Estadística General PDF

Mg.
Mara Vallejos Atalaya
Estadstica General
PROESAD
Programa de Educacin Superior a Distancia
Ttulo :
Estadstica General
Autor: Mg. Mara Vallejos Atalaya

Diseo interior: Eduardo Grados
Diseo de tapa: Eduardo Grados
Responsables de edicin:
Edwin Sucapuca Sucapuca, Christian Vallejos Angulo, Sinforiano Martnez Huisa,
Lizardo Vsquez Villanueva, Rosa Cuadros Zvietcovich, Mariela Malazquez Marn.

Primera edicin, febrero 2012
El contenido de esta publicacin (texto, imgenes y diseo),
no podr reproducirse total ni parcialmente por ningn medio mecnico, fotogrfico, electrnico (escner y/o fotocopia) sin la autorizacin escrita del autor.
Universidad Peruana Unin - Facultad de Ciencias Empresariales
Programa de Educacin Superior a Distancia PROESAD
Centro de Produccin de Materiales Acadmicos CEPMA
Sede Central - UPeU
Carretera Central km. 19.5 Lima-aa/ Telf. (01) 618-6336 / 618-6300 / Anexo: 3084
www.upeu.edu.pe
e-mail proesad@upeu.edu.pe
http://proesad.upeu.edu.pe
Este libro se termin de imprimir en los talleres grficos del Centro de
Aplicacin Editorial Imprenta Unin de la Universidad Peruana Unin,
Km. 19 Carretera Central, aa, Lima-Per
Telf.: 618-6301, Telefax: 618-6339
JOB 13963-12 UNIN
E-mail: union@imprentaunion.com
Hecho el depsito legal
en la Biblioteca Nacional del Per N 2012-02649
IMPRESO EN EL PER
PRINTED IN PERU
Presentacin
El mdulo de Estadstica General tiene la naturaleza terico- prctica, pertenece al rea
de Formacin Bsica, en el I ciclo, con un total de 4 horas y 3 crditos. Asimismo, responde
a las exigencias curriculares de los programas acadmicos y de los diseos curriculares de la
Facultad de Ciencias Empresariales y sus respectivas carreras acadmicas profesionales, en el
contexto de los perfiles, las visiones y las misiones institucionales educativas y profesionales.
Tiene el propsito de proporcionar al futuro profesional los conocimientos necesarios de la
estadstica, que le permitir investigar y resolver problemas con el quehacer de su carrera
profesional. El mundo actual que vivimos, ha provocado incertidumbre en las personas que
tienen que tomar decisiones en las diferentes funciones que les toca desempear, ya sea en las
instituciones gubernamentales, comerciales, de negocios pblicos y privados. La estadstica es
una herramienta intelectual que ayuda a tomar decisiones racionales, porque sabemos que El
pasado puede evaluarse, el presente puede ser descrito y el futuro puede ser previsto.
El sistema modular no es sino un encuentro de los alumnos y profesores en espacios diseados
y establecidos previamente, con mucha inteligencia, seleccin adecuada y pertinente de los
contenidos, instrumentos y metodologa, cuyos alcances de autoaprendizajes sern coronados
en la grandeza de los alumnos participantes, especialmente de quienes quedan inmersos en los
programas acadmicos a distancia, cuya dinmica acadmica se ha estandarizado y responde
al uso de las tecnologas modernas. En este sentido, el mdulo ha sido diseado para desarrollarlo en dos fases: una a distancia y la otra presencial (tutorial) que comprende 10 tutoras
presenciales.
Este mdulo contiene la sumilla, las competencias, los contenidos agrupados en 5 unidades.
Unidad 1: Conceptos fundamentales y la organizacin de la informacin, Unidad 2: Medidas de resumen: anlisis e interpretacin de los resultados, Unidad 3: Nociones de probabilidad: propiedades, anlisis combinatorio, Unidad 4: Distribuciones de probabilidad
y Unidad 5: Distribuciones muestrales. Adems, en el mismo mdulo se encuentra la
metodologa, la evaluacin y la bibliografa. Por ejemplo, se trabajar la metodologa
activa, adems, se ejercer la evaluacin de acuerdo con los indicadores, criterios y
condiciones registrados en el desarrollo de cada unidad. Este mdulo comprende
una bibliografa bsica y especializada.
NDICE
UNIDAD I: TEORA ESTADSTICA
Sesin N1 CONCEPTOS FUNDAMENTALES Y ORGANIZACIN DE LA INFORMACIN
1.1 Generalidades ............................................................................................... 15
1.1.1 Definicin de estadstica .......................................................................... 15
1.1.2. Ramas de la estadstica ........................................................................... 15 .
1.1.3. Poblacin .................................................................................................. 15
1.1.4. Muestra .................................................................................................... 16
1.1.5. Unidad estadstica .................................................................................... 16
1.1.6. Dato estadstico ........................................................................................ 17
1.1.7. Parmetro ................................................................................................. 17
1.1.8. Estadstico o estadgrafo .......................................................................... 17
1.1.9. Variable estadstica .................................................................................. 17
Sesin N 2 ETAPAS DEL MTODO ESTADSTICO
2.1. Etapas del mtodo estadstico ................................................................... 21
2.1.1. Planificacin del estudio .......................................................................... 21
2.1.2. Recoleccin de la informacin ................................................................ 21
2.1.2.1. Mtodo de recoleccin de la observacin ........................................... 22
2.1.2.2. Muestreo ............................................................................................... 22
2.1.2.3. Determinacin del tamao de muestra .............................................. 22
2.1.3. Presentacin u organizacin de la informacin ..................................... 23
2.1.3.1. Revisin y correccin de la informacin recogida .............................. 23
2.1.3.2. Presentacin de la informacin mediante cuadros ............................ 23
2.1.3.3. Presentacin de la informacin mediante grficos ............................ 23
2.1.4. Anlisis e interpretacin de los resultados ............................................ 24
EJERCICIOS PROPUESTOS ....................................................................................... 24
AUTOEVALUACIN ................................................................................................. 25
Sesin N 3 ORGANIZACIN DE LA INFORMACIN: TABLAS Y GRFICOS ESTADSTICOS
3.1. Tablas de frecuencias o distribucin de frecuencias .................................. 29
3.1.1. Distribucin de frecuencias de una variable discreta ............................ 30
2.1.2. Distribucin de frecuencias para datos agrupados ................................ 32
Sesin N 4 REPRESENTACIN DE LA INFORMACIN
4.1. Presentacin de la informacin mediante grficos .................................... 37
AUTOEVALUACIN ................................................................................................. 46
UNIDAD II: MEDIDAS ESTADSTICAS

Sesin N5 MEDIDAS DE RESUMEN
5.1. Anlisis e interpretacin de los resultados ................................................. 51
5.2. Medidas de tendencia central ..................................................................... 51
5.2.1. La media o promedio aritmtico ( ) ........................................................ 51
5.2.1. Mediana (Me) ........................................................................................... 52
5.1.3. La moda (Mo) ........................................................................................... 53
Sesin N 6 MEDIDAS DE POSICIN
6.1. Medidas de posicin .................................................................................... 61
6.1.1. Cuartiles (Qi ) ............................................................................................ 61
6.1.2. Deciles (Di ) ............................................................................................... 62
6.1.3. Percentiles (Pi ) ......................................................................................... 62
AUTOEVALUACIN ................................................................................................. 70
Sesin N 7 MEDIDAS DE DISPERSIN
7.1. Medidas de dispersin ................................................................................. 73
7.1.1. Varianza (s2 ) ............................................................................................ 73
7.1.2. Desviacin estndar (s ) ........................................................................... 74
7.1.3. Coeficiente de variacin (c.v. % ) ............................................................ 74
Sesin N 8 MEDIDAS DE FORMA
8.1. Medidas de forma ........................................................................................ 79
8.1.1. Asimetra (As) ........................................................................................... 79
8.1.2. Coeficiente de Kurtosis o apuntamiento (K) .......................................... 79
AUTOEVALUACIN ................................................................................................. 84
UNIDAD III: PROBABILIDAD

Sesin N9 PROBABILIDAD
9.1. Introduccin .................................................................................................. 89
9.2. Anlisis combinatorio ................................................................................... 89
9.2.1. Factorial de un nmero (!) ...................................................................... 89
9.2.2. Permutaciones .......................................................................................... 90
9.2.3 variaciones ................................................................................................. 91
9.2.4. Combinaciones ......................................................................................... 92
9.2.5. Propiedad .................................................................................................. 94
Sesin N 10 ALGUNOS CONCEPTOS BSICOS DE PROBABILIDAD

10.1. Algunos conceptos bsicos de probabilidad ............................................. 97
10.1.1. Experimento ............................................................................................ 97
10.1.2. Espacio muestral ..................................................................................... 98
10.1.3. Suceso o evento ...................................................................................... 98
10.1.4. Operaciones con eventos ....................................................................100
10.1.5. Eventos mutuamente excluyentes .......................................................101
10.2. Probabilidad de un evento .....................................................................102
EJERCICIOS PROPUESTOS .....................................................................................106
AUTOEVALUACIN ...............................................................................................110
Sesin N 11 PROBABILIDAD CONDICIONAL
11.1. Probabilidad condicional ........................................................................111
11.2. Regla de la multiplicacin de eventos ..................................................114
11.3. Teora de la probabilidad total ...............................................................115
11.4. Teorema de bayes ....................................................................................116
AUTOEVALUACIN ...............................................................................................120

UNIDAD IV: PROBABILIDAD Y DISTRIBUCIN

Sesin N12 PROBABILIDAD BSICA
12.1. Las distribuciones de probabilidades bsicas ........................................125
12.2. Las variables aleatorias .........................................................................125
12.3. Las distribuciones de probabilidad ........................................................126
12.3.1. La distribucin binomial ......................................................................126
12.3.1.1.1. Propiedades de una distribucin binomial ....................................127
12.3.1.1.2. Uso de tablas de la distribucin binomial ....................................130
12.3.1.1.3. Media y desviacin estndar de una distribucin binomial ........132
12.3.2. La distribucin de poisson ...................................................................133
12.3.2.1. La frmula de poisson .......................................................................134
12.3.2.2. Uso de tablas de la distribucin acumulada de poisson ................135
AUTOEVALUACIN ...............................................................................................140
Sesin N 13 DISTRIBUCIN NORMAL
13.1. Distribucin normal ..................................................................................143
13.1.1. Uso de tablas de distribucin acumulada normal estndar ..............145
EVALUACIN .......................................................................................................153
UNIDAD V: DISTRIBUCIONES DE MUESTREO

Sesin N14 DISTRIBUCIONES MUESTRALES
14.1. Distribuciones muestrales .......................................................................157
14.2. Muestreo .................................................................................................157
14.3. Etapas del muestreo ................................................................................158
14.4. Las distribuciones muestrales de probabilidad ......................................158
14.5. Distribuciones de muestreo de estadsticas ...........................................159
14.6. Distribucin muestral de la media ..........................................................160
Sesin N 15 DISTRIBUCIN MUESTRAL DE UNA PROPORCIN
15.1. Distribucin muestral de una proporcin ...............................................165
15.2. Distribucin muestral de la diferencia de dos medias ..........................168
AUTOEVALUACIN ...............................................................................................172
REFERENCIAS BIBLIOGRFICAS ...........................................................173
APNDICES
Apndice N 1 Nmeros aleatorios ................................................................174
Apndice N 2 Tabla de la distribucin acumulada binomial .........................180
Apndice N 3 Distribucin de poisson - trminos acumulativos ...................185
Apndice N 4 Distribucin acumulativa normal .............................................191
SUMILLA
La asignatura de Estadstica General tiene la
naturaleza terico- prctico, pertenece al rea de
Formacin Bsica, con cuatro horas, tres crditos,
corresponde al I ciclo de las Carreras Acadmico
Profesional de Administracin y Contabilidad. Pretende proporcionar los conocimientos necesarios
de la estadstica, que le permitir investigar, analizar y resolver problemas con el quehacer de su
carrera profesional, cuyo contenido son: conceptos
fundamentales y la organizacin de la informacin,
medidas de resumen: anlisis e interpretacin de
los resultados, nociones de probabilidad, distribuciones de probabilidad y distribuciones muestrales.
ORIEnTACIOnES METODOlGICAS
CMO ESTUDIAR
LOS MDULOS DIDCTICOS O TEXTOS AUTOINSTRUCTIVOS
MTODO A2D
El mtodo A2D para autodidactas, de Ral Paredes Morales, es un mtodo de fcil aplicacin para la mayora
de los estudiantes, inclusive para los no autodidactas. Si
el estudiante aplica este mtodo, su trabajo intelectual
ser ms rpido y eficaz.
A2D responde a las letras iniciales de los 3 pasos que
se propone para la lectura de un mdulo didctico o
cualquier otro texto.
Antes de la lectura
A2D
Durante la lectura
Despus de la lectura
AnTES DE lA lECTURA
Consiste en la exploracin preliminar y se debe:
Echar un vistazo general empezando por el ndice, reconociendo
unidades y lecciones que se van explicando en el mdulo didctico.
Anotar tus dudas que van surgiendo durante el vistazo general,
para esclarecerlos durante la lectura o despus de ella.
Adoptar una actitud psicolgica positiva.
DURAnTE lA lECTURA
sta es la fase ms importante del mtodo, el ritmo de lectura lo pone cada
lector. Debes tener presente los siguientes aspectos:
Mantn la actitud psicolgica positiva.
Participa activamente en la lectura: Tomando apuntes, subrayando,
resumiendo y esquematizando.
Si no entiendes lo que lees o encuentras una palabra desconocida,
consulta con tu profesor tutor o un diccionario.
DESpUS DE lA lECTURA
Esta fase va afianzar tu lectura, mejorando tu comprensin lectora, para
ello debes tener en cuenta lo siguiente:
Repasa los apuntes tomados durante la lectura.
Organiza el trabajo y planifica el horario de estudio. Trata de que
sea siempre a la misma hora.
Realiza los trabajos diariamente. No dejes que se te acumulen las tareas.
Procura ampliar las lecciones con lecturas complementarias.
Al final de cada captulo, haz tu cuadro sinptico o mapa conceptual.
Elabora tu propio resumen.
Enriquece tu vocabulario para entender

mejor las prximas lecturas.
UNIDAD I
UNIDAD I TEORA ESTADSTICA
Sesin N 1: Conceptos fundamentales y organizacin de la informacin
Sesin N 2: Etapas del Mtodo Estadstico
Sesin N 3: Organizacin de la informacin:
tablas y grficos estadsticos
Sesin N 4: Representacin de la Organizacin
COMPETENCIAS
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Reconoce los diferentes

conceptos fundamentales y construye tablas y
grficos de informacin
estadstica.
Reconocen y delimitan
la poblacin, muestra y
variables en estudio, y
adems utilizan tablas
y grficos adecuados.
Analizan e interpretan
los resultados obtenidos en las tablas y
grficos estadsticos.
PROESAD
Sesin
CONCEPTOS FUNDAMENTALES
Y ORGANIZACIN DE LA
INFORMACIN
1.1 GENERALIDADES
1.1.1 Definicin de estadstica
La estadstica es una ciencia que nos proporciona un conjunto de mtodos

y tcnicas para la recoleccin, clasificacin, presentacin, anlisis e interpretacin de los datos, con la finalidad de realizar una toma de decisin
ms efectiva.
1.1.2. Ramas de la estadstica

Estadstica descriptiva
Consiste en recolectar, clasificar, presentar y describir los datos vlidos nicamente para la poblacin objeto de estudio, utilizando tablas, grficos y algunas medidas de resumen. No se efectan
inferencias para un grupo mayor.
Estadstica inferencial
Se emplea para generalizar conclusiones vlidas para una poblacin a partir de datos obtenidos
de una muestra extrada de dicha poblacin.
1.1.3. Poblacin

Es el conjunto de todos los individuos, objetos u observaciones que poseen al menos una caracterstica comn, que son objetos de estudio. Se representa con la letra N.
La poblacin se define de acuerdo a la caracterstica, unidad estadstica y extensin del problema
objeto de estudio.
Ejemplo:
1. Las edades de los estudiantes de la UPeU.
2. Los errores que presentan las facturas del supermercado La Unin.
Respecto a la caracterstica objeto de estudio se puede distinguir:
a) Poblacin objeto. Considerada como el conjunto de elementos que son objeto de estudio.
Estadstica General
15
Universidad Peruana Unin
Ejemplo.
1. Conjunto de los alumnos de la UPeU.
2. Conjunto de facturas del supermercado La Unin.
c) Poblacin objetivo. Considerada como el conjunto de observaciones, medidas de la caracterstica que es de inters para el estudio de la poblacin objeto.
Ejemplo.
1. Conjunto de edades.
2. Conjunto de errores.
La poblacin de acuerdo al nmero de elementos que la forman puede ser finita o infinita.
Poblacin finita: Es aquella que tiene un nmero limitado de elementos.
Ejemplo:
1. Ventas efectuadas durante un ao en una tienda determinada.
2. Edades de los alumnos de la UPeU.
Poblacin infinita: Es aquella que tiene un nmero indeterminado de elementos. No se refiere
a que no se puede contar, sino que es imposible ubicar a todos los elementos de la poblacin.
Ejemplo:
1. Los sntomas de los enfermos tuberculosos de Lima.
2. Evasin de impuestos de las empresas adscritas al RUC.
1.1.4. Muestra
Es un subconjunto o parte de la poblacin. Se examina una muestra cuando no es posible examinar una poblacin, ya sea por factores econmicos, disponibilidad de personal o tiempo.
La muestra debe cumplir dos requisitos bsicos: Debe ser representativa y adecuada.
Es representativa cuando contiene todos los sectores o aspectos de la poblacin en la misma
proporcin en que se hallan en la totalidad del universo. La representatividad asegura la calidad
de la muestra.
Es adecuada cuando el tamao de la muestra tiene una magnitud suficiente que permita confiar
en la estabilidad de las caractersticas presentes en la muestra. La adecuacin asegura la confiabilidad de la muestra.
1.1.5. Unidad estadstica

Es el elemento que pertenece a la poblacin objeto de estudio. Dicho elemento contiene las
caractersticas, atributos que el individuo o fenmeno puede poseer.
Ejemplo:
1. Para un ingeniero que verifica la calidad de productos elaborados por una empresa, la unidad
estadstica son los productos terminados.
Unidad I
16
PROESAD
2. Para un auditor que verifica los estados financieros de una empresa en el balance general,
cuentas clientes, la unidad estadstica son las facturas por cobrar.
1.1.6. Dato estadstico

Son nmeros o medidas que han sido recopilados como resultado de observaciones que pueden
ser comparados, analizados e interpretados.
Ejemplo:
1. Si la caracterstica de estudio es la variable X: edad de un grupo de 5 estudiantes. El conjunto
de datos estadsticos seran los siguientes:
x1 = 17, x2 = 18, x3 = 21, x4 = 22, x5 = 19
2. Si la caracterstica de estudio es la variable X: n de errores ubicados en 5 facturas. El conjunto de datos estadsticos seran los siguientes:
x1 = 2, x2 = 5 , x3 = 0, x4 = 4, x5 = 2
1.1.7. Parmetro
Es una medida de resumen que describe alguna caracterstica de toda la poblacin objeto de estudio.
Para determinar el valor del parmetro se requiere informacin de toda la poblacin.
Las ms usadas son:
i) Media poblacional ()
ii) Varianza poblacional (2)
iii) Desviacin estndar poblacional ()
iv) Proporcin poblacional (P)
1.1.8. Estadstico o estadgrafo

Es una medida de resumen que describe alguna caracterstica de la muestra.
Las ms usadas son:
i) Media Muestral (x)
ii) Varianza muestral (s2)
iii) Desviacin estndar muestral (s)
iv) Proporcin muestral (p)
1.1.9. Variable estadstica

Es una caracterstica de la poblacin que interesa al investigador y que toma diferentes valores.
Se denota con las letras: X, Y, Z, etc.
Ejemplo:
1. Edad 2. Profesin
3. Ingreso familiar
4. Estado Civil
5. Estatura
6. Nivel socioeconmico
Estadstica General
17
Las variables se pueden clasificar de la siguiente manera:

a. Variables cualitativas
Son aquellas caractersticas que no se expresan cuantitativamente, constituidas por atributos.
Ejemplo:
Lugar de procedencia (norte, centro sur, oriente)
Estado civil (soltero, casado, viudo, divorciado, conviviente).
Estas variables a su vez pueden clasificarse segn la escala de medicin en:
i) Variable cualitativa nominal
Es aquella que no lleva ninguna ordenacin en sus posibles modalidades (datos estadsticos).
Ejemplo:
Estado civil: soltero, casado, viudo divorciado, conviviente (en estas clasificaciones no hay
ordenacin jerrquica, si quisiramos forzar la ordenacin y pondramos al soltero en primer lugar, quin ira segundo, el casado o el conviviente y luego el viudo o el divorciado).
Filiacin religiosa: catlico, adventista, mormn,
ii) Variable cualitativa ordinal
Es aquella que busca ordenar sus casos en trminos del grado que posee una determinada
caracterstica.
Ejemplo:
Nivel socio-econmico: alto, medio, bajo
Rendimiento: excelente, bueno regular malo, psimo.
b. Variables cuantitativas
Es aquella cuyos datos estadsticos son numricos y se obtiene como resultado de mediciones o conteos.
Ejemplo:
Sueldos: 800, 1500, 935, 450,
Notas: 12, 19, 16, 08, 10,
Las variables cuantitativas segn la escala de medicin pueden ser:
i) Variable cuantitativa de intervalo
Es aquella que se presenta en intervalos y no necesariamente empieza del cero racional.
Ejemplo:
Temperatura corporal: 36, 37, 38 (una persona no puede tener 0 de temperatura,
porque estara muerta).
Peso: 20kg, 35kg, 58kg.
Todos los signos vitales son variables cuantitativas de intervalo.
Unidad I
18
PROESAD
ii) Variable cuantitativa de razn

Es aquella que necesariamente empieza del cero racional.
Ejemplo:
Notas: 0, 1, 2, 3, , 20 (empieza desde cero)
Edad: 0, 1, 2,
Las variables cuantitativas segn su naturaleza pueden ser:
i) Variable discreta
Son aquellas que toman valores numricos aislados y no pueden tomar ningn valor entre
dos nmeros consecutivos fijados (slo asume nmeros enteros).
Ejemplo:
N de hijos: 0, 1, 2, 3, (no puede existir 2.5 porque sera ilgico pensar en 2 hijos y
medio)
N de facturas que presentan errores: 0, 1, 2, 3,
ii) Variable continua
Son aquellas que pueden tomar infinitos valores entre dos nmeros, por muy prximos que
los fijemos, es decir, se presentan valores enteros as como decimales.
Ejemplo:
Peso: 62.55 kg, 72.40 kg, 56.35 kg,...
Talla: 1.50 mt, 1.65 mt, 1.85 mt,
Estadstica General
19
PROESAD
Sesin
ETAPAS DEL MTODO

ESTADSTICO
2.1. ETAPAS DEL MTODO ESTADSTICO
De acuerdo con el orden de aplicaciones de la estadstica a un problema determinado, los mtodos estadsticos se dividen en cuatro etapas:
1.
2.
3.
4.
Planificacin del estudio.

Recoleccin de la informacin.
Presentacin u organizacin de la informacin.
Anlisis e interpretacin de los resultados.
2.1.1. Planificacin del estudio

Estudia los detalles concernientes a la recoleccin, clasificacin y anlisis de la informacin. En
base a lo cual se definirn caractersticas de la poblacin o se negarn o confirmarn una hiptesis de trabajo.
En esta etapa se pueden considerar los siguientes aspectos:
Planteamiento del problema.

Bsqueda y evaluacin de la informacin existente.
Formulacin de hiptesis.
Verificacin de la hiptesis.
Anlisis y presentacin de los resultados.
2.1.2. Recoleccin de la informacin

Los principales puntos que deben considerarse al recoger la informacin son:
Los errores que puedan cometerse en la recoleccin de los datos y la manera de controlarlos.
Las ventajas y limitaciones de los diversos mtodos empleados en la recoleccin de la informacin.
Las condiciones que deben reunir los individuos que se estudian y los procedimientos ms
convenientes para su eleccin.
El diseo de los formularios que servirn para registrar la informacin que se recoja.
Estadstica General
21
2.1.2.1. Mtodo de recoleccin de la observacin

a. Directa.- Cuando los datos son recolectados directamente de la fuente de origen. sta puede
ser mediante la observacin o el interrogatorio.
b. Indirecta.- Cuando los datos provienen de datos recogidos por otros individuos en este caso
se habla de fuentes secundarias.
En cuanto al tiempo, la recoleccin de datos puede clasificarse en:
Continuas: Cuando son registradas a medida que ocurren.
Ejemplo: Registro civil de hechos vitales (nacimientos, defunciones y casamientos).
Peridicas: Cuando est hecho en determinados intervalos de tiempo (forma cclica).
Ejemplo: Censos hechos en el Per cada 10 aos.
Ocasionales: Cuando se efecta en cualquier poca.
Ejemplo: Estudios de investigacin realizados por algn investigador.
2.1.2.2. Muestreo
Es la tcnica mediante la cual se obtiene la muestra representativa y adecuada.
VENTAJAS Y LIMITACIONES DEL MUESTREO
a. Permite conocer con relativa aproximacin determinada caracterstica de una poblacin de
gran tamao, dentro de un costo razonable y en menor tiempo.
b. Permite mayor exactitud de los resultados, puesto que los factores artificiales de variacin
pueden controlarse.
c. Cuando la poblacin es infinita o muy grande, entonces, el estudio slo podr realizarse a
travs de una muestra.
d. Cuando se trata de ensayos destructivos o no recuperables, necesariamente se tendr que
utilizar una muestra.
e. Una limitacin de la muestra, es que, por buena que pueda ser la muestra y los cuidados
puestos en ella, siempre existe el sesgo debido a factores aleatorios. Dicho riesgo debe ser
establecido a priori por el investigador de modo que se tenga suficiente garanta de la muestra seleccionada.
2.1.2.3. Determinacin del tamao de muestra
Se determina el tamao de muestra utilizando la frmula siguiente, para una muestra sacada de
una poblacin finita cuya fuente es Arkin y Colton.
n=
N
( N 1) k 2 + 1
NOTAS
Unidad I
22
PROESAD
Donde:
n = tamao de la muestra (nmero de elementos de la muestra)
N = tamao de la poblacin (nmero de elementos de la poblacin)
k = error de muestreo.
Ejemplo:
Seleccionar el tamao de la muestra para la poblacin que est constituida por 1500 estudiantes
de la UPeU, utilizando un error de muestreo del 25% y 5%.
Solucin:
si: k = 25%, para reemplazar este valor en la frmula, primero debemos convertir a real, es
decir, k = 25/100 = 0.25
=
n

1500
=
15.84
= 16 alumnos
2
+1
(1500 1)( 0.25)
si: k = 5%, para reemplazar este valor en la frmula, primero debemos convertir a real, es
decir, k = 5/100 = 0.05.

=
n
1500
=
315.96
= 316 alumnos
2
+1
(1500 1)( 0.05)
2.1.3. Presentacin u organizacin de la informacin

Se consideran los tres pasos siguientes:
1. Revisin y correccin de la informacin recogida.
2. Presentacin de la informacin mediante cuadros.
3. Presentacin de la informacin mediante grficos.
2.1.3.1. Revisin y correccin de la informacin recogida
Se debe revisar y corregir:
a)
b)
c)
d)
La escritura.
Las respuestas inconsistentes.
Las respuestas incompletas.
Las unidades en las cifras son diferentes.
2.1.3.2. Presentacin de la informacin mediante cuadros

Despus de la revisin de los datos recopilados, es conveniente presentar la informacin, de
acuerdo a algn sistema de ordenacin, a fin de describirlos y analizarlos.
2.1.3.3. Presentacin de la informacin mediante grficos
Estadstica General
23
Los grficos ms usados son:

a. Histograma de frecuencias
b. Polgono de frecuencias
c. Polgono de frecuencias acumuladas u ojiva
d. Barras
e. Bastones
f. Sectores
g. Series de tiempo
2.1.4. Anlisis e interpretacin de los resultados

Para el anlisis e interpretacin de los resultados nos basamos en los cuadros y grficos, y en las
medidas de resumen de la serie de datos.
EJERCICIOS PROPUESTOS
1. Indique cules de los trminos u operaciones siguientes se relacionan con una muestra o con
una poblacin:
a)
b)
c)
d)
grupo de medidas llamados parmetros

uso de inferencia estadstica
hacer un censo
juzgar la calidad de un embarque de fruta inspeccionando varios de los bultos incluidos
en el embarque.
2. En los siguientes enunciados, indicar si se trata de una Muestra (M) o una Poblacin (P):
a)
b)
c)
d)
Nmero de estudiantes egresados del Instituto YI en el ao 2004

Estudio de personas con proceso judicial por trfico de drogas en el ao 2000
Nmeros de nios nacidos vivos en el hospital X
Estudio del 25% de pacientes con tuberculosis del distrito DF
3. Elabore una lista de 10 variables. Luego:

a)
b)
c)
d)
Identifique la poblacin objeto.

Identifique la poblacin objetivo.
Determine la unidad estadstica.
Mencione algunos datos estadsticos.
4. Clasificar las siguientes variables en cualitativas (nominal y ordinal) y cuantitativas (discreta

y continua).
a)
b)
c)
d)
e)
rendimiento acadmico
velocidad de lectura
peso contenido en un paquete de cereales
categora de docente
nmero de artculos defectuosos producidos
Unidad I
24
PROESAD
f) nmero de unidades de un artculo en existencia

g) grado de desnutricin
h) asistencia a los cultos devocionales
i) patrn conductual
j) cultura organizacional
k) tipo de alimentacin
l) nmero de hermanos
m) grado de instruccin
n) estado civil.
5. Clasifique las variables e indique el tipo de escala en que estn medidas las siguientes caractersticas:
a)
b)
c)
d)
e)
f)
g)
h)
Profesin
Ao de nacimiento
Nacionalidad
Grado de instruccin
ingreso mensual familiar promedio
Nmero de telfono
Grado de instruccin
Nmero de hijos
6. Utilizando la frmula determine el tamao de la muestra, considerando los datos que se

mencionan a continuacin.
a)
b)
c)
d)
e)
N=
N=
N=
N=
N=
1 500
2 000
5 000
500
1 000
k = 3%
k = 10%
k = 2%
k = 10%
k = 5%
7. En el siguiente enunciado identifique: poblacin, muestra, unidad estadstica, parmetro,

estadstico, variable(s), tipo de variable(s) y d 2 ejemplos de dato estadstico.
8. Con la finalidad de mejorar el servicio de la Biblioteca de la UPeU se decidi realizar un
estudio de investigacin, para lo cual se seleccion aleatoriamente a 45 estudiantes usuarios
de la biblioteca obtenindose los siguientes resultados:
En promedio un alumno dedica 1 hora a la lectura en sala.

El 80% afirma que la atencin es buena.
El 10% de los usuarios son recin ingresantes a la UPeU.
En promedio un alumno se lleva 1.5 libros a su casa.
9. Identifique en cada caso: unidad elemental, variable, tipo de variable

a)
b)
c)
d)
e)
f)
consumo mensual de electricidad

opinin acerca de la gestin de un ministro
peso de nios de 5 aos
estado civil
nmero de artculos defectuosos producidos por las mquinas de una fbrica
nacionalidad de personas que asisten a un congreso.
Estadstica General
25
AUTOEVALUACIN
REFUERZA LAS COMPETENCIAS A LOGRAR
T decides si ser el mejor o el peor.

CONCEPTUAL:
1. Seale con una V si es verdadero o F si es falso en los siguientes enunciados:
(
(
(
)
)
(
(
)
)
?
?
Una muestra es representativa si sta contiene todas las caractersticas de la muestra.

La variable es una caracterstica que asume diferentes valores.
Para que una poblacin est bien definida, debe contener la caracterstica, unidad
estadstica y extensin.
Las ramas de la estadstica son: estadstica descriptiva e inferencial.
Las variables cualitativas son aquellas que son numricas y se obtiene como resultado del conteo
PROCEDIMENTAL:
2. Los mtodos de recoleccin de la informacin son: directa e indirecta. Cul es la diferencia
entre ambas?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
3. Dadas las siguientes variables, colocar en la tabla en el lugar donde le corresponde de acuerdo a su naturaleza y escala de medicin.
a. Estudios diarios

b. Lugar de procedencia

c. Velocidad de lectura

d. Idiomas

i. Estado civil
k. Estatura

e. Grado de instruccin
f. Sueldos
g. Gastos
h. Rendimiento
j. Edad
l. Categora de docente
Variable cualitativa
Nominal
Ordinal
Variable cuantitativa
Discreta
Continua
Autoevaluacin
26
4. Utilizando la frmula determine el tamao de la muestra, considerando los datos que se

mencionan a continuacin.
a) N = 500 k = 10%
c) N = 1 500 k = 3%
b) N = 1 000
d) N = 2 000
k = 5%
k = 10%
ACTITUDINAL:
5. Considerando los conocimientos adquiridos en esta tutora identificar las clases de variables
estadstica, su naturaleza, y de esta manera poder realizar un estudio estadstico.
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
Vuelve a leer el captulo si no puedes

responder a tu autoevaluacin.
T eres el resultado de tus pensamientos
Estadstica General
27
PROESAD
Sesin
ORGANIZACIN DE LA
INFORMACIN:
TABLAS Y GRFICOS ESTADSTICOS
3.1. TABLAS DE FRECUENCIAS O DISTRIBUCIN DE FRECUENCIAS
Una distribucin de frecuencias (o tabla de distribucin de frecuencias) es una representacin de
una serie de datos. En ella se muestra cmo se distribuyen los valores de la variable estadstica
junto a sus frecuencias correspondientes a cada uno de ellos.
En estas tablas de distribucin de frecuencias, como producto de la operacin de tabulacin
(conteo), se observa cuantos elementos (frecuencia o repeticin) hay en cada categora, valor o
intervalo de la variable.
Luego de la revisin de los datos recopilados, es conveniente presentar la informacin, de acuerdo a algn sistema de ordenacin, a fin de describirlos y analizarlos. A continuacin se presenta
algunos conceptos y procedimientos comunes para la presentacin de cuadros o tablas.
Frecuencia absoluta simple ( f i ): Se llama al nmero de veces que aparece repetido dicho valor,
en un conjunto de valores realizadas. La suma de todas las frecuencias es igual al total de
datos observados.
Se denota mediante: f i
Propiedad: f1 + f 2 + ... + f=
m
f
=
i =1
Frecuencia absoluta acumulada (Fi ): Es igual a la suma de las frecuencias absolutas simples
inferiores o iguales a las frecuencias acumuladas que se desea encontrar.
Se denota mediante:
Propiedad:
F1 = f q
F=
f1 + f 2
2
.
.
.
Fm = f1 + f 2 + ... + f m
Estadstica General
29
Frecuencia relativa simple ( hi ): Es el cociente entre la frecuencia absoluta simple de su fila y

el nmero total de observaciones realizadas (n). La suma de todas las frecuencias relativas es
igual a 1.
Su frmula es: hi =
fi
n
Se denota mediante:
Propiedad: h1 + h2 + ... + hm =
h
i =1
=1
Frecuencia relativa acumulada ( ): Se llama al cociente entre la frecuencia absoluta acumulada

de su fila y el nmero de observaciones realizadas (n).
Su frmula es: H i =
Fi
n
Se denota mediante: H i
Propiedad:
H1 = hq
H 2= h1 + h2
.
.
.
H m = f1 + h2 + ... + hm
Para presentacin de la informacin mediante cuadros o tablas, es necesario construir la tabla de
distribucin de frecuencias. La cual puede ser:
3.1.1. Distribucin de frecuencias de una variable discreta

Una distribucin de frecuencias es un arreglo de los valores observados x1,...xm de una variable
X con sus respectivas frecuencias, en una tabla de la forma:
Valores de X
fi
Fi
hi
Hi
x1
x2
.
.
.
xk
f1
f2
.
.
.
Fm
F1
F2
.
.
.
Fm=n
h1
h2
.
.
.
Hm
H1
H2
.
.
.
Hm=1
Total
fi=n
hi=1
Ejemplo:
Dadas las edades de 12 estudiantes de la UPeU, construir la tabla de distribucin de frecuencias.
EDAD (X): 19, 20, 23, 20, 18, 20, 25, 18, 18, 20, 25, 23.
Solucin
Unidad I
30
PROESAD
EDAD
18
19
20
23
25
fi
3
1
4
2
2
Total
12
Fi
3
4
8
10
12
hi
0.25
0.08
0.33
0.17
0.17
1.00
Hi
0.25
0.33
0.66
0.83
1.00
La suma de las frecuencias relativas simples (hi) siempre debe ser igual a uno, en caso de error
de redondeo no diera 1, hay que ajustar, es decir, hay que sumar o restar 1 dgito a cualquier
nmero para conseguir la suma de 1.
f3: Indica la frecuencia absoluta simple de la tercera fila y corresponde al nmero 4.
F4: Indica la frecuencia absoluta acumulada de la cuarta fila y corresponde al nmero 10.
h3: Indica la fecuencia relativa absoluta simple de la tercera fila y corresponde al nmero 0.33.
Para interpretar se debe expresar los valores de las frecuencias relativas en porcentajes y esto se
realiza multiplicando el nmero por 100, as 0.33x100 = 33%.
H4: Indica la frecuencia relativa acumulada de la cuarta fila y corresponde al nmero 0.83. Para
interpretar se debe expresar los valores de las frecuencias relativas en porcentajes y esto se
realiza multiplicando el nmero por 100, as 0.83x100 = 83%
Interpretacin:
f3: Existen 4 alumnos que tienen 20 aos de edad.
F4: Existen 10 alumnos cuyas edades varan de 18 a 23 aos.
h3: El 33% de los alumnos que tienen 20 aos de edad.
H4: El 83% de los alumnos tienen edades que varan de 18 a 23 aos.
Las frecuencias absolutas interpretan la variable en su fila, en cambio las frecuencias acumuladas
interpretan desde el principio hasta su fila.
Observacin:
Cuando se realiza una observacin en una muestra o en una poblacin, se puede presentar los
siguientes casos:

(*)
(*)
Que se hayan hecho pocas observaciones y por lo tanto, la variable estadstica tome pocos
valores.
Que se hayan hecho muchas observaciones y sin embargo, la variable estadstica toma muy
pocos valores diferentes.
Que se hayan hecho muchas observaciones y la variable toma muchos valores distintos.
Los dos primeros casos caern dentro del estudio de variable discreta.
El tercer caso se agrupar los valores de la variable en intervalos adecuadamente para no perder mucha informacin.
Estadstica General
31
2.1.2. Distribucin de frecuencias para datos agrupados

Es una tabla en donde los datos originales se clasifican en intervalos de clase.
Para la elaboracin de esta tabla se debe tener en cuenta las definiciones siguientes:
Intervalos o lmites de clase: se identifica por tener su lmite superior y su lmite inferior.
Los extremos de los intervalos no se repiten.
Ejemplo:

15-19
20-24
25-29
LCI=15 y LCS=19
Amplitud intervlica (c): Llamado tambin ancha de clase, es la cantidad de datos que
estn comprendidos en un intervalo de clase.
Marca de clase (Xi): Es el punto medio del intervalo de clase:
Xi =
LCI + LCS
2
Ejemplo:

La marca de clase para el primer intervalo ser:

=
Xi
15 + 19 )
(=
2
17
REGLA GENERAL PARA LA CONSTRUCCIN DE UNA DISTRIBUCIN DE FRECUENCIAS DE UNA VARIABLE CONTINUA AGRUPADA EN INTERVALOS
Dado n valores de una variable cuantitativa continua, o discreta con ms de 20 valores distintos, uno de los mtodos para construir la distribucin de frecuencias es:
1) Determinar el Rango: R
El rango de variacin de los datos se define por:
R = X mx X mn
2) Determinar el Nmero de intervalos: k

Utilizando la regla de Sturges:
k = 1 + 3.322 log(n)
n: Nmero total de datos.

