7.

PROBABILIDAD Y ESTADSTICA

7.1. DEFINICIN DE PROBABILIDAD

PROBABILIDAD SUBJETIVA:
Es el grado de creencia en el juicio personal. No tiene validez cientfica. En la vida
diaria es de las ms comunes.

PROBABILIDAD FRECUENCIAL:
Es el cociente entre la frecuencia observada de un suceso y el total de observaciones
cuando un experimento se realiza un nmero grande de veces. Proporciona
probabilidades aproximadas y no reales.

Fenmeno Aleatorio.- Es un fenmeno del que no se sabe que es lo que va a ocurrir,

estn relacionados con el azar o probabilidad. Se considera como aleatorio si sus
resultados no son constantes.

Fenmeno Determinista.- Es el fenmeno en el cual de antemano se sabe cul ser el

resultado.

La probabilidad estudia el tipo de fenmenos aleatorios.

Un experimento es aleatorio si se verifican las siguientes condiciones:
1. Se puede repetir indefinidamente, siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede predecir el resultado que se va a obtener;
3. El resultado que se obtenga, s, pertenece a un conjunto conocido previamente
de resultados posibles.

Ejemplos:
Tirar dardos en un blanco determinado
Lanzar un par de dados
Obtener una carta de una baraja
Lanzar una moneda

Espacio Muestral
Es el conjunto de todos los posibles resultados de inters de un experimento dado, y se
le denota normalmente mediante la letra S. Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en cmo puede caer la moneda, que caiga sol o
que caiga guila. (Si cae de lado no es de inters y se repite el lanzamiento).
S = {s, a}

2.- Experimento: Se lanza un dado.

Espacio muestral = total de caras en que puede caer el dado, o sea seis formas de
inters:
S = {1, 2, 3, 4, 5, 6}

Los eventos aleatorios se denotan normalmente con las letras maysculas A, B, C...
Son subconjuntos de S, esto es, A, B, C, S
Los eventos aleatorios son conjuntos que pueden contener un solo elemento, una
infinidad de elementos, y tambin no contener ningn elemento.
Al nmero de puntos muestrales de S se le representa por N(S)

Eventos aleatorios que aparecen con gran frecuencia en el clculo de

probabilidades:
Evento seguro.- Siempre se verifica despus del experimento aleatorio, son los
mismos del espacio muestral.
E = S y N(E) = N(S)

Evento Imposible.- Es aquel que nunca se verifica como resultado del experimento
aleatorio. No tiene elementos de inters para su fenmeno. Es un subconjunto de S, y
la nica posibilidad es que el evento imposible sea el conjunto vaco.
S, y N() = 0

Evento Elemental.- Es el evento E que contiene exactamente un punto muestral de S,

esto es, N(E) = 1. Cada elemento del espacio muestral, es un evento elemental.
Tambin se le denomina como punto muestral.
Si s1, s2 S entonces s1, s2 son eventos elementales.

Evento Compuesto.- Es el evento E que contiene ms de un punto muestral de S, por

tanto
N (E) > 1

Evento contrario a un evento A: Tambin se denomina evento complemento de A y

es el evento que se verifica si, como resultado del experimento aleatorio, no se verifica
A. Ya que los eventos son conjuntos, este evento se denota con el smbolo A c o bien ,
y se define como:
c
A ={s tal que s A }

Definicin de conjunto: Un conjunto es una coleccin de elementos, donde todos los

elementos Son diferentes entre s. Si el conjunto A est formado por los elementos 1,
2,3 Escribiremos:
A = {1, 2, 3}. Pondremos 3 A y lo leeremos pertenece a A

Definicin de subconjunto: Se dice que un subconjunto B es un Subconjunto de A si

todo elemento de B es elemento de A. Tambin puede decirse que B est incluido en A.
La notacin que se utiliza es B A o B A
Ejemplo 1
B= {1, 3,5} es subconjunto de
A= {1, 2, 3, 4,5}, formalmente se definir as: B A si (para todo) X
X Ay X B
Conjunto universal: Es el conjunto que contiene a todos los elementos del Universo,
se le denota por la letra U. El universo lo forman el conjunto de conjuntos que
intervienen.
Ejemplos: Sean los conjuntos:
A = {aves} B = {peces} C = {anfibios} D = {tigres}
Existe otro conjunto que incluye a los conjuntos A, B, C y D y es conjunto de todos los
animales
U = {animales}, Que es el conjunto universal de todos los anteriores.

