Maestria Estadistica Dr. Salas

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ
ESCUELA DE POST GRADO

MTODOS ESTADSTICOS APLICADOS A LA INVESTIGACIN
1. E L SIGNIFICADO DE LA ESTADISTICA
El hombre comn y corriente, con frecuencia concibe a la estadstica como una masa
de nmeros o una coleccin de datos tales como los que podramos encontrar en el
Instituto Nacional de Estadstica e informtica (INEI), en los registros de una escuela,
en los archivos de un hospital, o en los registros de una empresa. Las frases que se
repite con frecuencia son "La estadstica muestra " o "Las estadsticas son", es
probable que implique una cantidad de nmeros que contienen caractersticas
sobresalientes e inalterables que pueden ser identificadas fcilmente por cualquier
persona. No se negara que la palabra estadstica se aplica a ciertos agregados de
nmeros, pero no es verdad que los hechos importantes contenidos en esos
agregados sean siempre fcilmente detectables.
Un segundo significado de la palabra estadstica, se refiere a que genricamente se
da este hombre a cierta clase de medidas empleadas para evaluar una propiedad
determinada del conjunto de factores que se encuentran bajo Investigacin. El peso
medio de los miembros de un equipo de ftbol. Este significado es usado como un
sinnimo de los "parmetros".
Un tercer significado de la palabra estadstica, es de primordial importancia puesto
que en estos apuntes lo definimos como: "La ciencia que se ocupa de los mtodos y
tcnicas. De recoleccin, procesamiento, anlisis e interpretacin de un conjunto de
datos e informacin.
La estadstica, como ciencia es fundamentalmente una rama de las matemticas
aplicadas, tal como la mecnica que es la aplicacin de las matemticas a problemas
relativos a cuerpos sujetos a fuerzas. Con la estadstica pueden hacerse las
aplicaciones a todas las ciencias o tcnicas que tengan que ver con datos c
mediciones. Por esta razn, es muy til en los negocios, en la economa, sociologa,
biologa, psicologa, educacin, la fsica, agricultura y otros campos de la actividad
humana.
La estadstica es la ciencia y tcnicas que se encargan de la recoleccin,
presentacin, clculo e interpretacin de estadgrafos, anlisis e interpretacin de
resultados y tendencias.
1
Docente Doctor ALEJANDRO N. SALAS BEGAZO

2. BREVE HISTORIA DE LA ESTADISTICA
La estadstica comenz miles de aos atrs, cuando el hombre inicia sus conteos.
La coleccin y registro de datos fue muy comn por muchos siglos. En el ao 2000
antes de J.C., la poblacin de Judea se estima que fue de 3'800,000. Militares tales
como Cesar Augusto, ordenaron censos del mundo, con fines militares y de cobro de
impuestos. William el conquistador de Inglaterra ordeno un censo, y los resultados
fueron publicados en el Libro "El Juicio Final" en el ao 1086. En el desarrollo de la
Estadstica, el periodo anterior al siglo XVI fue dedicado prioritariamente a la simple
coleccin de datos.
Del siglo XVI al siglo XIX emergen tipos de anlisis ms sofisticados; con los juegos
de azar, llega a ser el principal pasa tiempo de la nobleza, matemticos y estudiosos
de la lgica fueron invitados a trabajar en problemas de los juegos de cartas, juegos
de dados y otros similares. Hombres como De More, Fermat y Pascal fueron grandes
contribuidores al avance de las probabilidades. Durante la misma era, el anlisis de
medidas de error y el estudio de las distribuciones fueron iniciadas por Laplace (1749 1827), De Moivre (1667 - 1754) y Gauss (1777 - 1855).
Amplio nfasis en la aplicacin y educacin estadstica comienza a ser comn en el
siglo XIX y los primeros aos del siglo XX. El nmero de estadsticos aumenta, y
Quetelet (1796 - 1874) astrnomo y estadstico Belga promueve el primer congreso de
estadstica en el ao 1853. Algunas de las primeras aplicaciones fueron hechas en
astronoma en intentos para fijar las rbitas planetarias. Galton (1822 - 1911) postul6
una "ley de regresin universal" en el estudio de la herencia (1888); esta teora fue
sometida a una prueba estadstica por Karl Pearson (1857 - 1936) quien ahora es
conocido como el "fundador de la ciencia estadstica.
La estadstica la que nosotros conocemos en estos das, se considera que tiene sus
inicios en el trabajo decir Ronald_ a. Fisher (1890 - 1962), un matemtico genetista
del Rothamsted Experimental Station en lnglaterra, se le conoce como el "padre de la
estadstica moderna. Fisher publico numerosos artculos y estuvo activamente
comprometido en investigaciones estadsticas hasta el da de su muerte. Otros
grandes contribuyentes con la estadstica moderna fueron W. S. Gossett (1876 - 1937)
alumno de Karl Pearson, Abraham Wald (1902 - 1950), Jersey Neyman (1894 - 19.) y
E. S. Pearson (1895 19) y el hijo de Karl Pearson.
La historia detallada de la estadstica y probabilidades para el periodo de 1500 hasta
1800 esta dado en el excelente libro de Todhunter. Otros aspectos de la historia son
cubiertos por M. G. Kendall y H. M. Walker.
Desde 1925, la estadstica tiene una amplia aplicacin en todas las reas de las
ciencias experimentales. La agricultura fue una de las primeras reas en las cuales los
mtodos estadsticos son extensivamente usados. Como es frecuente, los Mtodos
conocidos son modificados para el manejo de nuevas situaciones. En Nuestros das
2

los investigadores usan tcnicas de probabilidades y estadstica para resolver

problemas en agricultura, biologa, ciencias sociales, ingenieras, transportes,
preservacin de la biodiversidad, economa, historia y varias materias del medio
ambiente, incluyendo todas las ramas que Ud. Puede nominar. Tal vez el uso ms
familiar de las estadsticas y las probabilidades est en la determinacin de los datos
que se reportan as precipitaciones y temperatura para la prediccin climticas
basadas en series acumuladas durante muchos aos y en la actualidad la informacin
de los satlites especializados en este tema. Las tcnicas estadsticas han sido
aplicadas recientemente a un problema clsico de historia por Mosteller y Wallace,
quienes discuten los diferentes anlisis usados para probar si Hamilton o Madison
escribieron los 12 artculos del Federalismo, cuyo autor aun es desconocido.
3

3. DEFINICIONES ESTADISTICAS
3.1. Poblacin
Conjunto de elementos, con una o ms caractersticas bien definida, de los cuales
alguno o todos pueden ser observados y representan el universo. Algunos
ejemplos:
a) Un conjunto de objetos tales como todos los libros de una biblioteca
b) Un conjunto de valores clasificados, tales como las marcas de cigarrillos
c) Un conjunto de nmeros reales, tales como los pesos de las truchas de una
jaula
d) Un conjunto de elementos que se avizora tal como los problemas que pueden
ser resueltos por una nueva computadora.
3.2. Elementos
Son cada uno de los componentes de la poblacin, en los ejemplos de poblacin
los elementos son:
Los libros
Las marcas
Las truchas
Los problemas
3.3. Caractersticas
Representan una propiedad especfica cualitativa o cuantitativa de los elementos
de una poblacin. Las caractersticas tienen un valor especfico, una cualidad o
una categora para cada elemento en su conjunto constituye una variable.
Ejemplo si se considera como poblacin los enfermos de un centro de salud se
pude considerar varias caractersticas, tales como:
Edad
Lugar de procedencia
Peso
Enfermedad
Talla
Ingreso econmico mensual
4

3.4. Variable
Dada una caracterstica determinada para una poblacin, la variable es la
medida, cualidad o caracterstica concreta de cada uno de los elementos. As por
ejemplo en el caso de los enfermos del Centro de Salud, si se escoge la
caracterstica edad, la variable est constituida por el registro de las edades de
cada uno de los enfermos. Las variables pueden ser: cualitativa o cuantitativas.
Variables cualitativas, son las caractersticas que toman valores que
representan cualidades, virtudes, categoras o rangos. Por ejemplo, Estado civil
(soltero, casado, viudo, divorciado), Sexo (masculino, femenino), Religin, Estado
emocional. el sexo, las marcas de cigarrillos, las enfermedades, colores tipos de
instrumental quirrgico, etc.
Variable Cuantitativas, son aquellas que nicamente pueden tomar valores
numricos. As tenemos por ejemplo, las medidas de peso, talla, ingreso
econmico, edad, etc.
3.5. Parmetros
Son valores que representan a una poblacin, con relacin a una variable
(caracterstica) as tenemos por ejemplo, el promedio, la desviacin estndar, la
varianza, la proporcin, el nmero total, la suma total.
3.6. Estadgrafo
Son valores que representan a una muestra con relacin a una variable
(caracterstica) as tenemos por ejemplo, el promedio la desviacin estndar la
varianza, la proporcin, el nmero total, la suma total de la muestra.
3.7. Censo
Es un proceso planificado, a travs del cual se logra la enumeracin de todos los
elementos de una poblacin o el estudio de una o ms caractersticas de los
elementos de una poblacin.
3.8. Muestra
Es una parte de la poblacin que es obtenida para conocer una o ms
caractersticas de los elementos de una poblacin con la finalidad de realizar
inferencias sobre toda la poblacin. Se obtiene una muestra por razones de
tiempo y dinero
5

3.9. Encuesta
Es la sistematizacin en forma de cuestionario del conjunto de caractersticas que
se requiere estudiar en el censo o muestreo. En la literatura en general se usa en
forma indistinta, con el mismo sentido a las palabras muestreo o encuesta; sin
embargo es necesario hacer esta precisin.
4. OBTENCIN DE DATOS
En cualquier actividad donde se necesite realizar anlisis estadstico, sea esta

acadmica, empresarial o gubernamental; se requiere de datos y Su forma de
obtenerla es a travs de registros, censos, encuestas y experimentos.
4.1. Registros
Las instituciones pblicas y privadas por lo general tienen datos que registran
sobre su organizacin, produccin, ventas, rendimiento acadmico, personal,
alumnos, trabajadores y otras operaciones de su institucin
Por ejemplo en un Centro Educativo tienen datos sobre el nmero de
profesores, estudiantes, administrativos, presupuesto, actividades curriculares,
actas acadmicas entre otras.
Muchas de las veces los directivos de una Institucin o Empresa para la toma
de decisiones adecuadas, requieren de informacin externa que se encuentra
disponible en boletines informativos y publicaciones de las Instituciones de
Gobierno, de Asociaciones Comerciales y otras Organizaciones que recopilan
datos.
En el Per, la institucin encargada de centralizar esta informacin es el
Instituto Nacional de Estadstica e Informtica (INEI), la misma que la
sistematiza y oferta al pblico interesado en forma de compendios anuales
Ejercicio 1
Enumerar todos los registros que se realizan en su Centro Laboral
Censos
Todos los pases realizan censos poblacionales con cierta periodicidad, en el caso de
nuestro pas se ha establecido que por Io menos debe realizarse Wing" sin
embargo solo se han ejecutado los censos de 1940, 1961; 1981, 1993 y 2005; toda
esta informacin es centralizada por el INEI.
Adems se programan otros censos ms especficos come:
111 Censo Econmico. 1994
111 Censo agropecuario. 1994
1 Censo Nacional Universitario 1996
6