Observacin: El resultado que se obtenga de k ser redondeado al entero inmediato mayor.
Ejemplo:
Si k = 6.32 entonces, k = 7 (Nmero de intervalos igual a 7).
Unidad I
32
PROESAD
3) Determinar la Amplitud del intervalo: c

La amplitud del intervalo se obtiene dividiendo el rango entre el nmero de intervalos.
4) Determinar los extremos de los intervalos
c=
R
k
Ejemplo:
Los siguientes datos son puntajes del cociente de inteligencia (CI) de 50 alumnos de la UPeU. Con
base en estos puntajes, preparar la tabla de distribucin de frecuencias.
PUNTAJES DEL COCIENTE DE INTELIGENCIA (CI)
DE 50 ESTUDIANTES DE LA UPeU
91
114
118
119
89
128
114
112
97
106
104
105
100
95
113
107
106
103
104
93
113
101
111
106
118
89
105
92
105
89
125
89
125
120
127
122
115
125
95
100
101
126
109
129
129
89
98
107
91
115
1) Determinar el Rango: R
El rango de variacin de los datos se define por:
2) Determinar el Nmero de intervalos: k
Utilizando la regla de Sturges:
k = 1 + 3.322 log(n)
n: Nmero total de datos.
Observacin: El resultado que se obtenga de k ser redondeado al entero inmediato mayor.
Ejemplo:
3) Determinar la Amplitud del intervalo: c
La amplitud del intervalo se obtiene dividiendo el rango entre el nmero de intervalos.
Estadstica General
33
4) Determinar los extremos de los intervalos

Tabla N 1
DISTRIBUCIN DE FRECUENCIAS DE LOS PUNTAJES DEL CI DE 50 ESTUDIANTES DE LA UPeU
Lmite de clase
88 94
94 100
100 106
106 112
112 118
118 124
124 130
Yi
91
97
103
109
115
121
127
fi
9
6
11
5
8
3
8
50
Fi
9
15
26
31
39
42
50
hi
0.18
0.12
0.22
0.1
0.16
0.06
0.16
1.00
Hi
0.18
0.3
0.52
0.62
0.78
0.84
1.00
f3: Indica la frecuencia absoluta simple de la tercera fila y corresponde al nmero 11.
F4: Indica la frecuencia absoluta acumulada de la cuarta fila y corresponde al nmero 31.
h3: Indica la relativa absoluta simple de la tercera fila y corresponde al nmero 0.22. Para interpretar se debe expresar los valores de las frecuencias relativas en porcentajes y esto se
realiza multiplicando al nmero por 100, as 0.22x100 = 22% .
H4: Indica la frecuencia relativa acumulada de la cuarta fila y corresponde al nmero 0.62. Para
interpretar se debe expresar los valores de las frecuencias relativas en porcentajes y esto se
realiza multiplicando al nmero por 100, as 0.62x100 = 62%
Interpretacin:
f3: Existen 11 estudiantes de la Universidad Peruana Unin que tienen un cociente intelectual
que vara de 100 a 106 puntos.
F4: Existen 31 estudiantes de la Universidad Peruana Unin que tienen un cociente intelectual
que vara de 106 a 112 puntos
h3: El 20% de estudiantes de la Universidad Peruana Unin tienen un cociente intelectual que
vara de 100 a 106 puntos
H4: El 62% de estudiantes de la Universidad Peruana Unin tienen un cociente intelectual que
vara de 106 a 112 puntos
Las frecuencias relativas interpretan la variable en su fila, en cambio, las frecuencias acumuladas
interpretan la variable desde el principio hasta su fila.
CUIDADOS EN LA PRESENTACIN DE CUADROS ESTADSTICOS
A continuacin sealamos los elementos necesarios que deben tenerse en cuenta para la presentacin de informacin estadstica mediante cuadros.
Unidad I
34
PROESAD
1. N de cuadro
2. Ttulo: Debe responder las siguientes preguntas:
a. Qu informacin contiene el cuerpo del cuadro?
Ej. Cociente de inteligencia de 50 alumnos
b. Dnde fue tomada la informacin?
Ej. ...en la UPeU Lima
c. Cundo fue tomada la informacin?
Ej. ...Enero, 1995
3. Los encabezados: Corresponde a la identificacin de la variable y las frecuencias.
4. Columna matriz: corresponde a las categoras de clasificacin de la variable.
5. Cuerpo del cuadro: Corresponde a la informacin numrica, generalmente frecuencias absolutas y relativas.
6. Fuente: Sealar el medio de informacin que condujo al conjunto de datos.
Ej. Test aplicado por los investigadores
7. Notas: son colocadas para esclarecimiento.
8. Comentarios: sirve para aclarar minucias en relacin a cada celda.
Para nuestro ejemplo visto anteriormente el cuadro ser:
CUADRO N 1
COCIENTE INTELECTUAL DE 50 ESTUDIANTES DE LA UNIVERSIDAD PERUANA UNIN - LIMA, 2004
COCIENTE DE INTELIGENCIA
88 94
94 100
100 106
106 112
112 118
118 124
124 130
TOTAL
N DE ALUMNOS
9
6
11
5
8
3
8
50
%
18
12
22
10
16
6
16
100
Fuente: Test aplicado por los investigadores.
Estadstica General
35
PROESAD
Sesin
REPRESENTACIN DE
LA INFORMACIN
4.1. PRESENTACIN DE LA INFORMACIN MEDIANTE GRFICOS
Los grficos ms usados son:
c. Polgono de frecuencias acumuladas u ojiva
d. Barras
e. Bastones
f. Sectores
g. Series de tiempo
Es una representacin grfica de una distribucin de frecuencias agrupadas en intervalos de clase, mediante una serie de intervalos continuos.
Se usa:
Cuando se tiene una variable cuantitativa continua
Se construye:
1. Se coloca los intervalo de clase en el eje horizontal (eje de las abscisas o eje x).
2. Se levanta cada intervalo a la altura de la frecuencia absoluta simple o relativa simple.
Ejemplo:
Considere el ejemplo de tabla de distribucin de frecuencia para datos agrupados del Puntajes
del Cociente de Inteligencia (CI) de 50 Estudiantes de la UPeU.
Estadstica General
37
Se usa:
Cuando se tiene una variable cuantitativa continua y econmica.
Se construye:
1. Se ubica en el eje x la marca de clase y se considera el punto medio,
2. Se levanta el punto de la marca de clase a la altura de la frecuencia absoluta simple o relativa simple,
3. Luego de marcar los puntos, unirlos,
4. Finalmente, unir los extremos al eje de las abscisas.
Ejemplo:
Considerando el ejemplo de la tabla de distribucin de frecuencias para datos agrupados, en el
cual estudiamos el Puntaje del Cociente de Inteligencia (CI) de 50 Estudiantes de la UPeU.
fi
10
9
8
11
9
7
6
5
4
3
2
1
91
97
103
109
Unidad I
38
115
121
127
PROESAD
c. Polgono de frecuencias acumuladas u ojivas

Se usa:
Cuando la frecuencia acumulada es de inters.
Se construye:
1. Se ubica en el eje x la marca de clase.
2. Se levanta el punto del extremo superior de cada lmite de intervalo de clase a la altura de
la frecuencia absoluta acumulada o relativa acumulada.
3. Luego de marcar los puntos, unirlos
4. Finalmente, unir los extremos al eje de las abscisas.
Ejemplo:
Considerando el ejemplo de la tabla de distribucin de frecuencias para datos agrupados, en el
cual estudiamos el Puntaje del Cociente de Inteligencia (CI) de 50 Estudiantes de la UPeU
fi
50
50
45
40
42
39
35
31
30
25
26
20
15
15
10
5
88
94
100
106
112
118
124
130
d. Barras
Se representa mediante una serie de rectngulos separados
Se usa:
Para representar variables cualitativas.
Se construye:
1. Se ubica en el eje x las categoras de la variable, utilizando intervalos y separando aproximadamente la mitad del intervalo entre una categora y otra.
2. Se levanta cada intervalo de la categora que corresponde a la variable, a la altura de la frecuencia absoluta simple o relativa,
Estadstica General
39
Ejemplo:
Facultad
1. Ciencias Contables y Administrativas
2. Teologa
3. Ciencias de la Salud
4. Educacin y Ciencias Humanas
5. Ingeniera
Total
N de alumnos
500
200
250
250
300
1500
fi
50
0
50
45
0
40
0
0
35
030
25
0
020
0
15
0
10
0 50
20
0
25
0
25
0
30
0
e. Bastones
Tiene la forma de alfileres.
Se usa:
Para representar una variable cuantitativa discreta.
Se construye:
1. Se ubica en el eje x los valores de la variable, separando equitativamente entre uno y otro valor,
2. Se levanta utilizando una lnea recta para cada valor de la variable, a la altura de la frecuencia absoluta simple o relativa y se termina con un punto, en forma de alfiler.
Ejemplo:
No de Hijos (xi)
N de familias (fi)
NOTAS
0
3
1
7
2
12
3
20
4
15
fi
20
20
15
15
12
10
5
3
1
Unidad I
40
5
5
PROESAD
f. Sectores
Se representa mediante un crculo particionado.
Se usa:
Para representar una variable cualitativa cuyo principal inters es conocer su frecuencia relativa.
Se construye:
1. Se particiona a una circunferencia equitativamente, considerando que sta constituye el
100%,
2. Se efecta la particin, segn la frecuencia relativa simple lo considere y se ubican las categoras de la variable en cada particin.
Ejemplo:
Rubro
Diezmo
Vivienda
Alimentacin
Vestido
Educacin
Recreacin
Otros
Total
hi %
10
20
30
10
20
5
5
100
VIVIENDA
20%
ALIMENTACIN
30%
OTROS
5%
VESTIDO
10%
DIEZMO
10%
RECREAC.
5%
EDUCACIN
20%
g. Series de tiempo
Son curvas idnticas al del polgono de frecuencias pero sus extremos no tocan el eje de las
abscisas.
Se usa:
Cuando la variable de inters es el tiempo.
Ejemplo:
N DE ALUMNOS INGRESANTES A LA UPeU DE TRES
COLEGIOS DIFERENTES 1991-1995
AOS
1991
1992
1993
1994
1995
N DE ALUMNOS INGRESANTES
COLEGIO 1
10
15
20
25
35
COLEGIO 2
20
25
20
25
25
COLEGIO 3
15
20
25
20
25
Estadstica General
41

fi
40
35
30
25
20
15
10
5
0
COLEGIO 1
COLEGIO 2
COLEGIO 3
1991 1992 1993 1994 1995
AOS
CUIDADOS EN LA PRESENTACIN DE GRFICOS ESTADSTICOS

A continuacin sealamos los elementos necesarios que deben tenerse en cuenta para la presentacin de informacin estadstica mediante grficos.
1. N de grfico
2. Ttulo: Debe responder las siguientes preguntas:
a. Qu informacin contiene el cuerpo del cuadro?
Ej. Cociente de inteligencia de 50 alumnos
b. Dnde fue tomada la informacin?
Ej. ...en la UPeU Lima
c. Cundo fue tomada la informacin?
Ej. ...Setiembre, 1994
3.
4.
5.
6.
Representacin grfica (sealar escalas).

Leyenda (si fuere necesario).
Fuente.
Nota (en caso de ser necesario).
Ejemplo:
La representacin grfica para el ejemplo de datos agrupados de los datos del Puntajes del
Cociente de Inteligencia (CI) de 50 Estudiantes de la UPeU.
GRFICO N 1
COCIENTE INTELECTUAL DE 50 ESTUDIANTES DE LA UNIVERSIDAD PERUANA UNIN - LIMA, 2001
Unidad I
42
PROESAD
Fuente: Test aplicado por los investigadores.
1. En una encuesta de opinin acerca de las preferencias de una marca de bebida gaseosa
por sus colores: Amarillo (A), Blanco (B), Rojo (R), 20 consumidores dieron las siguientes respuestas:
B, R, R, B, R, A, A, B, B, A
B, A, A, R, B, A, B, R, B, A
a) Construir la distribucin de frecuencias
b) Graficar la distribucin
2. La tabla muestra la distribucin del ingreso familiar correspondiente a 80 familias:
Ingresos
[160 - 170
[170 - 180
[180 - 190
[190 - 200
[200 - 210
fi
48
Fi
hi
60
0,125
0,075
a) Determinar el nmero de familias que ganan menos de 200 nuevos soles

3. Para cada uno de los siguientes ejercicios construir:
a) La tabla de distribucin de frecuencias
b) El grfico adecuado
c) Interpretacin
Estadstica General
43
3.1. Los siguientes datos proporcionan las remuneraciones de 50 obreros.

730
600
570
730
378
730
650
470
700
730
663
930
640
740
672
650
770
569
848
708
820
700
580
720
860
461
670
570
609
860
748
685
610
850
700
766
777
630
800
590
574
456
640
720
670
700
578
258
560
840
3.2. Considere los datos obtenidos por las medidas de las alturas de 100 individuos
(dados en cm)
151
161
166
167
168
169
170
172
174
176
179
181
187
152
161
165
167
168
169
170
172
175
177
179
182
188
154
161
166
167
168
169
170
173
175
177
180
182
189
155
162
166
168
168
169
170
173
175
177
180
182
190
159
163
166
168
168
169
171
173
176
177
180
183
159
163
166
168
169
170
171
173
176
178
181
184
160
164
166
168
169
170
171
174
176
178
181
185
161
165
167
168
169
170
172
174
176
178
181
186
3.3 El gerente de una compaa registra el nmero de cierto trabajo, completados

por los empleados. Cincuenta empleados realizan el mismo trabajo, divididos
en dos grupos de 25 y en salones diferentes.
En el saln A, el gerente registra el siguiente nmero de unidades completadas por da:
21
22
20
15
25
30
28
29
28
30
24
29
27
34
38
24
35
36
31
41
32
43
44
53
50
En el saln B los datos son los siguientes:
16
21
13
36
16
18
20
28
30
26
20
35
31
30
40
30
18
25
45
Unidad I
44
24
33
59
32
26
32
PROESAD
a) Combinar todos los puntajes y obtener la distribucin de frecuencias con tamao de clase
k=10.
b) Obtener la distribucin de frecuencias por cada saln y realice la grfica adecuada.
4. Se tiene la siguiente tabla de frecuencias relativas de 300 empleados segn su

edad.
EDADES
19-21
22-24
25-27
28-30
31-33
a)
b)
c)
d)
hi
0.15
0.25
0.40
0.10
0.10
Cuntos empleados tienen edades entre 22 y 30 aos?

Qu porcentaje de empleados tienen 25 aos o ms?
Qu porcentaje de empleados tienen 24 aos o menos?
Una empresa que se dedica a preparar dietas, proyecta lanzar al mercado una dieta rigurosa.
Los empleados de una compaa se presentaron como voluntarios para dicha promocin.
Se realiz un muestreo con 80 empleados elegidos aleatoriamente. Los resultados del chequeo
de los pesos (en Kg), fueron los siguientes:
80.6
53.2
76.9
88.3
75.6
65.2
54.2
80.2
65.8
60.2
77.4
94.6
41.8
62.1
75.3
60.2
49.6
91.2
67.9
57.3
73.6
44.8
50.1
71.6
79.1
74.8
63.7
87.3
71.4
82.9
61.1
77.1
84.4
78.6
49.9
74.3
83.2
81.7
42.3
94.9
66.2
81.4
46.4
73.2
67.4
70.4
68.6
61.4
79.3
58.6
68.8
90.4
99.3
74.6
56.2
82.1
59.4
68.2
67.3
76.3
62.3
76.9
70.8
78.3
72.9
67.4
72.3
52.7
89.2
85.7
47.3
51.2
73.6
55.6
75.8
71.7
86.8
40.9
66.9
79.3
a) Elaborar la distribucin de frecuencias

b) Cuntos empleados tienen pesos entre 45 y 60 kg?
c) Qu porcentaje de empleados tienen pesos mayores que 75.5 Kg?
Estadstica General
45
AUTOEVALUACIN
T decides si ser el mejor o el peor

CONCEPTUAL:
(
(
(
(
(
)
)
)
)
)
?
?
Una tabla estadstica representa a la informacin en forma organizada.

La marca de clase es el punto medio de los intervalos de clases.
F3 indica la frecuencia acumulada relativa simple de la tercera fila.
La suma de las frecuencias relativas simples debe ser igual a uno.
El histograma de frecuencia se utiliza para una distribucin de frecuencias agrupadas
en intervalos de clase.
PROCEDIMENTAL:
2. A continuacin se presentan las notas de 50 alumnos:
60
65
71
47
80
53
41
39
94
94
85
74
35
54
61
77
55
60
98
88
33
57
81
68
41
45
78
76
66
89
52
50
91
48
66
65
35
55
69
73
77
64
73
85
42
84
74
59
67
65
Se pide:
a)
b)
c)
d)
Determinar el rango.
Nmero de clases o filas.
Amplitud de las clases o filas.
Frecuencias absolutas y relativas simples, absolutas y relativas acumuladas. Interpretar
por lo menos 2 de cada fila.
3. Al investigar el nivel socioeconmico en los valores: Bajo (B), medio (M), alto (A), 20 familias
dieron las siguientes respuestas:
M, B, B, M, A, B, B, M, M, B, M, B, B, A, M, B, M, A, M, B
Construir la distribucin de frecuencia y trazar su grfica.
4. Dibujar un diagrama de sectores para mostrar los gastos de un hospital de una gran ciudad,
siendo stos los siguientes: 73% en sueldos, honorarios profesionales mdicos y bonificaciones a los empleados; 13% en suministros, equipo mdico y quirrgico; 8% en mantenimiento, alimentacin y energa; y 6% en costos administrativos.
Autoevaluacin
46
ACTITUDINAL:
5. Considerando los conocimientos adquiridos en la primera unidad, qu aconsejaras a un
empresario que necesita tomar decisiones acertadas para el buen funcionamiento de su
negocio?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________

Estadstica General
47
UNIDAD II
UNIDAD II
Sesin N 5: Medidas de resumen
Sesin N 6: Medidas de posicin
Sesin N 7: Medidas de dispersin
Sesin N 8: Medidas de forma
COMPETENCIAS
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Reconoce los conceptos de las medidas de

resumen, como las de
tendencia central, de
posicin, de dispersin y
de forma, de una serie
de datos.
Calcular las diversas

medidas de resumen
para una serie de
datos.
Identifican y reconocen
qu medidas de resumen son adecuadas
para el anlisis de una
serie de datos.
PROESAD
Sesin
MEDIDAS DE
RESUMEN
5.1. ANLISIS E INTERPRETACIN DE LOS RESULTADOS
Se estudi los cuadros y grficos estadsticos en la unidad anterior como
formas para ordenar y describir un conjunto de datos para tomar decisiones. Sin embargo, el anlisis resulta incompleto, para esto se utiliza
ciertos indicadores.
Estos indicadores llamados medidas de resumen o ESTADGRAFOS permiten hallar un solo valor numrico, el mismo que representa a toda la
poblacin o muestra en estudio.
Los estadgrafos o medidas de resumen ms importante son:
De tendencia central: media, mediana y la moda.
De posicin: cuartiles, deciles y percentiles.
De dispersin: varianza, desviacin estndar, y coeficiente de variacin.
De forma: asimetra y el coeficiente de kurtosis.
5.2. MEDIDAS DE TENDENCIA CENTRAL

Son estadsticos que permiten hallar el valor numrico que indica el centro de un conjunto de
datos; sealando la caracterstica que destaca en la informacin.
5.2.1. La media o promedio aritmtico (x)

Es la ms estable y se obtiene de acuerdo a lo siguiente:
a) Media aritmtica para datos simples (en serie):
Proceso: Sumar todos los valores de la variable y dividir entre el nmero de datos que se
han sumado.

x=
x
n
Estadstica General
51
b) Media aritmtica para datos agrupados (en tablas):

Proceso: Sumar todos los valores de la variable o marca de clase multiplicados por la frecuencia absoluta simple y dividir entre el nmero de datos o la suma de las frecuencias absolutas
simples.
x=
xf
f
Ventajas de la media aritmtica:

Es til cuando los datos estn distribuidos en forma normal o simtrica.
Es de gran estabilidad porque toma en cuenta todos los datos.
Nos permite probar parmetros en inferencia estadstica.
Desventajas de la media aritmtica:
Puede ser afectado por valores extremos.
Cuando los datos agrupados tienen clases abiertas en los extremos, no es recomendable
calcular el promedio.
5.2.2. Mediana (Me)

Es el estadstico que representa el punto medio de los datos en el cual cae el 50% de puntuaciones. Se obtiene de acuerdo a lo siguiente:
a) Mediana para datos simples (en serie):
Es el valor medio (cuando la serie es impar) o la semisuma de los dos valores medios (cuando la serie es par); del conjunto de datos previamente ordenados en forma creciente.
(*) La mediana se utiliza tambin en variables ordinales
Ej: Se tiene la siguiente informacin sobre el nmero de alumnos repitentes por aos de
estudios de la carrera de contabilidad en la UPeU.
AOS
Primero
Segundo
Tercero
Cuarto
Quinto
Total
fi
25
14
6
9
2
56
Fi
25
39
45
54
56
Clase mediana.

Proceso:
1. Se calcula la suma de las frecuencias absolutas simples entre 2 as:
n
=
2
f
=
2
56
= 28
2
Unidad II
52
PROESAD
2. El valor inmediatamente superior o igual a 28 se busca en la columna de la tabla que

corresponde a la frecuencia absoluta acumulada Fi (en este ejemplo corresponde a 39,
porque 25 es menor que 28).
3. Luego se observa la primera columna donde se encuentra la variable, en la fila donde se
observ el nmero 39, el valor de la variable que se encuentra en esa fila corresponde
a la mediana.
Me = Segundo.
Interpretacin: La mitad de los estudiantes repitentes lo hacen como mximo hasta segundo
ao, aproximadamente la otra mitad repiten categoras superiores al segundo ao.
b) Mediana para datos agrupados:
Cuando los datos se encuentran agrupados en una tabla de distribucin de frecuencias, la
mediana se encuentra utilizando la siguiente frmula:
Fi 1
2
= Linf + c
Me
fi
Donde
Linf : Lmite inferior del intervalo que contiene a la mediana
c : Amplitud del intervalo
n : Nmero total de datos
Fi-1 : Frecuencia absoluta acumulada anterior a la clase mediana
i : Frecuencia (o frecuencia absoluta) de la clase mediana.
Lugar de la Mediana, Me :
n
2
Ventajas de la mediana:
No est afectada por valores extremos, y por lo tanto es ms representativa que el promedio, cuando las series son poco simtricas.
Es til cuando los datos agrupados tienen clases abiertas en los extremos (es decir, no
tiene lmite inferior en la primera clase ni lmite superior en la ltima clase).
Se aplica a variables que pertenecen a la escala ordinal.
5.2.3. La moda (Mo)

Nos indica el valor o cualidad que se repite con mayor frecuencia dentro de una informacin. Se
obtiene de acuerdo a lo siguiente:
a) Moda para datos simples (en serie):
Es el valor que ms se repite en una serie.
(*) Es til cuando la variable en estudio pertenece a la escala nominal.
Estadstica General
53
Ejemplo:
Hallar la moda para la siguiente informacin que consiste en una muestra de 100 consumidores segn preferencia por tipos de panes Unin.
TIPOS DE PANES
Integral
Americano
Fibra
Hamburguesa
Total
CONSUMIDORES (fi)
25
20
40
15
100
Clase modal,
por ser el valor ms frecuente (f =40)
Entonces, la moda ser el valor que corresponde a la categora de la variable, en la clase o

fila modal.
Mo = Fibra
Interpretacin:
La mayora de los consumidores de Productos Unin prefiere pan fibra.
b) Moda para datos agrupados:
En este caso la moda se halla mediante la frmula:
M
o = Linf + c
1 + 2
Donde
Linf : Lmite inferior del intervalo que contiene a la moda
c : Amplitud del intervalo
con 1 =
fi fi 1 ; 2 = fi fi +1
Ventajas de la moda:
No est afectada por valores extremos.
Puede usarse cuando los datos agrupados tienen clases abiertas en los extremos.
Se usa para variables que pertenecen a la escala nominal.
Desventajas de la moda:
No es representativa a menos que la distribucin contenga un gran nmero de datos y
exista significativa repeticin de alguno de ellos.
Muchas veces la serie no tiene moda porque ningn valor se repite, en ese caso se dice
que la informacin es unimodal.
Cuando la serie tiene 2 modas, se dice que la informacin es bimodal, y si tiene ms de
2 modas, la informacin es multimodal. En estos casos se hace difcil su interpretacin y
comparacin, por lo tanto, no se considera una medida representativa
Unidad II
54
PROESAD
Ejemplo:
Correspondiente a datos simple (informacin en serie):
Los datos presentados corresponden a las edades de 8 alumnos del 1er ao de la Facultad de
Ciencias Contables y Administrativas:
Edad :
Xi: 18, 20, 23,
17, 18, 19,
23, 18

Calcular la media, mediana y moda e interpretar sus resultados.
Solucin:
Media
=x
18 + 20 + 23 + 17 + 18 + 19 + 23 + 18 156
= = 19.5
= 20
n
8
8
Interpretacin
=
x
La edad promedio de los alumnos del 1er ao de la Facultad de Ciencias Contables y Administrativas es de 20 aos.
Mediana
Me: Es el valor medio (cuando la serie es impar) o la semisuma de los dos valores medios (cuando la serie es par); del conjunto de datos previamente ordenados en forma creciente.
En este caso la serie es par, por lo tanto, se procede del siguiente modo:
1
Se ordena la serie
17,
18,
18,
18,
19,
20,
23,
23
23,
23
Se particiona la serie por la mitad

17,
18,
18,
18,
19,
20,
3 La mediana ser la semisuma de los dos valores centrales, por ser la serie par, es decir 8 datos.

=
Me
18 + 19
= 18.5
= 19
2
Interpretacin:
La mitad de los de los alumnos del 1er ao de la Facultad de Ciencias Contables y Administrativas
tiene como mximo 19 aos, aproximadamente la otra mitad tienen ms de 19 aos.
Estadstica General
55
Moda
Es el valor que ms se repite.
As, en nuestra base de datos.
1
Se ordena la serie
17,
2
18,
18,
18,
19,
20,
23,
23
Se toma el valor que ms se repite.
En nuestro ejemplo el 18 se repite 3 veces.

Mo = 18
Interpretacin:
La mayora de los alumnos del 1er ao de la Facultad de Ciencias Contables y Administrativas
tiene de 20 aos de edad.
Ejemplo:
Correspondiente a datos agrupados (informacin en tablas):
Considerando el ejemplo de distribucin de frecuencias para datos agrupados, en el cual estudiamos el Puntajes del Cociente de Inteligencia (CI) de 50 Estudiantes de la UPeU.
Hallaremos la media, mediana y moda para datos agrupados.
Tabla N 1
Lmites de clases
[88 94>
[94 100>
[100 106>
[106 112>
[112 118>
[118 124>
[124 130>
Total
Xi
fi
Fi
Xi fi
Xi 2fi
91
97
103
109
115
121
127
9
6
Mo 11
5
8
3
8
9
15
Me 26
31
39
42
50
819
582
1133
545
920
363
1016
74529
56454
116699
59405
105800
43923
129032
5378
585842
50
Solucin:
La columna de las marcas de clase denotada por Xi, se obtiene por la formula dada anteriormente en la Unidad 1.
Unidad II
56
PROESAD
LCI + LCS
2
88 + 94
=
X 1 = 91
2
94 + 100
=
X 2 = 97
2
100 + 106
=
X 3 = 103
2
.
Xi =
.
=
X7
124 + 130
= 127
2
La columna de Xi fi : se obtiene multiplicando valor por valor la columna de las marcas de clase
denotada por Xi por las frecuencias absolutas simple denotada por fi:
As:
X1 f1 = 91 x 9 = 819
X2f2 = 97 x 6 = 582
X3 f3 = 103 x 11 = 1133
.
.
X7 f7 = 127 x 8 = 1016
Observacin: Las sumas de cada columna se encuentran en la fila que corresponde al total (al
final de las columnas).
La clase mediana se ubica con las frecuencias absolutas acumuladas.
La clase modal se ubica con las frecuencias absolutas simples.
Media:
=
x
xf
=
f
i i
i
819 + 582 + 1133 + 545 + 920 + 363 + 1016

9 + 6 + 11 + 5 + 8 + 3 + 8
5378
= 107.56
= 107
50
Interpretacin:
El cociente de inteligencia promedio de los alumnos de la Universidad Peruana Unin es de
aproximadamente 107 puntos.
Mediana:
Proceso:
1. Ubicamos la clase o fila mediana (intervalo que contenga la mediana):
Lugar de Me: n/2= 50/2= 25 (25 avo. lugar)
Analizando, la mediana se encuentra en la 4ta. Clase.
Estadstica General
57
Este valor se ubica en la columna de las frecuencias acumuladas (Fi) correspondiente a la

tabla de datos, considerando el inmediatamente mayor o igual a 25.
En nuestro ejemplo corresponde a la cuarta fila, pues su frecuencia acumulada es F4 = 31 y
es el inmediatamente superior a 25.
La cuarta fila es la clase mediana y de all se considera los datos que van a ser reemplazados
en la frmula.
2. Utilizando la frmula:
Fi 1
2
= Linf + c
Me
fi
Linf
n
Fi-1
fi
c
: Lmite inferior del intervalo de la clase mediana = 100

: Nmero total de datos = 50
: Frecuencia absoluta acumulada anterior a la clase mediana = 15
: Frecuencia absoluta simple de la clase mediana = 11
: Amplitud intervlica: 6
La mediana ser:
50
15
2
Me
= 100 + 6
= 105.45
11
Interpretacin:
La mitad de los estudiantes de la Universidad Peruana Unin tiene un coeficiente de inteligencia
mximo de 105 puntos, aproximadamente la otra mitad tienen ms de 105 puntos.
Moda
Proceso:
1. Se ubica la clase o fila modal (donde se encuentra la moda), ubicando en la columna de las
frecuencias absolutas simples (fi) el mayor valor.
En nuestro ejemplo el mayor valor de las frecuencias absolutas simples es f3 = 11,
En nuestro ejemplo, la clase modal o fila donde se encuentra la moda es la tercera fila porque
en ella se encuentra el mayor valor de las frecuencias absolutas simples.
2. Utilizando la frmula:
M
o = Linf + c
2
1
Unidad II
58
PROESAD
hallando:
1 = fi fi 1 = 11- 6 = 5
2 = fi fi +1 = 11-5 = 6
5
Mo
= 100 + 6
= 102.72
5+6
Interpretacin:
La mayora de los estudiantes de la Universidad Peruana Unin tiene un coeficiente de inteligencia de 103 puntos.
Estadstica General
59
PROESAD
Sesin
MEDIDAS DE
POSICIN
6.1. MEDIDAS DE POSICIN
Son estadgrafos que dividen a una serie de datos en cuatro, diez o cien partes iguales.
Estas medidas son:
- Cuartiles
- Deciles
- Percentiles
6.1.1. Cuartiles (Qi )

Son estadgrafos que dividen a la informacin en cuatro partes iguales, donde cada uno de ellos
es el 25% de la informacin.
Esquemticamente se tiene:
Q1

25%

Q2
25%
25%
25%

total
Q3
100%
Los cuartiles se calculan con la frmula siguiente:

( j )n
4 Fi 1
=
Q
Linf + c
j
fi
Estadstica General
61
Donde:
j
: 1,2 3
Linf
n
Fi-1
fi
c
: Lmite inferior del intervalo de la clase cuartlica.