Conjuntos disjuntos: Se les llama as, cuando dos conjuntos A y B no tienen ningn
elemento comn entonces A y B son disjuntos. Ejemplos de conjuntos disjuntos y no
disjuntos:
1.- Cuando A y B son disjunto no tienen ningn elemento en comn.
Sea A = {x I x es par} y B = {x I x es impar}.
2.- Estos dos conjuntos tienen a las vocales en comn por lo tanto no son disjuntos:
Sea A = {x I x es una vocal} y B = {x I x es una letra del abecedario}.

Igualdad de Conjuntos: Se dice que 2 conjuntos A y B son iguales cuando ambos

tienen los mismos elementos; es decir, si cada elemento de A pertenece a B y si cada
elemento que pertenece a B pertenece tambin a A. La igualdad se denota A = B.

Conjunto vaco: El conjunto vaco es el nico conjunto que no tiene ningn elemento.
La notacin que se utiliza para representarlo es .

Unin: Es una operacin entre dos o ms conjuntos, mediante la cual se genera otro
conjunto que tiene todos los elementos que pertenecen por lo menos a uno de los
originales. En simbologa de conjuntos, se denota mediante el smbolo .

Ejemplo: A= {a, b, c, d, e,} y B= {a, b, f, g, h, i, j}; A B={a ,, b , c , d , e , f , g ,h , i , j}

A= {1, 3, 5, 7} B= {2, 4, 6, 8} por tanto A U B = {1, 2, 3, 4, 5, 6, 7, 8}

Interseccin: Operacin entre dos o ms conjuntos, mediante la cual se genera otro que
tiene todos los elementos que pertenecan simultneamente a todos los conjuntos
originales. Se denota con el smbolo
Ejemplo: A= {1, 2, 3, 4, 5, 6,} B= {2, 4, 6, 8, 10, 12} por tanto A B= {2, 4, 6}
Ejemplo.- El departamento de personal de una empresa contrata programadores, 25 de
ellos para tareas de programacin de sistemas y 40 para programacin de aplicacin.
10 de todos los contratados deben realizar trabajos de ambas especialidades.
Cuntos programadores se deben contratar? Representar con un diagrama de Venn.

nS (S A) = 25 10 = 15
nA (S A) = 40 10 = 30
nT = nS + nA + (S A) = 15 + 30 + 10 = 55

Diferencia: A partir de 2 conjuntos A y B, se obtiene otro, cuyos elementos son aquellos

que pertenecen al conjunto A pero no estn contenidos en el conjunto B a este proceso
se le llama diferencia de conjuntos o complemento relativo de B respecto de A.
Ejemplo: A= {4, 6, 8, 10, 12} B= {10, 11, 12, 13, 14} por tanto A B= {4, 6, 8}

Inclusin: Un conjunto A est incluido en otro conjunto B, si y slo s, todo elemento A

es tambin elemento de B. A B. Se lee A est incluido en B, A es subconjunto de
B.
 OPERACIN EXPRESION DESCRIPCION
Unin A B Unin de eventos originales: es el evento que sucede si y
solo si A sucede o B sucede o ambos suceden
Interseccin A B Interseccin de los eventos originales, es el evento que
sucede si y slo si A y B suceden simultneamente.
Diferencia A- B La diferencia de los eventos originales A y B, es el evento
que sucede solo en A pero no en B.

Ejemplo:
Experimento: Se lanza una moneda tres veces.

Espacio Muestral:
= { (S,S,S), (S,S,A), (S,A,S), (A,S,S), (A,A,S), (A,S,A), (S,A,A), (A,A,A) },
N() = 8, S es el evento seguro.

Evento simple:
B:Que salgan tres soles; B ={ (S,S,S) } , N(B) = 1

Evento compuesto:
E: Que salgan al menos dos soles;
E = { (S,S,S), (S,S,A), (S,A,S), (A,S,S) }, N(E) = 4

Evento imposible: (conjunto vacio). N () = 0

PROBABILIDAD CLSICA:
Es el cociente entre el nmero de resultados favorables y nmero de casos posibles, si
todos tienen la misma probabilidad de presentarse. Los resultados se consideran a
priori.

7.1.1. FORMULAS
Probabilidad frecuencial y regularidad estadstica
La probabilidad de un evento A, denotada por P(A), es el valor en el que se estabilizan
las frecuencias relativas del evento A, cuando el nmero de observaciones del
experimento se hace cada vez mayor.
Esto es:
 N (A )
P ( A )=
N ()
donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio muestral .

