Libro Estadística Basica v2

ESTADISTICA BSICA
Universidad Autnoma de Nayarit
ESTADSTCA
BA SCA
HERMILIO HERNNDEZ AYN Y COLBS.
Texto de apoyo dida ctico

Guillermo Meseguer Valenzuela Sal E. Hernndez Ayn
Josu Salvador Snchez Rodrguez Alejandro Acebo Gutirrez
Ricardo Gmez lvarez F. Javier Hernndez Ayn Roberto
Castaeda Mayorqun - A. Cecilia Quezada Snchez - Genaro
Flores Camarena - Ernesto Navarrete Mndez Carlos A.
Polanco Gmez Diana I. Maldonado Parra Juvencio
Hernndez Garca.
Hernndez Ayn, H. y Colbs. 1

ESTADISTICA BSICA
INTRODUCCIN
La estadstica es una de las disciplinas que ms avance han tenido en los ltimos
tiempos. Como metodologa de apoyo es la que mejor se ha adaptado al desarrollo
de las ciencias. Nadie podra imaginar que lo que inici como una actividad censal
se convertira en una prctica cotidiana de acopio y anlisis de informacin para la
toma de decisiones de tipo poltico, econmico, social y hasta blico.
Analizar informacin convertida en datos, disear modelos de muestreo o

estudiarlos, son algunas de las aplicaciones de la estadstica. Como herramienta de
anlisis, ofrece una considerable serie de ventajas que permiten, mediante
muestreos y modelos estadsticos adecuados, obtener informacin de poblaciones
completas que no se obtendran por otros mtodos o experimentos, mucho menos
al costo tan reducido que representa la modelacin estadstica. La estadstica les
proporciona el argumento necesario cuando se requiere demostrar algo, ya que se
apega a los pasos del mtodo cientfico. El rea econmica y administrativa es muy
dinmica y verstil, por lo que la estadstica esta llamada a ser el mtodo por
excelencia para realizar indagaciones en todos los campos.
En la primera parte de este texto se analiza lo que se considera como estadstica

descriptiva, es decir, el anlisis plano de las caractersticas de un fenmeno o
evento, mientras que en la segunda parte, se analiza la denominada estadstica
inferencial, donde la probabilidad es el principal argumento de los modelos
matemticos.
Esta obra se gener a partir de la aportacin de los docentes que integran

actualmente la Academia de Estadstica de la Unidad Acadmica de Contadura y
Administracin (UACyA), la cual forma parte del rea (DES) Econmica
Administrativa de la Universidad Autnoma de Nayarit (UAN), y se tom a partir
de varias referencias bibliogrficas conocidas en el mbito de la divulgacin
cientfica, as como de la experiencia en la ctedra cotidiana, a los que hacemos un
reconocimiento especial por sus aportes.

ESTADISTICA BSICA
Ninguna obra puede concebirse como definitiva, por lo que este Texto de Apoyo
Didctico queda a merced de los propios docentes titulares de la materia de
Estadstica para realizar las modificaciones pertinentes en prximas ediciones.
Finalmente se debe sealar que este texto cubre los contenidos del programa del
primer curso de Estadstica de las carreras de Contadura, Administracin,
Mercadotecnia y Turismo e intenta ser una propuesta para toda el rea.
1. FUNDAMENTOS Y CONCEPTOS BSICOS
1.1 Origen de la Estadstica y conceptos bsicos
La Estadstica es una ciencia matemtica que se ocupa de reunir, organizar y

analizar datos, que permiten hacer interpretaciones e inferencias, as como disear
experimentos para la toma de decisiones ante cualquier problema. Ante todo es
una herramienta de apoyo para todas las disciplinas, ya que nos permite obtener
informacin referida a grandes grupos de individuos conociendo datos de algunos
de ellos.
1.1.1 Surgimiento de la Estadstica
El desarrollo cientfico de la Estadstica se fundamenta a partir de los aos 30 a raz

de los problemas planteados en la sociedad industrial, por el desarrollo de otras
ramas de las Matemticas y de otros campos como la Biologa, la Medicina, la
Economa, la Informtica, la Poltica y las reas Administrativas y Contables, entre
otras.
A lo largo de la historia, el hombre ha recopilado informacin en forma de datos y

smbolos que han servido para mostrar eventos, sucesos y hechos de la realidad de
ese momento. Las primeras civilizaciones Egipcias, Griegas y Romanas contaban
ya con sus sistemas de recopilacin de datos para cobrar impuestos y reclutar
soldados. En la edad media, era frecuente que las instituciones eclesisticas
llevaran registros acerca de nacimientos, muertes y matrimonios; pero no fue sino
hasta 1790 en que Estados Unidos encabez la realizacin de censos cada 10 aos,
actividad que contina realizndose en casi todos los pases y cuyo propsito es
analizar las caractersticas de su poblacin con fines particularmente polticos y
econmicos.
1.1.2 La Estadstica y su relacin con otras disciplinas