: Nmero total de datos.
: Frecuencia absoluta acumulada anterior a la clase cuartlica.
: Frecuencia absoluta simple de la clase cuartlica.
: Amplitud intervlica.
6.1.2. Deciles (Di)

Son estadgrafos que dividen a la informacin en diez partes iguales, donde cada uno de ellos es
el 10% de la informacin.
D1
10%
D2
10%
. . .
D9
10%

10%
Total 100%
Los deciles se calculan con la frmula siguiente:
( j )n
10 Fi 1
=
D
Linf + c
j
fi
Donde:
j
Linf
n
Fi-1
fi
c
: 1,2, 3, 9
: Lmite inferior del intervalo de la clase declica.
: Frecuencia absoluta acumulada anterior a la clase declica.
: Frecuencia absoluta simple de la clase declica.
6.1.3. Percentiles (Pi )

Son estadgrafos que dividen a la informacin en cien partes iguales, donde cada uno de ellos
es el 1% de la informacin.
Unidad II
62
PROESAD
P1

1%
1%
P2

1%
1%
total
100%

P99
. . .
Los percentiles se calculan con la frmula siguiente:
( j )n
100 Fi 1
=
Pj Linf + c
fi
Donde:
j
Linf
n
: 1,2, 3, 99
: Lmite inferior del intervalo de la clase percentlica.
Fi-1 : Frecuencia absoluta acumulada anterior a la clase Percentlica.

fi
: Frecuencia absoluta simple de la clase percentlica.
c
Observacin:
Generalmente se calculan las medidas de posicin para datos agrupados, pues se tiene una gran
cantidad de informacin.
Ejemplo:
Correspondiente a datos agrupados (informacin en tablas)
Hallaremos los cuartiles 1 y 3, los deciles 2 y 8 y los percentiles 10 y 90.
Tabla N 1
DISTRIBUCIN DE FRECUENCIAS DE LOS PUNTAJES
DEL CI DE 50 ESTUDIANTES DE LA UPeU
Estadstica General
63
Intervalo de clase
[88 94>
[94 100>
[100 106>
[106 112>
[112 118>
[118 124>
[124 130>
Xi
fi
Fi
91
97
103
109
115
121
127
9
6
11
5
8
3
8
9
15
26
31
39
42
50
Total
P10
Q1,D2
Q3,D8
P90
50
Solucin
Cuartil 1 (Q1)
Proceso
1. Se ubica la clase o fila cuartlica (donde se encuentra el primer cuartil), utilizando la siguiente
frmula, el valor i, se reemplaza de acuerdo a qu cuartil se desea encontrar; ya sea el 1, 2 3.
i f (1)50
= = 12.5
4
4
2. Este valor se ubica en la columna de las frecuencias acumuladas (Fi) correspondiente a la
tabla de datos, considerando el inmediatamente mayor o igual a 12.5.
En nuestro ejemplo corresponde a la segunda fila, pues su frecuencia acumulada es F2 = 15
y es el inmediatamente superior a 12.5.
3. La segunda fila es la clase cuartlica y de all se considera los datos que van a ser reemplazados en la frmula.
( j )n
4 Fi 1
=
Q
Linf + c
j
fi
Linf
n
Fi-1
i
c
: Lmite inferior del intervalo de la clase cuartlica = 94

: nmero total de datos = 50
: Frecuencia absoluta acumulada anterior a la clase cuartlica = 9
: Frecuencia absoluta simple de la clase cuartlica = 6
: amplitud intervlica: = 6
Cuartil 1 ser:
(1)50
4 9
Q1 =
94 + 6
97.5
=
6
Unidad II
64
PROESAD
Interpretacin:
El 25% de los estudiantes de la Universidad Peruana Unin tiene un coeficiente de inteligencia
mximo de 98 puntos, aproximadamente el 75% restante tienen ms de 98 puntos.
Cuartil 3 (Q3)
Proceso
1. Se ubica la clase o fila cuartlica (donde se encuentra el tercer cuartil), utilizando la siguiente
frmula, el valor i, se reemplaza de acuerdo a qu cuartil se desea encontrar; ya sea el 1, 2 3.
j (n) (3)50
= = 37.5
4
4
tabla de datos, considerando el inmediatamente mayor o igual a 37.5.
En nuestro ejemplo corresponde a la quinta fila, pues su frecuencia acumulada es F5 = 39 y
es el inmediatamente superior a 37.5.
3. La quinta fila es la clase cuartlica y de all se considera los datos que van a ser reemplazados
en la frmula.
Linf
: Lmite inferior del intervalo de la clase cuartlica = 112
: nmero total de datos = 50
Fi-1
: Frecuencia absoluta acumulada anterior a la clase cuartlica = 31

: Frecuencia absoluta simple de la clase cuartlica = 8
1
c
: Amplitud intervlica: = 6
El cuartil 3 ser:
(3)(50)
4 31
Q3 =
112 + 6
116.87
=
8
Interpretacin:
Decil 2 (D2)
Proceso:
1. Se ubica la clase o fila declica (donde se encuentra el segundo decil), utilizando la siguiente
frmula, el valor i, se reemplaza de acuerdo a qu decil se desea encontrar; ya sea el 1, 2,
, 9.
j (n) (2)50
= = 10
10
10
Estadstica General
65

En nuestro ejemplo corresponde a la segunda fila, pues su frecuencia acumulada es F2 = 15
y es el inmediatamente superior a 10.
3. La segunda fila es la clase declica y de all se considera los datos que van a ser reemplazados
en la frmula.
Li
n
Fi-1
1
c
: Lmite inferior del intervalo de la clase declica = 94

: Nmero total de datos = 50
: Frecuencia absoluta acumulada anterior a la clase declica = 9
: Frecuencia absoluta simple de la clase declica = 6
: Amplitud intervlica: = 6
El decil 2 ser:
(2)(50)
10 9
D2 =
94 + 6
95
=
6
Interpretacin:

Percentil 10 (P10)
Proceso
1. Se ubica la clase o fila percentlica (donde se encuentra el percentil 10), utilizando la siguiente frmula, el valor i, se reemplaza de acuerdo a qu cuartil se desea encontrar; ya sea el 1,
2, , 99.
j (n) (10)50
= = 5
100
100
En nuestro ejemplo corresponde a la primera fila, pues su frecuencia acumulada es F2 = 9 y
es el inmediatamente superior a 5.
3. La primera fila es la clase percentlica y de all se considera los datos que van a ser remplazados en la frmula.
Li
n
Fi-1
1
c
:
:
:
:
:
Lmite inferior del intervalo de la clase percentlica = 88

Nmero total de datos = 50
Frecuencia absoluta acumulada anterior a la clase Percentlica = 0
Frecuencia absoluta simple de la clase percentlica = 9
Amplitud intervlica: = 6
Unidad II
66
PROESAD
El percentil 10 ser:
(10)(50)
100 0
P10 =
88 + 6
91.3
=
9
Interpretacin:
mximo de 91.3 puntos, aproximadamente el 90% restante tienen ms de 91.3 puntos.
1. Los datos siguientes corresponden al peso en Kg. de 10 alumnos.
40.8
52.5
52.5
58.0
49.2
60.0
40.8
40.8
62.2
52.5
Calcular:
a) La media, la mediana y la moda.
b) Cul de los 3 indicadores (en (a)) miden con mayor precisin el centro de los datos?
2. El nmero de autos vendidos por cada uno de 10 vendedores de una distribuidora de automviles en un mes particular, dispuestos en orden ascendente es: 2, 4, 7, 10, 10, 10,
12, 12, 14, 15.
Determine e interprete:
a) La media
b) La mediana
c) La moda
3. La media mnima para aprobar una asignatura es 11. Si un estudiante obtiene la notas 13.5,
14, 9.5, 12, 8.5, 8, 11.5, 10 en los trabajos mensuales de la asignatura en cuestin, el estudiante fue aprobado?
4. A Continuacin se dan las notas de 50 alumnos.
60
77
71
64
80
73
41
85
94
42
85
84
35
74
61
59
55
67
98
65
33
65
81
47
41
53
78
39
66
94
52
74
50
54
91
77
48
60
66
88
65
57
35
68
55
45
69
76
73
89
Estadstica General
67
Se pide:
a) Obtener la distribucin de frecuencias
b) Determinar: la media, mediana y moda
c) Determinar el 3er cuartil, 7mo decil y 55avo percentil.
5. A continuacin tenemos la distribucin del nmero de accidentes por da durante 43 das, en
cierta autopista.
N de accidentes
N de das
0
10
1
15
2
10
3
5
4
3
a) Determinar: la media, mediana y moda

b) Cul es el porcentaje de das en que se tuvo dos o ms accidentes por da?
6. Considere los datos obtenidos por las medidas de las alturas de 100 individuos (dados en cm)
151
163
167
168
170
173
176
180
187
152
163
167
169
170
173
177
181
188
154
164
167
169
170
174
177
181
189
155
165
168
169
170
174
177
181
190
159
166
168
169
171
174
177
181
159
165
168
169
171
175
178
182
160
166
168
169
171
175
178
182
161
166
168
169
172
175
178
182
161
166
168
169
172
176
179
183
161
166
168
170
172
176
179
184
161
166
168
170
173
176
180
185
162
167
168
170
173
176
180
186
Calcular las medidas de tendencia central, posicin, dispersin y de forma. Interpretar los
resultados.
7. Obtenga la media y la mediana para cada uno de los siguientes conjuntos de nmeros:
1) 1, 5, 9, 13, 17
2) 1, 3, 9, 27, 81
3) 1, 4, 9, 16, 25
a) Para cul de estos conjuntos de datos son iguales la media y la mediana?

b) Cul medida es la misma para los 3 conjuntos?
c) Cul de estos conjuntos tiene una moda?
8. Los siguientes datos representan el nmero de obreros ausentes en cierta empresa manufacturera, en 10 das consecutivos de trabajo:
5,
3,
0,
4,
3,
1,
4,
2, 20,
a) Encontrar la media, la mediana y la moda.

b) Interpretar sus resultados.
Unidad II
68
PROESAD
9. El siguiente cuadro muestra la distribucin de edades de casos de una cierta enfermedad

reportada durante un ao en una ciudad del estado.
EDAD
5 - 14
15 - 24
25 - 34
35 - 44
45 - 54
55 - 64
Nmero de casos
5
10
20
22
13
5
75
Total
a) Determinar e interpretar las medidas de tendencia central: media, mediana, moda.

b) Determinar e interpretar las medidas de Posicin: Cuartiles (Q1 y Q3) Deciles (D3 y D4) y
Percentil (P14 y P94).
10. En la tabla siguiente se muestra los puntajes obtenidos por 36 alumnos en una prueba de
razonamiento matemtico:
Yi-1 - Yi
fi
Yi
hi
42 - 51
51 - 60
60 - 69
69 - 78
78 87
87 - 96
11
10
2
5
3
5
0.35
0.28
0.055
0.14
0.08
0.14
Fi
Hi
a) Calcular la media aritmtica, mediana y moda e interprete los datos

b) Calcular Q1, P90, D9 e interprete
c) Graficar el histograma y polgono de frecuencia
Estadstica General
69
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
(
(
)
)
)
)
)
?
?
La mediana es una medida de tendencia central.

La moda indica el valor que se repite con mayor frecuencia.
Los cuartiles dividen a la informacin en 10 partes iguales.
La media se calcula sumando todos los valores de la variable.
Los percentiles dividen la informacin en cien partes iguales.
PROCEDIMENTAL:
2. Establezca las diferencias entre las medidas de tendencia central: media, mediana y moda.
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
3. El nmero de autos vendidos por cada uno de 10 vendedores de una distribuidora de automviles en un mes particular, dispuestos en orden ascendente es: 2, 4, 7, 10, 10, 10,
12, 12, 14, 15.
Determine e interprete:
a) La media
b) La mediana
c) La moda
4. La siguiente tabla muestra la distribucin de edades de casos de una cierta enfermedad

informados durante un ao en una provincia.
Edad
[ 5 - 15>
[15 - 25>
[25 - 35>
[35 - 45>
[45 - 55>
[55 - 65>
total
Nmero de casos
5
10
20
22
13
5
75
a) Calcular la media, la mediana, la moda. Interprete.

b) Calcular el Q1, Q3, D2, D5, P8, P10
Autoevaluacin
70
ACTITUDINAL:
5. Para conocer la edad ms frecuente de tus compaeros de clase, qu medida de tendencia
central utilizaras?, qu procedimiento efectuaras para su clculo? y cmo ensearas a tus
subordinados para conocer la edad ms frecuente de los que siempre llegan tarde?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________

Estadstica General
71
PROESAD
Sesin
MEDIDAS DE
DISPERSIN
7.1. MEDIDAS DE DISPERSIN
Son estadgrafos que cuantifican el grado de concentracin o de dispersin de los valores de la
variable en torno a un promedio o valor central de la distribucin. Las medidas de dispersin se
necesitan para dos propsitos bsicos:
a) Para verificar la confiabilidad de los promedios y
b) Para que sirva como base para el control de la variacin de la misma.
Las principales medidas de dispersin o variabilidad son:
Varianza
Desviacin estndar
Coeficiente de variacin
7.1.1. Varianza (s2 )

Es una medida que cuantifica el grado de dispersin o de variacin de los valores de una variable
cuantitativa con respecto a su media aritmtica.
Es el promedio de la suma de los cuadrados de las desviaciones de la variable respecto a su
media.
Cuando el resultado de la varianza es un valor grande, se dice que los datos se encuentran bastantes dispersos o alejados de la media aritmtica; si el resultado es bastante pequeo los datos
estarn bastante cercanos o concentrados alrededor de la media aritmtica.
Se obtiene de acuerdo a lo siguiente:
a) Varianza para datos simples (en serie):
s2 =
n( x ) 2
n 1
Donde:
Estadstica General
73
x2
n
x
= Cada valor de la muestra se eleva al cuadrado luego se suma todos los valores.
= Tamao de la muestra. (nmero de datos).
= Media para datos simples.
b) Varianza para datos agrupados:
Y
=
f n(Y ) 2
n 1
Donde:
y2
= Cada marca de clase elevado al cuadrado y multiplicado por su frecuencia absoluta

simple, luego se suman todos los valores.
n = Tamao de la muestra.
Y = Media para datos agrupados.
Observacin: La varianza es una medida terica; no tiene interpretacin prctica.
7.1.2. Desviacin estndar (s )

Es la raz cuadrada de la varianza. Esta medida tiene interpretacin prctica.
s = s2
Es uno de los estadsticos de mayor uso en el cual las unidades de la variable ya no estn elevados al cuadrado sino estn en unidades originales.
7.1.3. Coeficiente de variacin (c.v. % )

Es el cociente de la desviacin estndar y la media aritmtica, expresado en porcentaje. As:
cv% =
s
.100
x
El coeficiente de variacin se usa para saber si un conjunto de datos es homogneo o heterogneo (concentrados o dispersos). Para esto se utiliza el siguiente criterio:
Si C.V. < 0.33
Si C.V. 0.33
Datos HOMOGNEOS
Datos HETEROGNEOS
El coeficiente de variacin tambin se utiliza para comparar la variabilidad de 2 ms series de

datos que tengan unidades de medidas diferentes (por ejemplo, peso en kgs. y edad en aos).
Si C.V.A < C.V.B
Los datos de la serie A presentan una menor variabilidad con respecto

a los datos de la serie B
Ejemplo:
Correspondiente a datos simples (informacin en serie):
Los datos presentados corresponden a las edades de 8 alumnos del 1er ao de la Facultad de
Ciencias Contables y Administrativas:
Unidad II
74
PROESAD
Edad:
Xi: 18, 20, 23, 17, 18, 19,
23, 18
Calcular la varianza, desviacin estndar y coeficiente de variacin e interpretar sus resultados.

Solucin:
La varianza (s2) :
Proceso:
x
=
=
x
18 + 20 + 23 + 17 + 18 + 19 + 23 + 18 156
= = 19.5
8
8
=182 + 202 + 232 + 17 2 + 182 + 192 + 232 + 182 =3080
n = 8, pues hay 8 datos.

Entonces, la varianza es:
x n( x )
=
2
=
s
n 1
3080 8(19.5) 2
= 5.43
8 1
No tiene interpretacin prctica, slo se calcula para poder determinar la desviacin estndar.
La desviacin estndar (s):
=
s
=
s2
5.43
= 2.33
= 2
Interpretacin:
Las edades de los alumnos del 1er ao de la Facultad de Ciencias Contables y Administrativas se
dispersan respecto al valor central en aproximadamente 2 aos.
El coeficiente de variacin (cv%):
=
cv%
2.33
s
=
.100
=
.100 11.95%
= 12%
x
19.5
Interpretacin:
Como cv% es menor que el 30%, entonces, la media es una medida representativa del conjunto
de datos.
Ejemplo:
Estadstica General
75
Hallaremos la varianza, desviacin estndar y coeficiente de variacin para datos agrupados.

Tabla N 1
Lmites de clases
[88 94>
[94 100>
[100 106>
[106 112>
[112 118>
[118 124>
[124 130>
Xi
fi
Fi
Xi fi
Xi 2fi
91
97
103
109
115
121
127
9
6
11
5
8
3
8
9
15
26
31
39
42
50
819
582
1133
545
920
363
1016
74529
56454
116699
59405
105800
43923
129032
5378
585842
Total
50
Solucin:
La varianza (s2) :
Proceso:
Media
=
x
xf
=
f
i i
i
819 + 582 + 1133 + 545 + 920 + 363 + 1016

9 + 6 + 11 + 5 + 8 + 3 + 8
5378
= 107.56
= 107
50
= x 2 f =912 (9) + 97 2 (6) + 1032 (11) + 1092 (5) + 1152 (8)
585842
=
+1212 (3) + 127 2 (8) =
Entonces, la varianza es:
x f n( x )
=
2
=
s2
n 1
585842-50(107.56) 2
= 150.70
50 1
No tiene interpretacin prctica, slo se calcula para poder determinar la desviacin estndar.
La desviacin estndar (s):
=
s
=
s2
150.70
= 12.27
Unidad II
76
PROESAD
Interpretacin:
El cociente de inteligencia de los alumnos de la Universidad Peruana Unin se dispersa respecto
al valor central en aproximadamente 13 puntos.
El coeficiente de variacin (cv%):

=
cv%
12.27
s
=
.100
=
.100 11.40%
= 12%
x
107.56
Interpretacin:
Como cv% es menor que el 30%, entonces, la media es una medida representativa del conjunto
de datos.
Estadstica General
77
PROESAD
Sesin
MEDIDAS
DE FORMA
8.1. MEDIDAS DE FORMA
Son aquellos que permiten identificar la distribucin de la informacin.
8.1.1. Asimetra (As)

Permite identificar hacia dnde se acumula la informacin. Se obtiene mediante la siguiente
frmula:
=
As
Q3 + Q1 2Q2
x Mo
=
o As
s
Q3 Q1
S: As = 0 La distribucin es simtrica
As > 0 La distribucin es positiva
As < 0 La distribucin es negativa
8.1.2. Coeficiente de Kurtosis o apuntamiento (K)

Indica el grado de aplastamiento que tiene la distribucin. De acuerdo a ello se clasifican en:
distribuciones platicrticas (Fig.1), mesocrticas (Fig.2) y leptocrticas (Fig.3).

PLATICRTICA Fig.1

MESOCRTICA Fig.2
LEPTOCRTICA Fig.3
Estadstica General
79
Para el grado de apuntamiento (deformacin vertical) utilizaremos el coeficiente denotado por:
k=
Q3 Q1
2( P90 P10 )
Donde:
P90 = percentil 90;

P10 = percentil 10;
Q1 = primer cuartil
Q3 = tercer cuartil
Si k = 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es mesocrtica (tiene igual apuntamiento que la normal o campana de Gauss).
si k < 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es platicrtica.
si k > 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es leptocrtica.
Ejemplo:
Considerando el ejemplo de distribucin de frecuencias para datos agrupados, en el cual estudiamos el cociente intelectual de 50 alumnos. [Puntajes del Cociente de Inteligencia (CI) de 50
Estudiantes de la UPeU].
Hallaremos la asimetra y el coeficiente de Kurtosis para datos agrupados.
Tabla N 1
DISTRIBUCIN DE FRECUENCIAS DE LOS PUNTAJES
DEL CI DE 50 ESTUDIANTES DE LA UPeU
Intervalo de clase
Xi
fi
Fi
[88 94>
[94 100>
[100 106>
[106 112>
[112 118>
[118 124>
[124 130>
91
97
103
109
115
121
127
9
6
11
5
8
3
8
9
15
26
31
39
42
50
Total

P10
Q1,D2
Q2
Q3
D8
P90
50
Solucin
La Asimetra (As):
Proceso:
Calcular los cuartiles 1, 2 y 3, como se hizo en el ejemplo de las medidas de posicin.
Unidad II
80
PROESAD
(1)50
4 9
Q1 =
94 + 6
97.5
=
6
(2)(50)
4 15
Q2 =
100 + 6
105.45
=
11
(3)(50)
4 31
Q3 =
112 + 6
116.87
=
8
Reemplazar en la frmula de la asimetra, entonces, la Asimetra es:
=
As
Q3 + Q1 2Q2 116.87 + 97.5 2(105.45)

=
= 0.17
Q3 Q1
116.87 97.5
Interpretacin:
Como la asimetra tiende a cero, la informacin es simtrica.
El coeficiente de Kurtosis (k):
Proceso:
Calcular los cuartiles 1 y 3 y los percentiles 10 y 90, como se hizo en el ejemplo de las medidas
de posicin
(1)50
4 9
Q1 =
94 + 6
97.5
=
6
(3)(50)
4 31
Q3 =
112 + 6
116.87
=
8
(10)(50)
100 0
P10 =
88 + 6
91.3
=
9
(90)(50)
100 42
P90 =
124 + 6
126.25
=
8
Estadstica General
81
Reemplazar en la frmula de la asimetra, entonces el coeficiente de Kurtosis es:
Q3 Q1
116.87 97.5
=
= 0.27
2( P90 P10 ) 2(126.25 91.3)
=
k
Interpretacin
Como k es igual 0.27 y este nmero es mayor que 0.263, entonces, la informacin es leptocrtica.
1. Analizar comparativamente la distribucin de los sueldos de los 45 trabajadores de la empresa metal mecnica.
Directivos
Empleados
Obreros
C.V
C.V%
70
60
90
700
300
250
0,10
0,20
0,36
10%
20%
36%
2. En una empresa, el salario medio de los hombres es de S/. 4000 con una desviacin estndar de s/. 1500 y el de las mujeres es un promedio de s/. 3000 con desviacin estndar de
s/.1200. Hallar el Coeficiente de Variacin de los salarios de los hombres y mujeres. Interprete.
3. Determinar cul de las dos distribuciones A y B, tiene un mayor grado de dispersin
DISTRIBUCIN A
yj-1
nj
yj
(0-2]
4
(2-4]
6
(4-6]
5
(6-8]
3
(8-12]
12
(12-16]
14
(16-20]
20
DISTRIBUCION B
yj-1
nj
yj
(4-8]
10
(20-24]
21
4. Una prueba de conocimiento, A, se calific sobre 20 puntos dando una media de 12 y una
desviacin estndar de 2 puntos. Mientras que una prueba de aptitud, B, se calific sobre 100
puntos, dando una media de 70 y una desviacin estndar de 5.
a) En cul de las dos pruebas los puntajes son ms homogneos?
b) Si Juan tiene 14 en A y Luis 73 en B, quin tiene mejor puntuacin estndar.
5. Multiplicando por 2 cada uno de los valores de la variable X: 3, 2, 0, 5, se obtiene la serie
y: 6, 4, 0, 10. Comprobar que ambas series tienen el mismo coeficiente de variacin.
Unidad II
82
PROESAD
6. Se toman las medidas de 80 personas, las que tiene estatura media de 1,70mt. y desviacin
estndar de 3.4cm. Posteriormente se verific que la medida usada en la medicin tena 4
cm. menos. Rectifique los estadgrafos mencionados.
7. Conteste lo siguiente:
a) Si la varianza de una distribucin de edades es 19.9809, entonces la desviacin estndar
de dicha distribucin es:
a1) 399.23636
a3) 19.9809
a2) 9.99045
a4) 4.47
b) Calcular el C.V. de: y=5x + 4 sabiendo =240, V(x)=64

b1) 4.0%
b2) 3.2%
b3) 5.1%
b4) 3.0%
8. Si la nota promedio en el curso de matemtica Bsica de la seccin A es 12 puntos y la desviacin estndar es de 3 puntos y en la seccin B se tiene una nota promedio de 12 punto y
una desviacin estndar de 4 puntos podemos afirmar que:
a) La seccin B tiene mejor promedio
b) La seccin A tiene mejor promedio
c) Las notas de la seccin A son ms homogneas
d) Las notas de la seccin B son ms homogneas
Estadstica General
83
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
(
)
)
)
)
?
?
La asimetra es una medida de forma.

El C.V. permite determinar si la informacin es homognea.
Kurtosis indica el grado de aplastamiento que tiene la distribucin.
La varianza no tiene interpretacin prctica.
PROCEDIMENTAL:
2. Un alumno obtuvo como promedio en estadstica 68.70 puntos con una desviacin estndar
de 15.40, y otro alumno obtuvo 50.90 puntos con una desviacin estndar de 19.60. Diga Ud.
cul de los dos alumnos tiene un rendimiento homogneo.
________________________________________________________________________
________________________________________________________________________
3. En la siguiente tabla se presenta la distribucin de los salarios en dlares. De 50 trabajadores
de una empresa. La longitud de los intervalos de clase es constante e igual a 20.
( yj-1 - yj
yj
nj
Nj
23
yjnj
300
400
350
17
( 100 - 120]
440
50
a) Completar la tabla de distribucin de frecuencia y los datos que faltan

b) Determine la varianza, la desviacin estndar, el coeficiente de variacin
4. Los siguientes datos muestran los calificativos de 20 personas sometidos a una prueba de
aptitud. Los 20 estudiantes fueron divididos en dos grupos, al grupo 1 se calific de 0 a 100
y al grupo 2 se calific de 0 a 20:
Grupo 1: 86, 81, 79, 73, 95, 86, 94, 90, 86, 88
Grupo 2: 16, 19, 13, 20, 14, 16, 19, 18, 17, 15
Autoevaluacin
84
a) Calcule la media y la desviacin en cada grupo, cul de los grupos es ms homogneo?
ACTITUDINAL:
5. En una empresa deseas saber cmo estn dispersos los valores de las edades, con respecto a
la media aritmtica, de todos los trabajadores, qu medida de resumen utilizaras y porqu?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________

Estadstica General
85
UNIDAD III
UNIDAD III
Sesin N 9: Probabilidad
Sesin N 10: Algunos conceptos bsicos
de probabilidad
Sesin N 11: Probabilidad condicional
COMPETENCIAS
CONCEPTUAL
Reconoce los conceptos
fundamentales de la
probabilidad y sus propiedades, y del anlisis
combinatorio.
PROCEDIMENTAL
ACTITUDINAL
Calculan las probabiResuelven situaciones

lidades y aplican las
en donde existen intcnicas del anlisis
certidumbre, utilizando
combinatorio a diversos
las probabilidades.
eventos.
PROESAD
Sesin
PROBABILIDAD
9.1. INTRODUCCIN
Como es de nuestro conocimiento, la Estadstica representa un mtodo para la toma de decisiones frente a la incertidumbre y como tal, se basa en la teora de probabilidad, pues la probabilidad es la medida de la incertidumbre y de los riesgos asociados con ella. Por ello, el estudiante,
antes que aprender procedimientos estadsticos para tomar decisiones, debe tener un concepto
claro de la teora de probabilidad.
Un tratamiento preciso de la teora de probabilidad requiere de dos enfoques, uno inicial, basado
en la teora de conjuntos (objetivo central de esta unidad), y un segundo basado en las distribuciones de probabilidad (distribuciones tericas de poblaciones).
El primer enfoque nos permite comprender con claridad el concepto de probabilidad, as como
obtener un listado de axiomas y propiedades fundamentales de la teora de probabilidad. Con el
segundo enfoque, llegamos a representaciones matemticas que facilitan el clculo de probabilidades, mediante frmulas que se ajustan regularmente a ciertos fenmenos.
En esta parte se desarrollan nociones bsicas y propiedades del modelo propuesto que sern
utilizadas en la inferencia estadstica.
9.2. ANLISIS COMBINATORIO

9.2.1. FACTORIAL DE UN NMERO (!)
El factorial de un nmero se define como el producto de todos los enteros consecutivos y positivos comprendidos entre la unidad y el nmero dado, incluyendo a ambos. As:
5! = 1 x 2 x 3 x 4 x 5 = 5 x 4 x 3 x 2 x1
10! = 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1

Por definicin el factorial de:
0! = 1

1! = 1
FRMULA:

n! = 1 x 2 x 3 x 4 x ...x (n-2) (n-1) (n)

Estadstica General
89
Adems, podemos escribir: n! = (n-1)! n
Esta ltima expresin nos dice que: El factorial de un nmero cualquiera puede escribirse como
el producto del factorial de su consecutivo anterior, por el nmero dado.
9.2.2. PERMUTACIONES
Son todas las ordenaciones (es decir, importa el lugar que un elemento ocupe) diferentes, que
se logran utilizando todos los elementos a la vez, de un conjunto dado.
Por ejemplo: las permutaciones que se pueden obtener con los 3 elementos de los que consta
un conjunto cualquiera, son 6 Cmo as?
Valo Ud.:
Sean los elementos del conjunto: A, B, C.
Las diferentes ordenaciones, tomando todos los elementos a la vez son:

ABC, ACB, CBA

BAC , BCA , CAB
FRMULA:
Pn = n !
Ejemplo:
Cuntas permutaciones se obtendrn de un conjunto de 5 elementos?

P5 = 5! = 5 x 4 x 3 x 2 x 1 = 120
RESUMEN
Las caractersticas de las permutaciones son: Se toman todos los elementos a la vez, e
importa el orden en que se tomen.
Ejemplos:
1. Simplificar:
32!
23!
32!
E=
23!
a) E =
24!
33!
24 x 23! 24 8
=
=
33 x32! 33 11
35! x87! x3 x 4! x15!

17! x87 x86 x36! x84!
35! x87 x86 x85 x84! x3 x 4 x3 x 2 x15! 5
E
=
17 x16 x15! x87 x86 x36 x35! x84!
8
b) E =
Unidad III
90
PROESAD
c) E =
=
E
n ! ( n 2 )!
( n 3)! ( n + 1)!
n !( n 2 )( n 3) ! n 2
=
( n 3)!( n + 1)( n )! n + 1
2. Cuntos nmeros de 6 cifras no repetidas pueden formarse con la cifras: 1, 2, 3, 4, 5, 6.

P6 = 6! = 6(5)(4)(3)(2) = 720
3. Cuntas palabras diferentes (sin importar su sentido) se pueden formar intercambiando de
lugar las letras de la palabra PROBLEMA?
PROBLEMA tiene 8 letras
Entonces, se pueden formar.
P8 = 8! = 8(7)(6)(5)(4)(3)(2) = 40320 palabras.
9.2.3 VARIACIONES
Son las ordenaciones (es decir, importa el lugar que un elemento ocupe) diferente que se pueden lograr tomando para ello, Grupos, de determinado tamao de un total dado de elementos.
Ejemplo:
Tenemos el conjunto de 4 elementos: a, b, c, d. Las variaciones de estos 4 elementos, tomados
de 2 en 2 sern:
ab, ba
ac, ca

ad, da
bc, cb
bd, db
cd, dc
FRMULA GENERAL:

VRn =
12 ordenaciones diferentes
n!
( n R )!
En forma ms simplificada:
VRn = n(n 1)(n 2 )......(n R + 1)

RESUMEN:
Las caractersticas de las variaciones son: Se toman grupos, del total de elementos que se
tengan, e importa el orden que cada elemento ocupe dentro del grupo.

Estadstica General
91
Ejemplos:
1. Calcular las siguientes variaciones:
Se resuelven las variaciones empezando a multiplicar en forma descendente desde el valor
superior hasta llegar al nmero de producto que lo menciona el valor inferior.
V47 7=
=
( 6 )( 5)( 4 ) 840
V5n = n ( n 1)( n 2 )( n 3)( n 4 )

V25 5=
=
( 4 ) 20
V38 8=
x7 x6 336
=
2. Hallar n en:
V3n = 336

V3n = n ( n 1)( n 2 ) = 336 n ( n 1)( n 2 ) = 336

8 ( 7 )( 6 ) = 336
n=8
3. Cuntos nmeros enteros y desiguales, mayores que 10 y menores que 100, se pueden formar con las 8 primeras cifras, no repitindose ninguna de ellas? Las cifras deben ser contadas
a partir de uno.
Solucin:
10 < x < 100 son nmeros de 2 cifras
=
V28 8=
( 7 ) 56
4. Cuatro personas entran en un vagn de ferrocarril en el que hay 7 asientos. De cuntas

maneras diferentes pueden sentarse?
=
V47 7=
( 6 )( 5)( 4 ) 840
9.2.4. COMBINACIONES
Es el nmero de grupos (no importa el orden que un elemento ocupe) que se pueden lograr al
tomar todos o parte de los elementos de un total dado.
FRMULA:
=
Crn
Vrn
n!
=
( n r )! r ! Pr

Ejemplos:
1. Calcular las siguientes combinaciones:
5 ( 4 )( 3) 5 ( 4 )( 3)
a)
5 x 2 10
=
C35 = =
=
3!
3( 2)
Unidad III
92
PROESAD
8 x 7 x 6 x5 8 x 7 x 6 x5
b)
=
C48 = = 70
4!
4 x3 x 2
c)
C3n =
n ( n 1)( n 2 )
3!
2. Hallar n en:
C2n = 10
n ( n 1)
= 10 n ( n 1) = 20
2
5 ( 4 ) = 20
n=5
3. Hallar n en:

C2n 3
=
C3n 5
n(n 1)
3
2
=
(n)(n 1)(n 2) 5
6
6(n)(n 1)
3
=
2(n)(n 1)(n 2) 5
3
3
=
n2 5
n2 5
=
3
3
n=7
4. En una reunin hay 30 personas. Cuntos apretones de mano se propusieron al saludarse

todos ellos entre s?

No entran todos, porque no puede saludarse una persona consigo misma.

No importa el orden porque saludar A con B es igual a B con A. Entonces, es una combinacin.
=
C230
30 ( 29 )
= 15
=
( 29 ) 435
2!
5. Con seis pesas diferentes de 1, 2, 5, 10, 20 y 50 kg. Cuntas pesadas diferentes pueden
obtenerse, tomando aqullas de 3 en 3?
=
C36
6 ( 5 )( 4 ) 6 ( 5 )( 4 )
= = 20
3!
3( 2)
Estadstica General
93
6. Un depsito de agua tiene 5 caos de desage que arrojan: 1, 3, 5, 10 y 20 litros por minuto
respectivamente. Abriendo indistintamente cuatro de estos caos. En cuntos tiempos diferentes se puede desaguar el depsito?
=
C45
5 ( 4 )( 3)( 2 ) 5 ( 4 )( 3)( 2 )
= = 5
4!
4 ( 3)( 2 )

ORDEN DE LOS ELEMENTOS
Importa
No Importa
Permutaciones
X
Variaciones
X
Combinaciones
X

CANTIDAD DE ELEMENTOS
Entran Todos
Entran Algunos
X
X
X
9.2.5. PROPIEDAD
Si una operacin puede efectuarse de m maneras y una segunda operacin puede efectuarse de n maneras, las dos operaciones podrn efectuar de m.n maneras.
1. Hay 6 omnibuses diferentes que viajan entre Lima y Huancayo. De cuntas maneras puede
Marcela ir a Huancayo y regresar en un mnibus diferente?
Solucin:
Lima a Huancayo 6 omnibuses
Huancayo a Lima en un mnibus diferente 5 mnibuses.
puede viajar en 6x5 = 30 omnibuses.
2. En un estante hay 5 libros de Aritmtica y 7 de Geometra. De cuntas maneras diferentes
pueden encogerse 2 libros de aritmtica y 5 de geometra?
Solucin:
5
5 libros de aritmtica, se escogen 2 C2
7 libros de geometra, se escogen 5 C57
Entonces, se pueden elegir 2 de aritmtica y 5 de geometra de:
5 x 4 7 x 6 x5 x 4 x3
x
2!
5!
5 ( 4 ) ( 7 )( 6 )( 5 )( 4 )( 3)
=
x
2
5 ( 4 )( 3)( 2 )
C25 xC57 =
= 5=
( 2 ) x7 ( 3) 210
3. En el consejo de una ciudad hay 25 consejeros y 10 oficiales. Cuntos comits pueden conformarse si deben constar de 5 consejeros y 3 oficiales?
Solucin:
Unidad III
94
PROESAD
25
25 consejeros, se escogen 5 consejeros C5

10
10 oficiales, se escogen 3 oficiales C3
entonces, se pueden formar comits de:
25 ( 24 )( 23)( 22 )( 21) (10 )( 9 )( 8 )

x
5!
3!
25 ( 24 )( 23)( 22 )( 21) (10 )( 9 )( 8 )
=
x
( 5)( 4 )( 3)( 2 )
( 3)( 2 )
C525 xC310 =
= 5 ( 23)( 22 )( 21) ( 5 )( 3)( 8 )

= 6375600
4. 7 hombres y 5 mujeres se van a formar comits mixtos de 6 personas. De cuntas maneras
pueden formarse si:
a. En el comit hay 2 mujeres.
b. Cuando haya como mnimo 2 mujeres.

Solucin:
7 hombres
5 mujeres
comits mixtos de 6 personas.
a) Hay 2 mujeres:
7 ( 6 )( 5 )( 4 ) ( 5 )( 4 )
x
4!
2!
7 ( 6 )( 5 )( 4 ) ( 5 )( 4 )
=
x
4 ( 3)( 2 )
2
C47 C25 =
= 7 ( 5) x 5 ( 2 )
= 350
Comits mixtos considerando 2 mujeres y 4 hombres.
b) Como mnimo 2 mujeres (los comits son de 6 personas).
C47 C25 + C37 C35 + C27 C45 + C17 C55

=
7 ( 6 )( 5 )( 4 ) ( 5 )( 4 ) ( 7 )( 6 )( 5 ) 5 ( 4 )( 3)
x
+
x
+
4 ( 3)( 2 )
2
3( 2)
3( 2)
( 7 )( 6 ) x ( 5)( 4 )( 3)( 2 ) + ( 7 ) x ( 5)( 4 )( 3)( 2 )(1)

2
4 ( 3)( 2 )
1
5 ( 4 )( 3)( 2 )
7 ( 5 )( 5 )( 2 ) + 7 ( 5 )( 5 )( 2 ) + 7 ( 3)( 5 ) + ( 7 )
= 350 + 350 + 105 + 7
= 812
Estadstica General
95
5. En una caja hay 20 libros grandes y 5 libros chicos. De cuntas maneras pueden colocarse en
un estante los libros en grupos de 5, de los cules 3 sean grandes y 2 chicos?
Solucin:
20 libros grandes
5 libros chicos
Grupos de 5, de los cuales
sean 3 grandes y 2 chicos
20 (19 )(18 ) 5 ( 4 )
x
3!
2!
20 (19 )(18 ) 5 ( 4 )
=
x
3( 2)
2
C320 C25 =
= 20 (19 )( 3) x5 ( 2 )
= 11400
Unidad III
96
10
PROESAD
Sesin
ALGUNOS CONCEPTOS
BSICOS DE PROBABILIDAD
10.1. ALGUNOS CONCEPTOS BSICOS DE PROBABILIDAD
En la vida diaria siempre empleamos los trminos bsicos de
probabilidad, an sin conocer las leyes que la rigen o menos
an de la axiomtica respectiva; as, es frecuente escuchar:
Es muy probable que en los prximos diez aos se descubra
algn remedio contra el cncer o Es muy probable que el
equipo de ftbol de la universidad vaya a ganar el campeonato
final.
As, desde hace mucho tiempo, el hombre emple intuitivamente la probabilidad asociada a algunos hechos para presagiar otros, aplicando, sin saberlo, la probabilidad condicionada de sucesos.
El desarrollo del clculo de probabilidades ocurre con Pascal y Fermat motivados sobre todo en
problemas de juego de azar; recientemente, en 1933, A. Kolmogorov logra el desarrollo axiomtico de la probabilidad.
Empezaremos nuestros conocimientos sobre el tema a partir de los siguientes conceptos:
10.1.1. Experimento
Es un proceso mediante el cual se obtiene un resultado de una observacin. ste puede ser determinstico o no determinstico.
1. Experimento determinstico: Es aquel cuyo resultado de la observacin es determinado en
forma precisa por las condiciones bajo las cuales se realiza dicho experimento.
Ejemplo:
a) Suma de dos nmeros naturales pares.
b) Observar el color de una ficha extrada de una urna que contiene slo fichas negras.
2. Experimento no determinstico o aleatorio: Cuando los resultados de la observacin no se
puede predecir con exactitud antes de realizar el experimento.
Estadstica General
97
Ejemplo:
a)
b)
c)
d)
Lanzar un dado y observar el nmero que aparece en la cara superior.