Probabilidad clsica.- Sea S un espacio muestral cualquiera y A un evento de ese

espacio. Se define la probabilidad P del evento A, como:
NCF
P ( A )=
NCT
donde
NCF - nmero de casos favorables
NCT - nmero de casos totales

PROBABILIDAD DE EVENTOS INDEPENDIENTES.

Los eventos son independientes si la ocurrencia de uno de los eventos no tiene ningn
efecto en la ocurrencia de los otros eventos.
Si A y B son eventos independientes, entonces, la probabilidad de que ocurra A y B es:
P(A y B)= P(A) P(B).

TCNICAS DE CONTEO
Si un conjunto tiene n elementos y otro conjunto tiene m elementos, entonces existen
nxm formas diferentes de tomar un elemento del primer conjunto y otro elemento del
segundo conjunto.
Ejemplo: para ir de su casa a la universidad un estudiante debe ir primero a una
estacin intermedia de transferencia:
A: casa del estudiante
B: Estacin intermedia de transferencia
C: Universidad

Suponga que hay tres lneas de buses para ir de A a B y que desde B para llegar a C,
puede usar el bus de la universidad o el carro de un amigo. De cuntas formas
diferentes puede ir de su casa a la universidad?
Respuesta. Sean 1, 2, 3 las lneas de buses de A a B, y 4, 5 las formas de ir de B a C.
Representamos las diferentes opciones mediante un diagrama de rbol.

Para ir de A a B hay 3 formas diferentes y para ir de B a C hay dos formas diferentes.

Por tanto, para ir de A a C hay 3 x 2 = 6 formas diferentes.

PERMUTACIONES.
Si estamos eligiendo de un conjunto de objetos, algunos
de ellos en un orden o jerarqua determinada estamos
haciendo una permutacin, esto es, si al seleccionar o
acomodar (r) objetos de un conjunto de (n) objetos
distintos, cualquier arreglo (u orden) de estos objetos se
conoce como, una permutacin. En esta tcnica de
conteo en la que EL ORDEN SI IMPORTA en que aparecen cada elemento del conjunto
y en donde en cada arreglo participan una parte de los elementos del conjunto.

En cada arreglo pueden participar parte o la totalidad de los elementos del conjunto.
Si se incluye un elemento en cada arreglo, la cantidad de arreglos diferentes que se
obtiene es n.
Si se incluyen dos elementos en cada arreglo, la cantidad de arreglos diferentes que se
obtiene es n(n 1).
Si se incluyen tres elementos en cada arreglo, la cantidad de arreglos diferentes que se
obtiene es n(n 1)(n 2).
Si se incluyen r elementos en cada arreglo, la cantidad de arreglos diferentes que se
obtiene es n(n 1)(n 2) ... (n r + 1).
n n!
r P=n ( n1 ) ( n2 ) ( nr +1 )=
(nr )!

COMBINACIN.
Una combinacin es un subconjunto o un arreglo de todos o parte de los objetos de un
conjunto sin considerar el orden de los objetos, donde el nmero total de
combinaciones posibles de un conjunto de objetos tomados todos a la vez es 1.
Por ejemplo, los arreglos posibles del conjunto de letras {a, b} son ab y ba. Puesto que
el orden del arreglo NO es considerado, el arreglo ab es el mismo que ba. Por tanto,
hay solamente una combinacin posible para el conjunto.
Cada arreglo se diferencia nicamente por los elementos que contiene:
n: cantidad de elementos del conjunto
r: cantidad de elementos en cada arreglo
La frmula es:
n
n rP n!
rC = =
r ! (nr ) ! r !

7.1.2. RESOLUCIN DE PROBLEMAS

1.- Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga guila.
Calcular la probabilidad de A:
S = { A, S}, N() = 2
A = { A }, N(A) = 1
N (A ) 1
P ( A )= = =0.5
N () 2

2. En una caja tenemos 5 componentes electrnicos, 1 fusible, 2 capacitores y 2

transistores. Si se extraen 3 componentes (sin repeticin) cul es la probabilidad?
a) De que los 2 primeros componentes sean capacitores
Elementos totales 5 * 4 * 3 = 60
 N (A ) 6
P ( A )= = =0.1=10
N () 60
b) No salga el fusible
N ( A ) 24
P ( A )= = =0. 4=40
N () 60

3.- Cuntos nmeros de placas diferentes pueden existir en la provincia de Guayas?