Ejercicio 2
Indicar a Ia poblacin a nivel nacional y de los departamentos de Lima, Apurmac,
Arequipa, Cusco, Madre de Dios, Moquegua, Puno y Tacna para los ltimos
censos; en forma de cuadros y grficos. Adicionalmente realice un anlisis e
interpretacin de estos datos, precise por lo menos 4 conclusiones.
4.3. Muestreo
Muchas veces se requiere informacin sobre una caracterstica o problema en
especial, pero en un determinado tiempo y espacio; puesto que la informacin
censal y la que se tiene en registros no nos da la informacin requerida; en
estos casos se debe recurrir a una encuesta por muestreo a travs de un
cuestionario que nos permita obtener la informacin sobre la caracterstica o
problema que se quiere conocer.
4.3.1. Encuestas especializadas
EI INEI realiza encuestas diversas (muestreo), tales como:
Encuesta Nacional de Hogares - ENAHO. 1996
- I Trimestre: Modulo de Educacin, Salud, Trabajo
- 11 Trimestre: Modulo de Vivienda, Transporte y Trabajo
- III Trimestre: Modulo Educacin, Salud, Trabajo
- IV Trimestre: Modulo de Niveles de Vida y Pobreza
Encuesta Nacional de Hogares - ENAHO. 1997
- I Trimestre: Modulo de Educacin, Ingreso y Apoyo Social
Encuesta Demogrfica y de Salud Familiar 1996 (ENDES 111)
Encuesta Nacional de Empresas Exportadoras
Encuesta Nacional de Sueldos y Salarios
Encuesta sobre Variacin del Empleo en lima Metropolitana y a
Nivel Nacional
Encuesta Nacional de Precios para la Determinacin de las Bases
de Referencia del Impuesto Selectivo al Consumo
Encuesta de Opinin Gerencial en el Sector Industrial
Encuesta de Precios para la Comparabilidad internacional INEI - CEPAL
Encuesta Trimestral de Estadsticas Vitales
Encuesta Nacional de Mercados de Abastos
Encuesta Econmica Anual
Encuesta Nacional de Municipalidades e infraestructura Distrital
Encuesta de Caracterizacin de la Poblacin Retornante
7

4.3.2. Estadsticas de coyuntura

Produccin de Indicadores de Coyuntura:
- ndice de Precios al Consumidor de Lima Metropolitana
- ndice de Precios al Consumidor de Principales Ciudades
- ndice de Precios al Por Mayor a nivel Nacional
- ndice de Precios de Bienes de Activo Fijo
- ndice Unificado de Precios de Materiales de la Construccin
- ndice de Remuneraciones en el Gobierno Central
- ndice de volumen fsico de producto bruto interno coyuntural
- ndice de formacin bruta de capital fijo
Informe Econmico Mensual
Series Estadsticas 1970-2005
Banco de Datos Estadstico Mensual
Cambio de Ao Base del de Precios al Consumidor de las Principales
Ciudades del Pas
4.3.3. Estadsticas bsicas y estructurales
Compendio Estadstico Nacional (1995-1996)

Cambio de Ao Base de las Cuentas Nacionales
Compendio de Estadsticas Sociales
Elaboracin del PBI a Nivel Regional y Departamental
Medicin de la Oferta y Demanda Global de la Economa Peruana
Actualizacin de la Cartografa Censal:
- Automatizacin Cartogrfica Censal
- Directorio de Vas de Lima
Actualizacin de Pianos Urbanos y Mapas Distritales
Proyecciones de Poblacin:
- Proyecciones de Poblacin del Per: 1995-2025
- Proyecciones de Poblacin del Per por Provincias y Distritos: 1995-2025
4.3.4 Investigaciones Socio demogrficas
En base a los resultados de los censos de encuesta se han realizado
las siguientes investigaciones:
o Crecimiento urbano del Per 1961-1993
o Per: Perfil Socio - Demogrfico de la Poblacin discapacitada
o Conducta reproductiva y maternidad en la adolescencia en Lima
metropolitana
o Per: Estimaciones y Proyecciones de la Poblacin Econmicamente
Activa 1970-2015
8

o Comportamiento Reproductivo de las Mujeres en las Comunidades

Indgenas de la Amazonia Peruana
o Asentamientos Humanos
o Caractersticas Socio Demogrficas (Tomo I y II)
o Informacin Sobre Poblacin y Pobreza para Programas Sociales
o Compendio de Estadsticas Sociales 1995-1996
o Descentralizacin de Series de Tiempo Econmicas
o Per: Caractersticas Educativas de los Hogares - ENAHO 1995
o Per: Caractersticas de Salud de la Poblacin - ENAHO 1995
o Per: Medicin de Niveles de Vivienda y Pobreza - ENAHO 1995
o Per: Acceso a los Programas Sociales - ENAHO 1995
o Per: Caractersticas de Empleo Urbano - ENAHO 1995
o Regin Inca: Dinmica Demogrfica y Pobreza
o Per: Estadstica de la Criminalidad 1994-1996
o El Desarrollo Educativo de la Niez y la Adolescencia
o Estado de la Niez, la Adolescencia y la Mujer en el Per 1996
o Per: Encuesta Demogrfica y de Salud Familiar 1996
o Per: Estadstica sobre Produccin, Trfico y Consumo de Drogas
1994-1996
o Per: Estadsticas de Ciencia y Tecnologa
o Per: Estadsticas de la Niez, la Adolescencia y la Mujer 1995-1996
o Per: de Desarrollo Humano
4.4. Experimentos
El trmino experimento es usado por los Estadsticos pare definir un proceso
qua nos permite la recopilacin de datos, a travs de un diseo que controla
uno o ms factores y la influencia que ejercen estos sobre una variable de
respuesta que es de inters.
Por ejemplo si es un maestro quiere saber cmo influye el use de una nueva
metodologa de enseanza, necesita probar que este mtodo es ms eficiente
que el que est utilizando; por lo tanto deber realizar un experimento en el
cual divida al azar su saln de clases en dos grupos, en uno de ellos seguir
aplicando el mtodo tradicional y en el otro el nuevo mtodo.
Otro ejemplo, seria que el gerente de una empresa desea conocer si un
entrenamiento adicional sobre el proceso productivo, produce un aumento en la
produccin, un experimento para investigar este problema podra consistir en
seleccionar al azar a la mitad de los empleados y hacerlos participar en un
programa de entrenamiento, dejando que la otra mitad contine sin
entrenamiento adicional y comparando despus la productividad de los dos
grupos.
9

5. PRESENTACION DE DATOS
Los datos obtenidos de las diferentes maneras que se han sealado anteriormente
pueden ser presentados bsicamente en forma de cuadros y grficos
5.1. Cuadros Estadsticos
Un Cuadro Estadstico o tambin conocido como Tabla, es un mtodo
estadstico para ordenar y presentar datos. General se tiene dos tipos de
cuadros estadsticos: Cuadros de Referencia y Cuadros Analticos
5.1.1. Cuadros de referencia
Tambin se le conoce como Cuadro Fuente, porque estn diseados pare
servir como depsito de informacin estadstica. Los Cuadros de referencia
contienen datos que permiten el anlisis de relaciones entre variables; estos
cuadros se encuentran en los aprendices de los estudios analticos.
En el Cuadro N 01 se aprecian datos que estn contenidos en un cuadro de
referencia, donde nicamente se tienen datos, sin realizar ningn anlisis ni
mucho menos obtener conclusiones.
Cuadro N 01
Peso en Kilogramos de 100 nios de 14 aos de la Gran Unidad Escolar
Mariano Melgar Arequipa Ao 2011
67.9
60.7
64.4
56.4
60.4
64.8
61.6
62.7
65.9
58.6
61.9
60.6
65.6
61.7
65.6
58.8
60.9
65.6
65.6
63.3
59.6
63.0
63.6
65.9
67.2
62.6
65.9
57.7
63.6
65.8
62.8
62.6
63.0
63.71
56.8
63.7
64.61
60.4
60.5
58.61
63.61
60.4
62.6
60.7
61.2
67.0
61.0
60.7
62.3
60.3
64.8
63.6
65.4
61.9
58.2
65.7
66.5
60.9
65.81
62.6
65.8
64.8
65.61
60.2
64.8
65.7
65.8
60.2
60.9
62.9
61.4
67.0
60.4
52.9
63.3
63.7
66.6
57.2
60.8
65.2
63.0
61.51
63.2
63.6'
61.3
63.6
61.2
63.2
61.0
62.9
63.5
60.9
63.8
63.6
62.9
62.7
65.11
58.7
58.0
61.8!
Fuente datos obtenidos a travs de un muestreo del autor
5.1.2. Cuadros Analticos
10

Elaboran Cuadros Analticos cuando deben estudiarse las rela ci o n e s mutual

entre factores o variables. La diferencia entre Cuadros de referencia y Cuadros
analticos esta fundamentalmente en el uso que se le da y no en su construccin.
En el Cuadro N 02 se aprecia la incidencia de la pobreza total en el Per en
porcentajes, pare los aos 2005 al 2010, por dominios y reas geogrficas.
CUADRO N 2
INCIDENCIA DE PROBREZA TOTAL EN EL PERU (%) POR DOMINIO Y
REAS GEOGRFICAS 2007-2012
DESCRIPCIN DEL DOMINIO O
REA
2007
2008
NACIONAL
42.7
42.4
Dominios
33.2
34.7
Costa*
38.3
35.9
Sierra Urbana
72.5
73.2
Sierra Rural
37
37.4
Selva Urbana
55.7
58.1
Selva Rural
25.4
24.1
Lima Metropolitana
reas
29.7
29.7
Urbana
66.3
65.9
Rural
*No incluye Lima Metropolitana
Elaboracin a partir de ENAHO 2007-2012-IV Trimestre
AOS
2009
2010
47.5
48.4
2011
49.8
2012
50
39.9
36.8
79.4
40.9
61.9
31.4
39.4
33.1
73.3
37.8
73.2
38.9
42.6
43.2
80.1
49.4
73.4
28.3
42.1
39.3
78
44.8
72.4
34.3
34.7
71.8
36.9
70
35.7
75.9
36.9
74.3
5.2. Partes Estructurales de un Cuadro