Lanzar una moneda 8 veces y observar la sucesin de caras obtenidas.
Contar el nmero de piezas defectuosas producidas por una mquina en un da determinado.
Elegir un presidente en un aula de 50 alumnos.
10.1.2. Espacio muestral

Es un conjunto no vaco, al que denotaremos por , el cual contiene como elementos todos los
resultados posibles del ensayo, dichos elementos son llamados puntos muestrales y los denotaremos por w.
Ejemplos
1. Sea : lanzar un dado y observar el resultado.
Entonces = {1,2,3,4,5,6}
2. Sea : lanzar 3 monedas sucesivamente y observar el resultado.
luego = {(ccc)(ccs)(csc)(scc)(css)(scs)(ssc)(sss)}
3. Sea : contar el nmero de camiones que pasan por un peaje.
luego = {0,1,2,3, ...}
10.1.3. Suceso o evento

Es un conjunto de posibles resultados de un experimento, en trminos de conjuntos, es un subconjunto del espacio muestral.
al
= se llama evento seguro, y

= evento imposible.
Ejemplo 1:
Sea = lanzar un dado y observar el nmero que aparece en la cara superior. = {1,2,3,4,5,6}
definir los siguientes eventos:
A = obsrvese un nmero impar
B = obsrvese un nmero menor que 4
C = obsrvese un mltiplo de 2
D = obsrvese un mltiplo de 3
E = obsrvese el nmero 1
Solucin:
A = {1,3,5}
B = {1,2,3}
C = {2,4,6}
D = {3,6}
E = {1}
a) Suceso elemental o simple

Es aquel que contiene un punto del espacio muestral.
Unidad III
98
PROESAD
b) Suceso compuesto
Es aquel formado por la unin de dos o ms eventos simples.
Ejemplo 2:
Tres muchachas compiten en un concurso de belleza (Ana, Claudia y Rosa), los premios son otorgados al primer y segundo lugar.
a) Liste los elementos del espacio muestral al elegir las dos ganadoras.
b) Define los siguientes eventos:
A = Ana gana el concurso de belleza.
B = Ana gana el segundo lugar.
C = Claudia y Rosa ganan los premios.
Solucin:
a) = {(Ana, Claudia)(Ana, Rosa)(Claudia, Ana)(Rosa, Ana) (Claudia, Rosa)(Rosa, Claudia)}
b) Los eventos son:

A = {(Ana, Claudia), (Ana, Rosa)}

B = {(Claudia, Ana), (Rosa, Ana)}

C = {(Claudia, Rosa), (Rosa, Claudia)}
Ejemplo 3:
Un experimento consiste en lanzar dos dados y observar el nmero que aparece en las caras
superiores.
a) Liste los elementos del espacio muestral.
b) Liste los elementos del evento.
A: La suma de los nmeros es 5
B: La suma de los nmeros es 12
C: El producto de los nmeros es 24
D: La suma de los nmeros es divisible por 7
Solucin:
a)
b)

(1,1), (1, 2), (1,3), (1, 4), (1,5), (1, 6)

(2,1), (2, 2), (2,3), (2, 4), (2,5), (2, 6)
(3,1), (3, 2), (3,3), (3, 4), (3,5), (3, 6)

=
(4,1), (4, 2), (4,3), (4, 4), (4,5), (4, 6)

(5,1), (5, 2), (5,3), (5, 4), (5,5), (5, 6)
(6,1), (6, 2), (6,3), (6, 4), (6,5), (6, 6)

A = {(1,4), (2,3), (3,2), (4,1)}
B = {(6,6)}
C = {(4,6), (6,4)}
D = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}
Estadstica General
99
10.1.4. Operaciones con eventos

UNIN:
A B = {w /w A w B}
La parte sombreada en las siguientes figuras representa a la unin de los eventos A y B.
AB
AB
AB
Ejemplo:
Una familia planifica tener 3 hijos y se desea observar la unin de los siguientes eventos.
A: Que los tres hijos sean del mismo sexo,
B: Que al menos uno sea hombre.
Solucin:
= {(HHH)(HHM(HMH)(MHH)(HMM)(MHM)
(MMH)(MMM)}
A = {(HHH),(MMM)}
B = {(MMH), (MHM), (HMM), (MHH), (HMH),
(HHM), (HHH)}
AB = {(MMM)(MMH)(MHM)(HMM)(MHH)(HMH)
(HHM) (HHH)}
Donde:

H: Hombre

M: Mujer
INTERSECCIN:
A B = {w / w A y w B}
La parte sombreada de las siguientes figuras representan a la interseccin de los eventos A y B.
AB
A
AB = A
Unidad III
100
AB =
PROESAD
Ejemplo

En el ejemplo anterior hallar A B.
Solucin:
A B = {(HHH)}
10.1.5. Eventos mutuamente excluyentes

2 eventos son mutuamente excluyentes o disjuntos s y slo s A B =
Ejemplo:
Sea un experimento seleccionar un alumno al azar y observar su edad.
y sea:
A = Alumno seleccionado al azar mayores de 24 aos.
B = Alumno seleccionado al azar menor de 21 aos.
Son estos eventos mutuamente excluyentes?
Solucin:

21
24
EDAD. S, porque A B =
Complemento de un evento

Ac = A = A' = {w / w A}
Ejemplo:
Sea el experimento seleccionar un alumno de la Facultad de Industrias Alimentaras.
Sea:
A: el alumno seleccionado juega ftbol. Cul sera el complemento de este evento?
Solucin:

A = el alumno seleccionado no juega ftbol.
Inclusin de eventos
Se dice que A est contenido en B s y slo s siempre que ocurre A ocurre B.
As: A B (w) {s w A w B}
Ejemplo:
Sea el experimento seleccionar un alumno de la UPeU y observar su estatura y sea:
A: El alumno seleccionado al azar tiene una altura mayor de 1,60m.
B: El alumno seleccionado al azar tiene una estatura mayor de 1,70m.
Estadstica General
101
Identificar qu conjunto est incluido en el otro.

Solucin:
A
1,60
BA
1,70
Trabajo: Revisar las propiedades de las operaciones con eventos.

lgebra de eventos
Sea A una coleccin de subconjuntos de , diremos que A es un lgebra si verifica:
i) Si A A entonces A A
ii) Si A, B A entonces A B A
iii) A
a los conjuntos de la coleccin A les llamaremos eventos o sucesos.
Ejemplo 1:
Dado el experimento aleatorio, que consiste en lanzar un dado que tiene 3 caras rojas (CR) y 3
caras blancas (CB). Determinar el lgebra de eventos asociado a este experimento.
Solucin:

= {C R, C B}

A = {{CR}, {CB}, {CR, CB}, }
Ejemplo 2:
Dado el experimento aleatorio, que consiste en lanzar una moneda 2 veces y observa la secuencia de caras y sellos. Determinar el lgebra de eventos asociado a este experimento.
Solucin:

= {(cc)(cs)(sc)(ss)}
A = {{cc}, {cs}, {sc}, {ss}, {cc,cs}, {cc,sc}, {cc,ss}, {cs,sc}, {cs,ss},{sc,ss}, {cc,cs,sc}, {cc,cs,ss},
{cc,sc,ss}, {cs,sc,ss}, {cc,cs,cs,ss}, }
Consecuencias:
1. es un evento, puesto que A
Llamaremos a EVENTO SEGURO
2. Si A y B son eventos, entonces, A B = AB es tambin un suceso.
10.2. PROBABILIDAD DE UN EVENTO

Sea un espacio muestral asociado a un cierto experimento y sea A un lgebra de subconjuntos de , entonces, una medida de probabilidad p es una funcin que asigna a cada evento A
A, un nmero p(A), llamado probabilidad del evento A.
As: P: A [0,1]

A P(A)
Unidad III
102
PROESAD
Tal que satisface los siguientes axiomas:

1)
2)
3)
4)
0 P(A) 1
AA
P() = 1
; si Ai P (Ai), Si A1, A2 ..., An son eventos disjuntos 2 a 2.
Si A y B son eventos mutuamente excluyentes en entonces se tiene: P(A B) = P(A) +
P(B)
Propiedades
1) Si es evento imposible, entonces, P() = 0
2) Si A es evento complementario de A, entonces, se cumple:
P(A) = 1 P(A) P(A) = 1 P(A)
3) Si A B son 2 eventos, entonces, P(A) P(B)
4) Si A y B son 2 eventos, entonces, P(A B) = P(A) + P(B) P(A B)
5) Si A, B y C son eventos, entonces, P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C)
P(B C) + P(A B C)
La probabilidad de un evento A se calcula por:

P ( A) =
N de elementos del evento A

N de elementos del
Ejemplo 1:
Considere el siguiente diagrama que ilustra a un espacio muestral y los puntos muestrales que
estn en A, en B o en ambos (considere que todos los puntos muestrales son igualmente probables).
Calcule: P(A), P(B), P(A B), P(B), P(A B)

Solucin:
4
6
2
P=
P ( A =
B)
( B)
10
10
10
4
2
P (=
B')
P ( A B=
)'
10
10
P=
( A)
Ejemplo 2:
Considere que en un experimento de observar 2 productos terminados, la probabilidad que
ninguno sea defectuoso (D) al 3er da es de 0,25. Cul es la probabilidad que uno o ms, sean
defectuosos (D)?
Solucin:
P(ND) = 0.25
P(1 ms D) = 1 0.25 = 0.75
Estadstica General
103
Ejemplo 3:
En el siguiente diagrama se ilustra un espacio y los puntos muestrales de 3 sucesos A, B y C
(considere que todos los puntos muestrales son igualmente probables).
Calcular:
P(A), P(B), P(C)
P(A B), P(A C)
P(A B C),
P(AB), P(AC), P(ABC)
P(AC)
B
C
Solucin:
P(A) =
7
8
9
, P(B) = , P(C) =
,
20
20
20
13
20
15
P(A C) = P(A) + P(C) P(AC) =
20
16
P(A B C) =
20
1
4
1
P(AB) = , P(AC) = , P(ABC) = ,
20
20
20
19
1
P(AC) = 1 =
20 20
P(A B) = P(A) + P(B) P(AB) =
Ejemplo 4:
En el hipdromo de Monterrico, 4 caballos A, B, C y D compiten en una carrera; A tiene 2 veces
ms probabilidad de ganar que B; B tiene 2 veces ms de probabilidad de ganar que C y C tiene
2 veces ms de probabilidad de ganar que D.
a) Cules son las probabilidades de ganar de cada uno de los caballos?
b) Cul es la probabilidad de que B C gane?
Solucin:
a) P(A) = 2P(B); P(B) = 2P(C); P(C) = 2P(D)
P(D) = P; P(C) = 2P; P(B) = 4P; P(A) = 8P
Unidad III
104
PROESAD
Adems, P(A B C D) = P() = 1. A B =

P(A) + P(B) + P(C) + P(D) = 1
8P + 4P + 2P + P = 1
15P = 1
1
15
2
1
4
8
P(A)
; P(B) =
; P(C) = ; P(A) =
15
15
15
15
P=
b) P(B C) = P(B) + P(C) =
4 2
6
+ =
15 15 15
Ejemplo 5:
En un almacn hay 12 artculos de los cuales 4 son defectuosos (D), si se extraen 2 artculos,
calcule la probabilidad que:
a) ambos artculos sean defectuosos
b) ambos artculos no sean defectuosos
c) por lo menos uno es defectuoso
Solucin:

12
=
C=
66 si, 12 Artculos, 4 D, 8 ND
2
a) Sea el evento A: los 2 artculos seleccionados son defectuosos.

P(A) =
C24
6
1
= = = 0, 0909
12
C2
66 11
b) Sea el evento B: los 2 artculos seleccionados no son defectuosos.

P(B) =
C28 28 14
= = = 0, 4242
C212 66 33
c) Sea el evento C: por lo menos uno de los 2 artculos seleccionados es defectuoso:

P(C) = 1 P(B) = 1
28 38 19
=
=
= 0,5758
66 66 33
Ejemplo 6:
Considere el problema de seleccionar 2 candidatos para cierto empleo de un grupo de 5 personas, supngase que los candidatos estn clasificados de acuerdo a su competencia; como primero en competencia (1), segundo (2), tercero (3), cuarto (4) y quinto (5). Estas categoras son
desconocidas por el empleador.
a) Cul es la probabilidad que el empleador seleccione al mejor y uno de los dos peores?
b) Cul es la probabilidad que el empleador seleccione uno de los dos mejores candidatos?
Estadstica General
105
Solucin:
= {(1,2), (1,3), (1,4), (1,5), (2,3), (2,4), (2,5), (3,4), (3,5), (4,5)}
a) A = {(1,4)(1,5)}
P(A) =
2 1
=
10 5
b) B = {(1,2)(1,3)(1,4)(1,5)(2,3)(2,4)(2,5)}

7
P(B) =
10
Ejemplo 7:
La probabilidad de que un estudiante apruebe matemtica es 2/3 y la probabilidad de que
apruebe estadstica es 4/9. Si la probabilidad de aprobar al menos una de estas materias es 4/5
Cul es la probabilidad que apruebe ambos cursos?
Solucin:
2
3
4
9
P(M) =
P(M E) = P(M) + P(E) P(M E)

P(M E) = P(M) + P(E) P(M E)
=
P(E) =
P(ME) =
4
5
2 4 4 14
+ =
= 0,3111
3 9 5 45
1. Hallar P en:P = ( 2!+ 0!) + 1 !
a)20
b) 24
2. Hallar H en:H =
a) 32
a ) n + 1
xn
d) 22
e) 18
d) 1
e) N.A.
34!31!
34 x33!30!
b) 30
3. Simplificar:Q =
c) 21
c) 31
( x n 1)! ( n + 1)!
( x + n )! n !
b) x + n
nn
c)
n +1
x+n
d)
1
2
e)
1 xn
x
4. Hallar:
x + n si:V3n 2 210
=
=
adems : C8x 45
a) 19
b) 10
c)9
d) 1
Unidad III
106
e) N.A.
PROESAD
C228R
225
=
24
C2 R 4 11
5. Hallar:V2R ,
a) 14
s:
b) 24
c) 42
d) 56
e) N.A.
c) 14
d) 15
e) 13
6. Hallar x si:
a) 10
b) 12
7. Cuntos objetos diferentes tienen que haber para que el nmero de combinaciones que se
pueden formar tomndolos de 3 en 3 sean del doble del nmero de objetos?
a) 6
b) 3
c) 2
d) 10
e) 5
8. Cuntos nmeros diferentes de 4 cifras pueden escribirse con las cifras 1, 2, 3, 4, sin que se
repita ninguna cifra?
a) 36
b) 6
c) 8
d) 12
e) 24
9. 9) De cuntas maneras pueden formar 5 soldados en una fila?

a) 24
b) 120
c) 20
d) 100
e) Infinitas
10. En el sistema de base 8. Cuntos nmeros diferentes pueden escribirse de 5 cifras, sin que
ninguna se repita y sin que ninguno de ellos contenga la cifra 0?
a) 2250
b) 8!
c) 2520
d) 21
e) F.D.
11. Cuntos nmeros distintos de cinco cifras cada uno, sin que ninguna se repita, se pueden
formar con las cifras 1, 2, 3, 4, 5, 6, 7, de tal manera que todos empiecen con 2 y acaben en 1.
a) 360
b) 6!
c) 60
d) 12
e) Absurdo
12. En la prueba de automovilismo, Caminos del Inka, se han inscrito 18 participantes, los cuales han de disputar, un primer, segundo y tercer premio; si se trata de que Ud. acierte con la
clasificacin final, De entre cuntas posibilidades tendra que escoger una?
a) 6840
b) 4956
c) 4256
d) 4896
e) 18!x3!
13. De cuntas manera diferentes pueden elegirse un comit de 4 personas en un club de 10

miembros, sabiendo que los cargos que han de desempear son de diferentes significacin
y trascendencia.
a) 504
b) 5040
c) 420
d) 4200
e) N.A.
14. Juan ve desde la ventana de una casa que las personas all reunidas se han dado en total 105
apretones de manos. Diga Ud. Cuntas personas ha visto Juan?
a) 15
b) 12
c) 7
d) 14
e) F.D.
Estadstica General
107
15. Con 7 hombres y 4 mujeres se desea formar grupos mixtos de 6 personas de Cuntas maneras pueden formarse tales grupos de modo que en cada uno de ellos exista siempre 2
mujeres.
a) 200
b) 210
c) 312
d) 220
e) 212
16. Tenemos las cifras: 1, 2, 3, 4, 5, 6, 7, 8, 9. Cuntos nmeros de 5 cifras diferentes podramos

tener si las 2 primeras cifras de estos nmeros pueden ser slo ocupados por las 4 primeras
cifras enunciadas, las que a su vez no pueden ocupar los otros tres lugares restantes.
a) 700
b) 40
c) 720
d) Absurdo
e) N.A.
17. Sea el experimento: lanzar una moneda y un dado.

a) Construya el espacio muestral
b) Liste los elementos de los siguientes eventos.
A: Sale sello en la moneda y un nmero par en el dado.
B: Sale cara en la moneda y un nmero impar en el dado.
C: El nmero en el dado es mltiplo de 3.
c) Liste los elementos de los eventos.
i) B
ii) A U B
iii) A B
iv) (A U B)
d) Cul de los eventos A, B y C son mutuamente excluyentes?

18. Determinar si los siguientes experimentos son determinsticos o no, en caso que no lo sean,
describir el espacio muestral asociado a ese experimento.
a) Se arroja 3 veces una moneda.
b) Se arrojan 3 monedas.
c) Se retira una tarjeta de una caja que contiene 10 tarjetas idnticas.
d) Un jugador de ftbol tira un penal.
e) La UPeU elige un rector entre un solo candidato.
f) El Per elige a su presidente.
19. Un nmero es seleccionado al azar entre los nmeros 1 al 20. Sean los eventos:
A: El nmero elegido es par.
B: El nmero elegido es primo.
C: El nmero elegido es mltiplo de 5.
Liste los elementos de los siguientes eventos: A B, A U B,
A C, (A U B) C
20. Si P(A) = 1/2 ; P(B) = 1/4 y si A y B son eventos mutuamente excluyentes, calcular
a) P(A)
b) P(A B)
c) P(A U B)
d) P(A B)
Unidad III
108
PROESAD
21. En la tabla siguiente aparecen 1000 estudiantes universitarios clasificados de acuerdo con
los puntajes que obtuvieron en un examen de admisin a la universidad. Tambin muestra
la calidad de los colegios en donde se graduaron segn la clasificacin que hizo un grupo de
educadores.
Clase de colegio

Puntaje
Bajo(B)
Medio(M)
Alto(A)
Total
inferior(P)
100
75
25
200
Regular(R)
50
175
75
300
Superior(S)
50
150
300
500
Total
200
400
400
1000
Calcular la probabilidad de que un estudiante escogido al azar:

a) Haya obtenido un puntaje bajo en el examen,
b) Se haya graduado en un colegio de nivel superior,
c) Haya obtenido un puntaje bajo en el examen y se haya graduado en un colegio de nivel
superior,
d) Haya obtenido un puntaje bajo en el examen dado que se haya graduado en un colegio
de nivel superior,
e) Haya obtenido un puntaje alto en el examen o se haya graduado en un colegio de nivel
regular.
El puntaje del examen es independiente de la calidad del colegio? Comprobar su respuesta.
Estadstica General
109
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
)
)
?
?
La combinacin es el cociente entre la variacin del total y el subgrupo y la permutacin del subgrupo.
En un problema se usa la variacin cuando entran algunos elementos pero se considera el orden.
El espacio muestral es el conjunto de todos los posibles resultados del ensayo.
Los experimentos aleatorios pueden predecir con precisin sus resultados antes de
efectuar la observacin.
Se dice que dos eventos son mutuamente excluyentes cuando su interseccin es

diferente del vaco.
PROCEDIMENTAL:
Encierre en un crculo la respuesta que considere la correcta.
2. Hallar x si:
a) 10
b) 7
c) 5
d) 9
e) 11
3. En una gran ciudad, el 70% de los hogares compra un peridico matutino y el 90% uno vespertino. Suponiendo que estos dos eventos son independientes. Qu probabilidad hay que
un hogar escogido al azar sea uno de los que compra ambos peridicos?
a) 0.74
b) 0.66
c) 0.33
d) 0.63
4. Suponga que hay un grupo de 500 profesionales recin graduados, de los cuales 175 se especializaron en economa, 150 en contabilidad, 100 en administracin y 75 en psicologa. Se
elige una persona al azar de este grupo. Cul es la probabilidad de que la persona elegida
al azar se haya especializado en administracin o en contabilidad?
a) 0.50
b) 0.20
c) 0.30
d) 0.70
ACTITUDINAL:
5. ParaQu aplicaciones prcticas le encuentra a la teora de probabilidad? Mencionar algunos.
________________________________________________________________________
________________________________________________________________________
Autoevaluacin
110
11
PROESAD
Sesin
PROBABILIDAD
CONDICIONAL
11.1. PROBABILIDAD CONDICIONAL
Frecuentemente los sucesos se encuentran relacionados entre s, de modo que la ocurrencia de
un suceso modifica la probabilidad de otro.
Definicin:
Sea B un suceso de probabilidad no nula y A otro suceso de probabilidad P(A). La probabilidad
puede dejar de ser la misma si se sabe que se ha presentado el suceso B. Esta nueva probabilidad P(A/B) se llama probabilidad de A condicionada al suceso B o simplemente PROBABILIDAD
DE A DADO B. Est dada por:
P ( A / B) =
P( AB)
P( B)
Puede suceder dos casos:

a) P(A/B) P(A) Entonces, la presencia de B altera la probabilidad que tena A, y se dice que
A y B son eventos dependientes.
b) P(A/B) = P(A) Entonces, el hecho que haya ocurrido B no influye en la probabilidad de que
tena A, y se dice que A y B son independientes.
Definicin:
Diremos que los sucesos A y B son independientes si P(AB) = P(A). P(B), en caso contrario diremos que son dependientes, y entonces se verifica P(AB) = P(B). P(A/B)
Consecuencias:
1. Si A y B son independientes, tambin lo son A y B, A y B.
2. Las probabilidades condicionales P(A/B) y P(A/B) son complementarios: P(A/B) + P(A/B) = 1
NOTA: En caso de datos de enumeracin con gran nmero de observaciones respecto a los sucesos A y B tendramos:
A
TOTAL
NAB
NA`B
NB
NAB
NAB
NB
TOTAL
NA
NA
N
Estadstica General
111
Y las probabilidades se expresaran:
NA
NB
=
, P ( B)
N
N

N
P ( AB') = AB ` , etc.
N
=
P ( A)
Ejemplo 1:
Supngase que de un grupo de estudiantes matrculados en la UPeU, son clasificados de acuerdo
a su carrera y sexo como sigue:
CARRERA
Contabilidad
Indust. Alimen.
Enfermera
Teologa
TOTAL
SEXO
HOMBRE
15
10
8
10
38
MUJER
5
10
12
10
37
TOTAL
20
20
20
20
75
Sea el experimento
: escoger al azar un estudiante
Los eventos
A: El estudiante escogido es mujer.
B: El estudiante escogido est matrculado en Industrias
Alimentaras.
C: El estudiante escogido es hombre.
D: El estudiante escogido est matrculado en Teologa.
Hallar:
P(A), P(B), P(C), P(D), P(A/B), P(C/D), P(B/A), P(D/C)
Solucin:
P(A) =
37
15
20
38
, P(B) =
, P(C) =
, P(D) =
75
75
75
75
P(A/B) =
5
10 / 75 10
5 / 75
=
P(C/D) =
=
20 / 75 20
15 / 75 15
P(B/A) =
10 / 75 10
5
=
P(D/C) =
38
37 / 75 37
Ejemplo 2:
Cierta familia tiene 3 hijos y se sabe que al menos 2 de ellos son nias. Suponiendo que los
nacimientos de nios y nias son igualmente probables, y suponiendo adems que el sexo del
hijo mayor no afecta en ningn modo al sexo del hijo menor, calcule la probabilidad de que la
familia tenga 3 nias.
Unidad III
112
PROESAD
Solucin:
= (MMM)(MMV)(MVM)(VMM)(MVV)(VMV)(VVM)(VVV)
A: Al menos 2 nias:
A = (MMM)(MMV)(MVM)(VMM)
B = MMM
B: Tres nias
P(B/A) =
P ( A B ) 1/ 8 1
= =
P ( A)
4/8 4
Donde:

M: Mujer

V: Varon
Ejemplo 3:
La informacin siguiente presenta la clasificacin de 356 estudiantes de la Facultad de Ciencias
Contables y Administrativas de la UPeU.
PROCEDENCIA
Limeo (L)
Provinciano (P)
Extranjero (E)
TOTAL
CARRERA
Administracin (A)
Contabilidad (C)
70
140
60
80
1
5
131
225
TOTAL
210
140
6
356
Sea el experimento : Elegir al azar un estudiante del grupo

a) Cul es la probabilidad de que el estudiante no pertenezca a la carrera de Administracin y
no sea extranjero?
b) Cul es la probabilidad de que el estudiante no pertenezca a la carrera de Contabilidad dado
que es limeo?
c) Cul es la probabilidad de que el estudiante sea de la carrera de Administracin o de Contabilidad?
Solucin:
220
= 0, 6180
356
P ( C' L ) 70 / 356
70
b) P ( C' /=
L)
=
= = 0,3333
P ( L)
210 / 356 210
a ) P ( A' E') =
c) P ( A C ) = P ( A ) + P ( C ) =
131 225 356

+
=
= 1
356 356 356
Estadstica General
113
Ejemplo 4:
Uno de los clubes universitarios femeninos est compuesto por las siguientes asociadas 15 rubias
de ojos azules, 8 rubias ojos castaos, 9 morenas ojos azules, 12 morenas de ojos castaos, 4
pelirrojas de ojos azules y 2 pelirrojas de ojos castaos. Supongamos que Ud. ha conseguido una
cita con una de las chicas, sin conocerla, y est lloviendo cuando se encuentra Ud. con ella. Su
cabello est completamente cubierto, pero sin embargo sus chispeantes ojos azules le dan la
bienvenida. Cul es la probabilidad de que sea rubia?
Solucin:
La informacin contenida en el enunciado de este problema, lo resumimos como sigue:
Color de ojos
Azules (A)
Castaos
Total
P(R/A) =
Rubias (R)
15
8
23
Morenas
9
12
21
Pelirrojas
4
2
6
Total
28
22
50
P ( R A ) 15 / 50 15
=
= = 0,536
P ( A)
28 / 50 28
11.2. REGLA DE LA MULTIPLICACIN DE EVENTOS

Si A, B, C son independientes o disjuntos; entonces:
P(ABC) = P(A). P(B). P(C)
Si A, B, C no son independientes; entonces:
P(ABC) = P(A). P(B/A). P(C/AB)
Ejemplo 1:
Considere el caso en que el personal responsable de una empresa dedicada a enlatados de ctricos confundi 3 saborizantes de naranja entre saborizantes de mandarina, de igual forma y color,
de los 10 saborizantes, son entregados a los obreros 3 para ser administrados a los enlatados.
a) Calcular la probabilidad de que los 3 saborizantes correspondan a los de naranja.
b) Calcular la probabilidad de que ninguno sea de naranja.
c) Calcular la probabilidad de que al menos uno sea de naranja.
Solucin:
a) P(NNN) = P(N) P(N/N) P(N/NN)
=
3 2 1
1
6
. . =
=
= 0,0083
10 9 8 720 120
b) P(MMM) = P(M) P(M/M) P(M/MM)

=
7 6 5 210 17
.=
.
=
= 0,2917
10 9 8 720 24
Unidad III
114
PROESAD
c) P(Al menos 1 naranja) = 1 P(MMM)

1
7
257 17
=
= = 0,7083
24
362 24
Ejemplo 2:
Considere que el 10% de los alumnos son estudiantes sobresalientes. Dos alumnos son observados, considere N estudiante normal y S estudiante sobresaliente. Construya el espacio
muestral correspondiente y asigne la probabilidad a cada punto muestral.
Solucin:
P(S) = 0,10 P(N) = 0,90
N
N
s
S
N
= (NN)(NS)(SN)(SS)
P(NN) = P(N)P(N) = 0,90(0,90)
P(NN) = P(N)P(S) = 0,90 (0,10)
P(SN) = P(S)P(N) = 0,10(0,90)
P(SS) = P(S)P(S) = 0,10(0,10)
= 0,81
= 0,09
= 0,09
= 0,01
1,00
Nota: La suma de todas las probabilidades de los puntos muestrales es la unidad.
11.3. TEORA DE LA PROBABILIDAD TOTAL

Supongamos que se descompone en una particin de K sucesos excluyentes:

= H1 + H2 + ... + Hk con Hi Hj =
y sea A un suceso asociado a dicho espacio muestral
(A). La probabilidad de A se calcula por:
P(A) = P(A/H1)P(H1) + P(A/H2)P(H2) +...+ P(A/Hk)P(Hk)
A
.. .
H1
H2
.. .
Hk
Ejemplo 1:
En un grupo de hombres adultos, el 10% presenta educacin primaria (p), el 70% tiene educacin secundaria (s) y el 20% educacin universitaria (u). El 5% de los que presenta educacin
primaria pertenecen al grupo de los ingresos altos (A). Por su lado, el 15% de los que tienen
educacin secundaria y el 75% de los que tienen educacin universitaria pertenecen al grupo
Estadstica General
115
de ingresos altos. Cul es la probabilidad de que un individuo seleccionado al azar en esta

poblacin sea de ingresos altos?
Solucin:

P(p) = 0,10

P(s) = 0,70

P(u) = 0,20

1,00

P(A/p) = 0,05
P(A/s) = 0,15
P(A/u) = 0,75
P(A) = P(A/p)P(p) + P(A/s)P(s) + P(A/u)P(u)

= 0,05 (0,10) + 0,15 (0,70) + 0,75 (0,20)
= 0,26
Ejemplo 2:
Una compaa de seguros opina que la poblacin limea puede ser dividida en dos clases: aquellas personas propensos a accidentes (pA) y aquellas que no son propensos (pA). Sus estadsticas muestran que una persona propensa a accidente tendr un accidente alguna vez dentro de
un perodo de un ao con probabilidad 0,4, mientras sus probabilidades decrecen a 0,2 para una
persona que no es propenso a accidentes. Si suponemos que el 30% de la poblacin limea es
propenso a accidentes, se pide:
Calcular la probabilidad de que una persona que compra una nueva pliza de seguros tiene un
accidente (A) dentro de un ao de vigencia de su pliza.
Solucin:

P(pA) = 0,30
P(A/pA) = 0,40

P(pA) = 0,70
P(A/pA) = 0,20

1,00

P(A) = P(A/pA) P(pA) + P(A/pA) P(pA)

= 0,40 (0,30) + 0,20 (0,70)

= 0,26
11.4. TEOREMA DE BAYES

En las condiciones anteriores, de que el espacio muestral se encuentre descompuesto en K
subpoblaciones o sucesos excluyentes:

= H1 + H2 + . . . + Hk (con Hi Hj =
Entonces, si se ha presentado el suceso A, la probabilidad de que proceda de la subpoblacin Hi
es:

P ( H i / A) =
=
P ( A / Hi ) P ( Hi )
P ( A)
P ( A / Hi ) P ( Hi )
k
P( A/ H ) P(H )
j =1
Unidad III
116
PROESAD
Ejemplo 1:
Tomando los datos del ejemplo 1 del teorema de la probabilidad total. Si se selecciona un individuo al azar entre esta poblacin y se encuentra que est en el grupo de ingresos altos (A),
encontrar la probabilidad de que este individuo slo tenga educacin primaria (p), presente
educacin secundaria (s) y de que presente educacin universitaria (u).
Solucin:
=
P ( p / A)
P ( A / p ) P ( p ) 0, 05 ( 0,10 )
= = 0, 0192
P ( A)
0, 26
=
P ( s / A)
P ( A / s ) P ( s ) 0,15 ( 0, 70 )
= = 0, 4038
P ( A)
0, 26
=
P ( u / A)
P ( A / u ) P ( u ) 0, 75 ( 0, 20 ) 0,5769
= =
P ( A)
0, 26
1, 0000
Ejemplo 3:
En la Facultad de Ciencias Contables y Administrativas de la Universidad Peruana Unin, en que
slo hay estudiantes de Contabilidad (Cont), Administracin (A), Computacin (Comp) y Secretariado (Sec), terminan la carrera (TC) 40% de Contabilidad, 20% de Administracin, 10% de
Computacin y 5% de Secretariado. Se sabe que el 50% estudian Contabilidad, el 15% Administracin, el 25% computacin y el 10% Secretariado. Eligiendo un estudiante al azar, se pide:
a) Probabilidad de que sea de Secretariado (Sec) y haya terminado su carrera (TC).
b) Si nos dice que ha terminado su carrera (TC). Cul es la probabilidad de que sea de Computacin (Comp)?
Solucin:
P(Cont) = 0,50

P(TC/Cont) = 0,40
P(Comp) = 0,25
P(TC/Comp) = 0,10
P(A) = 0,15
P(TC/A) = 0,20
P(Sec) = 0,10
P(TC/Sec) = 0,05
a) P(SecTC) = P(Sec) P(TC/Sec) = (0,10)(0,05) = 0,005

b) P(Comp/TC)
=
=
P ( Comp ) P (TC / Comp )
P ( Cont ) P (TC / Cont ) + P ( A ) P (TC / A ) + P ( Comp ) P (TC / Comp ) + P ( Sec ) P (TC / Sec )
0,25 ( 0,10 )
0,50 ( 0,40 ) + 0,15 ( 0,20 ) + 0,25 ( 0,10 ) + 0,10 ( 0,05 )
0,025
0,26
= 0,0962
=
Estadstica General
117
1. Un saln de clase est compuesto por 50 alumnos, de los cuales 20 son varones y 30 mujeres. De 35 alumnos que estn en favor de un candidato para consejo de facultad, 15 son
varones. Se selecciona al azar un alumno del saln. Cul es la probabilidad de que este
alumno sea una mujer que se opone al candidato?
2. Tres mquinas A,B y C producen respectivamente 40%, 50% y 10% del total de las piezas de
una fbrica. Los porcentajes de piezas defectuosas en las respectivas mquinas son 3%, 5%
y 2%. Una pieza es seleccionada al azar y se verifica que es defectuosa. Cul es la probabilidad de que la pieza haya sido producida por la mquina B?
3. La tabla siguiente muestra el resultado de 500 entrevistas hechas durante una encuesta cuyo
objetivo era analizar las opiniones de los residentes de cierta ciudad acerca de los ovnis. Los
datos tambin se clasificaron segn el sector de la ciudad donde se aplic el cuestionario.
Resultado de la entrevista

Sector de
la ciudad
A
B
D
E
Total
Contest (C)
100
115
50
35
300
No estaba en
casa (N)
20
5
60
50
135
Rehus contestar
(R)
5
5
15
40
65
Total
125
125
125
125
500
a) Se selecciona un cuestionario azar entre los 500. Cul es la probabilidad (1) de que sea
contestado el cuestionario? (2) de que la persona a quien iba dirigida la encuesta no est en
su casa? de que rehse contestar (3) de que viva en el sector A? B? D? E? (4) de que conteste el cuestionario, dado que viva en el sector B (5) de que la persona encuestada rehse
contestar el cuestionario o viva en el sector D
b) Calcular las siguientes probabilidades:
1) P(A R)
4) P(N / D)
2) P(B U C)
3)P(D)
5) P(B / R)
6) P(C)
4. En el departamento de historias clnicas, tres empleados tcnicos en computacin tienen la

tarea de procesar los registros de los pacientes. El primer empleado, C1, procesa el 45% de
los registros, el segundo, C2, el 30% y el tercero, C3, el 25%. El primer empleado tiene una
tasa de error en su trabajo de 0,03, el segundo de 0,05 y el tercero de 0,02. Se selecciona
un registro al azar entre los que se procesaron durante la semana y se encuentra que tiene
un error. El bibliotecario de registros mdicos desea saber la probabilidad de que el registro
haya sido procesado por cada uno de los tres empleados.
5. 5) De las personas examinadas en el departamento de salud de Lima Metropolitana, el 45%
proviene del sector A, el 30% del sector B y el 25% del sector C. El 30% de los pacientes
Unidad III
118
PROESAD
del sector A, el 20% del sector B y el 10% del sector C estn en la nmina del seguro social
de Lima Metropolitana. Se escoge al azar un paciente entre los archivos del departamento y
se halla que est inscrito en la nmina del seguro social. Qu probabilidad hay de que ese
paciente sea del sector A? B? C?
6. La tabla siguiente muestra los resultados de una encuesta en la que 100 universitarios de
ltimo ao sealaron sus inclinaciones polticas y manifestaciones si pertenecan o no al club
estudiantil.
Inclinacin poltica
Miembro de un club
estudiantil
S (B)
No (B)
Total
Conservador (A)
Otro(A)
Total
55
45
100
35
5
40
20
40
60
a) Calcular las siguientes probabilidades:

(1) P(A)
(4) P(B)
(7) P(A B)
(2) P(A B)
(5) P(A B)
(8) P(A B)
(3) P(B)
(6) P(A)
b) Interpretar cada una de las probabilidades calculadas en (a).
Estadstica General
119
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
)
)
)
?
?
P(A/B) se llama probabilidad de A condicionada al suceso B.