Todas las placas comienzan con G y se componen de tres letras y 3 dgitos.
Respuesta:

Hay 26 letras diferentes sin incluir la y 10 dgitos diferentes. Como no importa repetir
letras y nmeros en cada placa, el total es: 26 x 26 x 10 x 10 x 10 = 676000
4.- En un curso preuniversitario los exmenes tienen 20 preguntas y cada una tiene 5
opciones, de cuntas formas diferentes se puede contestar el examen?
Respuesta:
20 preguntas x 5 opciones = 100 formas diferentes

5.- Un grupo de 10 personas debe elegir a su directiva; presidente, secretario, tesorero.

Todos pueden ser elegidos, pero una persona no puede tener ms de un cargo, de
cuntas maneras diferentes puede realizarse la eleccin?
Respuesta:
N = 10, r = 3
10
3P =10 ( 101 ) ( 102 ) =10 9 8=720
10 n! 10! 3628800 3628800
3P = = = = =720
(nr )! (103) ! 7! 5040

6.- Un testigo de un accidente de trfico en el que el responsable huye le dice a la

polica que el nmero de la placa contena las letras RHL seguidas de 3 dgitos, cuyo
primer dgito es 5. Si el testigo no puede recordar los ltimos dos nmeros de la placa,
pero tiene la certeza de que los 3 eran diferentes cul es el nmero mximo de placas
que deber investigar la polica?
Respuesta:
N = 9 dgitos, r = 2
9
2 P=9 ( 91 )=9 8=72
9 n! 9! 362880 362880
2 P= = = = =72
( nr )! (92) ! 7! 5040

7.- De cuntas maneras se pueden ordenar los nmeros: 0, 1, 2, 3 si se quieren formar

nmeros (sin repeticin).
a) De 2 cifras
4 n! 4! 4 ! 24
2P= = = = =12
(nr)! (42) ! 2! 2

b) De 3 cifras
4 n! 4! 4 ! 24
3P= = = = =24
(nr) ! ( 43)! 1! 1

c) De 4 cifras
4 n! 4! 4 ! 24
4P= = = = =24
(nr)! (44 )! 0! 1

8.- De cuntas maneras se pueden acomodar 5 personas en una fila, si se pueden

tomar cualquier posicin?
5 n! 5! 5 ! 120
5 P= = = = =120
(nr )! (55) ! 0 ! 1
9.- Un bar dispone de 10 frutas diferentes de las cuales se pueden elegir tres para un
batido. De cuntas maneras diferentes se puede hacer la seleccin?
Respuesta: Son combinaciones pues el orden no imparta.
N = 10, r = 3
n 10 ! 3628800 3628800
rC = = = =120
(103) ! 3 ! 5040 6 30240

7.2. DEFINICIN DE ESTADSTICA

Se llama Estadstica a la rama de las matemticas que se sirve de un conjunto de
mtodos, normas, reglas y principios para la observacin, toma, organizacin,
descripcin, presentacin y anlisis del comportamiento de un grupo de datos para la
conclusin sobre un experimento o fenmeno.

Clasificacin de la Estadstica
La Estadstica Descriptiva: es la parte de la Estadstica que estudia las tcnicas y
mtodos que sirven para la observacin, toma, organizacin, descripcin, presentacin
y anlisis de datos. Se llama descriptiva por ser su fin primordial la descripcin de las
caractersticas principales de los datos obtenidos.

La Estadstica Inferencial o Analtica: es la parte de la Estadstica mediante la cual se

intenta dar explicacin, concluir o inferir sobre los experimentos y fenmenos
observados, mediante el auxilio de la probabilidad, estadstica descriptiva y distribucin
de probabilidad, por lo que resulta una herramienta de suma utilidad para la toma de
decisiones.

Poblacin: Es el conjunto de todos los elementos, medidas, individuos y

objetos que tienen una caracterstica en comn, pero en muchas ocasiones debido
a limitaciones de tiempo o de recursos no se puede trabajar con la totalidad de la
poblacin. Denotaremos al tamao de la poblacin por N.