Cada autor tiene su propia forma de presentar cuadros, sin embargo la
metodologa estadstica nos ofrece un formato bsico de las partes
estructurales principales que nos permite estandarizar la presentacin de
cuadros, sin embargo cada uno de los interesados puede realizar variantes de
acuerdo a sus necesidades y criterios de esttica de presentacin
Nmero del Cuadro
Titulo
(Nota en el encabezado)
Encabezado Principal para Columnas
(Clasificacin B)
F
I
L
Encabezado Principal para

Filas
(Clasificacin A)
Rtulo de la
Columna
(Total
Clasificacin
Rtulo de la
Columna
(Clase B1)
Rtulo de la
Columna
(Clase B2)
E
N
C
A
B
E
Z
A
D
11

A
Rtulo de la Fila (Clase A1)
B)
Celda
Celda
Celda
Celda
Celda
O
C
U
E
R
P
O
5.2.1 Nmero del Cuadro

Para facilitar la ubicacin de un cuadro en un reporte, artculo, libro o cualquier
otro documento es necesario numerarlo de acuerdo al orden de aparicin.
Cuando aparece un solo cuadro en el reporte o presentacin, es posible obviar
el nmero.
5.2.2 Ttulo
El ttulo de un cuadro estadstico debe expresar con claridad el contenido
respondiendo fundamentalmente a las siguiente preguntas Qu contiene?,
Dnde se obtuvieron los datos? Y cundo se obtuvieron los datos?, tambin
se suele considerar la pregunta Cmo estn clasificados los datos?
Al redactar el ttulo se debe evitar los extremos de: una redaccin demasiada
elaborada y extensa o la de una redaccin breve que no proporciona la
informacin suficiente sobre el cuadro. El ttulo debe permitirnos saber a
primera vista el contenido del cuadro
Ejemplo en el cuadro N 02 se responde a las preguntas formuladas, as
tenemos:
Qu contiene? La incidencia de la pobreza
Dnde se obtuvieron los datos? En el Per
Cundo se obtuvieron los datos? Entre los aos 1997 y el 2002
Cmo estn clasificados los datos? Por dominios y reas geogrficas
5.2.3 Nota en el encabezado del Cuadro
Las notas en el encabezado del cuadro generalmente se ponen debajo del
ttulo y entre parntesis; proporcionan informacin complementaria al cuadro o
a las unidades de medida de los datos
5.2.4 Filas
Las filas estn ubicadas en la primera columna del cuadro y contiene el
encabezado de la Clasificacin A y los rtulos de cada una de las filas. El
encabezado de las filas debe usarse para denominar la caracterstica del
factor A y cada fila debe tener un rotulo que sea suficientemente claro. Por lo
general en las filas esta la variable cualitativa que tiene varias categoras.
12

5.2.5 Encabezado Principal

El cajn de encabezados contiene el ttulo de la segunda variable o
Clasificador B y se supone a todas las dems columnas del cuadro.
5.2.6 Encabezados
Todas las columnas a partir de la 2da tienen un encabezado que es el que
corresponde al encabezado principal de las columnas, que de ser necesario
puede omitirse, este encabezado corresponde al factor B.
A su vez, cada una de las columnas tiene un rotulo, donde debe estar el total
de la clasificacin B, el rtulo de la clase B 1, el rtulo de la clase B2, y as
sucesivamente hasta completar todos los niveles del Factor B
5.2.7 Cuerpo
En el cuerpo o tambin denominado campo del cuadro estn las celdas, donde
se registran los datos estadsticos. Una celda es la interseccin de una fila y
una columna, el dato corresponde a los factores considerados en la
interseccin de las clasificaciones A y B.
Es importante que cada celda se registre un dato, si el dato es cero, este debe
ser consignado y si no hay informacin debe indicarse ND (no disponible).
Cuando una celda se deja en blanco, el lector no sabe si este dato ha sido
omitido o no est disponible.
5.2.8 Fuente
Debe consignarse al pie del cuadro la fuente o origen de la informacin, esto
con la finalidad de que si se quiere recurrir a los datos originales, estos puedan
ser ubicados con facilidad: y por otro lado para conocer de la confiabilidad de
los datos.
5.3
Cuadro de Distribucin de Frecuencias

Un cuadro donde se especifican las clases y las frecuencias ya sea en valores
absolutos (cantidades) o relativos (porcentajes) se le conoce como Cuadro de
Distribucin de Frecuencias, tal como se puede apreciar en el Cuadro N 03
13

Cuadro N 03
Nmero de Ovinos de las Familias de una Comunidad del Distrito de
Santa Rosa Caylloma Ao 2012
Nmero de Ovinos
(Clases)
X1
0-1
23
45
67
8-9
TOTAL
Nmero de Familias
(Frecuencia)
n1
22
225
432
231
60
1000
Fuente: Ministerio de Agricultura

Los datos consistente en un gran nmero de observaciones, provenientes de
una muestra o una poblacin; pueden ser resumidos en categoras o clases.
Por ejemplo el peso de los estudiantes u otras medidas, pueden ser asignados
a clases con diferentes intervalos.
En el caso de una variable cualitativa con muchas categoras, estas pueden ser
reducidas uniendo las menos frecuentes.
Los datos resumidos en un arreglo tabular que muestren el nmero de
individuos en cada clase, es denominado cuadro de distribucin de frecuencias
o tablas de frecuencias, donde los datos originales son reducidos a una forma
ms manipulable; siendo estas estructuras la base para una presentacin
grfica o indicadores de tendencias.
5.3.1. Algunas Definiciones
5.3.1.1.
Clase
Categora o rango de datos, ejemplo en el Cuadro N 03 la primera clase
tiene el rango de las familias que tiene de 0 a 1 ovino la quinta clase
tiene el rango de las familias que tiene de 8 a 9 ovinos.
5.3.1.2.
Lmite de Clase
14

Son los valores extremos de cada clase, el valor ms bajo se le denomina

lmite inferior y el valor ms alto se le denomina lmite superior; ejemplo en
el Cuadro N 03 el lmite inferior de la 1ra clase es 0 y el lmite superior es
1.
5.3.1.3.
Lmite Real de Clase

En variables continuas los lmites reales de clase, coinciden muchas veces
con los lmites de clase.
En cambio en el caso de variables discretas, el lmite real de clase, se
obtiene de la semisuma del lmite de clase superior de la clase inferior y el
lmite inferior de la clase superior.
Ejemplo en el Cuadro N 03 el lmite real inferior de la 2da clase se calcula
a travs de la semisuma del lmite superior de la 1ra clase que es 1 y el
lmite inferior de la 2da clase que es 2, obtenindose el lmite real de la 2da
clase que es 1.5.
El lmite real de clase inferior de la primera clase se obtiene restndole en
este caso 0.5 al lmite de clase inferior de la primera clase y el lmite real de
clase superior de la ltima clase se obtiene sumndole 0.5 al lmite de
clase superior de la clase.
5.3.1.4.
Intervalo de Clase
Es la diferencia entre los lmites superior e inferior.
5.3.1.5.
Marca de Clase o Punto Medio

Es el promedio de cada clase, que se obtiene de la semisuma de los lmites
reales de cada clase.
5.3.1.6.
Frecuencia
Es el nmero de observaciones que corresponde a cada clase.
5.3.2. Procedimiento para Construir un Cuadro de Distribucin de Frecuencias.

5.3.2.1.
Nmero de Clases
Para determinar el nmero de clases que debe tener un cuadro de
distribucin de frecuencias, se debe considerar algunos criterios tales
como:
Nmero de observaciones
15

Precisin de la tabla
Rango, entre otros.
Sin embargo puede ser utilizada la FORMULA DE STURGES:

K = 1+3.3 log(n)
Donde:
K = Nmero de clases
n = Tamao de muestra
5.3.2.2.
Rango (R)
Es la diferencia entre las observaciones de mximo y menor valor.
R = XMAX XMIN
5.3.2.3.
Intervalo de Clase (I)

Es el cociente entre el rango y el nmero de clases.
I
5.3.2.4.
R
K
Amplitud de la Tabla (A)

Es el producto entre nmero de clases y el intervalo de clase.
A=KxI
5.3.2.5.
Lmite Inferior de la Primera Clase (L 1)

Li X MIN
5.3.2.6.
A R
2
Determinacin de Lmites Restantes

Se le agrega el intervalo de clase al lmite inferior de la primera clase,
siendo este valor el lmite superior de la primera clase y al mismo tiempo el
lmite inferior de la segunda clase; continese con este proceso hasta
calcular el lmite superior de la ltima clase.
5.3.2.7.
Conteo para Determinar la Frecuencia (n i)

Consiste en ubicar los valores de cada una de las observaciones dentro de
las clases del cuadro de distribucin de frecuencias y determinar las
frecuencias de cada clase.
16

5.3.2.8.
Frecuencia Relativa (fi)

Es la proporcin que resulta de dividir la frecuencia de cada clase entre el
nmero total de datos o tamao de muestra.
fi
5.3.2.9.
ni
n
Frecuencia Acumulada (Ni)

Es la suma de la frecuencia de clase y de las clases anteriores.
5.3.2.10. Frecuencia Relativa Acumulada (Fi)

Es la suma de la frecuencia relativa de clase y de las clases anteriores.
5.3.2.11. Marca de Clase (Xi)
Es la semisuma de los lmites de cada clase.
A continuacin en el Cuadro N 04 se puede observar: la marca de clase,
lmite superior, frecuencia, frecuencia relativa en porcentaje, frecuencia
acumulada y la frecuencia acumulada relativa de cada una de las clase;
datos elaborados en base a las formulas y definiciones anteriores.
Cuadro N 04
Tallas de Maz forrajero en cm.
Clases
164 173
174 183
184 193
194 203
204 213
214 - 223
TOTAL
Xi
186.5
178.5
188.5
198.5
208.5
218.5
LS
173
183
193
203
213
223
ni
1
3
5
10
10
4
33
% fi
3.0
9.1
15.2
30.3
30.3
12.1
100.0
Ni
1
4
9
19
29
33
% F1
3.0
12.1
27.3
57.6
87.9
100.0
Ejemplo 1
Con los datos de peso en kilogramos de nios de 14 aos que se muestran
a continuacin, elaborar un cuadro de distribucin de frecuencias.
67.9
58.6
65.6
57.7
64.6
67.0
58.2
60.2
60.4
61.5
17