Los sucesos A y B son independientes si P(AB)=P(A). P(B).
Se dice que dos eventos son mutuamente excluyentes cuando su interseccin es
diferente del vaco.
Si A, B, C son independientes; entonces: P(ABC) P(A).P(B).P(C)
PROCEDIMENTAL:
2. Suponga que hay un grupo de 500 profesionales recin graduados, de los cuales 175 se especializaron en economa, 150 en Contabilidad, 100 en Administracin y 75 en Psicologa. Se
elige una persona al azar de este grupo. Cul es la probabilidad de que la persona elegida
al azar se haya especializado en Administracin o en Contabilidad?
a) 0.50
b) 0.20
c) 0.30
d) 0.70
3. Un club consiste de ciento ciencuenta miembros. Del total, 3/5 son hombres y 2/3 con profesionales. Adems, 1/3 de las mujeres son no profesionales.
Se elige al azar un socio del club:
a) Calcular la probabilidad de que sea hombre y profesional.
b) Calcular la probabilidad que sea hombre, dado que es profesional.
4. Una cierta fbrica contiene dos mquinas. Los registros pasados muestran que la mquina I
produjo 40% de los elementos del producto y la mquina II produjo el 60% de los elementos.
An ms, 5% de los elementos producidos por la mquina I fueron defectuosos y solamente
2% de los producidos por la mquina II fueron defectuosos. Si un elemento es extrado al
azar, Cul es la probabilidad de que sea defectuoso?
a) 0.012
b) 0.020
c) 0.032
d) 0.103
Autoevaluacin
120
ACTITUDINAL:
5. En la vida prctica. Como podran resolverse los problemas del negocio? Podras conocer si
va a tener xito o fracaso? Pon ejemplos utilizando probabilidades.
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________

Estadstica General
121
UNIDAD VI
UNIDAD VI
Sesin N 12: Probabilidad bsica
Sesin N 13: Distribucin normal
COMPETENCIAS
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Reconoce los conceptos

y caracterstica de las
distribuciones de probabilidad.
Calculan las probabilidades para las variables aleatorias que

tiene una distribucin
de probabilidad.
Utilizan e identifican
qu distribucin de
probabilidad es apropiado para el comportamiento de cierta
variable en estudio.
12
PROESAD
Sesin
PROBABILIDAD
BSICA
12.1. LAS DISTRIBUCIONES DE PROBABILIDADES BSICAS
En la tercera unidad desarrollamos algunos modelos probabilsticos a travs de espacios muestrales. Esto facilit la comprensin
del concepto de probabilidad y la obtencin de algunas propiedades fundamentales de la teora de probabilidad; sin embargo,
para estudiar situaciones prcticas ms generales, necesitamos
ampliar estos conceptos para que tengamos distribuciones (o modelos) de probabilidad que representen todos los tipos de variables definidas en la asignatura de Estadstica General. As, todo lo estudiado en tal asignatura
para hacer un tratamiento descriptivo de las variables cuantitativas tendr su correspondiente
distribucin (o modelo terico). Estas variables numricas a las cuales asociamos distribuciones
de probabilidad, sern llamadas variables aleatorias.
12.2. LAS VARIABLES ALEATORIAS

Una variable cualquiera es toda caracterstica que est sujeta a medicin o conteo. Se representan por letras maysculas como X, Y, Z, y pueden adoptar un conjunto de valores que recibe el
nombre de DOMINIO DE LA VARIABLE. Si una variable puede asumir valores que se obtiene por
conteo, toma el nombre de VARIABLE DISCRETA. Por ejemplo, si se arroja un dado, en la cara superior puede obtenerse cualquiera de los valores siguientes: 1, 2, 3, 4, 5, 6. Si una variable puede
asumir cualquier valor real dado entre ciertos lmites, recibe el nombre de VARIABLE CONTINUA.
Por ejemplo, las estaturas de los estudiantes de un aula de primer grado, el peso de un nio al
nacer, etc.
Si el domino de una variable representa los resultados obtenidos al realizar un experimento
aleatorio, sta recibe el nombre de VARIABLE ALEATORIA. As, la variable X que representa el
nmero de caras obtenidas al lanzar tres monedas es una variable aleatoria, digamos: 0, 1, 2,
3, donde 0 significa ninguna cara, es decir: SSS; 1 significa una cara, es decir: CSS, SCS, SSC y
as sucesivamente. Es conveniente distinguir entre variable aleatoria y los valores numricos que
ella pueda tomar, para esto designaremos la variable aleatoria por la letra mayscula X y un
valor que ella tome por la letra minscula x.
Estadstica General
125
12.3. LAS DISTRIBUCIONES DE PROBABILIDAD

En estadstica general se estudi la forma en que, tenindose reunidas un grupo de observaciones, de una caracterstica, stas pueden arreglarse o disponerse en clase o categoras, constituyendo en conjunto una distribucin de frecuencias. Si el nmero de observaciones pertenecientes a una variable dada, es solamente una muestra pequea de una poblacin muy grande, es
posible que la distribucin de frecuencias obtenida de la muestra no representa bien a toda la
poblacin.
El propsito de esta unidad es estudiar las distribuciones de poblaciones, es decir, distribuciones
considerando a todos los individuos (u observaciones) que forman parte de una poblacin.
Como ya vimos tambin, existen variables discretas y continuas, las que dan lugar, por consiguiente, a distribuciones discretas y distribuciones continuas.
Existen muchas distribuciones tericas de poblaciones, discretas y continuas, de las cuales dedicaremos especial atencin a las distribuciones BINOMIAL y de POISSON, dentro de las discretas,
y a la distribucin NORMAL dentro de las continuas.
12.3.1. LA DISTRIBUCIN BINOMIAL

Iniciaremos el estudio de la distribucin binomial con la idea de un ENSAYO de BERNOULLI.
Considere que el investigador est observando el resultado de un ensayo el cual slo conduce a
dos posibles resultados E (xito) o F (fracaso). Se considera xito a la aparicin de la caracterstica que se est estudiando y no en el sentido de que este resultado tenga necesariamente
que ser exitoso.
Por ejemplo, si se est evaluando alumnos respecto a si presentan o no desnutricin; podra asignarse E (xito) al hecho de presentar desnutricin y como se observa, no tiene nada de exitoso
sino simplemente ocurri E.
Es fcil asociar estos resultados a un espacio muestral.
= { E,F }
y aqui P(E) = p
P(F) = 1 - P(E) = 1 - p
y se denota: q = 1 - p
A tal ensayo se le conoce como ensayo de bernoulli.
Si se asigna la variable aleatoria X (nmero de xito), la cual toma valores X = 0 si ocurre F y x
= 1 si ocurre E
Entonces, P(X=0) = q
P(X=1) = p
Luego, si el investigador realiza n ensayos de Bernoulli bajo las mismas condiciones, se dice que
la variable aleatoria X que corresponde al nmero de xitos sigue la DISTRIBUCIN BINOMIAL.
Unidad IV
126
PROESAD
En el clculo de probabilidades y en teora estadstica, la distribucin binomial es la que mejor

caracteriza a las distribuciones de variables discretas. En este tipo de experimentos aleatorios,
cada prueba tiene dos resultados posibles, llamados XITO y FRACASO, con probabilidades
respectivas p y 1 p, las cuales se mantienen constantes a travs de varias pruebas independientes del experimento. Supongamos, por ejemplo, que la poblacin de estudiantes primarios de una escuela es muy grande y queremos determinar al final del ao el nmero X de
estudiantes aprobados en una muestra de n estudiantes de dicha escuela; conocindose que
la probabilidad de que un estudiante est aprobado es p y que esta probabilidad es constante
para los n-estudiantes de la muestra y que, igualmente, la probabilidad de elegir un estudiante
aprobado es independiente de un estudiante a otro.
La distribucin de frecuencia de esta variable X (nmero de estudiantes aprobados) siguen una
distribucin binomial.
La frmula de las probabilidades (funcin de probabilidad), para los diferentes valores de las
variables X (x = 0, 1, 2, ..., n), es la siguiente:
P( X = x ) = c xn p x (1 p ) n x =
n!
p x (1 p ) n x ...(1)
x!(n x )!
Donde:
x es el nmero de estudiantes aprobados en la muestra de n estudiantes.
Si llamamos q = 1 p, la fmula (1) tambin puede expresarse como:
P( X = x ) =
n!
x!(n x )!
p x q n x ..... (1a)
La cual toma el nombre de FRMULA BINOMIAL.

Los parmetros de esta distribucin son n y p donde n determina el nmero de ensayos y p la
probabilidad de que ocurra el suceso xito en cada ensayo.
Sealaremos, adems, que:
El valor esperado (media) de la distribucin binomial es:
E ( X ) = = np
La varianza es:
V ( X ) = 2 = npq
La desviacin estndar
DE ( X =
) =
npq
Y la funcin de distribucin de la distribucin binomial es:

x
P( X x) = P( X = i )
i =0
12.3.1.1. PROPIEDADES DE UNA DISTRIBUCIN BINOMIAL

1. El ensayo consta de n ensayos idnticos.
2. Cada ensayo puede tener uno de dos resultados; E(xito) o F(fracaso).
Estadstica General
127
3. La probabilidad de un xito es p; la probabilidad de un fracaso es q = 1-p.

4. Las pruebas son independientes.
5. Interesa conocer x, el nmero de xitos observados en n pruebas.
Ejemplo 1:
Si la probabilidad de que un estudiante primario apruebe el ao escolar es 0,6. Cul es la probabilidad de que en una muestra de 5 estudiantes seleccionados por sorteo de un aula, exactamente, aprueban 4?
Solucin:
p = 0,6 (probabilidad de que un estudiante apruebe).
q = 1-p =0,4 (probabilidad de que un estudiante no apruebe).
n = 5 (nmero de estudiantes seleccionados).
x = 4 (nmero de estudiantes aprobados).
Luego, por la frmula binomial:
5!
4
1
( 0, 6 ) ( 0, 4 )
4! x1!
= 5 x0,1296 x0, 4
= 0, 2592
P ( X= 4=
)
Entonces, la probabilidad de que aprueben 4 estudiantes en una muestra de 5 estudiantes es

0,2592.
Ejemplo 2:
De una seccin de educacin inicial, con 10 nias y 30 nios, se selecciona por sorteo a 6 estudiantes Cul es la probabilidad de que exactamente 4 sean nias?
Solucin
Sea la variable:
X = El estudiante seleccionado es nia.
=
p
10
= 0, 25 (probabilidad de seleccionar una nia).
40
q = 0,75 (probabilidad de seleccionar un nio).

n = 6 (nmero de estudiantes seleccionados).
x = 4 (nmero de nias seleccionadas).
Luego, por la frmula binomial
6!
4
2
( 0, 25) ( 0, 75)
4! x 2!
= 15 x0, 00391x0,5625
P ( X= 4=
)
La probabilidad de que en un grupo de 6 estudiantes seleccionados, haya 4 nias es 0.03299.

Ejemplo 3:
Se ha elaborado un examen de 10 preguntas con 4 alternativas por pregunta. Si ninguno de los
estudiantes que rindi la prueba estudi. Qu porcentaje de estudiantes aprob el examen, si
aprueban los que responden 6 ms preguntas?
Unidad IV
128
PROESAD
Solucin.
Sea la variable: X = la respuesta es correcta
1
= 0, 25 (probabilidad de responder correctamente una pregunta).
4
3
q= = 0, 75 (probabilidad de no acertar una pregunta).
4
p=
n = 10 (nmero de preguntas).
x = 6, 7, 8, 9, 10 (nmero de respuestas correctas para aprobar el examen).
Como el estudiante aprueba si responde correctamente 6 ms preguntas, entonces, la probabilidad de aprobar el examen est dada por la suma:
P(X = 6) + P(X = 7) + P(X = 8) + P(X = 9) + P(X = 10)
Lo que pueda representarse como la probabilidad P(X 6)
Por la frmula binomial:
P( X= x=
)
n!
p x q n x
x !( n x ) !
Luego:

10! 1 3
P (=
x 6=
)
= 0, 0162
6! 4! 4 4
10! 1 3
P (=
x 7=
)
= 0, 0031
7! 3! 4 4
10! 1 3
P(=
x 8=
)
= 0, 0004
8! 2! 4 4
9
10! 1 3
P (=
x 9=
)
= 0, 0000
9! 2! 4 4
10
10! 1 3
P=
( x 10=)
=
0, 0000
10! 10! 4 4
P (X 6) = Suma = 0,0197
Como 0,0197 = 1,97% 2%, entonces, aprobara aproximadamente el 2% de los estudiantes
que rindieron el examen.
Estadstica General
129
Ejemplo 4:
Se lanza 5 veces un dado, hallar la probabilidad de obtener 3 ms veces el nmero uno.
Solucin.
Dada la informacin:
p=
1
6
q=
5
(probabilidad de no obtener UNO en un lanzamiento).
6
(probabilidad de obtener UNO en un lanzamiento).
n = 5 (nmero de lanzamiento).
x = 3, 4, 5 (nmero de UNOS obtenidos).
La probabilidad de obtener 3 ms UNOS en 5 lanzamientos, est dada por la suma.
P(X 3) = P(X = 3) + P(X = 4) + P(X = 5)
Por la frmula binomial:

P ( X= x=
)
Luego:

P(=
x 3=
)

n!
p x q n x
x !( n x ) !
3
5! 1 5
= 0, 0321
3! 2! 6 6
5! 1 5
P (=
x 4=
)
= 0, 0032
4! 1! 6 6

5
5! 1 5
P (=
x 5=
)
= 0, 0001
3! 0! 6 6
P(X 3) = Suma = 0,0001
La probabilidad de obtener 3 o ms UNOS en 5 lanzamientos de un dado es 0,0354.
12.3.1.1.2. USO DE TABLAS DE LA DISTRIBUCIN BINOMIAL (APNDICE N 2)
En la prctica para resolver problemas del tipo de los ejemplos 3 y 4, se utiliza tablas de la distribucin binomial, en la cual estn calculados los valores correspondientes a la frmula:
n!
p r q nr
r
!
n
r
!
(
)
r =0
x
P ( X x) =
... (2)
La que en el segundo miembro expresa la suma de las probabilidades calculadas por la frmula
binomial, para los valores enteros que van de 0 hasta x.
Unidad IV
130
PROESAD
Como ya se vio en la seccin de probabilidades, los correspondientes sucesos complementarios

suman 1, esto lo podemos expresar formalmente como sigue:
P( X < x ) + P( X x ) = 1
Con la consideracin de que en general X toma valores enteros que van de 0 a n, entonces,
por tablas tambin se puede calcular la probabilidad:
Considrese, P ( X
x ) = 1 P( X < x )
Pero como: P ( X < x ) = P ( X x 1)
Entonces: P ( X x ) = 1 P( X x 1) ... (3)
Todos los clculos que se realizaran utilizando la frmula Binomial, se resumen a la bsqueda de
un valor en la tabla de la distribucin binomial, para lo cual basta conocer n, p y x.
As, por ejemplo, si queremos calcular la siguiente probabilidad:
Para: n = 6, p=0.50 P(X 4) = 0.8906
El procedimiento para ingresar a la tabla es el siguiente:
n
P
.01
.50
1
2
3
0.8906
4
5
6
.

As, en la tabla de la distribucin binomial, podemos calcular la probabilidad de que un estudiante apruebe como sigue con:

n = 10,

p = 0,25

x=5
P(X 6)

P(X 6)
y
= 1 P(X 5)
= 1 0,9803
= 0.0197
Estadstica General
131
Que es lo mismo que ya determinamos con la frmula binomial.

Ejemplo:
Un estudiante de primer ao de secundaria tiene la seguridad de aprobar una asignatura cualquiera con probabilidad de 0,5. Si lleva 6 asignatura, hallar la probabilidad de que apruebe:
a) A lo ms 4 asignaturas
b) Por lo menos 4 asignaturas
Solucin
Sea la variable:
X = Nmero de asignaturas que aprueba el estudiante.
p = 0,5 (probabilidad de aprobar una asignatura cualquiera).
q = 0,5 (probabilidad de desaprobar una asignatura cualquiera).
n = 6 (nmero de asignaturas que lleva).
a) La probabilidad de aprobar como mximo 4 asignaturas es:
P(X 4) = 0,8906 (Por tablas)
b) La probabilidad de aprobar como mnimo 4 asignaturas es:

P(X 4) = 1 P(X 3) ... Por frmula (3)

= 1 0,6562 ... Por tablas

= 0,3438.
12.3.1.1.3. MEDIA Y DESVIACIN ESTNDAR DE UNA DISTRIBUCIN BINOMIAL
La media y desviacin estndar de una distribucin binomial, denotadas respectivamente por
y se calcula por las frmulas respectivas:
= np
...
= npq (4)
Ejemplos 1:
Un dado se lanza 180 veces. Determinar la media y desviacin estndar de la obtencin del nmero UNO en ese experimento.
Solucin
Dada la informacin:
p=
1
(probabilidad de obtener UNO en un lanzamiento).
6
q=
5
(probabilidad de no obtener UNO en un lanzamiento).
6
n = 180
180 (nmero de lanzamientos).
Por la frmula de media y desviacin estndar, tenemos que:
Unidad IV
132
PROESAD
1
=
= 180 =
np
30
6
=
npq
=
1 5
180 =
5
6 6
Ejemplo 2:
Si la probabilidad de que un remache sea defectuoso es 0,01. Hallar la media y la desviacin
estndar de nmero de remaches defectuosos en un avin que tiene 10,000 remaches.
Solucin
Dada la informacin:
P = 0,01 (probabilidad de que un remache sea defectuoso).
q = 0,99 (probabilidad de que un remache no sea defectuoso).
n = 10,000 (nmero total de remaches).
Por la frmula de la media y de la desviacin estndar:
=
np
=
y
npq
=
10,
=
000 ( 0, 01) 100
=
=
10, 000 ( 0, 01)( 0,99 ) 9, 25
12.3.2. LA DISTRIBUCIN DE POISSON

Esta distribucin es llamada en honor a S.D. Poisson quien la dedujo en el ao 1837.
Es un buen modelo para la distribucin de frecuencias relativas del nmero de eventos raros que
ocurren en una unidad de tiempo, distancia, espacio, etc.
Los siguientes ensayos pueden usarse como modelo de la distribucin de Poisson:
N de accidentes industriales por unidad de tiempo.
N de reclamas de seguros por unidad de tiempo.
N de llegadas a un servicio por unidad de tiempo.
La llegada de vehculos a una caseta de peaje, la llegada de aviones a un aeropuerto, etc.
La distribucin de Poisson se usa tambin para describir experimentos tales como el nmero de
errores por pgina de un diario, el nmero de remaches defectuosos en un avin, el nmero de
bacterias en un centmetro cbico de agua, etc. En estos experimentos se supone que el nmero
promedio de ocurrencias (xitos) en una unidad de medida es conocido. La unidad de medida
puede ser una unidad de longitud, de rea o de volumen.
Se considera tambin que la distribucin de Poisson es un caso especial de distribucin binomial,
en la que la probabilidad de xito p es muy pequea, el nmero de prueba de Bernoulli n es
muy grande y el nmero promedio de xito en cierta unidad de medida es = np.
Estadstica General
133
12.3.2.1. LA FRMULA DE POISSON

La probabilidad (funcin de probabilidad) de obtener exactamente x xitos, denotada por P(X
= x) segn la frmula de Poisson, es:

P ( X=
x=
)
x e ... (5)
x!
Donde:
X = Variable de Poisson que toma los valores de X =0,1,2,3...
= nmero promedio de xitos en una unidad de medida determinada.
e = 2,7182... (base del sistema de logaritmos naturales o neperianos).
El parmetro de esta distribucin es , donde determina el valor medio o promedio de la
variable.
Sealaremos, adems, que:
El valor esperado (media) de la distribucin de Poisson es:
E( X ) = =
La varianza es:
V (X ) = 2 =
La desviacin estndar
DE ( X =
) =
Y la funcin de distribucin de la distribucin de Poisson es:

x
P( X x) = P( X = i )
i =0
Ejemplos 1:
Un estudiante de educacin a distancia comete en promedio un error por pgina en un trabajo
monogrfico. Cul es la probabilidad de que cometa 3 errores en un trabajo de 5 pginas?
Solucin
Dada la informacin:
= 1 (promedio de errores en 1 pginas)
Como se desea la probabilidad en 5 pginas, entonces:
= 5 (promedio de errores en 5 pginas)
x = 3 (nmero de errores en 5 pginas)
Por la frmula de Poisson:
x e

P ( X= x=
)
x!
5 e 5 125
P ( X= 3=
=
)
3!
6 e5
3
P ( X= 3=
) 0,1404
La probabilidad de que el estudiante cometa 3 errores en 5 pginas es 0,1404.
Unidad IV
134
PROESAD
Ejemplo 2:
El promedio anual de terremotos en Japn es 0,5. Hallar la probabilidad de que no haya terremotos en los prximos tres aos.
Solucin
Dada la informacin:
= 0,5 (promedio de terremotos en 1 ao)
Como se desea la probabilidad en 3 aos, entonces:

= 1,5 (promedio de terremotos en 3 aos)

X = 0 (nmero de terremotos en 3 aos)
Por la frmula de Poisson:
x e
P ( X= x=
)
x!
1,50 e 1.5
1
P ( X= 0=
= 1,5
)
e
0!
P ( X= 0=
) 0, 2231
La probabilidad de que en el Japn no haya terremotos en 3 aos es 0,2231.

12.3.2.2. USO DE TABLAS DE LA DISTRIBUCIN ACUMULADA DE POISSON (APNDICE N 3)
La probabilidad de obtener a lo ms x xitos, denotada por P(X x), segn Poisson se determina por la frmula:

P ( X x ) =
r =0
r e ... (6)
r!
Donde el segundo miembro expresa la suma de las probabilidades calculadas por la frmula de
Poisson, para los valores enteros que van desde 0 hasta x.
As mismo, la probabilidad de obtener X o ms xitos, se puede calcular por la frmula:

P( X x ) = 1 P( X x 1) ... (7)
Todos los clculos que se realizaran utilizando la frmula de Poisson, se resumen a la bsqueda
de un valor en la tabla de la distribucin de Poisson, para lo cual basta conocer y x.
As, por ejemplo, si queremos calcular las siguientes probabilidades:
i) Para = 1,
ii) Para = 2,

P(X 3) = 0.981
P(X 4) = 1 P(X 3)
= 1 0,857
= 0,143
Estadstica General
135
El procedimiento para ingresar a la tabla es el siguiente:

x
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
3
0,981
0,974
0,966
0,957
0,946
0,934
0,921
0,907
0,891
0,875
0,857
Ejemplos 1:
Los alumnos de un colegio ingresan en las maanas a razn de 30 alumnos por minuto. Determinar la probabilidad de que ingresen:
a) Por lo menos 2 alumnos en un segundo.
b) A lo ms 3 alumnos en un segundos.
Solucin
Sea la variable:
X = (N de alumnos que ingresan por las maanas)
= 30 (promedio de alumnos que ingresan en 1 minuto)
Como se desea encontrar la probabilidad en 1 segundo, entonces:
= 0,5 (promedio de alumnos que ingresan en un segundo)
a) La probabilidad de que ingresen en un segundo por lo menos 2 alumnos es:
P(X 2) = 1 P(X 1)
Por frmula (7)

= 1 0,910
Por tablas con
= 0,090 = 0,5 y x = 1
b) La probabilidad de que ingresen a lo ms 3 alumnos en un segundo es:
P(X 3)
= 0,998
... Por tablas con
= 0,5 y x = 3
Ejemplo 2:
El nmero promedio de homicidios en cierta ciudad es de 2 por da. Determinar la probabilidad
de que un da dado haya:
Unidad IV
136
PROESAD
a) No ms de 3 homicidios
b) No menos de 3 homicidios
Solucin
Sea la variable:

X = N de homicidos

= 2 (promedio de homicidios por da)

x = 3 (nmero de homicidios en un da)
Utilizando la tabla de la distribucin de Poisson, las probabilidades pedidas son:
a) P(X 3)
= 0,857
b) P(X 3)
= 1 P(X 2)

= 1 0,677
= 0,323
Por frmula (7)
Luego, la probabilidad de que un da dado haya como mximo 3 homicidios es 0,857, y la probabilidad de que haya 3 o ms homicidios en un da dado es 0,323.
Ejemplo 3:
El nmero promedio de llamadas por minuto, que llegan a la central telefnica de la Universidad
Peruana Unin es de 10. Hallar la probabilidad de que lleguen a la central:
a) a lo ms 4 llamadas en 30 segundos
b) 9 ms llamadas en 90 segundos
Solucin
a) Sea la variable:

X = N de llamadas
= 10 (promedio de llamadas en 1 minuto)
Pero, como se desea calcular la probabilidad en 30 segundos, entonces:

= 5 (promedio de llamadas en 0,5 minutos)
Utilizando la tabla de la distribucin de Poisson, la probabilidad pedida es:
p(X 4) = 0,440
b) Dada la informacin:

X = N de llamadas
= 10 (promedio de llamadas en 1 minuto)
Pero, como se desea calcular la probabilidad en 90 segundos, entonces:

= 15 (promedio de llamadas en 1,5 minutos)
Utilizando la frmula de distribucin de Poisson, la probabilidad es:
Estadstica General
137
P(X 9)
= 1 P(X )

= 1 0,037
= 0,963
Por frmula (7)
1. Para cada uno de los escenarios siguientes, establezca si es razonable o no, utilizar la distribucin binomial como modelo de variable aleatoria y por qu:
a) Un proceso produce miles de transductores de temperatura. Sea X el nmero de transductores
que no cumplen con los requisitos de diseo de una muestra de 30 tomadas al azar del proceso.
b) Cuatro componentes electrnicos idnticos estn conectados a un controlador que puede
conmutar de un componente que falla a otro de los que quedan como repuesto. Sea X el
nmero de componentes que han fallado despus de cierto tiempo de operacin.
c) Sea X el nmero de accidentes que ocurren en las carreteras federales de cierto estado durante un mes.
d) Sea X el nmero de respuestas correctas de un estudiante que resolvi un examen de opcin
mltiple, en las que pudo eliminar, en algunas preguntas, varias de las opciones porque eran
incorrectas, y en otras, todas las opciones incorrectas.
e) Los defectos sobre la superficie de un chip semiconductor aparecen al azar. Sin embargo, slo
el 80% de los defectos pueden detectarse mediante pruebas. Se toma una muestra de 40
chips que tienen un defecto y se someten a prueba. Sea X el nmero de chips en los que la
prueba encuentra un defecto.
2. Calcular la probabilidad binomial si p = 0,06; n=5 para:
x = 3; x 3; x = 4; x 4; 2 x 4
3. De un gran nmero de consumidores de panes de Productos Unin, el 40% prefiere pan integral. 10 consumidores de dicho Productos Unin son elegidos al azar. Calcule la probabilidad
de que el nmero de consumidores de pan integral sea:
a) exactamente 5
b) de 5 a menos
c) 4, 5 6
4. Las lesiones laborales graves que ocurren en una panadera tienen una media anual de 2,7.
Dado que las condiciones de seguridad sern iguales en la panadera durante el prximo ao
cul es la probabilidad de que el nmero de lesiones graves sea menor que dos?
5. Se ha observado durante un largo perodo que un vendedor puede concluir una venta en
una sola entrevista con una probabilidad de 20%. Supngase que el vendedor entrevista 4
posibles clientes.
Calcule la probabilidad de que:
a) exactamente 2 posibles clientes compren sus libros.
b) al menos 2 posibles clientes compren sus libros.
c) todos los posibles clientes compren sus libros.
d) ningn posible clientes le compre sus libros.
Unidad IV
138
PROESAD
6. En determinada escuela se ha verificado que el 10% de los alumnos tiene problemas de

aprendizaje. 8 alumnos son elegidos al azar para representar a la escuela en una actividad
social. Calcule la probabilidad de que el nmero de alumnos con problemas de aprendizaje
a) Sea a lo ms 3
b) exactamente 3
d) 3, 4 5
7. Suponga que X es una V.A. de Poisson, con = 1,5 ; encuentre:

a) P(X = 0)
b) P(X = 0)
c) P(X 2)
d) P(X > 1)
8. Suponga que X es una V.A. de Poisson, con = 2 ; encuentre:

a) P(X = 0)
b) P(X > 1) c) P(X 2) d) P(1 < X < 6)
9. En una determinada colectividad el nmero de casos de accidentes de trabajo por semana

en promedio es de 5, suponiendo que se ajusta a una distribucin de Poisson; calcule la probabilidad de la siguiente semana:
a) No exista ningn accidente de trabajo.
b) Se produzca exactamente un accidente.
c) Se produzca no ms de un accidente.
d) Se produzca al menos un accidente.
10. El nmero de fallas de un instrumento de prueba debidas a las partculas contaminantes de
un producto, en una variable aleatoria Poisson con media 0,02 fallas por hora.
a. Cul es la probabilidad de que el instrumento no falle en una jornada de ocho horas?
b. Cul es la probabilidad de que se presente al menos una falla en un perodo de 24 horas?
Estadstica General
139
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
(
)
)
)
)
?
?
La distribucin binomial es una distribucin de variable continua.

La distribucin de Poisson es una distribucin de variable discreta.
La media de la distribucin binomial es npq.
La varianza de una distribucin de Poisson es .
PROCEDIMENTAL:
2. Determine las siguientes probabilidades:

a. P(x 17)
para n = 20, p = 0.4
b. P(x = 5)
para = 3
c. P(0,6 < z < 2)
a) {0.772, 0.101, 0. 2515}
c) {0.872, 0.901, 0. 2515}
b) {0.872, 0.101, 0. 2515}

d) {0.872, 0.101, 0. 2525}
3. El nmero x que ingresan al centro de cmputo de la UPeU en cualquier hora posee una distribucin de probabilidad de Poisson con una media igual a 12 personas diarias. Cul es la
probabilidad de que el nmero de personas que ingresan al centro de cmputo a cierta hora
sea igual a 5?, menor o igual a 8?
(a) {0.013, 0.156}
(c) {0.012, 0.155}
(b) {0.002, 0.125}

(d) {0.022, 0.255}
4. Suponga que llega en forma aleatoria una serie de llamadas a una central telefnica con un
promedio de tres llamadas por minuto. Calcular la probabilidad de que en el perodo de un
minuto:
a) No ocurra llamada alguna
b) Ocurran al menos 4 llamadas
Autoevaluacin
140
ACTITUDINAL:
5. Si fueras administrador de una empresa. Cmo identificaras el porcentaje de satisfaccin en
el trabajo? Qu distribucin utilizaras?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________

Estadstica General
141
13
PROESAD
Sesin
DISTRIBUCIN
NORMAL
13.1. DISTRIBUCIN NORMAL
Recordemos primero las siguientes variables: nmero de estudiantes en cierta universidad, nmero de caras obtenidas en 10 lanzamientos de una moneda, nmero de alumnos en una seccin de Estadstica, etc. Estas variables pueden tomar slo los valores 0,1,2,3,...; son, por tanto,
variables discretas
Consideramos ahora las siguientes variables: peso de un estudiante de educacin a distancia,
tiempo de vida de un foco de luz, estatura de un estudiante universitario, etc. Estas variables
toman los valores, por ejemplo, 59,5kg. para el peso de un estudiante, 150 horas para el tiempo
de vida de un foco de luz y 1,65 metros para la estatura de un estudiante universitario. Estas
variables toman el nombre de variables continuas.
Como ya se habr observado, la distribucin binomial y la de Poisson slo representan la distribucin de probabilidad de una variable discreta. En lo que sigue en algunas de las variables
continuas su distribucin de probabilidad puede describirse mediante una distribucin continua
muy conocida llamada DISTRIBUCIN NORMAL.
Esta es la distribucin de mayor importancia en estadstica, puesto que se presenta naturalmente
en muchos casos reales como peso, talla, notas, produccin, grado nutricional, cociente intelectual, etc.
En general, son muchas las caractersticas continuas que se ajustan al modelo de la distribucin
normal, obtenida por Abraham De Moivre en 1733 y publicada con importantes aportaciones y
aplicaciones a la teora de errores por C.F. Gauss (1777 - 1855).
La distribucin normal se define para valores que van desde - a +.
La frmula para la distribucin normal de probabilidades (funcin de densidad) es:
f ( x) =
1 x

... (8)
Estadstica General
143
Donde:
X = Variable normal que toma los valores x de - a +
= media de los valores de la variable normal X
= desviacin estndar de la variable normal X
= 3,14159...
y
e = 2,71828
La distribucin normal describe una representacin grfica acampanada simtrica respecto a
Los valores y son parmetros de la distribucin normal conocidos como media (promedio
aritmtico) y desviacin estndar.
E(X) = V(X) =
Construir una distribucin normal aplicando la frmula sera una tarea pesada a causa de la gran
cantidad de clculos necesarios (x toma una cantidad indefinida de valores posibles). Para facilitar la construccin y uso de la distribucin normal se ha elaborado una tabla de reas bajo la
curva normal. La tabla ha sido estandarizada a fin de hacerla aplicable a cualquier problema que
incluya una distribucin normal. Para utilizar la tabla, la variable x debe transformarse en una
medida ESTANDAR Z, la cual se halla mediante la frmula:
Z=
Llamada a menudo VARIABLE NORMAL ESTANDAR Z, siendo ahora la frmula para la distribucin
de probabilidades:
1
z2
1
e 2
2
f (z ) =
Observar que la distribucin normal estandarizada tiene media = 0 y desviacin estndar = 1,

y para valores de Z que van de 4 a 4, generan la curva que se muestra a continuacin y cuya
rea bajo la curva es 1.
f (z ) =
z2
1
e 2
2
-4
-3
-2 -1 =0
1 2 3
Unidad IV
144
PROESAD
13.1.1. USO DE TABLAS DE DISTRIBUCIN ACUMULADA NORMAL ESTNDAR

(APNDICE N 4)
La probabilidad de ocurrencia en un intervalo, de la variable normal estandarizada Z, est calculada en tablas y el uso de stas facilita el clculo de probabilidades de ocurrencia de la variable
normal X. Para esto, si X tiene distribucin normal con media y desviacin estndar
conocidas, entonces, la probabilidad de que la variable X tome valores iguales o menores que el
nmero real X, denotados por P(X x), se calculan transformando X a la forma Z, mediante la
frmula siguiente:
X x
= P ( Z z )= F ( z )
a ) P ( X x )= P

x X x2
b) P ( x1 X =
x2 ) P 1

= P ( z1 Z Z 2=
) F ( z2 ) F ( z1 )
c) P ( X > x ) =
1 P ( X x ) =
1 F ( z ) Por frmula (a )
NOTA : P ( X < x =
) P ( X x)
P ( Z < z) = P ( Z > z) = 1 F ( z)
Z1
0
P(z1
Z2 Z z2) = F(z2)
F(z1)
0
Z
F(Z) = P(Z z)
-Z
0
Z
P( Z z) = 1 F(z); P(Z -z) = 1
F(z)
As, por ejemplo, si queremos calcular las siguientes probabilidades:

i) Para = 50
= 5:
X 45 50
P ( X =
45 ) P
5

= P ( Z 1) = F ( 1) = 0,15866
ii) Para = 170
F(z)
-1,01
0,15625
= 4:
164,4 170 X 174,4 170

P(164,4 X 174,4) = P
4
4
= P( 1,4 Z 1,1)
= F (1,1) F ( 1,4)
= 0,86433 0,08076
= 0,78357
Z
-1,41
F(z)
0,07927
Estadstica General
145
iii) Para = 3000
= 400:
P( X 3368) = 1 P( x < 3368)

X 3368 3000
= 1 P
<
400

= 1 P(Z < 0,92
= 1 F (0,92 )
= 1 0,82121
= 0,17809
iv) Para = 80 y
F(z)
0,90
0,91
0,92
0,93
0,81594
0,81859
0,82121
0,82381
= 10:
P ( X > 98 ) =
1 P ( X 98 )
X 90 80
=
1 P
10

1 P ( Z 1,8 )
=
= 1 F (1,8 )
= 1 0,96407
= 0, 03593
F(z)
1,78
1,79
1,80
1,81
0,96246
0,96327
0,96407
0,96485
Ejemplo 1:
Los puntajes obtenidos en un test psicotcnico estn distribuidos normalmente con una media
de 60 y una desviacin estndar de 10.
a) Si el puntaje mnimo para aprobar es 48. Cul es el porcentaje de fracasos?
b) Si han de aprobar el 80% de los estudiantes. Cul debe ser el puntaje mnimo aprobatorio?
Solucin:
a) Sea X la variable normal que expresa los puntajes obtenidos, cuya media y desviacin estndar son respectivamente:
= 60
y
= 10
Como X = 48 es el puntaje mnimo aprobatorio, la probabilidad de no aprobar es:
48 60
60
X 48
48 ) = P
P( X < 48
<
10
10

....Por frmula ( A)
= P(Z < 1,2 )
= F ( 1,2 ) = 0,11507 ....Por tabla
= 1 ,507%
El porcentaje de desaprobados (fracasos) es 11,5%
Unidad IV
146
PROESAD
b) Sea X el puntaje mnimo aprobatorio, se pide hallar x sabiendo que:
80 % = 00,80
,80
P( X x ) = 80
X x 60
6
0
= 00,80
,80
P
10
10

0,80
....Por frmula ( A)
P(Z z ) = 0,80
1 F (z ) = 0,80
....Por frmula (C )
o,80
,20
F (z ) = 00,20
Como F(-0,84) = 0,20045 ... Por tabla
Comparando z = 0,84
x 60
60
,84
= 00,84

10
10
51 ,6 = 52
52
x = 51,6
Para que aprueben el 80% de los estudiantes, el puntaje mnimo aprobatorio debe ser aproximadamente 52.
Ejemplo 2:
La estatura de los cadetes de la Escuela Naval del Per est distribuida normalmente con media
de 68 pulgadas y una desviacin estndar de 2 pulgadas.
a) Hallar la probabilidad de que un cadete mida ms de 72 pulgadas.
b) Cul es el porcentaje de cadetes cuyas estaturas estn entre 69 y 73 pulgadas?
c) Si para la participacin en una cierta prueba atltica, un cadete debe estar en el 20% de los de
mayor estatura Cul es la estatura mnima para participar en dicha prueba?
Solucin:
Sea X la variable normal que expresa la estatura de los cadetes de la Escuela Naval del Per, cuya
media y desviacin estndar son respectivamente:

= 69 pulg.
= 2 pulg.
Se pide:
72 6969
X 73
72 ) = P
a) P( X >69
>
2

P(Z > 1,5) = 1 P(Z 1,5)
72 ) = 1 0,93319
P( X > 72
Por frmula ( A)
Por frmula (C )
= 0,06681
Luego, la probabilidad de que un cadete mida ms de 72 pulgadas es 0.06681
Estadstica General
147
X 773
69 69
69
3 69
69
69
69 < x < 73
73 ) = P
<
<
b) P(69
2
2
= P(0 < Z < 2 )

Por frmula ( B )
= F (2 ) F (0 )
= 0,97725 0,5
= 0,47725 = 47
47 ,725% 48
48 %
Luego, el porcentaje de cadetes que tienen estatura entre 69 y 73 pulgadas es aproximadamente

48%.
Sea x la estatura mnima de un cadete para participar en una prueba atltica, se pide hallar
x para que se cumpla que:
P ( X x ) = 0,20
0,2
0
X
69
x6
9
= 0,20
0,2
0
P=
P(Z z ) = 0,20
0,2
0
0,20
1 P(Z < z ) = 0
,2
0
Porfrmul
frmula
( A(A)
)
Por
Por
frmula (C)
Porfrmula
(C )
1 F ( z ) = 0,20
0,2
0
F ( z ) = 0,80
0,8
0
Como F(0,84) = 0,79955

Comparando z = 0,84

x 69
= 0,84
2
Luego, la estatura mnima para que el cadete participe en una prueba atltica es 71 pulgadas.
Ejemplo 3:
El tiempo de mquina necesario para fabricar una unidad del producto A est distribuido normalmente con una media de 50 minutos y una desviacin estndar de 5 minutos. Se debe fabricar
una partida de 4000 unidades de A.
a. Cuntas unidades requerirn de un tiempo de mquina de 53 minutos?
b. Cuntas unidades requerirn de un tiempo de mquina no menor de 48 minutos ni
mayor de 53 minutos?
c. Si el 50% de las unidades requieren de un tiempo de mquina comprendido entre x1 y
x2 minutos. Determinar x1 y x2 si ellos son simtricos con respecto al tiempo medio.
Solucin:
Sea X la variable normal que expresa el tiempo de mquina para fabricar una unidad de producto
A, cuya media y desviacin estndar son respectivamente:
Unidad IV
148
PROESAD
= 50 min.
= 5 min.
a) Se pide calcular 4000 P(X 53), donde:

53 50
50
X 53
53 ) = P
P( X > 53
>
Por frmula ( A)
= P(Z > 0,6 )

= 1 P(Z 0,6 )
= 1 F (0,6 )
= 1 0,72575
Por frmula (C )
= 0,27425
Luego: 4000 (0,27425) = 1097 son las unidades del producto A que necesitan un tiempo de
mquinas de ms de 53 minutos.
b) Se pide 4000 P(48 X 53), donde:
48 50
50
X 53
53 550
0
48
P(448
8 x 53
53 ) = P
5
= P( 0,4 Z 0,6)
= F (0,6) F ( 0,4)
= 0,72575 0,34458
= 0,38117
Por frmula ( B)
Luego: 4000(0,38117) = 1524,68 1525 es el nmero de unidades del producto A que necesitan un tiempo de mquina no menor 48, mi mayor de 53 minutos.
c) Si pide x1 y x2 sabiendo que:
P(x1 X x2) = 50% = 0,50
50
50
X x2 50
x 50
0,50
= P 1
<
<
= 0,50
5
5

P(z1 Z z2) = 0,50
Como z1 y z2 son simtricas respecto a la media cero, entonces, se cumple que:
P( z < Z < z ) = 0,50

0,50
F (z ) F ( z ) = 0,50
0,50
F (z ) [1 + F (z )] = 0,50
0,50
F (z ) 1 + F (z ) = 0,50
0,50
1,50
2 F (z ) = 1,50
F (z ) = 0,75
0,75
Como z1 = -z =
z = 0,68
0,68
Por frmula D
Por tabla III
x1 50
5
Estadstica General
149
= -0,68 =
= x1 = 46,6
x 50
x 50
0,68 = 2
5
5
z2 = z = 2
x2 = 63,4
LAS FRMULAS MS USADAS

p( X = x ) =
n!
p x q n x
x! (n x )!
Esta es la frmula binomial que permite calcular la probabilidad de x xitos en n pruebas de

un experimento, donde:
X = Nmero deseado de xito.
n = Nmero de pruebas realizadas.
p = Probabilidad de un xito.
q = Probabilidad de un fracaso, que es igual a (1-p).
Esta frmula se utiliza en los siguientes casos:
1. Cuando cada prueba tiene slo dos resultados posibles:
p: xito.
q: fracaso.
2. Cuando la probabilidad de acierto permanece constante, prueba tras prueba.
3. Cuando las pruebas son estadsticamente independientes.
= np
Esta es la media de una distribucin binomial.