Muestra: Se le llama Muestra a cualquier subconjunto de elementos de la poblacin. Es

la parte de una poblacin que podemos utilizar para obtener conclusiones de
toda una poblacin sin tener que analizar su totalidad. La muestra elegida debe
cumplir con ciertos requisitos indispensables:

a) Validez. Debe representar a la poblacin, esto es, ha de pertenecer a sta y

ser elegida al azar o en forma aleatoria, para que todos los elementos de la
poblacin tengan la misma probabilidad de ser considerados.
b) Confiable. Los resultados que se obtengan deben poder generalizarse a toda
la poblacin con cierto grado de precisin.
c) Prctica. Debe ser sencilla de llevar a cabo.
d) Eficiente. Debe proporcionar la mayor informacin con el menor costo.

Variables: Es una propiedad o caracterstica de algn evento, objeto o

persona, que puede tener diversos valores en diferentes instantes, segn las
condiciones. La podemos representar mediante un smbolo (X, Y, Z, , , , ) y al cual
se le puede asignar un valor cualquiera de un conjunto determinado de datos. Le
llamamos Variable Aleatoria a aquella variable cuyos cambios no pueden ser
determinados antes de que estos se presenten; es decir, estn destinados a la suerte.

Tipos de variable
1. Variables Numricas: son aquellas que se identifican o se les puede asignar un valor
numrico o que corresponden a aspectos que son medibles. Ejemplo: Tiempo de uso,
precio, tamao, velocidades, nmero de hijos de una familia, nmero de carros que
circulan por determinada calle, alturas, pesos, tallas, temperaturas, etctera.

a) Variables Numricas Discretas: son aquellas que solamente toman valores enteros
con rango finito. Ejemplo: Nmero de hijos en cada familia de una colonia de la ciudad,
talla de calzado de cada alumno de un grupo escolar, la cantidad de alumnos por grupo,
etc.

b) Variable Numrica Continua: son aquellas que pueden tomar cualquier valor entre
dos valores dados. Es decir, el rango contiene no slo valores enteros sino un intervalo
(finito o infinito) de valores reales (esto es, que puede ser fraccionario, decimal o
irracional). Ejemplo: El tiempo de vida de una persona, el nivel de hemoglobina de los
habitantes de una colonia, la temperatura ambiental durante un da, etctera.

2. Variables Categricas: son aquellas a las que no se les puede asignar o identificar
con un valor numrico, sino con un aspecto, cualidad o caracterstica que las distinga y
que no se pueden medir sino solo observar, a ese aspecto, cualidad o caracterstica se
le llama categora. En las variables categricas, un elemento no puede estar en dos o
ms categoras a la vez, lo cual las hace excluyentes y adems no puede haber
elementos de la poblacin que no pertenezcan a alguna categora, lo cual las hace
exhaustivas. Ejemplos: Marca, tipo de sangre, deporte preferido, idioma, nacionalidad,
colores, cabello o piel, sexo, clima, etctera.

a) Variables Categricas Nominales: son aquellas a las que no se les puede asignar un
orden, es decir que slo permite clasificacin en categoras por mencin de sta.
Ejemplo: La nacionalidad de una persona, idioma, sexo, himnos nacionales.

b) Variables Categricas Ordinales: son aquellas que adems de clasificar a los

elementos en distintas categoras les podemos asignar un orden o que podemos
ordenar de acuerdo a cierta caracterstica. Ejemplo: El estado de salud de una persona;
que podemos ordenarla segn la urgencia del caso, el color de algn objeto segn la
tonalidad desde muy clara a ms oscuro; que podemos ordenarlo de acuerdo a la
intensidad del color, el grado militar, puesto en la empresa, da de la mam, meses del
ao, etctera.

Datos: Son las medidas, valores o caractersticas susceptibles de ser observadas y

contadas. Para que se considere un dato estadstico debe tener dos caractersticas,
que sean comparables entre s y que tengan alguna relacin. La recoleccin de
informacin o recopilacin de datos estadsticos se divide en:
Datos Internos: son aquellos datos que no necesitan de observaciones adicionales al
experimento; es decir, no es necesario buscar caractersticas que proporcionen
informacin adicional acerca del experimento. Ejemplo: Las calificaciones de un grupo,
un experimento qumico, etctera.

Datos Externos: estos datos pueden ser de dos tipos:

a) Datos Bibliogrficos: son aquellos ya conocidos y que podemos encontrar fcilmente
utilizando bibliografa, registros, actas, etctera, como los datos histricos, censos y
otros.

b) Datos Originales: son aquellos que podemos obtener mediante mtodos de

recoleccin, como las encuestas, plebiscitos, referndum, y nos proporcionan datos
reales y certeros.