60.7
61.9
63.3
63.6
60.4
61.0
65.7
64.8
62.9
63.2
64.4
60.6
59.6
65.8
60.5
60.7
66.5
65.7
63.3
63.6
56.4
65.6
63.0
62.8
58.6
62.3
60.9
65.8
63.7
61.3
60.4
61.7
63.6
62.6
63.6
60.3
65.8
60.2
66.6
63.6
64.8
65.6
65.9
63.0
60.4
64.8
62.6
60.9
57.2
61.2
61.6
58.8
67.2
63.7
62.6
63.6
65.8
62.9
60.8
63.2
62.7
60.9
62.6
56.8
60.7
65.4
64.8
61.4
65.2
61.0
65.9
65.6
65.9
63.7
61.2
61.9
65.6
67.0
63.0
62.9
63.5
60.6
63.8
63.6
62.9
62.7
65.1
58.7
58.0
61.8
1. Determinacin del nmero de clases

n = 100
K =1 + 3.3 log (100)
K = 1 + 3.3 * 2
K 7.6 8 clases
6. Determinacin del rango (R)
R = XMAX XMIN
XMAX = 67.9
XMIN = 56.4
R =11.5
7. Determinacin del Intervalo de clase (I)
R
I=
k
I=
11.5
8
I = 1.4375
I 1,5
8. Determinacin de la amplitud de la tabla (A)
A=kxI
A = 8 x 1.5
A = 12.0
18

9. Determinacin del lmite inferior de la primera clase (L)

A R
Li X MIN
2
12 11.5
2
Li 56.15 56.2
Li 56.4
10. Determinacin de los Lmites restantes

Se le agrega el intervalo de clase (1.5) al lmite inferior de la primera clase
(56.2) y as sucesivamente hasta completar los lmites de las 8 clases:
a<X b
56.2
57.7
59.2
60.7
62.2
63.7
65.2
66.7
57.7
59.2
60.7
62.2
63.7
65.2
66.7
68.2
11. Conteo para determinar la frecuencia (n i)
a<X b
56.2
57.7
59.2
60.7
62.2
63.7
65.2
66.7
TOTAL
57.7
59.2
60.7
62.2
63.7
65.2
66.7
68.2
ni
4
6
13
17
30
9
17
4
100
19

Ejercicio
Dados los siguientes datos, que corresponde a la nota final del Curso de
Mtodos Estadsticos de los estudiantes de la Maestra de Desarrollo Rural de
la UNA - Puno, construir un Cuadro de Distribucin de Frecuencias.
20
14
09
14
16
11
18
08
10 10
17
18
12
16
20
12
19
08
11 13
13
19
12
14
21
13
20
12
13 13
17
16
13
15
17
14
15
13
13 14
19
19
13
16
17
14
13
14
15 15
5.4. Grficos
Son otra forma de presentar los datos, con la finalidad de poder mostrar en forma
visual las caractersticas y comparaciones que se desea resaltar. Las graficas mas
usuales son las circulares, los pictogramas, graficas de barras graficas lineales,
entre otras.
5.4.1. Grficos circulares
Estos grficos sirven para comparar las partes con respecto al Todo a resaltar
las diferencias entre las partes. Esta representacin es a travs de una
circunferencia o un pastel que representa el todo y que se la divide en sectores
circulares o fracciones del pastel que estn en proporcin a la frecuencia de la
partes.
20

Ejemplo 1
Ejemplo 2
ARRIBO DE VISITANTES AL CUSCO
PERIODO 2010-2011
Nacionales
Extranjeros
21

5.4.2. Pictogramas
Sirven para realizar representaciones de caractersticas especficas a travs de
figuras que se aproximan a la descripcin de una caracterstica. Por ejemplo si
se quiere especificar el sexo para una poblacin la representacin grafica sera
de la manera siguiente:
POBLACIN DEL DEPARTAMENTO DE PUNO
Nmero
535830
Porcentaje
49.6%
Nmero
544019
Porcentaje
51.4%
5.4.3. Grficas de barras

Esta es una de las grficas ms usadas, son graficas que se dibujan sobre
plano cartesiano las barras que pueden estar en el eje de las abscisas o en el
de las ordenadas se las usa normalmente para graficar cuadros de distribucin
de frecuencias.
22

SI
NO
NO SABE/ NO RESPONDE
MILLONES DE DOLARES
23

5.4.4. Grficas Lineales

Es otra de las grficas que se usa en plano cartesiano donde por lo general la
clase de categora se ubica en el eje de las abscisas y la frecuencia en el eje
de las ordenadas. Observar los siguientes ejemplos.
Pobreza
Extrema Pobreza
Ejercicios
Dibuje dos grficas circulares dos pictogramas, dos grficas de barras y dos
grficas lineales con datos de su Centro de Trabajo.
24

6.
MEDIDAS DE TENDENCIA CENTRAL
Son los valores que son obtenidos por procedimientos matemticos o por
observaciones y que tienden a ubicarse en la parte central de las observaciones que
estn ordenadas en forma creciente o decreciente.
6.1 Media Aritmtica
6.1.1. Notacin
= Promedio de poblacin
X = promedio de muestra
6.1.2. Definicin
Es el valor obtenido del cociente entre la suma de las observaciones y el
nmero total de observaciones.
X sumatoria de valores de observaciones
numero de observaciones de la muestra

Ejemplo 1
Determinar el promedio de 4, 5 8, 10, 6
Xi
4 5 8 10 6
N
5
6.1.3. Propiedades
i
X 6. 6
a) La suma de las desviaciones de cada una de las observaciones con

respecto al promedio es igual a cero
n
i
X i
X = 0
b) El promedio depende de cada una de las observaciones en la proporcin de

Xi / n
c) Si a cada una de las observaciones se le suma una constante, el nuevo
promedio es igual a la promedio de las observaciones ms la constante.
Xc
n
i
( X i c)
N
X C
25

d) Si cada una de las observaciones se le multiplica una constante el nuevo

promedio es igual al promedio de las observaciones multiplicando por la
constante.
Xc
cx
cX
Ejemplo 2
En una oficina trabajan cinco mecangrafos que tiene una velocidad de
mecanografiado de 40, 65, 53, 48 y 56 palabras por minuto. Calcular el
promedio de velocidad de mecanografiado de las cinco secretarias.
Xi
40 65 53 48 56
5
262
5
X 52.4
Ejemplo 3
En una muestra se toma el nmero de partos diarios que se realiza en un
centro de salud entre los aos 2005 y 2006. Calcular el promedio aritmtico
simple.
5
4
7
3
4
9
5
4
4
7
5
6
11
6
n
i
n
458
X
70
X 6.5
6.2.
6
5
4
9
10
5
7
Xi
7
6
5
4
3
6
7
8
9
7
9
5
6
7
7
7
7
8
6
7
7
5
7
8
7
7
6
8
7
6
7
8
9
6
7
8
9
6
7
8
9
10
7
7
6
5
5
4
3
5 4 ... 3
70
Media aritmtica en datos agrupados
6.2.1. Definicin
26

Es el valor obtenido del cociente entre la suma de los productos de las marcas
de clase por su frecuencia, dividido entre el nmero total de observaciones.
ni xi
n
Ejemplo 1
Determinar el promedio aritmtico simple para el siguiente cuadro de
distribucin de frecuencias sobre el nmero de ovinos que tiene las familias de
una comunidad campesina de Pampacolca.
A< Xi b
26
6 10
10 14
14 18
18 - 22
TOTAL
Xi
4
8
12
16
20
ni xi
n
ni
21
25
30
40
20
136
niXi
84
200
360
640
400
1684
( 4 x 21) (8 x 25) ..... ( 20 x 20)

136
1684
12.38
136
Ejemplo 2
En una empresa de produccin de chompas de fibra de alpaca se toma una
muestra de obreros para determinar el rendimiento promedio por da, con los
siguientes resultados. Calcular el promedio
N Chompas / Obrero / Da
4.2
4.3
8.0
6.9
3.9
6.5
5.7
5.4
6.1
5.2
6.4
6.5
5.6
3.8
7.3
7.3
5.9
7.1
5.1
8.4
6.1
4.5
4.5
6.9
5.2
5.6
5.6
5.7
4.2
3.9
4.3
5.4
6.9
5.7
5.1
7.3
6.9
5.7
5.9
6.1
5.2
8.0
6.4
6.5
4.3
5.4
6.5
4.3
5.4
6.4
5.1
6.9
4.6
3.7
3.8
7.1
8.0
5.7
6.4
7.3
5.1
5.4
6.5
4.6
3.6
8.2
3.5
5.7
6.4
7.3
4.6
7.0
5.3
5.7
7.7
7.3
5.1
1. Determinar el Numero de clases

n = 77
K =1 + 3.3 log (77)
K = 1 + 3.3 * 2
27

7.6
8 clases

R = XMAX XMIN
XMAX = 8.4
XMIN = 3.5
R =4.9
3. Determinacin del Intervalo de clase (I)
I=
R
k
I=
4.9
8
I = 0.6125
I 0.7
A=kxI
A = 8 x 0.7
A = 12.0
5. Determinacin del lmite inferior de la primera clase (L)
A R
2
5.6 4.9
Li 3.9
2
Li 3.15 3.2
Li X MIN
6. Determinacin de los Lmites restantes

(3.2) y as sucesivamente hasta completar los lmites de las 8 clases:
a<X b
3.2
3.9
4.6
5.3
6.0
3.9
4.6
5.3
6.0
6.7
28

6.7
7.4
8.1
7.4
8.1
8.8
7. Conteo para determinar la frecuencia (n1)