= npq
Esta es la desviacin estndar de una distribucin binomial.

P ( X= x=
)
x . e x
x!
Esta es la probabilidad de x ocurrencias de una variable aleatoria discreta en una distribucin

de Poisson.
=
Esta es la media de una distribucin de Poisson

Esta es la desviacin estndar de una distribucin de Poisson

z=
Unidad IV
150
PROESAD
Donde:
x = Valor de la variable aleatoria de nuestro inters.
= Media de la distribucin de esta variable aleatoria.
= Desviacin estndar de esta distribucin.
z = Nmero de desviaciones estndar de x a partir de la media de esta distribucin.
Luego de derivar z con esta frmula se puede usar la tabla de la distribucin de probabilidad
norma estndar.
1. Calcular las siguientes probabilidades:
a) P(Z < 2,8)
b) P(Z > -0,8)
c) P(2 Z 3,5)
b) P(Z -1,5)
e) P(Z > 2,52)
f) P(-2 Z 2)
2. Si X n(5,4) calcular P(-2 X 0)
Si X n(20,16) calcular P(X 15)
3. Suponga que Z tiene una distribucin normal estndar. Determinar el valor de z que resuelve
cada una de las siguientes probabilidades.
a)
b)
c)
d)
e)
P(Z < z) = 0,9

P(Z < z) = 0,5
P(Z > z) = 0,1
P(Z > z) = 0,9
P(-1,24 < Z < z) = 0,8
4. Los resultados de una prueba nacional estndar para los bachilleres recin egresados tienen
una media de =500, con una desviacin estndar = 100. Los resultados estn distribuidos en forma aproximadamente normal. Cul es la probabilidad de que el resultado de un
individuo aleatoriamente escogido est:
a) Entre 500 y 650?
b) Entre 450 y 1000?
c) Tenga un resultado inferior a 300?
d) Superior a 650?
5. La resistencia a la compresin de una serie de muestras de cemento puede modelarse con
una distribucin normal con media 6000 kilogramos por centmetro cuadrado, y una desviacin estndar de 100 kilogramos por centmetro cuadrado.
a. Cul es la probabilidad de que la resistencia de una muestra sea menor que 6250 kg/cm2.
b. Cul es la probabilidad de que la resistencia de una muestra se encuentre entre 5800 y
5900 kg/cm2.
Estadstica General
151
6. La resistencia a la traccin de un papel est modelada por una distribucin normal con media
35 libras por pulgada cuadrada y desviacin estndar de 2 libras por pulgadas cuadrada.
a. Cul es la probabilidad de que la resistencia de una muestra sea menor que 40 lb/in2.
b. Cul es la probabilidad de que la resistencia de una muestra se encuentre entre 30 y 40
lb/in2.
7. Si X ~N(16,25). Calcular:

a) P(X>23) b) P(15<X<30)
c) P(X 20) d) P( X-u <9)
8. Suponga que la temperatura mxima diaria x durante el mes de julio, tiene distribucin
normal con media 28 C y desviacin estndar 5 C. Calcule la probabilidad de que un da
especfico del mes de julio la temperatura mxima sea:
a) Menor o igual que 20 C
b) Mayor o igual que 35 C
c) Est entre 20 C y 35 C
9. Se tiene una variable aleatoria X distribuida normalmente con media 50 y desviacin
estndar 3.
a) Calcular a tal que P(X a) = 0.975
b) Calcular b tal que P(X > b) = 0.25
10. La fbrica de neumticos DURAMS produce un tipo de neumticos que tiene una vida
til media de 80000 Km. y una desviacin estndar de 8000 Km. Suponiendo que la variable aleatoria vida til del neumtico est distribuida normalmente. Cul es la probabilidad
que un neumtico dure ms de 96000 Km.?
Unidad IV
152
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
(
)
)
)
)
?
?
La distribucin normal es una distribucin de variable discreta.

La distribucin normal es la distribucin de mayor importancia en la estadstica
Los valores p y q son parmetros de la distribucin normal
Z= -u/ se llama variable normal estndar Z
PROCEDIMENTAL:
2. Dado que una variable aleatoria X tiene una distribucin normal con media 1 y
desviacin estndar de 2 , encuentre:
a) P (X 3) .
b) P (X > 1.5).
c) P (2 < X <5)
d) P ( X -1) o P ( X > 0.5)
3. El peso promedio de los alumnos del 1ro de contabilidad, se distribuye normalmente, con
51 kg. en promedio, y una desviacin estndar de 4 kg. Cul es la probabilidad de que un
alumno escogido al azar tenga menos de 49 kg.
a) 0.9615
b) 0.7915
c) 0.2915
d) 0.6915
4. La administracin de un instituto ha clasificado a sus alumnos en una escala que va de 0 a

150. Si la distribucin de sus calificaciones se aproxima a una distribucin normal con la media de 100 y desviacin estndar de 20. Si la administracin quiere una lista del 10% de los
mejores. Luego en esta lista figurarn los alumnos con un puntaje igual o mayor a:
a) 135,6
b) 115,6
c) 125,6
d) 116,5
e) 126,5
ACTITUDINAL:
5. Una empresa que se dedica a la produccin de cierto producto, en qu ayudara una distribucin normal.
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
Estadstica General
153
UNIDAD V
UNIDAD V
Sesin N 14: Distribuciones muestrales
Sesin N 15: Distribucin muestral de
una proporcin
COMPETENCIAS
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Reconoce los diferentes

conceptos dentro de las
distribuciones muestrales, para la media muestral, proporcin muestral
y diferencia de medias.
Calculan las probabilidades para las variables

aleatorias, media muestral, proporcin muestral,
diferencia muestral de
dos medias.
Identifican que distribucin muestral es apropiado en el anlisis de

una muestra obtenida
de cierta poblacin en
estudio.
14
PROESAD
Sesin
DISTRIBUCIONES
MUESTRALES
14.1. DISTRIBUCIONES MUESTRALES
Al iniciar el estudio de la Estadstica encontramos que tiene como objetivo dar a conocer un conjunto de mtodos para recolectar y clasificar informacin, que luego debe ser analizada e interpretada
adecuadamente, de modo que sea til en la toma de decisiones. Esto nos permiti encontrar dos
ramas bien diferenciadas de la Estadstica llamadas: Estadstica Descriptiva y Estadstica Inferencial.
La primera ya fue estudiada ampliamente en la ESTADSTICA GENERAL, la segunda es el propsito
fundamental de nuestro estudio.
La ESTADSTICA INFERENCIAL O INFERENCIA ESTADSTICA es el aspecto ms importante en la toma de
decisiones, tanto en las ciencias naturales como en las ciencias sociales. La Inferencia Estadstica
se refiere a la ESTIMACIN y a la PRUEBA DE HIPTESIS, siendo la estimacin el proceso de utilizar
ESTADSTICOS (como la media de la muestra y desviacin estndar de la muestra) que se obtiene
de los datos muestrales y sirven para estimar su verdadero valor o PARMETRO de la poblacin.
Como en las dos unidades anteriores examinamos las reglas bsicas de probabilidad de un evento y las distribuciones de probabilidad como la binomial, de Poisson y la normal, en esta unidad
utilizaremos estos conocimientos de probabilidad de modo que puedan utilizar ciertos estadsticos
para hacer inferencias en cuanto a los parmetros de la poblacin. En consecuencia, por provenir
los estadsticos de la MUESTRA, es sta el vehculo para llegar a conclusiones acerca de la poblacin.
As tenemos que si queremos utilizar la media de la muestra para estimar la media de la poblacin
debemos determinar todas las muestras posibles y la media de cada una de ellas. A la distribucin
de probabilidad de estas medias se le denomina DISTRIBUCIN MUESTRAL DE LA MEDIA.
Por ltimo, recordaremos que una poblacin est representada por el conjunto de todos los valores (observaciones) posibles que puede tomar una variable, por lo cual diremos indistintamente
que la distribucin de la poblacin es la distribucin de la variable.
14.2. MUESTREO
Los datos necesarios para tomar decisiones se renen ya sea estudiando todas las posibles observaciones de la poblacin (CENSO), ya seleccionado unas pocas de las observaciones para realizar
el estudio (MUESTRA). El propsito fundamental de muestreo es ESTIMAR EL PARMETRO de la
poblacin basado en el ESTUDIO MUESTRAL.
Estadstica General
157
Existen muchas razones para realizar muestreo en una poblacin, entre las que mencionaremos:
1. El costo elevado al examinar a toda la poblacin.
2. La imposibilidad de estudiar a toda la poblacin, como por ejemplo, los peces de un lago.
3. Las limitaciones de tiempo, como las que recaen sobre los encuestadores polticos antes de
una eleccin.
4. La ndole destructiva de ciertas investigaciones, como por ejemplo, al estudiar el tiempo de
vida de focos de luz de cierta marca.
Todas las anteriores razones nos indican que el uso de muestras ofrece las siguientes ventajas:
1. Ahorra dinero, tiempo y trabajo.
2. Permite una mayor exactitud en el estudio, pues los errores debidos al observador, al objeto
observado y al mtodo de observacin, pueden disminuir y controlarse ms efectivamente.
La nica desventaja del uso de muestras es el llamado ERROR DE MUESTREO, dado por la diferencia entre el valor que describe a la muestra y el verdadero valor de la poblacin. Este error se
debe a que las muestras seleccionadas de una poblacin difieren unas de otras y como nosotros
estudiamos una muestra para generalizar luego a toda la poblacin, entonces, los resultados son
algo diferentes. Como el error por muestreo puede medirse, en consecuencia puede disminuirse
a voluntad, con slo aumentar el tamao de la muestra.
Una muestra es considerada como una BUENA muestra, si cumple con las siguientes condiciones:
a) BUENA EN CANTIDAD, si incluye un nmero ptimo de individuos, as por ejemplo, si una
enfermedad se presenta tan slo en 1% de la poblacin, habr la necesidad de estudiar
por lo menos 100 casos, para tener la posibilidad de hallar una persona enferma, pero si la
presencia es el 50%, basta estudiar dos personas.
b) BUENA EN CALIDAD, si refleja fielmente las caractersticas de la poblacin de la cual procede
y difiere de ella, slo en el nmero de unidades incluidas.
14.3. ETAPAS DEL MUESTREO

Los pasos principales para la recoleccin de la informacin de una muestra son:
1.
2.
3.
4.
5.
Definir explcitamente la unidad de anlisis.

Definir en forma clara la poblacin que va ser muestrada.
Seleccionar bien las variables que deben ser observadas en cada unidad que se va analizar.
Especificar el grado de precisin deseada.
Seleccionar la unidad muestral. En algunos casos es obvia, como en el caso de una poblacin
de estudiantes de un centro educativo, en donde la unidad es un estudiante. En otras ocasiones debe escogerse la unidad muestral, como en el caso de muestreo de residentes de una
ciudad, donde la unidad es una persona, una familia o las familias de una cuadra.
6. Seleccionar la muestra, despus de haber decidido el tamao respectivo.
14.4. LAS DISTRIBUCIONES MUESTRALES DE PROBABILIDAD

En la mayora de los mtodos estadsticos que se estudia, se supondr que estamos trabajando
con una clase particular de muestra denominada muestra aleatoria. Este nfasis en muestras
aleatorias, las cuales sern explicadas en esta parte, se debe a que permiten generalizaciones
Unidad V
158
PROESAD
vlidas o lgicas de los datos muestrales. As pues, posteriormente veremos como ciertos estadsticos (es decir, ciertas cantidades determinadas a partir de las muestras) puede esperarse que
varen de muestra a muestra. El concepto de distribucin muestral, o sea la distribucin de un
estadstico calculada con base en el concepto de muestra aleatoria, es fundamental para toda la
inferencia estadstica.
Consta:
Muestrear, observar el valor de una estadstica y, luego, repetir el proceso una y otra vez.
Muestreo Aleatorio:
Existe un mtodo de muestreo simple (MAS), que consiste en obtener muestras al azar.
Definicin
Sean N y n nmeros de elementos en la poblacin y en la muestra, respectivamente. Si se realiza
el muestreo de manera que cada una de las NCn muestras tengan la misma probabilidad de ser
escogida, se dira que el muestreo es aleatorio, y la muestra, aleatoria simple.
Ejemplo:
N = 4;
n = 2
# muestras =
C2 =
4!
=6
2!2!
Muestra obs.
1
x1,x2
2
x1,x3
3
x1,x4
4
x2,x3
5
x2,x4
6
x3,x4
14.5. DISTRIBUCIONES DE MUESTREO DE ESTADSTICAS

Definicin:
La distribucin de probabilidad de una estadstica se llama distribucin de muestreo (o muestral)
de la misma.
Teorema del lmite central
Si se seleccionan muestras aleatorias de n observaciones de media y desviacin estndar
finita, entonces, cuando n es grande, la distribucin de muestreo de la media muestral X tiende
a una normal de media y desviacin estndar / n [ x n (, ) ], la aproximacin, ser
cada vez ms exacta a medida que n se haga cada vez mayor.
Estadstica General
159
Se vio que hay ciertos rasgos invariables dentro de una poblacin que describen una de sus
caractersticas, tales como la media y la desviacin estndar , stas reciben el nombre
de PARMETROS de la poblacin. Al extraerse una muestra, es posible tener un estimado de los
parmetros, a partir de las observaciones de la muestra, estos estimados por estar en funcin
de tales observaciones varan de muestra a muestra y reciben genricamente el nombre de ESTADSTICOS de la muestra. En consecuencia, los estadsticos son variables y, por tanto, tienen su
correspondiente distribucin de probabilidad, la cual toma el nombre de DISTRIBUCIN MUESTRAL
DEL ESTADSTICO. En la prctica las distribuciones muestrales usuales son: la de una media, la de
la diferencia de dos medias y la de una proporcin.
14.6. DISTRIBUCIN MUESTRAL DE LA MEDIA

Si tomamos repetidamente muestras aleatorias de una poblacin con distribucin de probabilidad cuyos parmetros son y , entonces la variable aleatoria media muestral X tiene la
misma distribucin de probabilidad con parmetros.
x =
x =
Para la poblacin infinita
N n
N 1
Para la poblacin finita de

tamao N
Luego, la variable X bajo la transformacin:

z=
Se distribuyen como sigue:

CASO 1. Aproximadamente como la normal estndar, si la poblacin es normal o no con conocida y el tamao n de la muestra es igual o mayor de 30.
CASO 2. Exactamente como la normal estndar, si la poblacin es normal con conocida y el
tamao n de la muestra es cualquiera.
CASO 3. Aproximadamente como la normal estndar, si la poblacin es normal o no con desconocida y el tamao n de la muestra es igual o mayor que 30. La desviacin estndar poblacional
se estima con la desviacin estndar muestral S, utilizando la frmula:
n
S2 =
(x
i =1
x)
o con la frmula equivalente:

n
S2 =
x
i =1
2
i
(x )
Ejemplo 1:
La media de los puntajes de los cocientes de inteligencia (CI) de los alumnos de una universidad
es 110 y la desviacin estndar es 10. Si los puntajes de los CI estn distribuidos normalmente:
Unidad V
160
PROESAD
a) Cul es la probabilidad de que el puntaje medio de una muestra de 36 alumnos sea mayor
que 112?
b) Cul es la probabilidad de que el puntaje medio de una muestra de 100 alumnos sea mayor
que 112?
Solucin:
a) Por tener los puntajes de los CI, variable que sigue una distribucin normal, las medias de las
muestras tambin se distribuyen normalmente con media y desviacin estndar respectivas:
x= = 110
x=
=
n
10
5
=
36 3
La probabilidad de que el puntaje medio de una muestra de 36 alumnos sea mayor que 112 es:
x 112 110
P x > 112
= P
>

5 / 3
x
= P ( Z > 1, 2 )
1 P ( Z 1, 2 )
=
= 1 F (1, 2 )
= 1 0,8849
= 0,1151
b) Para una muestra de 100 alumnos se tiene que:
=x = 110
x=
=
n
10
= 1
100
Luego, como en (a):

x 112 110
P(x > 112 ) = P

>
x
P(x > 112 ) = P(Z > 2 )
= 1 P(Z 2)
= 1 F (2)
= 1 0,9772
= 0,0228
Ejemplo 2:
El peso medio de un grupo de 1000 estudiantes es de 68,2kg. y la desviacin estndar es de
2,5kg. Hallar la probabilidad de que una muestra de 100 estudiantes arroje una media superior
a 68,9kg.
Solucin:
La poblacin de N = 1000 estudiantes se distribuye con media = 68,2kg. y desviacin estndar
= 2,5kg. Luego todas las muestras de tamao n = 100, tienen media x, con distribucin cuya
media y desviacin estndar son respectivamente
Estadstica General
161
x= = 68, 2kg
=
x
N n
=
N 1
2,5
=
100
1000 100
= 0, 24
1000 1
Luego, la probabilidad de que una muestra de 100 estudiantes arroje una media superior a
68,9kg. es:
x 68,9 68, 2
P (=
X 68,9 ) P
>

0, 24
x
= P ( Z > 2,92 )
1 P ( Z 2,92 )
=
= 1 F ( 2,92 )
= 1 0,9982
= 0, 0018
Ejemplo 3:
En una zona papera el rendimiento medio es de 9000 de tubrculos por hectrea con una desviacin estndar de 2400kg por hectrea. Determinar la probabilidad de que 100 agricultores de
esta zona, seleccionados al azar, tengan un rendimiento medio superior a 9600kg. de tubrculos
por hectrea.
Solucin:
El rendimiento de todos los agricultores tiene una distribucin con parmetros:
Kg
Kg
=
9000
=
y
2400
Ha
Ha

El rendimiento medio de una muestra de 100 agricultores, tiene una distribucin con parmetros:
Kg
x= = 9000
Ha

=
x
=
n
Kg
2400
= 240
Ha
100
Luego, la probabilidad de que los 100 agricultores seleccionados tengan un rendimiento medio
superior a 12000kg. por hectrea es:
x 9600 9000
>
P(x > 9600) = P
240
x
= P(Z > 2,5)

= 1 P(Z 2,5)
= 1 F (2,5)
= 1 0,9938
= 0,0062
Unidad V
162
PROESAD
Ejemplo 4:
En un examen interfacultades de la UPeU, las calificaciones obtenidas arrojaron una media de
72 y una desviacin estndar de 10 Qu tan grande debe ser una muestra de alumnos de la
Universidad Peruana Unin para tener una probabilidad de 0,10 de que la calificacin media sea
inferior a 70?
Solucin:
Las calificaciones obtenidas tienen una distribucin con parmetros:
= 72
= 10
El rendimiento medio de una muestra de n estudiantes tiene una distribucin con parmetros:
= = 72
=
x
=
n
10
n
Como la probabilidad de que la muestra de n estudiantes de la Universidad Peruana Unin arrojen un rendimiento medio inferior a 70, es 0,10; entonces:
0,10
P x < 70 =
x x 70 72
P
<
0,10
=
10
x
2 n
P Z <
=0,10
10
2 n
0,10
F
=
10
Como F(-1,28) = 0,10

Comparando se tiene que:
2 n
=
1, 28
10
n = 40,96 41
Por tanto, debemos tomar una muestra de 41 estudiantes.
Estadstica General
163
15
PROESAD
Sesin
DISTRIBUCIN MUESTRAL
DE UNA PROPORCIN
15.1. DISTRIBUCIN MUESTRAL DE UNA PROPORCIN
Si de una poblacin X que sigue una distribucin binomial con parmetros

=
np=
y
npq
Se extraen todas las muestras aleatorias posibles de tamao n iguales o mayores que 30, entonces, la proporcin de xito en la muestra de tamao n, que denotaremos por:

p=
X
n
Tiene una distribucin con parmetros
=P
pq
pq N n
n N 1
si la poblacin es infinita
si la poblacin es finita de
tamao N
Luego, la variable mediante la transformacin:

z=
p p
pq
n
Se distribuye aproximadamente como la normal estndar para muestras suficientemente grandes (n 30)
Ejemplo 1:
El 10% de las personas de cierta comunidad tiene sangre tipo B, si se selecciona una muestra
aleatoria de 900 personas de esa comunidad, determinar la probabilidad de que la proporcin
muestral de personas con sangre tipo B:
Estadstica General
165
a) Sea ms de 12%
b) Sea menos de 10,5%
c) Entre 11% y 13%
Solucin:
Sean: P = 0,10 (proporcin poblacional de personas con sangre tipo B).
n = 900 (Nmero de personas en la muetra).
p = (Proporcin muestral de personas con sangre tipo B).
a) La probabilidad de que la proporcin muestral de personas de sangre tipo B sea ms de 12%
es:
p p
0,12 0,10
>
P p > 0,12 =
P
pq
0,10 x0,90
n
900
= P ( Z > 2)
1 P ( Z 2)
=
= 1 F ( 2)
= 1 0,9773
= 0,0227
b) La probabilidad de que la proporcin muestral de personas con sangre tipo B sea menos de
10,5 es:
p p 0,105 0,10
P p < 0,105 = P
<
0,10 x0,90
pq
n
900
P p < 0,105 =
P ( Z < 0,5 )
= F ( 0,5 )
= 0, 6915
c) La probabilidad de que la proporcin muestral de personas con sangre tipo B est entre 11%
y 13% es:
0,11 0,10
p p
0,13 0,10
P 0,11=
< p < 0,13 P
<
<
0,10 x0,90
pq
0,10 x0,90
n
900
900
= P (1 < Z < 3)
= F ( 3) F (1)
= 0,9986 0,8413
= 0,1573
Ejemplo 2:
Para decidir si apoya o no al candidato Juan Prez, la Sociedad de Votantes Independientes adopta el procedimiento siguiente: Se selecciona una muestra de 400 votantes inscritos. Si el 50% o
ms estn a favor de Juan Prez, la Sociedad lo apoyar; en caso contrario no lo apoyar. Cul
es la probabilidad de que la Sociedad:
Unidad V
166
PROESAD
a) Apoye al candidato Juan Prez si slo el 45% de los votantes estn a favor de l?
b) No apoya a Juan Prez, si al 55% de los votantes a favor de l?
Solucin:
a) La probabilidad de que la sociedad apoye al candidato Juan Prez es:
p p 0,50 0, 45
P p 0,50=
P
pq
0, 45 x0,55
400
n
= P ( Z 2, 01)
1 P ( Z < 2, 01)
=
= 1 F ( 2, 01)
= 1 0,9778
= 0, 0222
b) La probabilidad de que la sociedad no apoye al candidato Juan Prez es:
p p 0,50 0,55
P p < 0,50 =
<
P
pq
0,55 x0, 45
400
n
= P ( Z < 2, 01)
= F ( 2, 01)
= 0, 0222
Las frmulas ms utilizadas en las distribuciones muestrales son:

x =
Esta es la frmula para calcular la desviacin estndar de la media cuando la poblacin es infinita, es decir, cuando los elementos de la poblacin no se puede enumerar. En esta frmula:

s = desviacin estndar de una poblacin

n = tamao de la muestra aleatoria
x =
N n
N 1
Esta es la frmula para calcular la desviacin estndar de la media cuando la poblacin es finita,
es decir, de tamao limitado. En esta frmula:

N = tamao de la poblacin

n = tamao de la muestra
=S=
(X
x)
Estadstica General
167
Esta frmula indica que la desviacin estndar de la muestra se puede usar como estimador de
la desviacin estndar de la poblacin, cuando es desconocido y n 30.
x y =
12
n1
22
n2
Esta es la frmula para calcular la desviacin estndares de la diferencia de dos medias maestrales. En esta frmula:
1 = Desviacin estndar de la poblacin 1
2 = Desviacin estndar de la poblacin 2
n1 = Tamao de la muestra extrada de la poblacin 1
n2 = Tamao de la muestra extrada de la poblacin 2
x y
S12 S 22
+
n1 n2
Esta frmula indica que cuando se desconocen las dos desviaciones estndar de la poblacin, se
puede usar para calcular la desviacin muestral de la diferencia entre las dos medias.
=p
Esta es la frmula para calcular la media de la distribucin muestral de la proporcin de aciertos.
p =
pq
n
Esta es la frmula para calcular la desviacin estndar muestral de la proporcin de aciertos,

cuando la poblacin es infinita.
=
pq N n
n N 1
Esta es la frmula para calcular la desviacin estndar muestral de la proporcin de aciertos,

cuando la poblacin es finita de tamao N.
15.2. DISTRIBUCIN MUESTRAL DE LA DIFERENCIA DE DOS MEDIAS

Supongamos ahora que se tiene dos poblaciones representadas por las variables X e Y, distribuidas con medias respectivas 1 y 2, y desviaciones estndar 1 y 2.
De la poblacin (1) se extraen todas las muestras posibles de tamao n1 y de la poblacin (2)
se extraen todas las muestras posibles de tamao n2.
Las diferencias de las medias de las muestras , determinan una nueva variable cuya distribucin
tiene los parmetros:
(x y ) = (x ) ( y ) = 1 2
(x y ) = (x ) + ( y ) =
12
n1
( Media)
22
n2
( Desviacin estndar )
Unidad V
168
PROESAD
Luego la variable (X - Y) mediante la transformacin:
z=
(X Y ) (
1
n1
2 )
22
n2
Se distribuye como sigue:

CASO 1: Aproximadamente como la normal estndar, si las poblaciones X e Y son normales o no
con 2 conocidas y tamaos muestrales n1 y n2 iguales o mayores a 30.
CASO 2: Exactamente como la normal estndar, si las poblaciones X e Y son normales con 1 y
2 conocidas y tamaos muestrales n1 y n2 cualesquiera.
CASO 3: Aproximadamente como la normal estndar, si las poblaciones X e Y son normales o
no con 1 y 2 desconocidas y tamaos muestrales n1 y n2 iguales o mayores a 30. Las desviaciones estndar poblaciones 1 y 2 se estiman con las desviaciones estndar muestrales
respectivas:

S12 =
n1
n2
(x x )
i =1
S 22 =
n1
(y
i =1
y)
n2
Ejemplo 1:
La estatura media de los soldados del ejrcito norteamericano es de 172,5cm. con una desviacin estndar de 5cm. en tanto que para un soldado del ejrcito de un pas latino estos valores
son 167,5cm. y 2,5cm., respectivamente. Si se selecciona una muestra aleatoria de 80 soldados
de cada uno de estos ejrcitos. Cul es la probabilidad de que la estatura media de la muestra
del ejrcito norteamericano sea superior a la media de la muestra del ejrcito de un pas latino
en 6cm. o ms?
Solucin
Las poblaciones del ejrcito norteamericano y latino arrojan la siguiente informacin:
EJRCITO
NORTEAMERICANO
EJRCITO
LATINO
1 =172,5
2 = 167,5
1 = 5
2 = 2,5
n1 = 80
n2 = 80
La probabilidad de que la estatura media de la muestra del ejrcito norteamericano sea superior
a la media de la muestra del ejrcito latino en 6 cm. es:
x y ( 1 2 )
=
P X Y 6 P
2
2
1
2
n1 n2
= P ( Z 1, 26 )
65
25 6, 25
+
50
50
=
1 P ( Z < 1, 26 )
= 1 F (1, 26 )
= 1 0, 8962
= 0,1038
Estadstica General
169
Ejemplo 2:
Una muestra de tamao 25 se toma de una poblacin normal con media 80 y desviacin estndar
5; una segunda muestra de tamao 36 se toma de una poblacin normal con media 7 y desviacin estndar 3. Hallar la probabilidad de que la media de la muestra de 25 observaciones exceda
a la media de la muestra de 36 observaciones en por lo menos 5,9, pero no menos de 3,4.
Solucin:
Las muestras son extradas de poblaciones normales, que arrojan la informacin dada en el
cuadro:
POBLACIN 1
1 = 80
1=5
n1 = 25
POBLACIN 2
2 = 75
2=3
n2 = 36
La probabilidad de que la muestra de 25 observaciones exceda a la media de 36 observaciones

en por lo menos 5,9 pero menos de 3,4 es:
x1 x 2 ( 1 2 )
3, 4 5
P 3, 4 X =
Y 5,9
P
25 9
12 22
+
+
25 36
n1 n2
3,6
9,6
= P
Z
45
45
5,9 5
25 9
+
25 36
= P ( 1, 43 Z 0,54 )
= F ( 0,54 ) F ( 1, 43)
= 0,7053 0,0764
= 0,6289
1. Se seleccionaron muestras de tamao n de poblaciones con las siguientes medias y varianzas. Determine la media y la desviacin estndar (error estndar) de la distribucin de
muestreo de la media muestral.
a) n = 25, = 10, = 9 b) n = 100, = 5, = 4
c) n = 36, = 120, = 1
2. 2. Trace un esquema de las distribuciones de muestreo descritas en 2) y localice la media
en el intervalo ( 2 x) sobre el eje x de la grfica.
3. 3. Una expectativa importante de la reciente reduccin de los impuestos federales sobre
los ingresos, es que los consumidores ahorrarn una parte sustancial del dinero que ganan.
Supngase que las estimaciones de la parte ahorrada del total de los impuestos, basadas
en un muestreo aleatorio de 35 economistas, tiene una media de 26% y una desviacin
estndar de 12%. Cul es la probabilidad aproximada de que una media muestral, basada
en una muestra aleatoria de n=35 economistas, se localice dentro de 1% de la media de la
poblacin de todos los economistas?
Unidad V
170
PROESAD
4. Un departamento estatal de carreteras vigil una autopista interestatal en particular durante 25 perodos de 1 hora seleccionados al azar durante un mes, para obtener informacin
acerca del volumen de la carga transportada por camiones a travs de dicha autopista. Se
cont el nmero de trailers para cada perodo de una hora y se calcul x para la muestra de
25 perodos individuales por una hora. Supngase que la distribucin del nmero de trailers
pesados por hora es aproximadamente normal con = 50 y = 7.
a) Cul es la probabilidad de que la media muestral x para n=25 perodos de una hora sea
mayor de 55?
b) Si n = 4 perodos de 1 hora. Cul es la probabilidad de que sea mayor que 55?
5. Se seleccionan muestras aleatorias de tamao n de poblaciones binomiales con los siguientes parmetros poblacionales p. Encuentre la media y la desviacin estndar de la distribucin normal de la proporcin muestral p.
a) n=100, p=0,3 b) n=400, p=0,1 c) n=250, p=0,6
6. Si n=1000 y p=0,1, obtenga la probabilidad de que:
a) p > 0,12
b) p < 0,10
7. Calcule p para n=100 y para los valores siguientes de p.

a) p=0,01
e) p=0,7
b) p=0,1
f) p=0,9
c) p=0,3
g) p=0.99
d) p=0,5
8. Antes de tomar la decisin de introducir su nueva bebida (Coke) en 1985, la compaa CocaCola la present a aproximadamente 40000 consumidores en 30 ciudades de Estados Unidos.
Sin marcas de identificacin, 55% prefirieron la nueva frmula a la anterior (Fortune, 27 de
mayo, 1985). Supngase que los 40000 consumidores de la encuesta representa una muestra aleatoria de una poblacin de bebedores de refrescos de Cola en las 30 ciudades.
a) Describa la distribucin de muestreo de , la proporcin en la muestra de gente que est
a favor de la nueva Coke.
b) Encuentre la probabilidad de que se localice dentro de 0.005 de la proporcin p de los
bebedores de refrescos de cola en la poblacin que favorecen la bebida nueva.
9. Se seleccionan muestras independientes de n1 y n2, observaciones de poblaciones con los
parmetros (1, 1) y (2, 2). Encuentre la media y la desviacin estndar de la distribucin de muestreo de la diferencia (x1 - x2), entre las medias muestrales en cada uno de
los siguientes casos.
a) n1 = 16, 1 = 10, = 4 y n2 = 20, 2 = 20, =8
b) n1 =100, 1 = 640, = 1 y n2 = 100, 2 = 642, =3
Estadstica General
171
AUTOEVALUACIN