Para Organizar los datos: existen muchas formas de clasificarlos, en general pueden
ser determinados de acuerdo a cuatro elementos que son: Tiempo, lugar, cantidad y
cualidad.

Experimento: Toda accin o prueba que se realiza con el fin de observar su resultado.

Experimento Determinista: son aqullos en los que se puede predecir con certeza su
resultado antes de que ste se presente. Ejemplo: Al lanzar en un cuarto un libro al aire
con el fin de determinar si flota, se queda unido al techo o cae al suelo, sabemos con
certeza que el libro caer al suelo, lo cual lo hace un experimento determinista.

Experimento Aleatorio, Probabilista, casual o de azar: Est determinado a la suerte.

As, decimos que un experimento aleatorio ocurre cuando no es posible asegurar el
resultado que se va a presentar. Ejemplo: Al lanzar una moneda al aire no sabemos si
el resultado va a ser guila o sello, lanzar un dado, etctera.

Muestreo: Estudio que se hace de una poblacin por medio de muestras

representativas, debidamente elegidas de manera que posea todas las caractersticas
de una poblacin y de tamao determinado segn la precisin que de ella se quiere
obtener en las decisiones y conclusiones estadsticas posteriores.
Se le llama valores estadsticos, estadsticos muestrales a los valores o cantidades
desconocidas que son obtenidas de, o que hacen referencia a las caractersticas de
una muestra.
Se le llama Parmetro a los valores o cantidades desconocidas que son obtenidas de,
o que hacen referencia a las caractersticas de una poblacin.

Llamamos Censo al mtodo de recoleccin de datos mediante el cual la informacin se

obtiene del estudio de todos los elementos que componen a la poblacin o universo
bajo estudio. Un censo debe cumplir las condiciones de universalidad (censar a todos
los elementos de la poblacin) y simultaneidad (realizarse en un momento
determinado).
Una Poblacin es Finita: cuando existe una cantidad determinada de elementos por
analizar; esto es, una cantidad de elementos, numerable y que en determinado
momento finaliza.

Una Poblacin es Infinita cuando existe una cantidad indeterminada de elementos por
analizar; es decir, una cantidad de elementos que aunque los enumerramos nunca
terminaramos de hacerlo.

MTODOS DE MUESTREO
Fundamentalmente el muestreo es de dos tipos bsicos:
Probabilstico o aleatorios: tipo de muestreo que se obtiene mediante sorteo de los
individuos que la forman teniendo as, cada individuo la misma posibilidad de
pertenecer a la muestra, permitiendo calcular el posible error de la muestra. De entre
los que destacan, el muestreo aleatorio simple, el sistemtico, el estratificado y el de
conglomerados.

No probabilstica: tipo de muestreo en el que no es posible estimar la probabilidad de

que cada individuo o elemento estar incluido en la muestra, adems no permite el
clculo del posible error de la muestra. Pueden ser de tres clases: Accidental o
incidental, por cuotas, intencional por conveniencia o de juicio. Aunque este tipo de
muestreo no ser objeto de estudio en este curso.

El muestreo Aleatorio simple es el tipo de muestreo en el cual todos y cada uno de

los elementos de la poblacin se elige de tal forma que tengan la misma posibilidad de
ser seleccionados y pertenecer a la muestra.

El muestreo Sistemtico se utiliza cuando el universo es de gran tamao o ha de

extenderse en el tiempo y requiere de una seleccin aleatoria inicial de observaciones
seguida de otra seleccin de observaciones, obtenida mediante una constante
denominada constante de sistematizacin.

REPRESENTACIN TABULAR Y GRFIICA.

La Distribucin o Tabla de Frecuencias: Es la representacin conjunta de los datos
en forma de tabla o subgrupo de datos correspondientes a un fenmeno en estudio y su
ordenamiento en base al nmero de observaciones que corresponden a cada dato o a
cada grupo de datos, adecuados segn cronologa, geografa, anlisis cuantitativo o
cualitativo.

Los principales elementos de una tabla estadstica son: Ttulo, unidades, encabezado,
cuerpo o contenido, nota de pie y referencias. Se elabora colocando en la primera
columna los datos diferentes o subgrupos de datos (llamados clases o intervalos de
clase) y en la columna siguiente el nmero de observaciones que corresponden a cada
dato o a cada grupo de datos (llamada frecuencia).