Consiste en ubicar los valores de cada una de las observaciones dentro de
las clases del cuadro de distribucin de frecuencias y determinar la
frecuencia de cada clase.
A< Xb
3.2
3.9
3.9
4.6
4.6
5.3
5.3
6.0
6.0
6.7
6.7
7.4
7.4
8.1
8.1
8.8
TOTAL
n
7
11
9
17
13
14
4
2
77
Xi
3.55
4.25
4.95
5.65
6.35
7.05
7.775
8.45
n i Xi
24.85
45.75
44.55
96.05
82.55
98.70
31.00
16.90
441.35
Calcular el promedio aritmtico simple en datos agrupados
n xi
X
n
n
441.35
X
5.7318
77
X 5.73
6.2.2. Ejercicios
1. Los datos corresponden a una muestra de la cantidad de fardos de lana que
ingresa a la Empresa Michel & Compaa de la ciudad de Arequipa - Ao 2012
29

100
50
50
50
90
100
80
65
100
70
50
60
60
40
50
100
100
80
70
10
50
100
15
100
40
100
80
80
100
100
100
70
70
30
70
120
120
60
120
100
60
50
110
110
80
80
100
80
100
80
100
50
35
80
110
90
60
80
40
60
100
70
120
100
50
50
110
110
80
60
40
80
80
70
35
100
100
40
15
80
65
100
100
80
50
80
30
100
80
100
30
100
100
45
40
80
75
40
30
70
65
100
100
100
100
100
80
80
100
100
100
80
50
60
100
40
55
70
100
60
100
a) Elaborar un cuadro de distribucin de frecuencias

b) Calcular el promedio aritmtico simple en datos agrupados
2. Los datos corresponden a una muestra de la venta semanal en soles de una
microempresa de calzados entre los aos de 2000-2010
806
290 1108 529
968
505
3135 850
308
732
768
508 656
611
466
303
674
750
459
885
882 950
195 722
307 1314
40 1083
29 2217
63 608
899
824
969
455
1153
626
737
314
701
2426
485
1186
524
478
1217
1464
1005
571
2148
1847
661
2090
847
1078
799
560
1032
1208
339
712
520
461
1443
779
323
622
364 938
843 1091
868 2117
791 1808
462 4641
703 1113
430
394
877
2757
438
560
769
775
417
2757
974
601
428
565
1010
574
405
512
a) Elaborar un cuadro de distribucin de frecuencias

b) Calcular el promedio aritmtico simple en datos agrupados
3. Los datos corresponden a una muestra de precios de papa en soles por
kilogramo, en diferentes mercados de la feria de los lunes de la ciudad de
Arequipa, durante el primer trimestre del ao 2012
0.45
0.46
0.30
0.67
0.75
0.49
0.88
0.49
0.50
0.88
0.75
0.37
0.49
0.95
0.63
0.83
0.40
0.95
0.72
0.34
0.83
0.72
0.68
0.77
0.60
0.76
0.77
0.47
0.77
0.74
0.61
0.45
0.55
0.89
0.84
0.69
0.45
0.53
0.66
0.56
0.55
0.73
0.34
0.70
0.46
0.45
0.86
0.56
0.50
0.52
0.47
0.71
0.44
0.52
0.57
0.78
0.65
0.42
0.56
0.81
0.57
0.45
0.52
0.62
0.38
0.48
0.84
0.66
0.90
0.87
0.78
0.57
0.63
0.43
0.39
0.87
0.77
0.38
0.56
0.51
0.951
0.72
0.74
0.53
0.75
0.45
0.48
0.56
0.781
0.45
30

a)
b)
Elaborar un cuadro de distribucin de frecuencias

Calcular el promedio aritmtico simple en datos agrupados
6.3 Promedio aritmtico ponderado
6.3.1 Notacin
= Promedio de poblacin
X = promedio de muestra
6.3.2 Definicin
Es el valor obtenido de la suma de cada una de las observaciones multiplicadas por

sus ponderados, que luego se divide entre la suma de los ponderados
pX
X
p
n
Ejemplo 1
Calcular la esperanza de vida promedio para los departamentos del sur, teniendo en
cuenta su poblacin y esperanza de vida departamental.
Poblacin y Esperanza de Vida al Nacer (aos)
Departamento
Esperanza de vida Poblacin 2012

en aos Xi
Pi
61.8
485,934
71.9
1139.599
60.2
1252,201
67.2
107,664
72.5
167,251
60.6
1313,571
72.8
317,619
4783,839
Apurmac
Arequipa
Cusco
Madre de Dios
Moquegua
Puno
Tacna
Total
pX
X
p
n
Poblacin 2012
piXi
30030721.2
81937168.1
75382500.2
7235020.8
12125697.5
79602402.6
23122663.2
309436173.6
(61.8 x 485934) (71.9 x1139599 ) .... (72.8 x317619)

4783839
309436173.6
4783839
31

X 64.7 aos
La esperanza de vida a nivel del sur del Per es de 64.7 aos

6.4 Promedio Cuadrtico
6.4.1 Definicin
Es el valor obtenido con la raz cuadrada del promedio de los cuadrados de
las observaciones
X2
Ejemplo 1
Calcular el promedio cuadrtico de 7, 9, 8, 5, 6
X
7 2 9 2 82 52 6 2
5
255
5
X 7.14
7.
MEDIDAS DE DESVIACION O DISPERSION
Son las medidas que nos permiten conocer sobre la variabilidad de las observaciones
y dentro de ellas las ms importantes son la desviacin estndar, la varianza y el
coeficiente de variabilidad
7.1. Desviacin estndar
7.1.1. Notacin
= desviacin estndar de poblacin
s = desviacin estndar de muestra

7.1.2. Definicin
32

a) Para una poblacin

Es un promedio cuadrtico de los cuadrados de las desviaciones de cada una
de las observaciones con respecto al promedio de poblaciones.
i 1
( X i u) 2
N
Esta frmula se simplifica para su clculo y queda escrita de la manera

siguiente:
n
i 1
2
i
Ejemplo:
Los datos corresponden a las edades de los trabajadores de una microempresa
de confeccin de ropa en la ciudad de Arequipa: 33, 40, 28, 32, 25, 37, 42, 31,
34, 29, 30, y 41
a) Calcular el promedio
Estos datos corresponden a una poblacin por lo tanto la frmula que se debe
utilizar es:
n
Xi
sumatoria de valores de observaciones
i 1
u
N
i 1
33 40 28 32 25 37 42 31 34 29 30 41
12
u = 33.5
b) Calcular la desviacin estndar
n
x
i 1
2
i
33

332 ........412 33.5 2
12
13794 33.5 2
12
5.22
c) Para una muestra

En este caso se debe hacer una correccin, restando en uno el denominador
de modo que la formula de desviacin estndar es:
i 1
( X i X )2
n 1
Para efectos del clculo la frmula puede ser simplificada de la siguiente
forma:
n
i 1
Xi
(i 1 X i ) 2 / n
n
n 1
Ejemplo.
Una empresa comercializadora de productos de limpieza para el hogar realiza un
pequeo sondeo del gasto promedio semanal por familia en soles, en la ciudad de
Arequipa, obteniendo los siguientes resultados:
110
100
45
75
50
40
58
70
85
80
75
90
90
120
110
85
50
35
45
58
n
i 1
Xi
sumatoria de valores de observaciones 1471
73.55
20
c) Calcular la desviacin estndar
i 1
X i (i 1 X i ) 2 / n
n
n 1
34

120403 14712 / 20
25.35
19 1
Varianza
7.2.1. Notacin
= Varianza de poblacin
S2 = Varianza de muestra
7.2.2. Definicin
a) Para una Poblacin
La varianza es el valor que se obtienen de elevar al cuadrado la desviacin
estndar. Todas las frmulas de la desviacin estndar, sin tambin validas para la
varianza, elevando todas ellas al cuadrado
( X i )2
i 1
N
X
i 1 i
N
Ejemplo 1
Dados los siguientes datos: 13, 10, 8, 12, 12, 11, 14, 9, 10 y 11 que corresponden a la
nota final del curso de Matemticas
n
i 1
Xi
110
11
10
b) Calcular la Varianza
n
i 1
Xi
1240
112 3
10
b) Para una muestra

35

X (i 1 X i ) 2 / n
i 1 i
n
n 1
Ejemplo 2
En una muestra de precios de papa se obtuvo los siguientes resultados en soles por
kilogramo: 0.45, 0.50, 0.40, 0.60, 0.55, 0.55, 0.60, calcular
X i (i 1 X i ) 2 / n
n
i 1
1.9375 3.65 2 / 7
7 1
n 1
s 2 0.0057
Ejemplo 3
En una encuesta realizada en un centro educativo estatal a travs de una muestra
tomada al azar, se obtienen los siguientes datos sobre el nmero de hermanos que
tiene el estudiante:
5
4
1
3
4
4
5
2
1
1
2
5
6
8
7
4
5
7
5
6
5
6
8
3
7
3
1
2
3
3
0
5
3
7
5
5
0
3
5
4
8
7
4
3
5
a) Calcular el promedio aritmtico
n
i 1
Xi
n
i 1
Xi
190
4.222
45
b) Calcular la desviacin estndar
n X (i 1 ni X i ) 2 / n
i 1 i i
n
n 1
36

1004 190 2 / 45
2.141462
45 1
c) Calcular la varianza
s2 = (2.141462)2 = 4.585859
7.2.3. Desviacin estndar en datos agrupados
n
i 1
ni ( X i ) 2
n
n
i 1
ni X i
b) Para una muestra
n ( X i X )2
i 1 i
n 1
n X i (i 1 ni X i ) 2 / n
2
i 1 i
n 1
Ejemplo 1
En la escuela primaria de menores N 40140 de Pampacolca Arequipa la asistencia a
clases en el sexto grado por alumno para el ao 2012 fue:
121
159
151
137
155
162
140
108
136
127
102
144
129
147
128
159
122
160
101
163
158
145
106
153
104
108
105
135
142
125
118
140
142
142
108
149
132
134
144
133
146
118
104
124
125
113
160
141
158
164
135
133
122
148
125
157
103
101
161
136
138
128
124
134
154
110
114
146
141
152
155
116
149
105
146
151
149
125
128
151
a)
Elaborar un cuadro de distribucin de frecuencias
1. Determinacin del numero de clases
150
142
126
109
140
139
123
162
139
162
159
134
147
120
147
163
165
163
145
147
104
138
156
161
126
37

N = 50
K = 1+3.3. Log (n) = 1 + 3.3 log(105)
K = 7.6699
K ~ 8.0
R = XMAX Xmin
XMAX = 165
Xmin = 101
R = 64.0
3. Determinacin del intervalo de clase (I)
I
R
64
k
7.7
I = 8.3
A = K x I = 8 x 8.3
A = 66.4
5. Determinacin del lmite inferior de la primera clase (L i)
Li X MIN
AR
66.4 64
101
2
2
Li 99.8
6. Determinacin de los limites restantes