ESTADISTICA BSICA
Con la aparicin de la informtica como elemento complementario en todas las

ramas del saber, se inicia un proceso de generacin de informacin sin precedentes
en la historia de la humanidad. Como resultado se tiene que, en las ltimas dos
dcadas, se ha generado ms informacin que en todos los aos de nuestra
historia.
Actualmente, la estadstica se ha convertido en un mtodo efectivo para describir

con aceptable exactitud los valores de datos socioeconmicos, polticos y
culturales, entre muchos otros de carcter disciplinar, y sirve como herramienta
para relacionar y analizar dichos datos. El trabajo del experto estadstico consiste
no slo en reunir, organizar y/o analizar datos sino, sobre todo, en la habilidad
para realizar interpretaciones a partir de un determinado estudio.
Por otra parte, el desarrollo de la teora de la probabilidad ha aumentado el alcance

de las aplicaciones de la estadstica. Muchos conjuntos de datos se pueden
aproximar, con gran exactitud, utilizando determinadas distribuciones
probabilsticas. La probabilidad es til para comprobar la confiabilidad de las
inferencias estadsticas y para predecir el tipo y la cantidad de datos necesarios.
1.2 Clasificacin de la Estadstica
La estadstica de divide en dos ramas: estadstica descriptiva y estadstica

inferencial. La primera referida a los mtodos que implican recopilar, organizar,
interpretar y representar datos, con el objeto de obtener una descripcin o
caracterizacin lo ms completa y fiel posible de un fenmeno estudiado. Dicho
proceso implica observar, medir y registrar caractersticas o variables, para luego
realizar la interpretacin numrica o grfica correspondiente.
La segunda comprende aquellos mtodos que hacen posible estimar las

caractersticas de una poblacin a partir del anlisis de una muestra. En la
inferencia estadstica se incluye la toma de decisiones, en forma de proyeccin o
pronstico, lo cual se obtiene a partir de la aplicacin de modelos probabilsticos, es
decir, la base de la inferencia estadstica se obtiene a partir de la probabilidad
matemtica.
En estadstica es necesario tener un claros algunos conceptos, sobre todo los de

poblacin y muestra, ya que los anlisis que se obtienen son diferentes en cada uno
de ellos.

ESTADISTICA BSICA
Poblacin es la totalidad de elementos (universo de estudio) o cosas que se

consideran en el estudio, y pueden ser personas, plantas, animales, viviendas,
objetos, microorganismos o cualquier otra entidad de elementos.
Muestra: porcin o parte de la poblacin que se toma para un determinado estudio

o anlisis y que adems tiene las mismas caractersticas de la poblacin
Parmetro es una medida o cantidad que se establece y se utiliza para describir una
caracterstica de una poblacin.
Estimador o estadstico de prueba es un clculo o medida que se utiliza para

estimar el valor de un parmetro a partir del estudio de una muestra, el cual sirve
para obtener conclusiones sobre los verdaderos parmetros de una poblacin.
Poblacin Muestra
(Parmetros) M Estadstico
s de
Prueba
Inferencia Estadstica
Generalmente una poblacin resulta demasiado grande como para obtener

informacin de toda la poblacin completa, debido a lo tardado, complicado y
costoso del proceso, por ello se utilizan mtodos de muestreo, los cuales permiten
hacer inferencias cientficamente vlidas sobre la totalidad de la poblacin.
En los procesos polticos, por ejemplo, es muy comn el uso de la encuesta de

opinin, la cual sera imposible aplicarla a la totalidad de votantes 1, por lo que se
escoge una muestra representativa de esa poblacin para obtener los datos de
inters. A las conclusiones que se llegue se les asocia una probabilidad sobre la
esperanza o confianza que se tiene de que los resultados de la muestra reflejen la
verdadera conducta de los votantes de toda la poblacin.
1
En este caso, al total de votantes registrados se le denomina Marco de Muestreo
ESTADISTICA BSICA
1.2.1 Tipos de estudios Estadsticos
Algunos autores distinguen dos tipos de estudios estadsticos: enumerativos para