Una tabla de este tipo dar, en forma abreviada, una informacin completa acerca de la
distribucin de los valores observados. Estas tablas facilitan el uso de los mtodos
grficos y aritmticos.
La presentacin de los datos en forma ordenada, por medio de una tabla, depender de
los datos de que se trate, y si estos son cualitativos o cuantitativos como se muestra a
continuacin:

Frecuencia Absoluta de un dato: Es el nmero de veces que se repite ese dato,

tambin se presenta la frecuencia absoluta de un intervalo que se refiere al nmero de
datos que pertenecen a ese intervalo. La denotaremos por f.

Frecuencia Absoluta Acumulada: Hasta un dato especfico, es la suma de las

frecuencias absolutas de todos los datos anteriores, incluyendo tambin la del dato
mismo del cual se desea su frecuencia acumulada. De un intervalo es la suma de las
frecuencias absolutas de todos los intervalos de clase anteriores, incluyendo la
frecuencia del intervalo mismo del cual se desea su Frecuencia acumulada. La ltima
frecuencia absoluta acumulada deber ser igual al nmero total de datos. La
denotaremos por fa.

Frecuencia Relativa: De un dato, se obtiene al dividir la frecuencia absoluta de cada

dato entre el nmero total de datos. De un intervalo se obtiene al dividir la frecuencia
absoluta de cada intervalo entre el nmero total de datos. La denotamos por fr.

Frecuencia Relativa Acumulada: Hasta un dato especfico de la observacin, es la

suma de las frecuencias relativas de todos los datos anteriores, incluyendo tambin la
del dato mismo del cual se desea su frecuencia relativa acumulada de un intervalo es la
suma de las frecuencias relativas de todos los intervalos de clase anteriores incluyendo
la frecuencia del intervalo mismo del cual se desea su frecuencia relativa acumulada.
La ltima frecuencia relativa acumulada deber ser igual a la unidad. La denotaremos
por fra.

Llamamos rango al nmero de unidades de variacin presente en los datos recopilados

y se obtiene de la diferencia entre el dato mayor y el dato menor. Se representa con la
letra R.
R= Dato mayor menos dato menor
Intervalos de Clase: Son los intervalos en los que se agrupan y ordenan los valores
observados. Cada uno de estos intervalos est delimitado (acotado) por dos valores
extremos que les llamamos lmites.

Lmite inferior: Es el valor menor de cada intervalo, se denota por Li

Lmite superior: Es el nmero mayor de cada intervalo, se denota por Ls

Marca de Clase (MC) de cada intervalo: Se refiere al Punto Medio del intervalo y a
travs de l representaremos a todo el intervalo y una de las maneras de calcularla es
promediando los valores lmite de cada intervalo, su frmula es:
L +L
MC= i s
2

Presentacin de Datos: Despus de la Organizacin de los datos y su presentacin en

Tablas Estadsticas, la informacin contenida en una tabla estadstica tambin se puede
presentar mediante graficas, siendo las ms comunes para variables discretas (datos
no agrupados) las de: Barras y circulares o de pastel; y para variables continuas (datos
agrupados) el histograma, polgono de frecuencias y ojiva. Estos grficos no son los
nicos para la presentacin y anlisis de datos estadsticos, pero si los ms comunes y
utilizados.

MEDIDAS DE TENDENCIA CENTRAL.

En estadstica se les conoce como medidas de tendencia central, porque estn
localizadas hacia el medio o centro de una distribucin, en la que la mayora de los
valores tendern a concentrarse. Entre los ms comunes se pueden mencionar: la
media aritmtica, la mediana y la moda.

LA MEDIA ( X ).
La media aritmtica o simplemente media, es el promedio aritmtico de un conjunto de
observaciones y se obtiene al sumar todos los datos y dividir dicha suma entre el total
x
de datos. La media de los datos numricos ( 1+ x 2+ x 3 + x n) /n

X=

LA MODA (Mo)
La moda es el valor que aparece con mayor frecuencia. Si ningn valor se repite, se
dice que no hay moda, o que todos los valores son moda. Si existe un nico valor con
mayor nmero de repeticiones, entonces a ese valor se le llama la moda, y el conjunto
de datos se dice que es unimodal. Pueden existir, sin embargo, dos o ms valores que
sean los que mayor nmero de veces se repiten, en tal caso la moda consta de esos
valores, y se dice que el conjunto de datos es bimodal. Si hay ms de dos valores con
mayor nmero de repeticiones, se dice que el conjunto de datos es multimodal.