(99.8) y as sucesivamente hasta completar los limites de las 8 clases:
99.8
108.1
116.4
124.7
133
141.3
149.6
157.9
a<X b
108.1
116.4
124.7
133
141.3
149.6
157.9
166.2
7. Conteo para determinar la frecuencia (ni)

38

a<X b
108.1
108.1 116.4
116.4 124.7
124.7 133
133
141.3
141.3 149.6
149.6 157.9
157.9 166.2
TOTAL
ni
13
5
9
12
17
18
13
18
105
Xi
Xi2
niXi
niXi2
103.95
112.25
120.55
128.85
137.15
145.45
153.75
162.05
10805.6
12600.06
14532.3
16602.32
18810.12
21155.7
23639.06
26260.2
1351.35
561.25
1084.95
1546.2
2331.55
2618.1
1998.75
2916.9
14409.05
140472.83
63000.313
130790.72
199227.87
319772.08
380802.65
307307.81
472683.65
2014057.9
e) Calcular el promedio aritmtico simple en datos agrupados
X
X
ni X i
14409.05
105
X 137.2
f) Calcular la desviacin estndar en datos agrupados
n X (i 1 ni X i ) 2 / n
i 1 i i
n 1
2014057.9 14409.05 2 / 105

105 1
s 18.79
Varianza en datos agrupados

i 1
Ni ( X i )2
N
i 1
Ni X i
N
b) Para una muestra

39

n
i 1 i
n (Xi X )
n 1
n X i (i 1 ni X i ) 2 / n
n
i 1 i
n 1
Ejemplo
En una muestra tomada al azar en la ciudad de Arequipa, sobre el ingreso
familiar en soles se obtuvo los siguientes resultados:
Ingreso en S/.
ni
Xi
Xi2
niXi
NiXi2
120 - 326
22
223
49729
4906
1094038
327 - 533
50
430
184900
21500
9245000
534 - 740
51
637
405769
32487
20694219
741 - 947
47
844
712336
39668
33479792
948 - 1154
16
1051
1104601
16816
17673616
1155 - 1361
1258
1582564
11322
14243076
1362 -1568
1465
2146225
4395
6438675
1569 -1775
1672
2795584
1672
2795584
1776 - 1982
1879
3530641
1879
3530641
TOTAL
200
134645
109194641
ni X i
134645
200
X 673.225
b) La Varianza
n X i (i 1 ni X i ) 2 / n
n
i 1 i
n 1
109194641 1346452 / 200
93207.3411
200 1
c) La Desviacin estndar
s
93207.3411
40

s = 305.3
7.3 Coeficiente de variabilidad
7.3.1. Notacin
CV = Coeficiente de variabilidad
7.3.2 Definicin
Es el cociente entre la desviacin estndar y el promedio, por lo general se le
expresa en porcentaje, pero tambin puede ser utilizada en tanto por uno
CV
s
x 100
X
Si el CV 30 Poblacin Homognea (Se puede utilizar para fines

experimentales o investigacin).
Si el CV >30 Poblacin Heterognea (No sirve)
Ejemplo 1
En una empresa, la distribucin de utilidades en nuevos soles para el ao 2006
fue de: 35000, 38000, 29000, 48000, 23000, 59000 y 36000. Calcular:
a) El Promedio
n
i
Xi
N
268000
7
38285.7143
b) La desviacin estndar

i 1
X i2
1112000000 0
38285.7143 2
7
11080 .411
41

c) Calcular el coeficiente de variabilidad

CV
x100
11080 .4111
x100
38285.7143
CV 28.94%
CV
Ejemplo 2
En el siguiente cuadro se muestra el rendimiento de papa en cien comunidades
campesinas en toneladas mtricas por hectrea.
Rendimiento
ni
En TM/H
4.6 4.7
4.7 4.8
4.8 4.9
4.9 5.0
5.0 5.1
5.1 5.2
5.2 5.3
5.3 5.4
TOTAL
PROMEDIO
VARIANZA
2
8
14
27
25
16
7
1
100
4.996
0.0213
Xi
Xi2
4.65
4.75
4.85
4.95
5.05
5.15
5.25
5.35
21.6225
22.5625
23.5225
24.5025
25.5025
26.5225
27.5625
28.6225
niXi
9.3
38.0
67.9
133.65
126.25
82.40
36.75
5.35
499.6
DESV. ESTANDAR
C. VARIACIN
niXi2
43.25
180.50
329.32
661.57
637.56
424.36
192.94
28.62
2498.11
0.1459
2.92
Calcular:
a) calcular el promedio
n
n Xi
499.60
1 i
X
n
100
X 4.996
b) Calcular la varianza
n X i (i 1 ni X i ) 2 / n
n
i 1 i
n 1
2498.11 499.6 2 / 100

0.0213
100 1
c) Calcular la desviacin estndar

0.0213
0.1459
d) Calcular el coeficiente de variabilidad

42

x100
X
0.1459
CV
x100
5
CV 2.92%
CV
8. PROPORCIONES
8.1 Notacin
P = proporcin para una poblacin
Q = Complemento de una proporcin poblacional
p = proporcin para una muestra
q = complemento de una proporcin muestra
8.2 Definicin
P
X
N
X
n
Donde:
X = Nmero de xitos
N = Tamao de la poblacin o nmero total de sucesos u observaciones
n = Tamao de la muestra o nmero total de sucesos en una muestra
8.3 Propiedades de una Proporcin
a) P + Q = 1
b) Por lo tanto p = 1 q
p+q=1
8.4 Media y varianza de p

E(p) = p = X
V(p) =
pq s 2 _
x
n
Ejemplo 1
En una empresa de una muestra de 24 trabajadores, 7 son casados. Calcular:
a) La proporcin de casados
43

X
7
02917
n 24
b) La varianza para la proporcin de casados

q = 1 - 02917 = 0.7083
s2x
0.2917 x0.7083
0.0086
24
Ejemplo 2
Los datos corresponden a una muestra tomada al azar en la ciudad de Arequipa
sobre el ingreso familiar en soles.
Ingreso en Soles
120 326
326 533
534 740
741 947
948 1154
1155 1361
1362 1568
1569 1775
1776 1982
TOTAL
ni
22
50
51
47
16
9
3
1
1
200
A) Calcular la proporcin de familias que tiene ingresos menores a 948 soles

p
22 50 51 47 170
0.85
200
200
B) Calcular la varianza y la desviacin estndar para la proporcin

q = 1 0.85 = 0.15
s2x
0.85 x 0.15
0.0006375
200
sx
0.0006375 0.0252
C) Calcular la proporcin de familias con ingresos comprendidos entre 534 y

1361 nuevos soles
44

51 47 16 9 123
0.615
200
200
D) Calcular la varianza y la desviacin estndar para la proporcin

q = 1 0.615 = 0.385
s2x
0.385 x 0.615
0.001183875
200
sx
0.00118875 0.034407484
9. DISTRIBUCION DE VARIABLES CONTINUAS

9.1 Distribucin Z
La distribucin normal es el modelo ms importante en estadstica, puesto que la
mayora de conceptos estadsticos llevan como base la asuncin que la
distribucin fundamental es la normal.
El modelo depende de los parmetros: la medida () y la varianza ( 2) de la
poblacin.
La forma de la distribucin normal es:
45

La ecuacin de densidad normal es:
La probabilidad de que la variable X obtenga un valor en a y b es:
Por lo tanto se requiere interaccin numrica. Es por esto que para facilitar el uso
de esta distribucin, debemos estandarizar la variable X.
La notacin X N (, 2) indica que la variable X tiene una distribucin normal con
media y varianza 2.
El rango de es - < < y el de 2 es 2 0. Por lo tanto el nmero posible de
distribuciones normales es infinito: como no es posible contar con una tabla para
que cada distribucin, es que afortunadamente se ha determinado que cualquier
variable X N (, 2) puede ser transformada en una variable Z N (0,1); la misma
que si tiene una tabla, que puede encontrarse en cualquier texto de estadstica o
en una computadora.
46

La tabla de la probabilidad de que una variable se encuentre entre 0 y cualquier

valor positivo Z.
P (0 < Z < 1) = 0.3413
P (0 < Z < 2.56) = 0.4948
P (-1 < Z < 0) = 0.3413
P (-1 < Z < 2.56) = 0.3413 0.4948 = 0.8361
P (1 < Z < 2.56) = 0.4948 0.3413 = 0.1535
El proceso sera si P (0 < Z < Z*) = 0.4929. Hallar el valor de Z* si Z* = 0. Para
esto recurrimos a la tabla y observamos a que valor Z le corresponde la
probabilidad de 0.4929: de donde Z* = 2.45.
9.1.1
Estandarizacin de X
El proceso de transformacin de X a Z se llama la estandarizacin de X y la
distribucin N (0,1); se llama distribucin normal estndar. La estandarizacin
de X se realiza a travs de la ecuacin:
Es decir, si X N (, 2), entonces
(0,1)
Ejemplo 1
Dado X N (4, 25), determinar:
a) P (4 < X < 7.5) =
= P (0 < Z < 0.7) = 0.2580 (Este valor se encuentra en la
calculadora o computadora)
tabla,
47

b) P (2 < X < 9) =
= P (-0.4 < Z < 1) = 0.4967
9.1.2
Principales
aplicaciones
de la distribucin normal
9.1.2.1 Seleccin de poblaciones
La distribucin normal puede ser utilizada para realizar la seleccin de
poblaciones, con fines de mejoramiento u otras aplicaciones.
Ejemplo 1
Las notas obtenidas en un examen fueron 17.6, 17.3, 17.2, 13.4, 16.7, 14.8,
13.4, 16.4, 15.1, 15.0, 17.7, 12.8, 15.2, 15, 12.3 Cul es la nota mnima
para seleccionar el cuarto superior?
Calculando, se tiene:
, = 15.33, y
= 1.73
Despejando la probabilidad se tiene:
P (X a) = 0.25
En la tabla se busca Z para una probabilidad de 0.25 y se obtiene:

Z = 0.675
Por lo tanto:
Z x 1.73 = a 15.33
48

a = Z x 1.73 + 15.33
a = 0.675 x 1.73 15.33
a = 16.50
Otra forma de resolver el mismo ejercicio
Es usando el programa Excel de la computadora, donde se ingresa al icono
se busca DISTR.NORM.INV y luego aparecern tres lneas que debern
ser llenados de la manera siguiente:
Probabilidad
0.75
Media
15.33
Desv_estandar
1.73
Luego se Acepta
y aparecer el valor correspondiente a X, que en
este caso es 16.50. Por lo tanto para seleccionar el cuarto superior se debe
hacer a partir de 16.5
Ejemplo 2
Si X N (40,36). Cul ser el valor de X si se pretende seleccionar al
82.38% superior?
P (X a) = 0.8238
La computadora nos da los valores acumulados de - hasta el valor de X,
por lo tanto la probabilidad queda expresada de la manera siguiente:
P (X < a) = 1 0.8238 = 0.1762
49

Con estos datos se recurre al Programa Excel de una computadora y se

ingresa al icono donde se busca DISTR.NORM.INV y luego aparecern
tres lneas que debern ser llenados de la manera siguiente:
Probabilidad
0.1762
Media
40
Desv_estandar
Luego se Acepta
y aparecer el valor correspondiente a X, que en
este caso es 34.4. Por lo tanto el valor de X que se pretende seleccionar a
82.38% superior es 34.4
Ejemplo 3
Si X N (37,14.44). Calcular:
a) P (X 33.2) = 1 P (x < 33.2)
La computadora nos da los valores acumulados de - hasta el valor de
X, por lo tanto la probabilidad a obtener en la computadora es:
P (X < 33.2) =?
En este caso se procede casi de manera similar en la computadora, con
la diferencia que en este caso se ingresa al icono
donde se busca
DISTR.NORM y luego aparecern cuatro lneas que debern ser
llenados de la manera siguiente:
33.2
X
Media
37
Desv_estandar
3.8
Acum
Verdadero
50

Luego se Acepta
y aparecer el valor correspondiente a la
probabilidad, que en este caso es 0.1587. Por lo tanto el valor de la
probabilidad es:
P (X 33.2) = 1 0.1587 = 0.8413
b) P (38.9 X 42.7) =
Para calcular esta probabilidad se debe ejecutar el siguiente
procedimiento:
P (38.9 X 42.7) = P (X 42.7) P (38.9 X) =
En el icono
se busca DISTR.NORM, donde aparecern cuatro lneas
que debern ser llenadas de la manera siguiente:
38.9
X
Media
37
Desv_estandar
3.8
Verdadero
Acum
Luego se Acepta
y aparecer el
probabilidad, que en este caso es 0.6915
valor
correspondiente
la
Nuevamente en el icono
se busca DISTR, NORM, donde aparecern
cuatro lneas que debern ser llenados de la manera siguiente:
42.7
X
Media
37
Desv_estandar
3.8
Acum
Verdadero
Luego
se
Acepta
y aparecer el valor correspondiente a la

probabilidad, que en este caso es 0.9332
51

Con estos resultados se obtiene la probabilidad deseada que es:

P (X 42.7) P (38.9 X) = 0.9332 0.6915
P (38.9 X 42.7) = 0.2417
9.1.2.2
Intervalos de confianza
Los intervalos espacios comprendidos entre dos lmites, en el caso de la
estimacin de parmetros, son los lmites entre los cuales estn
comprendidos los estimadores con una probabilidad determinada:
P (Li Ls) = 1 -
Donde los valores de los lmites son:
Se toma una muestra al azar de 49 tomates, de los cuales obtenemos al

promedio de 85 gr. Por antecedentes conocemos que la desviacin
estndar de la poblacin es de 3.2 gr. Calcular un intervalo de confianza del
95% de confianza para el promedio.
Asumiendo que X N (, 3.22), se tiene que:
En la tabla de distribucin Z se encuentra que Z 0.475 = 1.96
P (84.1 85.9) = 0.95

Esto indica que en una muestra de tomates el 95% tendrn pesos
comprendidos entre 84.1 y 85.9 gr.
9.1.2.3
Tamao de muestra
Para calcular el tamao de muestra se utiliza la formula siguiente:
52

Ejemplo 1
Calcular el tamao de muestra para el ejercicio anterior del peso de los
tomates, para un = 0.05 y un error del 4% con respecto al promedio.
Z0.475 = 1.96
d = 4% del
d = 0.02 x 85 =3.4
= 3.2
n = 13.6 = 14
El tamao de muestra requerido es de 14 tomates
Ejemplo 2
Un organismo de desarrollo quiere instalar una casa de partos en una zona
rural, obteniendo el nmero de partos mensuales a travs de una muestra
piloto en 10 unidades campesinas, con los siguientes resultados: 5, 3, 4, 3,
5, 4, 3, 4, 2, 5. Adems se conoce por trabajos anteriores que la desviacin
estndar de la poblacin es de 1.03
a) Calcule el promedio y la desviacin estndar
b) Calcula un intervalo de confianza del 99% para el promedio

= 1.03
Z0.495 = 2.575
P (2.96 4.64) = 0.99

53

c)
Calcular el tamao de muestra, si se conoce que esa zona se tiene 75

comunidades campesinas, para un = 0.05 y un error del 10% con
respecto al promedio poblacional.
Z0.475 = 1.96
d = 10% del
d = 0.10 x 3.8 =0.38
s = 1.03
n = 28.2 = 28
El estudio deber realizarse en 28 comunidades
9.2 Distribucin t de Student
En la mayora de los casos se desconoce la varianza de la poblacin, por lo cual
no es posible utilizar la distribucin Z, pero gracias a W.S. Gosset, quien en el ao
1908 dedujo una distribucin que lo denomino distribucin t de Student, la
misma que fue perfeccionada por R.A. Fisher en el ao 1928.
Esta distribucin revoluciono prcticamente la estadstica de las pequeas
muestras. La formula es:
donde s es la desviacin estndar de la muestra.

Esta distribucin se ofrece en tablas, conocidas como las tablas de t, tambin se
tiene en calculadoras y computadoras
9.2.1
Principales aplicaciones de la distribucin t de Student
9.2.1.1
Intervalos de confianza
Cuando no se conoce el valor de la varianza poblacional es posible estimar
los intervalos de confianza, utilizando la varianza muestral y la distribucin
de t, de la manera siguiente:
54

Ejemplo
Conociendo que el rendimiento de gas domestico, en una muestra de 10
familias, es: 20, 23, 15, 17, 18, 19, 20, 18, 20 y 15 das/baln de gas
mensual. Estimar los limites de confianza para la media de la poblacin con
un = 0.05.
n=10
X = 18.5
s2 = 6.06
s = 2.46
t(9, 0.05) = 2.262
P (16.74 20.26) = 0.95

De una muestra de 100 balones de gas, 95 de estos balones tendrn una
duracin que oscila entre 16.74 y 20.26 das.
9.2.1.2
Intervalos de confianza para una proporcin

El formato es el mismo que para el intervalo de confianza para el promedio
de una poblacin, donde la
es remplazado por p y
, expresando el intervalo de la manera siguiente
Ejemplo
En una muestra a 100 personas se les encuesta sobre un tipo de sangre
rara, obtenindose que 10 de ellos tengan este tipo de sangre. Calcular un
intervalo de confianza del 90% para la proporcin de individuos con este
tipo de sangre.
q = (1 0.1) = 0.9
t99, 0.1 = 1.66
(0.0502
0.1498) = 0.90
55

9.2.1.3
Tamao de muestra
La varianza de promedios es:
Por lo tanto el tamao de muestra, cuando no se conoce la varianza

poblacional, se estima con la varianza de promedios de la muestra y la
distribucin de t, de la manera siguiente:
Ejemplo
En una empresa de produccin de chompas de fibra de alpaca, se quiere
seleccionar tres grupos, de acuerdo a su productividad diaria; para la cual
se toma de los registros de la empresa el rendimiento promedio de
chompas/da/obrero, con los siguientes resultados:
Calcular el tamao de muestra para d = 5%
4.3
5.1
3.5
6.5
6.9
5.7
5.2
5.4
7.3
3.8
6.5
6.9
7.1
7.3
5.7
8.0
8.4
7.0
5.7
4.6
5.3
y = 0.03
6.4
3.6
3.7
7.3
8.2
5.1
5.9
5.7
6.9
6.1
7.7
4.6
4.6
6.4
56

Promedio
6.0
9.2.1.4
D. Estndar
1.35
n1
34
t 34,0.03
2.27
D= 5%Prom.
0.30
N
106
Tamao de muestra para proporciones

Para el clculo del tamao de muestra para proporciones se utiliza la misma
frmula del tamao de muestra de promedios, donde se remplaza
por p
2
y la varianza s por pq, de tal manera que la formula queda de la manera
siguiente:
Ejemplo 1
En una encuesta sobre un tipo de sangre, se tomo una muestra a 100
personas, de estas, 10 tuvieron el tipo de sangre de inters. Calcular el
tamao de muestra para un = 0.05 y d= 0.03.
q = 0.9
t99, 0.05 = 1.98
d = 0.03
n = 3937 = 394
Ejemplo 2
En la Carrera Profesional de Contabilidad la proporcin de estudiantes
mujeres es de 0.25. Calcular el tamao de muestra para = 0.05 y una d=
0.10.
P = 25
p = 0.75
Z0.05 = 1.98
d = 0.10
n = 50.7 = 51
9.3 Distribucin de Chi cuadrado
9.3.1
Notacin
57

X2 = Chi cuadrado
9.3.2
Definicin
Si s2 es un estimador insesgado de 2, entonces:
La distribucin de X2 (n-1) es una distribucin asimtrica, donde:
9.3.3
Limites de confianza para 2

Una de las aplicaciones de la distribucin de Chi Cuadrado es el clculo de
intervalo de confianza para la varianza poblacional, con la formula siguiente:
Ejemplo 1
En un Centro Educativo con 85 docentes, se toma una muestra de 12
profesores para revisar las faltas por diversos motivos durante el ao 2004 y los
resultados fueron los siguientes:
8
5
18
7
20
12
16
90
9
12
3
5
5
8
15
1
8
30
4
6
Calcular un intervalo de confianza para la varianza con una = 0.10
58