CONCEPTUAL:
(
(
(
(
)
)
)
?
?
La estimacin y la prueba de hiptesis son procedimientos que corresponde a la

inferencia estadstica.
El propsito fundamental del muestreo es estimar el valor del estadstico
Los estadsticos nos sirven para estimar el valor del parmetro.
Las condiciones bsicas de una buena muestra se basan en la cantidad y la calidad
de sus elementos.
PROCEDIMENTAL:
2. Cul es la probabilidad de que la media para una muestra aleatoria de 144 cuentas por cobrar extradas de una poblacin de 2000 cuentas con media de 10000 dlares y desviacin
estndar de 4000 dlares, est entre 9500 y 10500 dlares?
a) 0,1288 b) 0,1828
c) 0,2818
d) 0,8128
e) 0,8812
3. Los puntajes de un examen de aptitud a nivel nacional siguen una distribucin normal con
media de 72 puntos y desviacin estndar de 8 puntos, cul es la probabilidad de que la
diferencia de los puntajes medios de dos muestras aleatorias de 28 y 36 estudiantes sea de
3 ms puntos?
a) 0,5120 b) 0,5210
c) 0,2150
d) 0,2015
e) 0,2510
4. Del profesorado universitario de la ciudad de Lima, 1/6 son mujeres. Si de esta poblacin se
extrae una muestra aleatoria de 180 profesores. Cul es la probabilidad de que la proporcin
de profesores en la muestra no sea menor del 10%, ni mayor del 25%?
a) 0,9938 b) 0,9398
c) 0,8399
d) 0,8939
e) 0,3899
ACTITUDINAL:
5. Si tuvieras una fbrica de lapiceros y deseas verificar que el porcentaje de lapiceros defectuosos que produces durante un da es menor del 10%. Utilizaras la probabilidad? Qu
distribucin de muestreo utilizaras?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
Unidad V
172
PROESAD
REFENCIAS BIBLIOGRAFICAS
CRDOVA ZAMORA, Manuel (2003). Estadstica Descriptiva e Inferencial
DAZ OPORTO, Juan. (1995). Razonamiento Matemtico. Per: CONCYTEC.
HERNNDEZ R., FERNNDEZ C. Y BAPTISTA P. (1996). Metodologa de la Investigacin. Colombia:
Mac. Graw Hill. Primera Edicin.
MARTNEZ, Ciro. (1995). Estadstica. Santa Fe de Bogota, Ed. Presencia.
MENDENHALL. William. (1991). Estadstica para Administradores. Editorial Harla.
MEZA DE CASTILLO Elizabeth. (1994). Probabilidad. Lima Per: CONCYTEC.
MILLER, FREUD y JOHNSON. (1992). Probabilidad y Estadstica para Ingenieros. Mxico: Ed. Prince
Hall. Cuarta edicin.
MITACC MEZA, Mximo. (1994).Tpicos de Inferencia. Lima Per: Ed. San Marcos.
MITACC MEZA, Mximo. (1994). Tpicos de Estadstica y Probabilidad. Lima Per. Ed. San Marcos.
MONTGOMERI D. Y RUNGER G. (1996). Probabilidad y Estadstica aplicadas a la Ingeniera. Mxico:
Mc Graw Hill. Primera edicin.
MORRIS H. DeGROOT. (1988). Probabilidad y Estadstica. Estados Unidos: ADDISON WESLEY IBEROAMERICANA.
MOYA R. Y SARAVIA A. (1998). Probabilidad e Inferencia Estadstica. Lima Per, Ed. San Marcos.
Segunda Edicin.
OSTLE, Bernard. (1994). Estadstica Aplicada. Mxico: Ed. Limusa.
P, BOX, George (1993). Estadstica para Investigadores. Ed. Reverte.
POZA VLCHEZ, Manuel y ORIHUELA ORIHUELA, Pedro (1994). Estadstica Aplicada a la Educacin.
Per: Ed. Educacin a distancia EESA. Universidad Inca Garcilaso de la Vega.
SCHEAFFER, Richard L. (1993). Probabilidad y Estadstica para Ingeniera.
SUMIRE QUENTA, David (2001). Matemtica Bsica. Per: Editorial Imprenta Unin.
WONNACOTT Y WONNACOTT. (1991). Estadstica Bsica Practica. Mxico: Ed. Limusa.
Estadstica General
173
APNDICE N 1
NMEROS ALEATORIOS
00 - 04
05 - 09
10 - 14
15 - 19
20 - 24
25 - 29
30 - 34
35 - 39
40 - 44
45 - 49
00
39591
66082
48626
95780
55228
87189
75717
97042
19696
48613
01
46304
97377
43462
21739
14566
72533
60171
29024
77581
72760
02
99547
60779
22734
23678
44895
89767
18249
41702
35850
40543
03
06743
63537
24553
77225
94743
79448
12753
95986
78088
48019
04
69568
65496
49033
88577
98606
92156
08846
54912
12691
13170
05
68198
69571
34349
73141
42640
44721
30402
3507
33475
47401
06
27974
12609
77428
64441
49008
60489
66780
55499
80842
57706
07
50552
20688
02769
63037
15494
71784
70559
58158
53437
46216
08
74687
02033
98290
62635
88877
28599
63682
35566
03271
05651
09
49303
76629
71897
30990
62923
36686
96167
11492
90333
84501
10
89734
39183
52026
14997
15140
18250
62831
51236
61236
09179
11
74042
40747
02617
11346
01884
82066
55913
72422
13971
64209
12
84706
31375
67053
73367
95349
31074
36908
42782
89690
48002
13
83664
21365
28882
48926
45435
60577
85270
02777
06878
27561
14
47813
74854
73388
11385
99108
97878
97878
17473
07682
20166
15
00371
56525
38880
53702
09517
47281
15995
98350
25233
79718
16
81182
48434
27431
55806
25389
40774
72978
16835
65066
28732
17
75242
35904
73077
24537
8135 4
48902
03478
42867
04552
66034
18
96239
80246
07000
09555
55051
49596
44629
88225
28195
44598
19
82988
17440
85311
03360
38176
51462
86070
03924
84413
92363
20
77599
29143
89088
57593
60036
17297
30923
36224
46327
96266
21
61433
33118
53488
82981
44709
44709
64388
00198
14135
57514
22
76008
15045
45440
84062
55236
52363
33726
44301
86246
99727
23
26494
76598
85834
10844
56300
56300
72118
96510
98388
80161
24
4670
88558
77533
33359
07830
07830
53260
46755
36881
98535
25
73995
41532
87933
79930
14310
64833
49020
36224
99726
97007
26
93901
38276
75544
19679
82899
11365
22896
00498
77165
08734
27
41925
28215
40966
93501
45446
27913
21708
44301
81404
15119
28
80720
02782
24326
41328
10357
86883
80086
96510
57072
12100
29
92596
39416
50362
04423
04561
58179
54188
46755
14322
97056
30
39693
58559
45839
47278
38548
38885
19875
70067
86711
57005
31
86923
37863
14340
30929
04079
65274
03030
42118
09362
82972
32
99700
79237
18172
58879
56221
65644
33331
01788
32961
40996
33
60248
21953
52321
16981
03252
90433
97304
77138
71026
01946
Apndice
174
34
29136
71987
03992
67025
31070
78348
47823
44978
13037
47732
35
57471
42913
85212
42319
92901
97727
04775
26829
38154
25238
36
57424
93847
03269
56096
95028
14039
76128
15110
27301
65529
37
56768
71694
63361
80836
30841
71875
40944
87502
01887
54822
38
70400
81534
02148
41441
26582
27481
84262
50181
42409
62950
39
05454
88418
48646
99565
36635
85496
18894
11033
26894
00889
40
80934
56136
47063
96311
19067
59790
08752
68040
85685
83076
41
06919
46237
50676
11238
75637
43086
95323
52867
06891
32089
42
00152
23997
41751
74756
50975
75365
70158
67663
51431
16375
43
88505
74625
71783
82511
13661
63178
39291
76796
74736
10980
44
64514
80967
33545
09582
86329
58152
05931
35961
70069
12142
45
25280
53007
99651
96366
49378
80971
10419
12981
70572
11575
46
71292
63716
93210
59312
39493
24252
54849
29754
41497
79228
47
49734
50498
08974
05904
68172
02864
10994
22482
12912
17920
48
43075
09754
71880
92614
99928
94424
86353
87549
94499
11459
49
15116
16643
03981
06566
14050
33671
03814
48856
41267
76252
NMEROS ALEATORIOS
50 - 54
55 - 59
60 - 64
65 - 69
70 - 74
75 - 79
80 - 84
85 - 89
90 - 94
95 - 99
50
25178
77518
41773
39926
09843
29694
43801
69276
44707
23455
51
45803
95106
85816
33366
37383
76832
37024
06581
22587
24827
52
15532
30898
14922
13923
44987
45122
86515
55836
96165
19650
53
99068
35453
42152
12078
04913
06083
06645
93310
40016
8421
54
70983
88359
95583
79348
24101
07502
25692
42496
77732
19278
55
71181
48289
03153
18779
65702
03612
64608
84071
4788
09982
56
44052
59163
74033
86112
27731
46135
63092
59171
44816
12354
57
91555
87708
70964
43346
56811
03725
75139
77674
82467
41899
58
54307
12188
58089
73745
35569
97352
77301
37684
36823
69218
59
63631
23919
06785
13891
89918
76211
09362
34292
17640
6907
60
46832
30801
98898
28954
97793
20825
36775
71974
15574
09184
61
05944
82632
39310
74857
61725
50569
81937
16820
85446
51168
62
28199
90116
59501
49025
73005
84954
11587
97691
90415
84685
63
09391
05600
00624
95068
33776
44985
01505
76911
45539
32181
64
29634
13021
96568
15124
55092
44043
31073
92371
51288
33378
65
61509
18842
79201
46451
68594
98120
68110
91062
42095
61839
66
87888
23033
69837
65661
15130
44649
42515
83861
50721
36110
67
94585
15218
74838
61809
92293
85400
46934
08531
70107
65707
Apndice
175
68
82033
93915
34898
79913
70013
27573
39256
35167
35070
47095
69
79131
10022
82199
78976
22702
37936
10445
96846
84927
69745
70
79344
39236
41333
11473
15049
47930
99029
97150
82275
55140
71
15384
44585
18773
89733
40779
59664
83328
25162
58758
17761
72
38802
90957
32910
97485
10358
88588
95310
22252
19143
69011
73
85874
18400
28151
29541
63706
43197
65726
94117
22169
91806
74
26200
72680
12364
46010
92208
59103
60417
45389
56122
85353
75
13772
75282
81418
42188
66529
47981
92548
10079
68179
40915
76
91876
07434
96946
98382
97374
34444
17992
42811
01579
48741
77
31721
21713
83632
40605
24227
53219
05482
86768
53239
24812
78
92570
53242
98133
84706
84706
29645
79336
66091
05793
25922
79
02880
29307
73734
66448
66448
74645
29562
13999
17492
49891
80
80982
14684
31038
85302
98349
57313
86371
33938
10768
60837
81
38000
43364
94825
32413
46781
09685
69058
56644
85531
55173
82
14218
94289
79484
61868
40034
22546
68726
14736
89844
13466
83
74358
21940
40280
22233
09123
49375
55094
46113
54046
51771
84
39049
14986
94000
26649
13037
13037
45186
89515
63214
66886
85
48727
06300
91486
67316
84576
11100
37580
49629
83224
46321
86
22719
29784
40682
96715
40745
57458
50048
48306
50270
87424
87
33980
36769
51977
03689
79071
20279
64787
48877
44063
93733
88
23885
66721
16542
12648
65986
43104
45583
75729
35118
58742
89
85190
44068
78477
69133
58983
96504
44232
74809
25266
73872
90
33453
36333
45814
78128
55914
89829
43251
41634
48488
49153
91
98236
11489
97240
01678
30779
75214
80039
68895
95271
19654
92
21295
53565
43609
48439
87427
88065
09892
58524
43815
31340
93
28335
79849
69842
71669
38770
54445
48736
03242
83181
85403
94
95449
35273
62581
85522
35813
34475
97514
72839
10387
31649
95
88167
03878
89405
55461
73248
48620
31732
47317
06252
54652
96
86131
62596
98785
02360
54271
26242
93735
20752
17146
18315
97
71134
90264
30126
08586
97497
61678
81940
00907
39096
02082
98
02664
53438
76839
52290
77999
05799
93744
16634
84924
31344
99
90664
96876
16663
25608
67140
84619
67167
13192
81774
58619
NMEROS ALEATORIOS
00 - 04
05 - 09
10 - 14
15 - 19
20 - 24
25 - 29
30 - 34
35 - 39
40 - 44
45 - 49
00
93873
86558
72524
02542
73184
37905
05882
15596
73646
50798
01
08761
47547
02216
48086
56490
89959
69975
04500
23779
76697
Apndice
176
02
61270
98773
40298
26077
80396
08166
35723
61933
13985
19102
03
73758
15578
95748
02967
35122
36539
72822
68241
34803
42457
04
17132
32196
60523
00544
73700
70122
27962
45597
36011
79971
05
26175
29794
44838
84414
82748
22246
70694
57953
39780
17791
06
06004
04516
06210
03536
84451
30767
37928
26986
07396
64611
07
34687
73753
36327
73704
61564
99434
90938
03967
97420
19913
08
27865
08255
57859
04746
79700
68823
16002
58115
07589
12675
09
89423
51114
90820
26786
77404
05795
49036
34686
98767
32284
10
99030
80312
69745
87636
10058
84834
89485
08775
19041
61375
11
02852
54339
45496
20587
85921
06763
68873
35367
42627
54973
12
10850
42788
94737
74549
74296
15053
46816
32141
02533
25648
13
38301
18507
33151
69434
80103
02603
6110
89395
67621
67025
14
48181
95478
62739
90148
00156
09338
44558
53271
87549
45974
15
23098
23720
76508
69083
56584
90423
21634
35999
09234
95116
16
25104
82019
21120
06165
44324
77577
15774
44091
69687
67576
17
22205
40198
86884
28103
57306
54915
03426
66700
45993
36668
18
64975
05064
29617
40622
20330
18518
45312
57921
23188
82361
19
58710
75278
47730
26093
16436
38868
76861
85914
14162
21984
20
12140
72905
26022
07675
16362
34504
47740
39923
04081
03162
21
73226
39840
47958
97249
14146
34543
46162
74158
59739
67447
22
12320
86217
66162
70941
58940
58006
80731
66630
02183
94678
23
41364
64156
23000
23188
64945
33815
32884
76955
56574
61666
24
97881
80867
70117
72041
03554
29087
19767
71838
80545
61402
25
88295
87271
82812
97588
09960
06312
03050
77332
25977
13385
26
95321
89836
78230
46037
72483
87533
74571
88859
26908
55626
27
24337
14264
30185
36753
22343
81737
62926
76494
93536
75502
28
00718
66303
75009
91431
64245
61863
16738
23127
89435
45109
29
38093
10328
96998
91386
34967
40407
48380
09115
59367
49596
30
87661
31701
29974
56777
66751
35418
63887
95094
20056
84990
31
87142
91818
51857
85061
17890
39057
44506
00969
32942
54794
32
60634
27142
21199
50437
04685
70252
91453
75952
66753
50664
33
73356
64431
05068
56334
34487
78253
67684
69916
63885
88491
34
29889
11378
65915
66776
95034
81447
98035
16815
68432
63020
35
48257
36438
48479
72173
31418
1035
84239
02032
40409
11715
36
38425
29462
79880
45713
90049
01136
72426
25077
64361
94284
37
482226
31868
38620
12135
28346
17552
03203
42618
44151
78438
38
80189
30031
15435
76730
58565
29817
36775
64007
47912
16754
39
33208
33475
95219
29832
74569
50667
90569
66717
46958
04820
Apndice
177
40
19750
48564
49690
43352
53834
80125
47792
99701
06800
22794
41
62820
23174
71124
36040
34873
95650
79059
23394
58534
78296
42
95737
34362
81520
79481
26442
37826
76866
01580
83713
94272
43
64642
62961
37566
41064
69372
84369
92823
91391
61056
44495
44
77636
60163
14915
50744
95611
99346
39741
04407
72940
87936
45
43633
52102
93561
31010
11299
52661
79014
17910
88492
60753
46
93686
41960
61280
96529
52924
87371
34855
67125
40279
10186
47
23775
33402
28647
42314
51213
29116
26243
40243
32137
25177
48
91325
64698
58868
63107
08993
96000
66854
11567
80604
72299
49
58129
44367
31924
73586
24422
92799
28963
36444
01315
10226
NMEROS ALEATORIOS

50 - 54
55 - 59
60 - 64
65 - 69
70 - 74
75 - 79
80 - 84
85 - 89
90 - 94
95 - 99
50
37686
78520
31209
83677
99115
94024
09286
58927
24078
16770
51
58108
29344
11825
51955
50618
99753
02200
50503
32466
50055
52
71545
42326
66429
93607
55276
85482
24449
41764
19884
46443
53
93303
90557
79166
90097
01627
96690
77434
06402
05379
59549
54
36731
37929
13079
83036
31525
35811
59131
65257
03731
86703
55
49781
31581
80391
84608
23390
30433
08249
85136
80060
43651
56
65995
94208
68785
04370
44192
91852
01129
28739
08705
54538
57
19663
09309
02836
10223
90814
92786
96747
46014
54765
76001
58
88479
24307
63812
47615
17220
27942
11785
49933
03923
35432
59
95407
95006
95421
20811
76761
47475
58865
06204
36543
81002
60
22789
87011
61926
97996
16604
80855
48714
52754
98279
96467
61
96783
18403
36729
18760
30810
73087
94565
68682
15792
60020
62
68933
05665
12264
23954
01883
75411
04460
83939
66528
22576
63
68794
13000
20066
98963
93483
51165
63358
12373
13877
37580
64
40537
31604
60323
51235
65546
85117
15647
09617
73520
48525
65
41249
42504
91773
81579
02588
74657
73765
10932
74607
83825
66
08813
84525
30329
33144
76884
89996
7834
67266
96820
15128
67
46609
30917
29996
10848
39555
09233
58988
82131
69232
76762
68
68543
69424
92072
57937
05563
80727
67053
35431
00881
56541
69
09926
84219
30089
08843
24998
27105
18397
79071
40738
73876
70
30515
76316
49597
37900
98604
05857
51729
19006
15239
27129
71
21611
26346
04877
71584
55724
39616
64648
26811
60915
34108
72
47410
83767
56454
96768
27001
83712
01245
27256
57991
75758
Apndice
178
73
18572
31214
41015
64110
61807
72472
78059
69701
78681
17356
74
28078
02819
02459
33308
96540
15817
78694
81476
85856
99737
75
56644
50430
34562
75842
67724
02918
55603
55195
88219
39676
76
27331
48055
18928
47463
61966
64507
06559
81329
29481
03660
77
32080
21524
32929
07739
08836
39497
94476
27433
96857
52987
78
27027
69762
65362
90214
89572
52054
43067
73017
87664
03293
79
56471
68839
09969
45853
72627
71793
49920
64544
71874
74053
80
22689
19799
18870
49272
74783
38777
76176
40961
18089
32499
81
71263
82247
66684
90239
67686
48963
30842
59354
33551
87966
82
64084
57386
89278
27187
52142
96305
87393
80164
95518
82742
83
23121
10194
0991
37062
43446
09107
47156
70179
00858
92326
84
78906
48080
76745
65814
51167
87755
66884
12718
14951
47937
85
87257
26005
21544
37223
53288
72056
96396
67099
49416
91891
86
39529
98126
33694
29025
94308
24426
63072
51444
04718
49891
87
89632
11606
87159
89408
06295
31055
15530
46432
49871
37982
88
23708
98919
14407
53722
58779
92849
04176
24870
56688
25405
89
51445
46758
42024
27940
64237
10086
95601
53923
85209
79385
90
23849
65272
24743
39960
27313
99925
29743
87270
05773
21797
91
78613
15441
34568
57398
25872
61792
94599
60944
90908
38948
92
90694
27996
94181
87428
41135
29461
72716
68956
67871
72459
93
96772
86829
36403
40087
67456
21071
39039
91937
45280
00066
94
24527
40701
56894
73327
00789
97573
09303
41704
05772
95372
95
31596
70876
46807
06741
29352
23829
52465
00336
24155
61871
96
31613
99249
17260
05242
19535
52702
64761
66694
06150
13820
97
02911
09514
50864
80622
20017
59019
43450
75942
08567
40547
98
02484
74068
04670
19646
41951
05111
34013
57443
87481
48994
99
69259
75535
73007
15236
01572
44870
53280
25132
70276
87334
Apndice
179
APNDICE N 2
TABLA DE LA DISTRIBUCIN ACUMULADA BINOMIAL
p
n
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.9025
0.8100
0.7225
0.6400
0.5625
0.4900
0.4225
0.3600
0.3025
0.2500
0.9975
0.9900
0.9775
0.9600
0.9375
0.9100
0.8775
0.8400
0.7975
0.7500
0.8574
0.7290
0.6141
0.5120
0.4219
0.3430
0.2746
0.2160
0.1664
0.1250
0.9928
0.9720
0.9393
0.8960
0.8438
0.7840
0.7183
0.6480
0.5748
0.5000
0.9999
0.9990
0.9966
0.9920
0.9844
0.9730
0.9571
0.9360
0.9089
0.8750
0.8145
0.6561
0.5220
0.4096
0.3164
0.2401
0.1785
0.1296
0.0915
0.0625
0.9860
0.9477
0.8905
0.8192
0.7383
0.6517
0.5630
0.4752
0.3910
0.3125
0.9995
0.9963
0.9880
0.9728
0.9492
0.9163
0.8735
0.8208
0.7585
0.6875
1.0000
0.9999
0.9995
0.9984
0.9961
0.9919
0.9850
0.9744
0.9590
0.9375
0.7738
0.5905
0.4437
0.3277
0.2373
0.1681
0.1160
0.0778
0.0503
0.0313
0.9774
0.9185
0.8352
0.7373
0.6328
0.5282
0.4284
0.3370
0.2562
0.1875
0.9988
0.9914
0.9734
0.9421
0.8965
0.8369
0.7648
0.6826
0.5931
0.5000
1.0000
0.9995
0.9978
0.9933
0.9844
0.9692
0.9460
0.9130
0.8688
0.8125
1.0000
1.0000
0.9999
0.9997
0.9990
0.9976
0.9947
0.9898
0.9815
0.9688
0.7351
0.5314
0.3771
0.2621
0.1780
0.1176
0.0754
0.0467
0.0277
0.0156
0.9672
0.8857
0.7765
0.6554
0.5339
0.4202
0.3191
0.2333
0.1636
0.1094
0.9978
0.9842
0.9527
0.9011
0.8306
0.7443
0.6471
0.5443
0.4415
0.3438
0.9999 0.9987
0.9941 0.9830
0.9624
0.9295
0.8826
0.8208
0.7447 0.6563
1.0000
0.9999
0.9996
0.9984
0.9954
0.9891
0.9777
0.9590
0.9308
0.8906
1.0000
1.0000
1.0000
0.9999
0.9998
0.9993
0.9982
0.9959
0.9917
0.9844
0.6983
0.4783
0.3206
0.2097
0.1335
0.0824
0.0490
0.0280
0.0152
0.0078
0.9556
0.8503
0.7166
0.5767
0.4449
0.3294
0.2338
0.1586
0.1024
0.0625
0.9962
0.9743
0.9262
0.8520
0.7564
0.6471
0.5323
0.4199
0.3164
0.2266
0.9998
0.9973
0.9879
0.9667
0.9294
0.8740
0.8002
0.7102
0.6083
0.5000
1.0000
0.9998
0.9988
0.9953
0.9871
0.9712
0.9444
0.9037
0.8471
0.7734
1.0000
1.0000
0.9999
0.9996
0.9987
0.9962
0.9910
0.9812
0.9643
0.9375
1.0000
1.0000
1.0000
1.0000
0.9999
0.9998
0.9994
0.9984
0.9963
0.9922
0.6634
0.4305
0.2725
0.1678
0.1001
0.0576
0.0319
0.0168
0.0084
0.0039
0.9428
0.8131
0.6572
0.5033
0.3671
0.2553
0.1691
0.1064
0.0632
0.0352
0.9942
0.9619
0.8948
0.7969
0.6785
0.5518
0.4278
0.3154
0.2201
0.1445
0.9996
0.9950
0.9786
0.9437
0.8862
0.8059
0.7064
0.5941
0.4770
0.3633
1.0000
0.9996
0.9971
0.9896
0.9727
0.9420
0.8939
0.8263
0.7396
0.6367
1.0000
1.0000
0.9998
0.9988
0.9958
0.9887
0.9747
0.9502
0.9115
0.8555
1.0000
1.0000
1.0000
0.9999
0.9996
0.9987
0.9964
0.9915
0.9819
0.9648
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9998
0.9993
0.9983
0.9961
0.6302
0.3874
0.2316
0.1342
0.0751
0.0404
0.0207
0.0101
0.0046
0.0020
0.9288
0.7748
0.5995
0.4362
0.3003
0.1960
0.1211
0.0705
0.0385
0.0195
0.9916
0.9470
0.8591
0.7382
0.6007
0.4628
0.3373
0.2318
0.1495
0.0898
Apndice
180
0.9994
0.9917
0.9661
0.9144
0.8343
0.7297
0.6089
0.4826
0.3614
0.2539
1.0000
0.9991
0.9944
0.9804
0.9511
0.9012
0.8283
0.7334
0.6214
0.5000
1.0000
0.9999
0.9994
0.9969
0.9900
0.9747
0.9464
0.9006
0.8342
0.7461
1.0000
1.0000
1.0000
0.9997
0.9987
0.9957
0.9888
0.9750
0.9502
0.9102
1.0000
1.0000
1.0000
1.0000
0.9999
0.9996
0.9986
0.9962
0.9909
0.9805
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9992
0.9980
P
N
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
10
0.5987
0.3487
0.1969
0.1074
0.0563
0.0282
0.0135
0.0060
0.0025
0.0010
0.9139
0.7361
0.5443
0.3758
0.2440
0.1493
0.0860
0.0464
0.0233
0.0107
0.9885
0.9298
0.8202
0.6778
0.5256
0.3828
0.2616
0.1673
0.0996
0.0547
11
12
13
0.9990
0.9872
0.9500
0.8791
0.7759
0.6496
0.5138
0.3823
0.2660
0.1719
0.9999
0.9984
0.9901
0.9672
0.9219
0.8497
0.7515
0.6331
0.5044
0.3770
1.0000
0.9999
0.9986
0.9936
0.9803
0.9527
0.9051
0.8338
0.7384
0.6230
1.0000
1.0000
0.9999
0.9991
0.9965
0.9894
0.9740
0.9452
0.8980
0.8281
1.0000
1.0000
1.0000
0.9999
0.9996
0.9984
0.9952
0.9877
0.9726
0.9453
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9983
0.9955
0.9893
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9990
0.5688
0.3138
0.1673
0.0859
0.0422
0.0198
0.0088
0.0036
0.0014
0.0005
0.8981
0.6974
0.4922
0.3221
0.1971
0.1130
0.0606
0.0302
0.0139
0.0059
0.9848
0.9104
0.7788
0.6174
0.4552
0.3127
0.2001
0.1189
0.0652
0.0327
0.9984
0.9815
0.9306
0.8389
0.7133
0.5696
0.4256
0.2963
0.1911
0.1133
0.9999
0.9972
0.9841
0.9496
0.8854
0.7897
0.6683
0.5328
0.3971
0.2744
1.0000
0.9997
0.9973
0.9883
0.9657
0.9218
0.8513
0.7535
0.6331
0.5000
1.0000
1.0000
0.9997
0.9980
0.9924
0.9784
0.9499
0.9006
0.8262
0.7256
1.0000
1.0000
1.0000
0.9998
0.9988
0.9957
0.9878
0.9707
0.9390
0.8867
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9980
0.9941
0.9852
0.9673
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9993
0.9978
0.9941
10
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9995
0.5404
0.2824
0.1422
0.0687
0.0317
0.0138
0.0057
0.0022
0.0008
0.0002
0.8816
0.6590
0.4435
0.2749
0.1584
0.0850
0.0424
0.0196
0.0083
0.0032
0.9804
0.8891
0.7358
0.5583
0.3907
0.2528
0.1513
0.0834
0.0421
0.0193
0.9978
0.9744
0.9078
0.7946
0.6488
0.4925
0.3467
0.2253
0.1345
0.0730
0.9998
0.9957
0.9761
0.9274
0.8424
0.7237
0.5833
0.4382
0.3044
0.1938
1.0000
0.9995
0.9954
0.9806
0.9456
0.8822
0.7873
0.6652
0.5269
0.3872
1.0000
0.9999
0.9993
0.9961
0.9857
0.9614
0.9154
0.8418
0.7393
0.6128
1.0000
1.0000
0.9999
0.9994
0.9972
0.9905
0.9745
0.9427
0.8883
0.8062
1.0000
1.0000
1.0000
0.9999
0.9996
0.9983
0.9944
0.9847
0.9644
0.9270
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9992
0.9972
0.9921
0.9807
10
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9989
0.9968
11
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9998
0.5133
0.2542
0.1209
0.0550
0.0238
0.0097
0.0037
0.0013
0.0004
0.0001
0.8646
0.6213
0.3983
0.2336
0.1267
0.0637
0.0296
0.0126
0.0049
0.0017
Apndice
181
14
0.9755
0.8661
0.6920
0.5017
0.3326
0.2025
0.1132
0.0579
0.0269
0.0112
0.9969
0.9658
0.8820
0.7473
0.5843
0.4206
0.2783
0.1686
0.0929
0.0461
0.9997
0.9935
0.9658
0.9009
0.7940
0.6543
0.5005
0.3530
0.2279
0.1334
1.0000
0.9991
0.9925
0.9700
0.9198
0.8346
0.7159
0.5744
0.4268
0.2905
1.0000
0.9999
0.9987
0.9930
0.9757
0.9376
0.8705
0.7712
0.6437
0.5000
1.0000
1.0000
0.9998
0.9988
0.9944
0.9818
0.9538
0.9023
0.8212
0.7095
1.0000
1.0000
1.0000
0.9998
0.9990
0.9960
0.9874
0.9679
0.9302
0.8666
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
0.9975
0.9922
0.9797
0.9539
10
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9987
0.9959
0.9888
11
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9983
12
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.4877
0.2288
0.1028
0.0440
0.0178
0.0068
0.0024
0.0008
0.0002
0.0001
0.8470
0.5846
0.3567
0.1979
0.1010
0.0475
0.0205
0.0081
0.0029
0.0009

P
n
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
14
0.9699
0.8416
0.6479
0.4481
0.2811
0.1608
0.0839
0.0398
0.0170
0.0065
15
0.9958
0.9559
0.8535
0.6982
0.5213
0.3552
0.2205
0.1243
0.0632
0.0287
0.9996
0.9908
0.9533
0.8702
0.7415
0.5842
0.4227
0.2793
0.1672
0.0898
1.0000
0.9985
0.9885
0.9561
0.8883
0.7805
0.6405
0.4859
0.3373
0.2120
1.0000
0.9998
0.9978
0.9884
0.9617
0.9067
0.8164
0.6925
0.5461
0.3953
1.0000
1.0000
0.9997
0.9976
0.9897
0.9685
0.9247
0.8499
0.7414
0.6047
1.0000
1.0000
1.0000
0.9996
0.9978
0.9917
0.9757
0.9417
0.8811
0.7880
1.0000
1.0000
1.0000
1.0000
0.9997
0.9983
0.9940
0.9825
0.9574
0.9102
10
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9989
0.9961
0.9886
0.9713
11
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9978
0.9935
12
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9991
13
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.4633
0.2059
0.0874
0.0352
0.0134
0.0047
0.0016
0.0005
0.0001
0.0000
0.8290
0.5490
0.3186
0.1671
0.0802
0.0353
0.0142
0.0052
0.0017
0.0005
0.9638
0.8159
0.6042
0.3980
0.2361
0.1268
0.0617
0.0271
0.0107
0.0037
0.9945
0.9444
0.8227
0.6482
0.4613
0.2969
0.1727
0.0905
0.0424
0.0176
0.9994
0.9873
0.9383
0.8358
0.6865
0.5155
0.3519
0.2173
0.1204
0.0592
0.9999
0.9978
0.9832
0.9389
0.8516
0.7216
0.5643
0.4032
0.2608
0.1509
1.0000
0.9997
0.9964
0.9819
0.9434
0.8689
0.7548
0.6098
0.4522
0.3036
1.0000
1.0000
0.9994
0.9958
0.9827
0.9500
0.8868
0.7869
0.6535
0.5000
1.0000
1.0000
0.9999
0.9992
0.9958
0.9848
0.9578
0.9050
0.8182
0.6964
1.0000
1.0000
1.0000
0.9999
0.9992
0.9963
0.9876
0.9662
0.9231
0.8491
10
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
0.9972
0.9907
0.9745
0.9408
11
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9981
0.9937
0.9824
12
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9989
0.9963
13
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
Apndice
182
16
17
0.4401
0.1853
0.0743
0.0281
0.0100
0.0033
0.0010
0.0003
0.0001
0.0000
0.8108
0.5147
0.2839
0.1407
0.0635
0.0261
0.0098
0.0033
0.0010
0.0003
0.9571
0.7892
0.5614
0.3518
0.1971
0.0994
0.0451
0.0183
0.0066
0.0021
0.9930
0.9316
0.7899
0.5981
0.4050
0.2459
0.1339
0.0651
0.0281
0.0106
0.9991
0.9830
0.9209
0.7982
0.6302
0.4499
0.2892
0.1666
0.0853
0.0384
0.9999
0.9967
0.9765
0.9183
0.8103
0.6598
0.4900
0.3288
0.1976
0.1051
1.0000
0.9995
0.9944
0.9733
0.9204
0.8247
0.6881
0.5272
0.3660
0.2272
1.0000
0.9999
0.9989
0.9930
0.9729
0.9256
0.8406
0.7161
0.5629
0.4018
1.0000
1.0000
0.9998
0.9985
0.9925
0.9743
0.9329
0.8577
0.7441
0.5982
1.0000
1.0000
1.0000
0.9998
0.9984
0.9929
0.9771
0.9417
0.8759
0.7728
10
1.0000
1.0000
1.0000
1.0000
0.9997
0.9984
0.9938
0.9809
0.9514
0.8949
11
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9987
0.9951
0.9851
0.9616
12
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9991
0.9965
0.9894
13
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9979
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.4181
0.1668
0.0631
0.0225
0.0075
0.0023
0.0007
0.0002
0.0000
0.0000
0.7922
0.4818
0.2525
0.1182
0.0501
0.0193
0.0067
0.0021
0.0006
0.0001
0.9497
0.7618
0.5198
0.3096
0.1637
0.0774
0.0327
0.0123
0.0041
0.0012
0.9912
0.9174
0.7556
0.5489
0.3530
0.2019
0.1028
0.0464
0.0184
0.0064
P
N
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
17
0.9988
0.9779
0.9013
0.7582
0.5739
0.3887
0.2348
0.1260
0.0596
0.0245
0.9999
0.9953
0.9681
0.8943
0.7653
0.5968
0.4197
0.2639
0.1471
0.0717
18
1.0000
0.9992
0.9917
0.9623
0.8929
0.7752
0.6188
0.4478
0.2902
0.1662
1.0000
0.9999
0.9983
0.9891
0.9598
0.8954
0.7872
0.6405
0.4743
0.3145
1.0000
1.0000
0.9997
0.9974
0.9876
0.9597
0.9006
0.8011
0.6626
0.5000
1.0000
1.0000
1.0000
0.9995
0.9969
0.9873
0.9617
0.9081
0.8166
0.6855
10
1.0000
1.0000
1.0000
0.9999
0.9994
0.9968
0.9880
0.9652
0.9174
0.8338
11
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
0.9970
0.9894
0.9699
0.9283
12
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9975
0.9914
0.9755
13
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9981
0.9936
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9997
0.9988
15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
16
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.3972
0.1501
0.0536
0.0180
0.0056
0.0016
0.0004
0.0001
0.0000
0.0000
0.7735
0.4503
0.2241
0.0991
0.0395
0.0142
0.0046
0.0013
0.0003
0.0001
0.9419
0.7338
0.4797
0.2713
0.1353
0.0600
0.0236
0.0082
0.0025
0.0007
0.9891
0.9018
0.7202
0.5010
0.3057
0.1646
0.0783
0.0328
0.0120
0.0038
0.9985
0.9718
0.8794
0.7164
0.5187
0.3327
0.1886
0.0942
0.0411
0.0154
0.9998
0.9936
0.9581
0.8671
0.7175
0.5344
0.3550
0.2088
0.1077
0.0481
1.0000
0.9988
0.9882
0.9487
0.8610
0.7217
0.5491
0.3743
0.2258
0.1189
Apndice
183
19
1.0000
0.9998
0.9973
0.9837
0.9431
0.8593
0.7283
0.5634
0.3915
0.2403
1.0000
1.0000
0.9995
0.9957
0.9807
0.9404
0.8609
0.7368
0.5778
0.4073
1.0000
1.0000
0.9999
0.9991
0.9946
0.9790
0.9403
0.8653
0.7473
0.5927
10
1.0000
1.0000
1.0000
0.9998
0.9988
0.9939
0.9788
0.9424
0.8720
0.7597
11
1.0000
1.0000
1.0000
1.0000
0.9998
0.9986
0.9938
0.9797
0.9463
0.8811
12
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9986
0.9942
0.9817
0.9519
13
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9987
0.9951
0.9846
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
0.9990
0.9962
15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
16
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.3774
0.1351
0.0456
0.0144
0.0042
0.0011
0.0003
0.0001
0.0000
0.0000
0.7547
0.4203
0.1985
0.0829
0.0310
0.0104
0.0031
0.0008
0.0002
0.0000
0.9335
0.7054
0.4413
0.2369
0.1113
0.0462
0.0170
0.0055
0.0015
0.0004
0.9868
0.8850
0.6841
0.4551
0.2631
0.1332
0.0591
0.0230
0.0077
0.0022
0.9980
0.9648
0.8556
0.6733
0.4654
0.2822
0.1500
0.0696
0.0280
0.0096
0.9998
0.9914
0.9463
0.8369
0.6678
0.4739
0.2968
0.1629
0.0777
0.0318
1.0000
0.9983
0.9837
0.9324
0.8251
0.6655
0.4812
0.3081
0.1727
0.0835
1.0000
0.9997
0.9959
0.9767
0.9225
0.8180
0.6656
0.4878
0.3169
0.1796
1.0000
1.0000
0.9992
0.9933
0.9713
0.9161
0.8145
0.6675
0.4940
0.3238
1.0000
1.0000
0.9999
0.9984
0.9911
0.9674
0.9125
0.8139
0.6710
0.5000