MEDIANA (Me).
Para calcular la mediana procedemos como sigue. Se ordena la muestra
x
( 1+ x 2+ x 3 + x n) de menor a mayor incluyendo repeticiones. Si el nmero de

elementos es impar, se toma el dato central; si es par la mediana est dada por el
promedio de los datos centrales, pudindose obtener un valor no dado en la muestra.
x +x
Me= c 1 c1
2

7.3. RESOLUCIN DE PROBLEMAS

1. En la muestra siguiente la media aritmtica es: 30, 32, 33, 32, 36, 37, 36, 38, 38, 40,
36, 40.
Respuesta: Se ordenan los datos de menor a mayor; 30, 32, 32, 33, 36, 36, 36, 37, 38,
38, 40. Se cuentan cuantos nmeros son (n) y se sustituyen en la frmula siguiente.

x
( 1+ x 2+ x 3 + x n )
n
X =
30+32+32+33+36 +36+36+37 +38+38+ 40 388
X = =
=35. 27
11 11

2. Obtener la media aritmtica de los siguientes datos: 2, 6, 11, 8, 11, 4, 7, 5.

Respuesta: Se ordenan los datos de menor a mayor; 2, 4, 5, 6, 7, 8, 11, 11. Se cuentan
cuantos nmeros son (n) y se sustituyen en la frmula siguiente.,

x
( 1+ x 2+ x 3 + x n )
n
X =
2+ 4+5+6 +7+8+11 +11 54
X = = =6.75
8 8

3. Obtener la media aritmtica de los siguientes datos: 2, 6, 11, 8, 11, 4, 7, 5, 90.

Respuesta: Se ordenan los datos de menor a mayor; 2, 4, 5, 6, 7, 8, 11, 11, 90. Se
cuentan cuantos nmeros son (n) y se sustituyen en la frmula siguiente.
x
( 1+ x 2+ x 3 + x n )
n
X =
2+ 4+5+6 +7+8+11 +11+90 144
X = = =16
9 9

4. Considerar 10 pacientes de edades 21, 32, 15, 59, 60, 61, 64, 60, 71 y 80. La media
de edad ser:
Respuesta: Se ordenan los datos de menor a mayor; 15, 21, 32, 59, 60, 60, 61, 64, 71,
80. Se cuentan cuantos nmeros son (n) y se sustituyen en la frmula siguiente.
x
( 1+ x 2 x 3 + x n )
+
n
X =
15+21+32+59+60+ 60+61+64+ 71+ 8 0 523
X = = =52.3
10 10

5. La media de 6 elementos se sabe que es 10. Sabiendo que cinco de ellos son: 8, 12,
13, 5 y 9, hallar el elemento que falta.
Respuesta: se tiene que hacer un despeje.
x
( 1+ x 2+ x 3 + x 4 + x 5 + x 6)
n
X=
X
=x 1+ x 2 + x 3+ x 4+ x5 + x 6
n
n X x1 x2x 3 x 4x 5=x 6
6(10)8121359=x 6
6047=x6
13=x 6

6. Cul es la mediana aritmtica de: 5.1, 6.5, 8.1, 9.1, 10.1, 15.5?
Como los nmeros estn ordenados, y n es par se toman los dos del centro, la mediana
es
x +x 8.1+9.1 17.2
Me= c 1 c1 = = =8.6
2 2 2

7. Cul es la mediana aritmtica de 3, 4, 4, 5, 6, 8, 8, 10?

Respuesta: Como los nmeros estn ya ordenados, contamos el total de datos que son
8, como es par se toman los dos del centro y se calcula la mediana.
x +x 5+6 11
Me= c 1 c1 = = =5.5
2 2 2

8. Obtener la moda de los siguientes datos: 2, 6, 11, 8, 11, 4, 7, 5.

Respuesta: Se ordenan los datos de menor a mayor; 2, 4, 5, 6, 7, 8, 11, 11. El nmero
que se repita ms veces es la moda.
Mo = 11

9. Cul es la moda de la serie: 4, 5, 5, 6, 7, 7, 7, 8, 9, 1

Respuesta: Como los nmeros estn ya ordenados solo vemos que nmero se repite
ms veces.
La Moda es Mo = 7 porque es el nmero que ms se repite.
10. Cul es la moda de la serie: 60, 74, 82, 85, 90, 95?
Respuesta: La moda no existe porque todos los datos solo aparecen una vez