P (231.42 2 689.51) = 0.90

Ejemplo 2
Conociendo que el rendimiento de gas domestico, en una muestra de 10
familias, es 20, 23, 15, 17, 18, 19, 20, 18, 20 y 15 das / baln de gas. Estimar
los limites de confianza para la varianza de la poblacin con un = 0.05.
Edad
N
10 19
59
20 34
79
35 44
60
45 54
54
55 64
73
Total
325
20.18) = 0.90
X0
14.5
27.0
39.5
49.5
59.5
xi
210.25
729
1560.25
2450.25
3540.25
n ix i
855.5
2133.0
2370.0
2673.0
4343.5
12375.0
n i x i
12404.75
57591.00
93615.00
132313.50
258438.25
554362.50
P
(2.86
2
Ejemplo 2
En el cuadrado de distribucin de frecuencia se muestra el nmero de lectores
de una revista de circulacin nacional por edades.
59

Calcular:
a) La varianza
b) Intervalos de confianza para la varianza, para un =0.05
P (22.33 2 30.49) = 0.95
60

10. PRUEBA DE HIPTESIS

Las pruebas de hiptesis son comparaciones que se hacen con los parmetros
de una o ms poblaciones
10.1
Partes De Una Prueba De Hiptesis

Las pruebas de hiptesis tienen en su planteamiento dos partes.
a) Hiptesis nula (H0)
Es la parte de la hiptesis que se asume como cierta.
b) Hiptesis alterna (H)
Es la parte de la hiptesis que se trata de probar.
Debe anotarse que cuando se rechaza H 0, entonces se acepta H. Pero si no
se rechaza H0 esto no quiere decir que H0 sea cierta; sino que solamente se
puede decir que no hay la evidencia suficiente para rechazarse.
10.2
Forma de las hiptesis

De acuerdo al tipo de hiptesis que se quiera probar, estas pueden ser de dos o
una cola.
a) De dos colas
H0: parmetro = a
vs.
H: parmetro = a
61

b) De una cola
10.3
H0: parmetro a
vs.
H: parmetro > a
H0: parmetro a
vs.
H: parmetro < a
Definiciones preliminares
Error I
Es el error que consiste en rechazar H0, cuando esta es cierta.
Error II
62

Es el error que consiste en aceptar H0, cuando esta es falsa.
Es la probabilidad de cometer un error de tipo I
Es la probabilidad de cometer un error tipo II

Potencia (1- )
Probabilidad de rechazar H0, cuando esta es cierta.
Regin critica
Es el conjunto de valores que sustentan la Hiptesis alterna.
Todos estos conceptos pueden ser sintetizados en el cuadro siguiente:
SITUACION DE
HIPOTESIS
Se rechaza H0
No se rechaza H0
LA CIERTO
ERROR I
Decisin correcta
FALSO
Decisin correcta
ERROR II
Grficamente podra ser mostrado de la manera siguiente:
Ntese que mientras aumenta, disminuye y viceversa.
63

10.4. Etapas de la prueba de hiptesis

Plantear la Ho y H1
Escoger el nivel de significacin
Seleccionar el estadstico adecuado su distribucin: as como el punto y
regin crtica
Se toma los datos para calcular el estadstico correspondiente y luego
comparar con el punto crtico.
Conclusin, interpretando los resultados en funcin de la hiptesis
planteada.
a)
b)
c)
d)
e)
Ejemplo 1
Se seala que el peso de los chipis es de 10 oz; en una muestra al azar de 18
paquetes se obtiene los siguientes resultados: X 9.73 oz, S2 = 0.18. Probar al
nivel del 5%, si el anuncio es cierto o si en realidad los paquetes de chips
pesan menos de 10 oz
a)Ho: u 10
H1: u < 10
b)
= 0.05
c)
Estadstico es X
N(u,
) la regin critica si tc < (-t17.0.010 = -1.74). se
rechaza Ho
d)
9.73 10
2.7
0.18
t=
18
e)
Conclusin
(Tc = -2.7) < (-t17.0.010 = -1.74), por lo tanto se rechaza Ho lo que nos
permite aceptar H1; es decir que el peso promedio de los paquetes de
chips es menor a las 10 oz
Ejemplo 2
En una empresa agraria previo a la ejecucin de un trabajo de investigacin
sobre peso de velln se decide tomar una muestra piloto, obteniendo los
siguientes resultados.
64

3.6 4.7
4.4 4.7
4.0
4.3
3.5
3.7
3.0
3.8
3.9
3.7
3.7
3.5
3.6
3.9
4.0
3.4
3.0
4.0
3.2
4.3
3.1
4.1
3.7
3.2
3.6
3.8
4.3
3.4
Calcular
a) El tamao demuestra para =0.05
n = 30
t29, 0.05 = 2.045
d = 5%
d = 0.1885
s = 0.457994127
b) Un intervalo de confianza del 99% para el promedio
t29.0.01 = 2.756
c) Probar la hiptesis de que el promedio es menor que 3.8 Kg., para un =0.01
1) H0: 3.8
H1: < 3.8
2)
.=0.01
65

3)
El estadstico es X ~ N (,
). La regin critica si tc < (-t29.0.01 = -2.756),
se rechaza Ho
4)
5)
.t =
Conclusin
(tc = -0.36) > (-t 29.0.01 = -2.756); por lo tanto no se rechaza H 0, es decir
que el peso promedio de velln es mayor o igual que 3.8 Kg.
Ejemplo 3
En una empresa de produccin, se conoce que el peso promedio de un
producto es de 25.3 Kg, con una varianza de 3.3. Con la finalidad de mejorar el
peso de la produccin se contrata a un tcnico con alta calificacin y luego de
un tiempo se toma una muestra de los pesos; con los siguientes resultados: 25,
27, 29, 32, 25, 24, 26, 29, 28, 27, 28, 30, 31, 34, 32, 31 y 33. Se justifico la
presencia del tcnico?
1)
H0: 25.3
H1: > 25.3
2)
= 0.05
3)
El estadstico es X ~ N (,) La regin critica si Z c > (Z0.45 = 1.645); se

rechaza H0
4)
5)
Conclusin.
(Zc = 8.1) > (Z0.475 = 1.645); por lo tanto se rechaza H 0, es decir que se
justifico la presencia del tcnico.
10.5
Comparacin de dos poblaciones.

66

Hasta ahora era solo ha sido de nuestro inters la probabilidad, intervalos de

confianza y pruebas de hiptesis para los parmetros de una sola poblacin.
Ahora nos ocuparemos de comparar el comportamiento de una misma
caracterstica en dos poblaciones o el comportamiento de una misa
caracterstica en dos poblaciones o el comportamiento de dos grupos de una
misma poblacin frente a la aplicacin de dos tratamientos. Pero antes de
sealar las comparaciones es necesario conocer la distribucin de las variables
en forma conjunta.
Si se tiene que cada una de las poblaciones tienen una distribucin normal, con
una media y varianza:
X~N (x, 2x) y Y~N (y, 2y), donde X y Y son independientes, entonces de
acuerdo al teorema del lmite central, se tiene que:
X Y ~ N (x, y, 2x + 2y);
Sin embargo, como:
Entonces:
Conociendo la distribucin, es fcil calcular la probabilidad, intervalo de

confianza o probar una hiptesis. A continuacin trataremos de verificar esta
afirmacin, a travs de algunos ejemplos.
Ejemplo 1
Si X~N (3, 9) y Y~N (4, 8). Calcular la probabilidad de que un valor X sea mayor
que un valor Y.
Por lo tanto: (X - Y) ~ N (-1,17)
Ejemplo 2
67

Con los datos anteriores, si se toman muestras de tamao 15 y 10

respectivamente. Cul es la probabilidad de que X sea mayor
?
SI X~N (3,9) y Y~N (4, 8); entonces:
P (Z > 0.85) = 1 0.8023 = 0.1977

Ejemplo 3
Se supone que en las muestras del ejemplo 2. X = 3.5 y
intervalo de confianza del 95 para x - y
= 4.2. Estimar un
P (-3.019 x - y 1.619) = 0.95

Ejemplo 4
Si XN (x, 9) y YN (y, 8); se toma una muestra de 15 para la primera
poblacin y una muestra de tamao 10 para segunda, donde los promedios son
= 3.5 y = 4.2. Probar que x y.
a) Ho: x = y
H1: x y
68

b) = 0.05
c) El estadstico es :
Punto crtico: Z0.975 = 1.96
Regin critica: Si IZcI > (Z0.975 = 1.96), se rechaza H0
d)
e) Conclusin.
IZcI = 0.59 < (Z0.975 = 1.96),); por lo tanto no se rechaza H 0, es decir que
estadsticamente no existe diferencia entre estos dos promedios.
69

TABLAS
70

71

72

73

74

75

76

77

Maestria Estadistica Dr. Salas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Maestria Estadistica Dr. Salas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

ESCUELA DE POST GRADO

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

2. BREVE HISTORIA DE LA ESTADISTICA

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

los investigadores usan tcnicas de probabilidades y estadstica para resolver

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

En cualquier actividad donde se necesite realizar anlisis estadstico, sea esta

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

4.3.2. Estadsticas de coyuntura

Compendio Estadstico Nacional (1995-1996)

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

o Comportamiento Reproductivo de las Mujeres en las Comunidades

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Fuente datos obtenidos a travs de un muestreo del autor

5.1.2. Cuadros Analticos

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Elaboran Cuadros Analticos cuando deben estudiarse las rela ci o n e s mutual

5.2. Partes Estructurales de un Cuadro

Encabezado Principal para

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

5.2.1 Nmero del Cuadro

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

5.2.5 Encabezado Principal

Cuadro de Distribucin de Frecuencias

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Fuente: Ministerio de Agricultura

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Son los valores extremos de cada clase, el valor ms bajo se le denomina

Lmite Real de Clase

Marca de Clase o Punto Medio

5.3.2. Procedimiento para Construir un Cuadro de Distribucin de Frecuencias.

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Sin embargo puede ser utilizada la FORMULA DE STURGES:

Intervalo de Clase (I)

Amplitud de la Tabla (A)

Lmite Inferior de la Primera Clase (L 1)

Determinacin de Lmites Restantes

Conteo para Determinar la Frecuencia (n i)

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

Frecuencia Relativa (fi)

Frecuencia Acumulada (Ni)

5.3.2.10. Frecuencia Relativa Acumulada (Fi)

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

1. Determinacin del nmero de clases

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

9. Determinacin del lmite inferior de la primera clase (L)

10. Determinacin de los Lmites restantes

11. Conteo para determinar la frecuencia (n i)

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

5.4.3. Grficas de barras

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

5.4.4. Grficas Lineales

UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

MEDIDAS DE TENDENCIA CENTRAL

X sumatoria de valores de observaciones