P
N
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
19
10
1.0000
1.0000
1.0000
0.9997
0.9977
0.9895
0.9653
0.9115
0.8159
0.6762
11
1.0000
1.0000
1.0000
1.0000
0.9995
0.9972
0.9886
0.9648
0.9129
0.8204
20
12
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9969
0.9884
0.9658
0.9165
13
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9993
0.9969
0.9891
0.9682
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9994
0.9972
0.9904
15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9995
0.9978
16
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9999
0.9996
17
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.3585
0.1216
0.0388
0.0115
0.0032
0.0008
0.0002
0.0000
0.0000
0.0000
0.7358
0.3917
0.1756
0.0692
0.0243
0.0076
0.0021
0.0005
0.0001
0.0000
0.9245
0.6769
0.4049
0.2061
0.0913
0.0355
0.0121
0.0036
0.0009
0.0002
0.9841
0.8670
0.6477
0.4114
0.2252
0.1071
0.0444
0.0160
0.0049
0.0013
0.9974
0.9568
0.8298
0.6296
0.4148
0.2375
0.1182
0.0510
0.0189
0.0059
0.9997
0.9887
0.9327
0.8042
0.6172
0.4164
0.2454
0.1256
0.0553
0.0207
1.0000
0.9976
0.9781
0.9133
0.7858
0.6080
0.4166
0.2500
0.1299
0.0577
1.0000
0.9996
0.9941
0.9679
0.8982
0.7723
0.6010
0.4159
0.2520
0.1316
1.0000
0.9999
0.9987
0.9900
0.9591
0.8867
0.7624
0.5956
0.4143
0.2517
1.0000
1.0000
0.9998
0.9974
0.9861
0.9520
0.8782
0.7553
0.5914
0.4119
10
1.0000
1.0000
1.0000
0.9994
0.9961
0.9829
0.9468
0.8725
0.7507
0.5881
11
1.0000
1.0000
1.0000
0.9999
0.9991
0.9949
0.9804
0.9435
0.8692
0.7483
Apndice
184
12
1.0000
1.0000
1.0000
1.0000
0.9998
0.9987
0.9940
0.9790
0.9420
0.8684
13
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9985
0.9935
0.9786
0.9423
14
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9984
0.9936
0.9793
15
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9985
0.9941
16
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9997
0.9987
17
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.9998
18
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
10
APNDICE N 3
DISTRIBUCIN DE POISSON - TRMINOS ACUMULATIVOS
e x
P[ X x ] =
x!
x =0
x
0.01
0.990
0.02
0.980
0.03
0.970
0.04
0.961
0.999
0.05
0.951
0.999
0.06
0.942
0.998
0.07
0.932
0.998
0.08
0.923
0.997
0.09
0.914
0.996
0.10
0.905
0.995
0.15
0.861
0.990
0.999
0.20
0.819
0.982
0.999
0.25
0.779
0.974
0.998
0.30
0.741
0.963
0.996
0.35
0.705
0.951
0.994
0.40
0.670
0.938
0.992
0.999
0.45
0.638
0.925
0.989
0.999
0.50
0.607
0.910
0.986
0.998
0.55
0.577
0.894
0.982
0.998
0.60
0.549
0.878
0.977
0.997
0.65
0.522
0.861
0.972
0.996
0.999
Apndice
185
DISTRIBUCIN DE POISSON - Trminos Acumulativos
e x
P[ X x ] =
x!
x =0
x
0.70
0.497
0.844
0.966
0.994
0.999
0.75
0.472
0.827
0.959
0.993
0.999
0.80
0.449
0.809
0.956
0.994
0.999
0.85
0.427
0.791
0.945
0.989
0.998
0.90
0.407
0.772
0.937
0.987
0.998
0.95
0.387
0.754
0.929
0.984
0.997
1.00
0.368
0.736
0.920
0.981
0.996
0.999
1.1
0.333
0.699
0.900
0.974
0.995
0.999
1.2
0.301
0.663
0.879
0.966
0.997
0.998
1.3
0.273
0.627
0.857
0.957
0.989
0.998
1.4
0.247
0.592
0.833
0.946
0.983
0.997
0.999
1.5
0.223
0.558
0.809
0.934
0.981
0.996
0.999
1.6
0.202
0.525
0.783
0.921
0.976
0.994
0.999
1.7
0.183
0.493
0.757
0.907
0.970
0.992
0.998
1.8
0.165
0.463
0.731
0.894
0.964
0.99
0.997
0.999
1.9
0.150
0.434
0.704
0.875
0.956
0.987
0.997
0.999
2.0
0.135
0.406
0.677
0.857
0.947
0.983
0.995
0.999
2.1
0.122
0.380
0.650
0.839
0.938
0.980
0.994
0.999
2.2
0.111
0.355
0.623
0.819
0.928
0.975
0.993
0.998
2.3
0.100
0.331
0.596
0.799
0.916
0.970
0.991
0.997
0.999
2.4
0.091
0.308
0.571
0.779
0.904
0.964
0.988
0.997
0.999
2.5
0.082
0.287
0.544
0.758
0.891
0.958
0.986
0.996
0.999
2.6
0.074
0.267
0.518
0.736
0.877
0.951
0.983
0.995
0.999
2.7
0.067
0.249
0.494
0.714
0.863
0.943
0.979
0.993
0.998
0.999
2.8
0.061
0.231
0.469
0.692
0.848
0.935
0.976
0.992
0.998
0.999
2.9
0.055
0.215
0.446
0.670
0.832
0.926
0.971
0.990
0.997
0.999
3.0
0.050
0.199
0.423
0.647
0.815
0.916
0.966
0.988
0.996
0.999
3.2
0.041
0.171

2
0.380

3
0.603
4
0.781
5
0.895

6
0.955

7
0.983
10

8
0.994
10
0.998
3.4
0.330
0.147
0.340
0.558
0.744
0.871
0.942
0.977
0.992
0.997
0.999
3.6
0.027
0.126
0.303
0.515
0.706
0.844
0.927
0.969
0.988
0.996
0.999
Apndice
186
3.8
0.022
0.107
0.269
0.473
0.668
0.816
0.909
0.96
0.984
0.994
0.998
4.0
0.018
0.092
0.239
0.433
0.629
0.785
0.889
0.949
0.979
0.992
0.997
4.2
0.015
0.078
0.210
0.395
0.590
0.753
0.897
0.936
0.972
0.989
0.996
4.4
0.012
0.066
0.185
0.359
0.551
0.72
0.844
0.921
0.964
0.985
0.994
4.6
0.010
0.056
0.163
0.326
0.513
0.686
0.818
0.905
0.955
0.98
0.992
4.8
0.008
0.048
0.143
0.940
0.476
0.651
0.791
0.887
0.944
0.975
0.99
5.0
0.007
0.040
0.126
0.265
0.440
0.616
0.762
0.867
0.932
0.968
0.986
5.2
0.006
0.034
0.109
0.238
0.406
0.581
0.732
0.845
0.918
0.96
0.982
5.4
0.005
0.290
0.095
0.213
0.373
0.546
0.702
0.822
0.903
0.951
0.977
5.6
0.004
0.024
0.082
0.191
0.342
0.512
0.67
0.797
0.886
0.941
0.975
5.8
0.003
0.021
0.071
0.17
0.313
0.478
0.638
0.771
0.867
0.929
0.965
6.0
0.002
0.017
0.062
0.151
0.285
0.446
0.606
0.744
0.847
0.916
0.957

P[ X x ] =
11
12
13
14
e x
x!
x =0
x
15
3.2
3.4
3.6
3.8
0.999
4.0
0.999
4.2
0.999
4.4
0.998
0.999
4.6
0.997
0.999
4.8
0.996
0.999
5.0
0.995
0.998
0.999
5.2
0.993
0.997
0.999
5.4
0.990
0.996
0.999
5.6
0.988
0.995
0.998
0.999
5.8
0.984
0.993
0.997
0.999
6.0
0.980
0.991
0.996
0.999
0.999
Apndice
187
10
6.2
0.002
0.015
0.054
0.134
0.259
0.414
0.574
0.716
0.826
0.902
0.949
6.4
0.002
0.012
0.046
0.119
0.235
0.384
0.542
0.687
0.803
0.886
0.939
6.6
0.001
0.010
0.400
0.105
0.213
0.355
0.511
0.658
0.780
0.869
0.927
6.8
0.001
0.009
0.034
0.093
0.192
0.327
0.48
0.628
0.755
0.85
0.915
7.0
0.001
0.007
0.030
0.082
0.173
0.301
0.45
0.599
0.729
0.83
0.901
7.2
0.001
0.006
0.025
0.072
0.156
0.276
0.42
0.569
0.703
0.81
0.887
7.4
0.001
0.005
0.022
0.063
0.140
0.253
0.392
0.539
0.676
0.788
0.871
7.6
0.001
0.004
0.019
0.055
0.125
0.231
0.365
0.51
0.618
0.765
0.854
7.8
0.004
0.016
0.048
0.112
0.21
0.338
0.481
0.62
0.741
0.835
8.0
0.003
0.014
0.042
0.100
0.191
0.313
0.453
0.593
0.717
0.816
8.2
0.003
0.012
0.037
0.089
0.174
0.290
0.425
0.565
0.692
0.796
8.4
0.002
0.010
0.032
0.079
0.157
0.267
0.399
0.537
0.666
0.774
11
12
13
14
15
16
17
18
6.2
0.975
0.099
0.995
0.998
0.999
6.4
0.969
0.986
0.994
0.997
0.999
6.6
0.963
0.982
0.992
0.997
0.999
0.999
6.8
0.955
0.978
0.990
0.996
0.998
0.999
7.0
0.947
0.973
0.987
0.994
0.998
0.999
7.2
0.937
0.967
0.984
0.993
0.997
0.999
0.999
7.4
0.926
0.961
0.980
0.991
0.996
0.998
0.999
7.6
0.915
0.954
0.976
0.989
0.995
0.998
0.999
7.8
0.902
0.945
0.971
0.986
0.993
0.997
0.999
8.0
0.888
0.936
0.966
0.983
0.992
0.996
0.998
0.999
8.2
0.873
0.926
0.960
0.979
0.990
0.995
0.998
0.999
8.4
0.857
0.915
0.952
0.975
0.987
0.994
Apndice
188
0.997
0.999
e x
x!
x =0
x
P[ X x ] =
10
11
12
13
14
15
16
17
8.5
0.002
0.009
0.030
0.074
0.150
0.256
0.386
0.523
0.653
0.763
0.849
0.909
0.949
0.973
0.986
0.993
0.997
9.0
0.001
0.006
0.021
0.055
0.116
0.207
0.324
0.456
0.587
0.706
0.803
0.876
0.926
0.959
0.978
0.989
0.995
9.5
0.001
10.0
0.004
0.015
0.040
0.089
0.165
0.269
0.392
0.522
0.645
0.752
0.836
0.898
0.940
0.967
0.982
0.991
0.003
0.010
0.029
0.067
0.13
0.220
0.333
0.256
0.583
0.697
0.792
0.864
0.917
0.951
0.973
0.986
10.5
0.002
0.007
0.021
0.050
0.102
0.179
0.279
0.397
0.521
0.639
0.742
0.825
0.888
0.932
0.960
0.978
11.0
0.001
0.005
0.015
0.038
0.079
0.143
0.232
0.341
0.460
0.579
0.689
0.781
0.854
0.907
0.944
0.968
11.5
0.001
0.003
0.011
0.028
0.06
0.114
0.191
0.289
0.402
0.520
0.633
0.733
0.815
0.878
0.924
0.954
12.0
0.001
0.002
0.008
0.020
0.046
0.090
0.155
0.242
0.347
0.462
0.376
0.682
0.772
0.844
0.899
0.937
12.5
0.002
0.005
0.015
0.035
0.070
0.125
0.201
0.297
0.406
0.519
0.628
0.725
0.806
0.869
0.916
13.0
0.001
0.004
0.011
0.026
0.354
0.100
0.166
0.252
0.353
0.463
0.573
0.675
0.764
0.835
0.890
13.5
0.001
14.0
0.003
0.008
0.019
0.041
0.079
0.135
0.211
0.304
0.409
0.518
0.623
0.718
0.798
0.861
0.002
0.006
0.014
0.032
0.067
0.109
0.176
0.260
0.358
0.464
0.570
0.669
0.756
0.827
14.5
0.001
0.004
0.010
0.024
0.048
0.088
0.145
0.220
0.311
0.413
0.518
0.619
0.711
0.790
15.0
0.001
0.003
0.008
0.018
0.037
0.070
0.118
0.185
0.268
0.363
0.466
0.568
0.664
0.749
16.0
0.001
0.004
0.010
0.022
0.043
0.077
0.127
0.193
0.275
0.680
0.467
0.566
0.659
17.0
0.001
0.002
0.005
0.130
0.026
0.049
0.085
0.135
0.201
0.281
0.371
0.468
0.564
0.001
0.003
0.007
0.015
0.030
0.055
0.092
0.143
0.208
0.287
0.375
0.469
18.0
18
19
8.5
0.999
0.999
9.0
0.998
0.999
9.5
0.996
0.998
0.999
10.0
0.993
0.997
0.998
0.999
10.5
0.988
0.994
0.997
0.999
0.999
11.0
0.982
0.991
0.995
0.998
0.999
11.5
0.974
0.986
0.992
0.996
0.998
0.999
12.0
0.963
0.979
0.988
0.994
0.997
0.999
0.999
12.5
0.948
0.969
0.983
0.991
0.995
0.998
0.999
0.999
13.0
0.930
0.957
0.975
0.986
0.992
0.996
0.998
0.999
13.5
0.908
0.942
0.937
0.950
0.989
0.994
0.997
0.998
0.999
14.0
0.883
0.923
0.952
0.971
0.983
0.991
0.995
0.997
0.999
0.999
14.5
0.853
0.901
0.936
0.960
0.976
0.983
0.992
0.996
0.995
0.999
0.999
15.0
0.819
0.875
0.917
0.947
0.967
0.981
0.989
0.994
0.997
0.995
0.999
16.0
0.742
0.812
0.868
0.911
0.942
0.963
0.978
0.987
0.993
0.996
17.0
0.655
0.736
0.805
0.861
0.905
0.937
0.959
0.975
0.985
18.0
0.562
0.651
0.731
0.799
0.855
0.899
0.932
0.955
0.972
20
21
22
23
24
25
26
27
28
29
30
31
32
0.998
0.999
0.999
0.991
0.995
0.997
0.999
0.999
0.983
0.99
0.994
0.997
0.998
0.999
Apndice
189
e x
P[ X x ] =
x!
x =0
x
10
11
12
13
14
15
16
17
0.001
0.002
0.004
0.009
0.018
0.035
0.061
0.098
0.015
0.215
0.292
0.378
0.001
0.002
0.005
0.011
0.021
0.039
0.066
0.105
0.157
0.221
0.297
21.0
0.001
0.003
0.006
0.013
0.025
0.043
0.072
0.111
0.163
0.227
22.0
0.001
19.0
20.0
23.0
0.002
0.004
0.008
0.015
0.028
0.048
0.077
0.117
0.169
0.001
0.002
0.004
0.009
0.017
0.031
0.052
0.082
0.123
0.001
0.003
0.005
0.011
0.020
0.034
0.560
0.087
0.006
0.012
0.022
0.038
0.060
24.0
25.0
0.001
0.003
18
19
20
21
22
23
24
25
26
27
28
29
19.0
0.469
0.561
0.647
0.725
0.793
0.849
0.395
0.927
0.951
0.697
0.980
0.988
20.0
0.381
0.470
0.559
0.644
0.721
0.787
0.343
0.888
0.922
0.948
0.966
0.978
0.001
21.0
0.302
0.840
0.471
0.558
0.640
0.716
0.782
0.838
0.383
0.917
0.944
0.863
22.0
0.232
0.306
0.387
0.472
0.556
0.637
0.712
0.777
0.832
0.877
0.913
0.940
23.0
0.175
0.238
0.310
0.389
0.472
0.555
0.635
0.708
0.772
0.327
0.873
0.908
24.0
0.128
0.180
0.243
0.314
0.392
0.473
0.554
0.632
0.704
0.768
0.823
0.868
25.0
0.092
0.134
0.185
0.247
0.318
0.394
0.473
0.553
0.629
0.700
0.763
0.818
19.0
x 30
0.993
31
32
33
34
0.996
0.998
0.999
0.999
35
36
37
38
39
20.0
0.987
0.992
0.995
0.970
0.999
0.999
21.0
0.976
0.982
0.991
0.994
0.997
0.998
0.999
0.999
22.0
0.959
0.973
0.983
0.989
0.994
0.996
0.998
0.999
0.999
23.0
0.936
0.956
0.971
0.981
0.988
0.993
0.996
0.997
0.999
40
41
42
0.999
24.0
0.904
0.932
0.953
0.969
0.979
0.987
0.992
0.995
0.997
1.000
0.999
0.999
25.0
0.863
0.900
0.929
0.950
0.966
0.978
0.985
0.991
0.994
0.997
0.998
0.999
Apndice
190
0.999
APNDICE N 4
DISTRIBUCIN ACUMULATIVA NORMAL
F (z ) =
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
-4.00
0.00003
-3.55
0.00019
-3.10
0.00097
-3.99
0.00003
-3.54
0.00020
-3.09
0.00100
-3.98
0.00003
-3.53
0.00021
-3.08
0.00104
-3.97
0.00004
-3.52
0.00022
-3.07
0.00107
-3.96
0.00004
-3.51
0.00022
-3.06
0.00111
-3.95
0.00004
-3.50
0.00023
-3.05
0.00114
-3.94
0.00004
-3.49
0.00024
-3.04
0.00118
-3.93
0.00004
-3.48
0.00025
-3.03
0.00122
-3.92
0.00004
-3.47
0.00026
-3.02
0.00126
-3.91
0.00005
-3.46
0.00027
-3.01
0.00131
-3.90
0.00005
-3.45
0.00028
-3.00
0.00135
-3.89
0.00005
-3.44
0.00029
-2.99
0.00139
-3.88
0.00005
-3.43
0.00030
-2.98
0.00144
-3.87
0.00005
-3.42
0.00031
-2.97
0.00149
-3.86
0.00006
-3.41
0.00032
-2.96
0.00154
-3.85
0.00006
-3.40
0.00034
-2.95
0.00159
-3.84
0.00006
-3.39
0.00035
-2.94
0.00164
-3.83
0.00006
-3.38
0.00036
-2.93
0.00169
-3.82
0.00007
-3.37
0.00038
-2.92
0.00175
-3.81
0.00007
-3.36
0.00039
-2.91
0.00181
Apndice
191
-3.80
0.00007
-3.35
0.00040
-2.90
0.00187
-3.79
0.00008
-3.34
0.00042
-2.89
0.00193
-3.78
0.00008
-3.33
0.00043
-2.88
0.00199
-3.77
0.00008
-3.32
0.00045
-2.87
0.00205
-3.76
0.00008
-3.31
0.00047
-2.86
0.00212
-3.75
0.00009
-3.30
0.00048
-2.85
0.00219
-3.74
0.00009
-3.29
0.00050
-2.84
0.00226
-3.73
0.00010
-3.28
0.00052
-2.83
0.00233
-3.72
0.00010
-3.27
0.00054
-2.82
0.00240
-3.71
0.00010
-3.26
0.00056
-2.81
0.00246
-3.70
0.00011
-3.25
0.00058
-2.80
0.00256
-3.69
0.00011
-3.24
0.00060
-2.79
0.00264
-3.68
0.00012
-3.23
0.00062
-2.78
0.00272
-3.67
0.00012
-3.22
0.00064
-2.77
0.00280
-3.66
0.00013
-3.21
0.00066
-2.76
0.00289
-3.65
0.00013
-3.20
0.00069
-2.75
0.00298
-3.64
0.00014
-3.19
0.00071
-2.74
0.00307
-3.63
0.00014
-3.18
0.00074
-2.73
0.00317
-3.62
0.00015
-3.17
0.00076
-2.72
0.00326
-3.61
0.00015
-3.16
0.00079
-2.71
0.00336
-3.60
0.00016
-3.15
0.00082
-2.70
0.00347
-3.59
0.00017
-3.14
0.00084
-2.69
0.00357
-3.58
0.00017
-3.13
0.00087
-2.68
0.00368
-3.57
0.00018
-3.12
0.00090
-2.67
0.00379
-3.11
0.00094
-2.66
0.00391
-3.56
0.00019
Apndice
192
F (z ) =
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
-2.65
0.00402
-2.20
0.01390
-1.75
0.04006
-2.64
0.00415
-2.19
0.01426
-1.74
0.04093
-2.63
0.00427
-2.18
0.01463
-1.73
0.04182
-2.62
0.00440
-2.17
0.01500
-1.72
0.04772
-2.61
0.00453
-2.16
0.01539
-1.71
0.04363
-2.60
0.00466
-2.15
0.01578
-1.70
0.04457
-2.59
0.00480
-2.14
0.01618
-1.69
0.04551
-2.58
0.00494
-2.13
0.01659
-1.68
0.04648
-2.57
0.00508
-2.12
0.01700
-1.67
0.04746
-2.56
0.00523
-2.11
0.01743
-1.66
0.04846
-2.55
0.00539
-2.10
0.01786
-1.65
0.04947
-2.54
0.00554
-2.09
0.01831
-1.64
0.05050
-2.53
0.00520
-2.08
0.01876
-1.63
0.05155
-2.52
0.00587
-2.07
0.01923
-1.62
0.05262
-2.51
0.00604
-2.06
0.01970
-1.61
0.05370
-2.50
0.00621
-2.05
0.02018
-160
0.05480
-2.49
0.00639
-2.04
0.02068
-1.59
0.05592
-2.48
0.00657
-2.03
0.02118
-1.58
0.05705
-2.47
0.00676
-2.02
0.02169
-1.57
0.05821
-2.46
0.00695
-2.01
0.02222
-1.56
0.05938
-2.45
0.00714
-2.00
0.02275
-1.55
0.06057
2.44
0.00734
-1.99
0.02330
-1.54
0.06179
2.43
0.00755
-1.98
0.02385
-1.53
0.06301
-2.42
0.00776
-1.97
0.02442
-1.52
0.06426
Apndice
193
-2.41
0.00798
-1.96
0.02500
-1.51
0.06552
-2.40
0.00820
-1.95
0.02569
-1.50
0.06681
-2.39
0.00842
-1.94
0.02619
-1.49
0.06811
-2.38
0.00866
-1.93
0.02680
-1.48
0.06944
-2.37
0.00889
-1.92
0.02745
-1.47
0.07078
-2.36
0.00914
-1.91
0.02807
-1.46
0.07215
-2.35
0.00939
-1.90
0.02872
-1.45
0.07353
-2.34
0.00940
-1.89
0.02938
-1.44
0.07493
-2.33
0.00990
-1.88
0.03005
-1.43
0.07636
-2.32
0.01017
-1.87
0.03074
-1.42
0.07780
-2.31
0.01044
-1.86
0.03144
-1.41
0.07927
-2.30
0.01072
-1.85
0.03216
-1.40
0.08076
-2.29
0.01101
-1.84
0.03288
-1.39
0.08226
-2.28
0.01130
-1.83
0.03362
-1.38
0.08379
-2.27
0.01160
-1.82
0.03438
-1.37
0.08534
-2.26
0.01191
-1.81
0.03515
-1.36
0.08691
-2.25
0.01222
-1.80
0.03593
-1.35
0.08851
-2.24
0.01255
-1.79
0.03673
-1.34
0.09012
-2.23
0.01287
-1.78
0.03754
-1.33
0.09176
-2.22
0.01321
-1.77
0.03836
-1.32
0.09342
-2.21
0.01355
-1.76
0.03920
-1.31
0.09510
F (z ) =
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
-1.30
0.09680
-0.85
0.19766
-0.40
0.34458
-1.29
0.09853
-0.84
0.20045
-0.39
0.34827
Apndice
194
-1.28
0.10027
-0.83
0.20327
-0.38
0.35197
-1.2
0.10204
-0.82
0.20611
-0.37
0.35569
-1.26
0.10383
-0.81
0.20897
-0.36
0.35942
-1.25
0.10565
-0.80
0.21186
-0.35
0.36317
-1.24
0.10749
-0.79
0.21476
-0.34
0.36693
-1.23
0.10935
-0.78
0.21770
-0.33
0.37070
-1.22
0.11123
-0.77
0.22065
-0.32
0.37448
-1.21
0.11314
-0.76
0.22363
-0.31
0.37828
-1.20
0.11507
-0.75
0.22663
-0.30
0.38209
-1.19
0.11702
-0.74
0.22965
-0.29
0.38591
-1.18
0.11900
-0.73
0.23270
-0.28
0.38974
-1.17
0.12100
-0.72
0.23576
-0.27
0.39358
-1.16
0.12302
-0.71
0.23885
-0.26
0.39743
-1.15
0.12507
-0.70
0.24196
-0.25
0.40129
-1.14
0.12714
-0.69
0.24510
-0.24
0.40517
-1.13
0.12924
-0.68
0.24825
-0.23
0.40905
-1.12
0.13136
-0.67
0.25143
-0.22
0.41294
-1.11
0.13350
-0.66
0.25463
-0.21
0.41683
-1.10
0.13567
-0.65
0.25785
-0.20
0.42074
-1.09
0.13786
-0.64
0.26109
-0.19
0.42465
-1.08
0.14007
-0.63
0.26435
-0.18
0.42858
-1.07
0.14231
-0.62
0.26763
-0.17
0.43251
-1.06
0.14457
-0.61
0.27093
-0.16
0.43644
-1.05
0.14686
-0.60
0.27425
-0.15
0.44038
-1.04
0.14917
-0.59
0.27760
-0.14
0.44433
-1.03
0.15150
-0.58
0.28096
-0.13
0.44828
-1.02
0.15386
-0.57
0.28434
-0.12
0.45224
-1.01
0.15625
-0.56
0.28774
-0.11
0.45620
-1.00
0.15866
-0.55
0.29116
-0.10
0.46017
-0.99
0.16109
-0.54
0.29460
-0.09
0.46414
-0.98
0.16354
-0.53
0.29806
-0.08
0.46812
-0.97
0.16602
-0.52
0.30153
-0.07
0.47210
-0.96
0.16853
-0.51
0.30503
-0.06
0.47608
-0.95
0.17106
-0.50
0.30854
-0.05
0.48006
-0.94
0.17361
-0.49
0.31207
-0.04
0.48805
Apndice
195
-0.93
0.17619
-0.48
0.31561
-0.03
0.48803
-0.92
0.17879
-0.47
0.31918
-0.02
0.49202
-0.91
0.18141
-0.46
0.32276
-0.01
0.49601
-0.90
0.18406
-0.45
0.32636
0.00
0.50000
-0.89
0.18673
-0.44
0.32997
0.01
0.50399
-0.88
0.18943
-0.43
0.33360
0.02
0.50798
-0.87
0.19215
-0.42
0.33724
0.03
0.51197
-0.86
0.19489
-0.41
0.34090
0.04
0.51595
F ( z ) = z
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
0.05
0.51994
0.50
0.69146
0.95
0.82894
0.06
0.52392
0.51
0.69497
0.96
0.83147
0.07
0.52790
0.52
0.69847
0.97
0.83398
0.08
0.53188
0.53
0.70194
0.98
0.83646
0.09
0.53586
0.54
0.70540
0.99
0.83891
0.10
0.53983
0.55
0.70884
1.00
0.84134
0.11
0.54380
0.56
0.12260
1.01
0.84375
0.12
0.54776
0.57
0.71566
1.02
0.84614
0.13
0.55172
0.58
0.71904
1.03
0.84850
0.14
0.55561
0.59
0.72240
1.04
0.85083
0.15
0.55962
0.60
0.72575
1.05
0.85314
0.16
0.56356
0.61
0.72907
1.06
0.85543
0.17
0.56749
0.62
0.73237
1.07
0.85769
0.18
0.57142
0.63
0.73565
1.08
0.85993
0.19
0.57535
0.64
0.73891
1.09
0.86214
Apndice
196
0.20
0.57926
0.65
0.74215
1.10
0.86433
0.21
0.58317
0.66
0.74537
1.11
0.86650
0.22
0.58706
0.67
0.74857
1.12
0.86864
0.23
0.59095
0.68
0.75175
1.13
0.87076
0.24
0.59483
0.69
0.75490
1.14
0.87286
0.25
0.59871
0.70
0.75804
1.15
0.87493
0.26
0.60257
0.71
0.76115
1.16
0.87698
0.27
0.60612
0.72
0.76424
1.17
0.87900
0.28
0.61026
0.73
0.76730
1.18
0.88100
0.29
0.61409
0.74
0.77035
1.19
0.88298
0.30
0.61791
0.75
0.77337
1.20
0.88493
0.31
0.62172
0.76
0.77637
1.21
0.88686
0.32
0.62552
0.77
0.77935
1.22
0.88877
0.33
0.62930
0.78
0.78230
1.23
0.89065
0.34
0.63307
0.79
0.78524
1.24
0.89251
0.35
0.63383
0.80
0.78814
1.25
0.89435
0.36
0.64058
0.81
0.79103
1.26
0.89617
0.37
0.64431
0.82
0.79389
1.27
0.89796
0.38
0.64803
0.83
0.79677
1.28
0.89973
0.39
0.65173
0.84
0.79955
1.29
0.90147
0.40
0.65542
0.85
0.80234
1.30
0.90320
0.41
0.65910
0.86
0.80511
1.31
0.90490
0.42
0.66276
0.87
0.80785
1.32
0.90658
0.43
0.66640
0.88
0.81057
1.33
0.90824
0.44
0.67003
0.89
0.81327
1.34
0.90988
0.45
0.67364
0.90
0.81594
1.35
0.91149
0.46
0.67724
0.91
0.81859
1.36
0.91309
0.47
0.68082
0.92
0.82121
1.37
0.91466
0.48
0.68439
0.93
0.82381
1.38
0.91621
0.49
0.68793
0.94
0.82639
1.39
0.91774
Apndice
197
F (z ) =
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
1.40
0.91924
1.85
0.96784
2.30
0.98928
1.41
0.92030
1.86
0.96856
2.31
0.98956
1.42
0.92220
1.87
0.96926
2.32
0.98983
1.43
0.92364
1.88
0.96995
2.33
0.99010
1.44
0.92507
1.89
0.97706
2.34
0.99030
1.45
0.92647
1.90
0.97128
2.35
0.99061
1.46
0.92785
1.91
0.97193
2.36
0.99086
1.47
0.92922
1.92
0.97257
2.37
0.99111
1.48
0.93056
1.93
0.97320
2.38
0.99134
1.49
0.93189
1.94
0.97381
2.39
0.99158
1.50
0.93319
1.95
0.97441
2.40
0.99180
1.51
0.93443
1.96
0.97500
2.41
0.99202
1.52
0.93574
1.97
0.97558
2.42
0.99224
1.53
0.93699
1.98
0.97615
2.43
0.99245
1.54
0.93822
1.99
0.97670
2.44
0.99266
1.55
0.93943
2.00
0.97725
2.45
0.99286
1.56
0.94062
2.01
0.97778
2.46
0.99305
1.57
0.94179
2.02
0.97831
2.47
0.99324
1.58
0.94295
2.03
0.97882
2.48
0.99343
1.59
0.94408
2.04
0.97932
2.49
0.99361
1.60
0.94520
2.05
0.97982
2.50
0.99379
1.61
0.94630
2.06
0.98030
2.51
0.99396
1.62
0.94738
2.07
0.98077
2.52
0.99413
1.63
0.94845
2.08
0.98124
2.53
0.99430
1.64
0.94950
2.09
0.98169
2.54
0.99446
1.65
0.95053
2.10
0.98214
2.55
0.99461
1.66
0.95154
2.11
0.98257
2.56
0.99477
Apndice
198
1.67
0.95254
2.12
0.98300
2.57
0.99492
1.68
0.95352
2.13
0.98341
2.58
0.99506
1.69
0.95449
2.14
0.98382
2.59
0.99520
1.70
0.95543
2.15
0.98422
2.60
0.99534
1.71
0.95637
2.16
0.98461
2.61
0.99547
1.72
0.95728
2.17
0.98500
2.62
0.99560
1.73
0.95818
2.18
0.98537
2.63
0.99573
1.74
0.95907
2.19
0.98574
2.64
0.99585
1.75
0.95994
2.20
0.98610
2.65
0.99598
1.76
0.96080
2.21
0.98645
2.66
0.99609
1.77
0.96164
2.22
0.98679
2.67
0.99621
1.78
0.96246
2.23
0.98713
2.68
0.99632
1.79
0.96327
2.24
0.98745
2.69
0.99643
1.80
0.96407
2.25
0.98778
2.70
0.99653
1.81
0.96485
2.26
0.98809
2.71
0.99664
1.82
0.96562
2.27
0.98840
2.72
0.99674
1.83
0.96638
2.28
0.98870
2.73
0.99683
1.84
0.96771
2.29
0.98899
2.74
0.99693
F (z ) =
z2
1
e 2d
z
2
F(z)
F(z)
F(z)
2.75
0.99702
3.20
0.99931
3.65
0.99987
2.76
0.99711
3.21
0.99934
3.66
0.99987
2.77
0.99720
3.22
0.99936
3.67
0.99988
2.78
0.99728
3.23
0.99938
3.68
0.99988
2.79
0.99736
3.24
0.99940
3.69
0.99989
2.80
0.99744
3.25
0.99942
3.70
0.99989
2.81
0.99752
3.26
0.99944
3.71
0.99990
2.82
0.99760
3.27
0.99946
3.72
0.99990
Apndice
199
2.83
0.99767
3.28
0.99948
3.73
0.99990
2.84
0.99774
3.29
0.99950
3.74
0.99991
2.85
0.99781
3.30
0.99952
3.75
0.99991
2.86
0.99788
3.31
0.99953
3.76
0.99992
2.87
0.99795
3.32
0.99955
3.77
0.99992
2.88
0.99801
3.33
0.99957
3.78
0.99992
2.89
0.99807
3.34
0.99958
3.79
0.99992
2.90
0.99813
3.35
0.99960
3.80
0.99993
2.91
0.99819
3.36
0.99961
3.81
0.99993
2.92
0.99825
3.37
0.99962
3.82
0.99993
2.93
0.99831
3.38
0.99964
3.83
0.99994
2.94
0.99836
3.39
0.99965
3.84
0.99994
2.95
0.99841
3.40
0.99966
3.85
0.99994
2.96
0.99846
3.41
0.99968
3.86
0.99994
2.97
0.99851
3.42
0.99969
3.87
0.99995
2.98
0.99856
3.43
0.99970
3.88
0.99995
2.99
0.99861
3.44
0.99971
3.89
0.99995
3.00
0.99865
3.45
0.99972
3.90
0.99995
3.01
0.99869
3.46
0.99973
3.91
0.99995
3.02
0.99874
3.47
0.99974
3.92
0.99996
3.03
0.99878
3.48
0.99975
3.93
0.99996
3.04
0.99882
3.49
0.99976
3.94
0.99996
3.05
0.99989
3.50
0.99977
3.95
0.99996
3.06
0.99889
3.51
0.99978
3.96
0.99996
3.07
0.99893
3.52
0.99978
3.97
0.99996
3.08
0.99897
3.53
0.99979
3.98
0.99997
3.09
0.99900
3.54
0.99980
3.99
0.99997
3.10
0.99903
3.55
0.99981
4.00
0.99997
3.11
0.99906
3.56
0.99981
3.12
0.99910
3.57
0.99982
3.13
0.99913
3.58
0.99983
3.14
0.99916
3.59
0.99983
3.15
0.99918
3.60
0.99984
3.16
0.99921
3.61
0.99985
3.17
0.99924
3.62
0.99985
3.18
0.99926
3.63
0.99986
3.19
0.99929
3.64
0.99986

Apndice
200

Estadística General PDF

Cargado por

Información del documento

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

Estadística General PDF

Cargado por

Copyright:

Formatos disponibles

Mg.

Mara Vallejos Atalaya

Programa de Educacin Superior a Distancia

Autor: Mg. Mara Vallejos Atalaya

UNIDAD II: MEDIDAS ESTADSTICAS

UNIDAD III: PROBABILIDAD

Sesin N 10 ALGUNOS CONCEPTOS BSICOS DE PROBABILIDAD

UNIDAD IV: PROBABILIDAD Y DISTRIBUCIN

UNIDAD V: DISTRIBUCIONES DE MUESTREO

Enriquece tu vocabulario para entender

Reconoce los diferentes

La estadstica es una ciencia que nos proporciona un conjunto de mtodos

1.1.2. Ramas de la estadstica

Universidad Peruana Unin

1.1.5. Unidad estadstica

1.1.6. Dato estadstico

1.1.8. Estadstico o estadgrafo

1.1.9. Variable estadstica

Universidad Peruana Unin

Las variables se pueden clasificar de la siguiente manera:

ii) Variable cuantitativa de razn

ETAPAS DEL MTODO

Planificacin del estudio.

2.1.1. Planificacin del estudio

Planteamiento del problema.

2.1.2. Recoleccin de la informacin

Universidad Peruana Unin

2.1.2.1. Mtodo de recoleccin de la observacin

(1500 1)( 0.25)

(1500 1)( 0.05)

2.1.3. Presentacin u organizacin de la informacin

2.1.3.2. Presentacin de la informacin mediante cuadros

Universidad Peruana Unin

Los grficos ms usados son:

2.1.4. Anlisis e interpretacin de los resultados

grupo de medidas llamados parmetros

Nmero de estudiantes egresados del Instituto YI en el ao 2004

3. Elabore una lista de 10 variables. Luego:

Identifique la poblacin objeto.

4. Clasificar las siguientes variables en cualitativas (nominal y ordinal) y cuantitativas (discreta

f) nmero de unidades de un artculo en existencia

6. Utilizando la frmula determine el tamao de la muestra, considerando los datos que se

7. En el siguiente enunciado identifique: poblacin, muestra, unidad estadstica, parmetro,

En promedio un alumno dedica 1 hora a la lectura en sala.

9. Identifique en cada caso: unidad elemental, variable, tipo de variable

consumo mensual de electricidad

REFUERZA LAS COMPETENCIAS A LOGRAR

T decides si ser el mejor o el peor.

Una muestra es representativa si sta contiene todas las caractersticas de la muestra.

4. Utilizando la frmula determine el tamao de la muestra, considerando los datos que se

Vuelve a leer el captulo si no puedes

Universidad Peruana Unin

Frecuencia relativa simple ( hi ): Es el cociente entre la frecuencia absoluta simple de su fila y

Frecuencia relativa acumulada ( ): Se llama al cociente entre la frecuencia absoluta acumulada

3.1.1. Distribucin de frecuencias de una variable discreta

Universidad Peruana Unin

2.1.2. Distribucin de frecuencias para datos agrupados

2) Determinar el Nmero de intervalos: k

n: Nmero total de datos.

3) Determinar la Amplitud del intervalo: c

Universidad Peruana Unin

4) Determinar los extremos de los intervalos

Fuente: Test aplicado por los investigadores.