referirse a la toma de decisiones sobre una poblacin y/o sus caractersticas a partir
del anlisis de una muestra, por lo que interesa saber que hay en la poblacin.
Mientras tanto, los estudios analticos se refieren a la toma de decisiones sobre un
proceso para mejorar el desempeo futuro, es decir aqu la forma en que se
recopilan datos es la variable de inters.
1.3 Aplicaciones de la Estadstica
Para qu sirve la Estadstica?
El mundo en que vivimos es el mundo de la informacin y de la comunicacin.

Miles de cifras se analizan y evalan diariamente para saber hacia dnde orientar
las polticas de desarrollo y las decisiones a tomar, oportunidad que solo ofrece la
estadstica.
Pero la estadstica no es del todo conocida. Slo se sabe de ella por los resultados
de las encuestas que diariamente se escuchan o se leen en los medios de
comunicacin. Sin embargo la estadstica, como rama de la ciencia matemtica, es
una ciencia amplsima que permite obtener desde resmenes generales de las
actividades de la empresa hasta estimar el comportamiento de las ventas que se
conseguirn en el futuro, o averiguar la relacin que existe entre la inversin
destinada a la promocin empresarial y las ventas obtenidas, e incluso, mantener
una clasificacin de clientes respecto de sus caractersticas.
Frente a los modelos de desarrollo actuales, se conocen cuatro tipos de empresas:

aquellas que hacen que las cosas sucedan, aquellas que creen que pueden hacer
que las cosas sucedan, aquellas que desean que sucedan y aquellas que no saben
que algo ha sucedido". Estos escenarios, entre algunos otros, son los que se pueden
realizar teniendo como recurso metodolgico a la estadstica.
1.3.1 Fuentes generadoras de informacin
Si no existe informacin o datos que analizar, no hay lugar para la aplicacin de la

estadstica. No obstante, en el mundo actual lo que ms abunda es la informacin,
ESTADISTICA BSICA
insumo principal para el anlisis estadstico que permite prever acciones ante
fenmenos que pueden afectar determinada organizacin social.
Las fuentes generadoras de informacin son todas aquellas instancias que llevan
registros con datos de la actividad humana. Una organizacin social, sea una
empresa, dependencia, cooperativa, familia, escuela, etctera, genera informacin
financiera, contable, de inventarios, de personal, produccin, ventas, informes,
entre otros, de tal suerte que con la informacin generada se pueden hacer anlisis
e interpretaciones en beneficio de ellos mismos. Toda la actividad humana genera
informacin diaria que en su mayora se registra por instancias oficiales como el
Instituto Nacional de Estadstica Geografa e Informtica (INEGI), el Servicio de
Administracin Tributaria (SAT), el Registro Civil (RC), las Bolsas de Valores, las
Escuelas, Universidades e Institutos y otras muchas dependencias tanto pblicas
como privadas. Los Centros de Investigacin por su parte mantienen registros de
las investigaciones y avances que se realizan en las diversas reas del saber, las que
se convierten en insumos de nuevos proyectos.
Toda esta informacin generada es materia prima para el anlisis estadstico, pero
si no fuera esto suficiente y quisiramos generar nuestra propia informacin,
podemos disear entonces instrumentos de acopio informativo como guas de
entrevista y cuestionarios que permitirn captar la informacin deseada para
realizar anlisis estadsticos sobre opiniones, preferencias, oferta y demanda, entre
otros.
1.4 La Estadstica en el proceso de investigacin
El uso de mtodos estadsticos como auxiliares en el anlisis de datos ha crecido

enormemente en los ltimos tiempos en todo el mundo, debido a la aceptacin y
xito demostrado en la toma de decisiones, comn denominador de todos los
campos de la actividad humana. La dinmica del desarrollo tecnolgico le otorg a
la estadstica un lugar de privilegio como mtodo de investigacin de bajo costo, y
propici el diseo de toda una serie de paquetes software estadsticos para
computadora entre ellos el SAS, STATS y SPSS, entre otros.
Un tomador de decisiones sensato busca evaluar su informacin con el objeto de

elegir el curso de una accin que rinda el mximo de beneficio al mnimo costo.
Para el especialista o el investigador la parte medular de la informacin son los
datos; sin datos no hay informacin. Si los datos estn sesgados, son ambiguos o

