos grupos de trabajadores tiene un comportamiento ms
homogneo, respecto de su edad?
c) Suponga que trabajan en un packing 1.500 temporeros, Cul seria el numero
de temporeros que empacan a lo menos 55 cajas diariamente y tienen una edad
de a lo mas 39 aos, si se mantuvieran las relaciones que se dan en el cuadro?
Solucin:
1) a)

b)

82
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

2) a)
Xi-1 X1
45 50
50 55
55 60
60 - 65

Xi
47,5
52,5
57,5
62,5

ni
5
4
13
2

Ni
5
9
22
24

b)
Xi-1 X1
18 25
25 32
32 39
39 - 46
46 - 53

hasta 55
ni
4
14
9
4
5

Xi
21,5
28,5
35,5
42,5
49,5

Ni
4
18
27
31
36

mas 55
ni
8
9
2
7
8

Ni
8
17
19
26
34

c)
Xi-1 X1
45 50
50 55
55 60
60 - 65

Xi
47,5
52,5
57,5
62,5

ni
17
10
5
14

Ni
17
27
32
46

A lo menos 55

1500 * 0,586 = 879


1500 * 879 = 621
83
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

1
Una empresa exportadora empaca los artculos en cajas de 10 20 unidades. El
departamento de control de calidad, revis 3 cajas de 10 unidades y 12 cajas de
20 unidades. El promedio y varianza de unidades defectuosas por caja se resume
en el siguiente cuadro:
Tipo de Caja
10 unidades
20 unidades

Promedio
2
3

Varianza
0,5
1

a) Determine el nmero promedio de unidades defectuosas por caja.


b) De acuerdo a la informacin disponible, determine quien realiza el mayor aporte
a la varianza total.
2
Los salarios semanales de los empleados de una empresa, encargada de las
operaciones de cables telefnicos, fueron los siguientes, para marzo del 2001,
considerando dos clases de empleados:
Ingreso semanal
(en miles de $)
27 29
29 31
31 33
33 35
35 37
37 39
39 41
Totales
Porcentajes de
empleados

Tendedores de lneas y
cables (en %)
15
20
30
20
15
100
32

Operadores de telfonos
(en %)
20
35
25
20
100
68

a) Compare la variabilidad del ingreso semanal entre los dos tipos de empleados.
b) Si los tendedores de lneas solicitan un reajuste de un 20% y los operadores
telefnicos un 30% Cul seria el salario promedio conjunto reajustado?
c) Si se considera el 50% de los operadores telefnicos que se ubican en el
extremo superior de los ingresos semanales en cuanto deberan reajustarse sus
ingresos para alcanzar un cifra de $37.500 semanal por empleado?
Solucin:

84
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

1)a)

b)

2) a)
Xi-1 X1
27 29
29 31
31 33
33 35
35 37
37 39
39 41

Xi
28
30
32
34
36
38
40

fit
0,15
0,20
0,30
0,20
0,15

Fit
0,15
0,35
0,65
0,85
1

fio
0,20
0,35
0,25
0,20
-

Fio
0,20
0,55
0,80
1

b)

c) se usa mediana
0,5 : 1 = 0,5

Xi-1 X1
30,71 31
31 33
33 35

Xi
30,85
32
34

fio
0,05
0,25
0,20

Fio
0,05
0,30
0,50
85

ESTADISTICA Y PROBABILIDADES CON APLICACIONES

$37,500 = 32,68 + x
37,500 32,68 = x
4,82 = x

32,68 100%
4,82 x
14,7

1
De un total de 220 empleados pblicos, se asigno la distribucin de sueldos, de
acuerdo a ello tienen un descuento por actos indebidos de 2 U.T.M. en general, se
obtiene un valor que corresponde a la marca de clase X3 adems sabemos lo
siguiente.
Xi-1 X1
12,04 16,92
16,92 21,8
21,8 26,68
26,68 31,56
31,56 36,44
Calcule:

Xi
14,48
19,36
24,24
29,12
34

ni
26
35
44
53
62

Ni
26
61
105
158
220

fi
0,118
0,159
0,2
0,241
0,282

Fi
0,118
0,277
0,477
0,718
1

a) Moda
b) Mediana
c) Percentil 50
d) Si se quiere reajustar en un 2% los sueldos al 30% superior de la
muestra, determine los rangos de los sueldos que se acomodan a la
medida
e) Determine el quartil 2

Solucin:
a)

b) 220 : 2 = 110

c) 0,50 * 220 = 110

d) 30%
superior 70%
0,70 * 220 = 154

86
ESTADISTICA Y PROBABILIDADES CON APLICACIONES


e) Quartil 2 (50%) 0,50 * 220 = 110

2
En una fbrica de bebidas alcohlicas se emplean botellas de 250 CC. De
capacidad que contienen en promedio 23 grados de alcohol y un coeficiente de
variacin igual a 0,14. Una encuesta de marketing detecto que las preferencias del
pblico bajaron respecto de la bebida y se recomienda aumentar el grado
alcohlico de las bebidas en cuanto debe aumentarse la graduacin alcohlica
de modo que el coeficiente de variacin baje a 0,10?
Solucin:
X = 23C
C.V.= 0,14
Entonces C.V. (X) = 23 * 0,14 = 3,22

9,2 es en lo que debemos aumentar la graduacin.


3
Cree una tabla con 4 intervalos, una amplitud de 6 y una muestra de 65 personas,
calcule e interprete la varianza, desviacin standard y coeficiente de variacin.
Solucin:
Xi-1 X1
28
8 14
14 20
20 26

Xi
5
11
17
23

ni
30
10
20
5

Ni
30
40
60
65

Var(X) = 159,76 121 = 38,76

87
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

3
Y
Vuelos
al ao
X
Edad
0 25
25 40
40 65
65 80
Calcular:

1-3

3-5

5 - 10

3
8
5
9

6
9
4
8

7
12
15
0

a) Cual es el promedio de los vuelos al ao y las edades de los


pasajeros
b) Cual es la varianza de cada tem.
c) Determine el coeficiente de variacin y la desviacin estndar de
los grupos analizados.
d) Grafique ambas desviaciones
e) Se ha determinado que la variabilidad es mayor entre las edades y
los vuelos al ao es mayor que la variabilidad dentro de los mismos
grupos, esta usted de acuerdo? Fundamente y determine.

Solucin:
Xi-1 X1
0 25
25 40
40 65
65 80

Edad
Xi
12,5
32,5
52,5
72,5

ni
16
29
24
17

Ni
16
45
69
86

Xi-1 X1
13
35
5 10

Vuelos al ao
Xi
ni
2
25
4
27
7,5
34

Ni
25
52
86

a) Vuelos al ao
Edad
b) Var(X vuelos al ao) 28,42 23,04 = 5,38
88
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

Var(X edad) 2193,45 1785,90 = 407,55


c)

d
2,49

22,08

4,80

7,11

42,26 +

62,44

(vuelos al ao)

(edades)

e)

89
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

UNIVERSIDAD CENTRAL DE CHILE


ESCUELA DE CIENCIAS POLITICAS Y ADMINISTRATIVAS

PUBLICACIONES
SERIE APUNTES DE CLASES
N1 Csar Manaka Jimnez

N2 Sergio De la Cruz Soza

ADMINISTRACION
DE
LAS
FINANZAS PUBLICAS, Santiago, Julio
de 1998

N3 Roberto Krell Goldfarb

APUNTES DE MICROECONOMIA
BASICA, Primera Parte, Santiago, Enero

N4 Gustavo Benavente Kennedy

CONTROL
DE
LA
GESTION
PUBLICA, Santiago, Junio de 1999

de 1999

ESTADISTICA Y PROBABILIDADES
CON APLICACION, Santiago, Agosto de

SERIE DOCUMENTOS DE
TRABAJO

1999

N1 Patricio Orellana Vargas


90
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

LA
PARTICIPACION
EN
EL
PROCESO DE MODERNIZACION
DE
LA
GESTION
PUBLICA
CHILENA, Santiago, Mayo de 1999

91
ESTADISTICA Y PROBABILIDADES CON APLICACIONES

También podría gustarte