ESTADISTICA BSICA
tienen algn error, es muy probable que las mejores pruebas diseadas no
compensen tales deficiencias.
1.4.1 Mtodos para generar informacin estadstica
El mtodo ms usual para recopilar informacin es el censo, siendo Estados

Unidos el pas que ms destaca por la precisin, cobertura y tcnicas que
utiliza en sus procesos. En Mxico, el Instituto Nacional de Estadstica
Geografa e Informtica (INEGI) es el encargado de llevar a cabo los censos,
los cuales son necesarios para la planeacin de acciones sobre vivienda,
alimentacin, seguridad, salud e inversin, entre otras. Se distingue por que
la informacin se obtiene del cien por ciento de la poblacin.
Un segundo mtodo para la obtencin de datos es a travs de la

experimentacin, lo cual incluye pruebas ms avanzadas de anlisis y
tratamiento estadstico. Normalmente se requieren pruebas de laboratorio o
piloteo sobre grupos testigo o muestras a escala que luego son aplicables a
una poblacin. El tratamiento de variables bajo condiciones controladas es
una caracterstica de este mtodo.
El tercer mtodo consiste en obtener datos a partir de la aplicacin de

encuestas. Aqu no se ejerce control sobre el comportamiento de variables
que se investigan, sino ms bien se hacen preguntas a grupos muestra acerca
de sus creencias, opiniones, actitudes y conductas, entre otras categoras de
anlisis. El tipo de encuesta (cuestionario o entrevista) depende de la
naturaleza de la poblacin y de la muestra bajo estudio.
Para que un estudio sea til, los datos recolectados deben ser vlidos, es decir,
debe favorecerse el concepto necesario sobre lo que pudiera considerarse
conveniente.
1.5 Concepto de variable
Dentro de los procesos de investigacin, es comn la denominacin de variables en

referencia a las diversas caractersticas que identifican a cierto suceso o fenmeno
(por ejemplo; una pregunta puede dar como resultado diferentes respuestas). El
concepto de variable se define como una caracterstica que cambia respecto del

ESTADISTICA BSICA
tiempo, del lugar, de una persona a otra, etctera, es decir, se trata de una
caracterstica no constante y cuya variacin es posible medir.
Si una variable es susceptible de ser cuantificada, entonces se convierte en un

indicador dentro de una determinada investigacin, ya que dicha variabilidad y su
verificacin, permitirn comprobar hiptesis de trabajo.
Existen dos tipos de variables: cualitativas y cuantitativas. Las primeras generan

respuestas categricas (si, no, regular, bueno, etc.), mientras que las segundas
arrojan respuestas numricas. Dentro de las variables cuantitativas numricas,
existen las continuas (dato normalmente dimensional que proviene de un proceso
de medicin instrumental) y las discretas (nmero finito frecuentemente
adimensional).
NOMINALES
CUALITATIVA o
CATEGORICA
ORDINALES
VARIABLES
DISCRETAS
CUANTITATIVA o
NUMERICA
CONTINUAS
Ejemplo Respuesta Tipo de variable

Ahorra usted? S, No Cualitativa nominal
Cmo le pareci el servicio? Bueno, Malo, Regular Cualitativa ordinal
Cuantos hijos tiene? Nmero Cuantitativa discreta
Cual es su edad? Aos Cuantitativa continua
1.5.1 Niveles y Escalas de medicin: nominal, ordinal, de intervalo y de razn o

proporcin.
Los datos recolectados se miden de manera indistinta. Hasta los datos

cuantitativos discretos pueden considerarse como producto de un proceso de

ESTADISTICA BSICA
medicin por conteo. Existen cuatro niveles de medicin ms usados: Escala

nominal, Escala ordinal, Escala de intervalos y Escala de razn.
1.5.2 Escala nominal y escala ordinal
Cuando en la clasificacin de datos observados no es importante el orden se tiene

un nivel de medicin nominal. Si por el contrario, el orden es necesario durante el
conteo de datos observados se tiene un nivel de medicin ordinal.
Escala nominal (no importa el orden)
Tipo de sangre A, B, O+, O-

Filiacin poltica PAN, PRI, PRD, PT, PVEM
Escala Ordinal (s importa el orden)
Comportamiento: Bueno, Regular, Malo.

Satisfaccin al cliente: Muy satisfecho, satisfecho, insatisfecho.
Ambas escalas son consideradas dbiles, sobre todo la nominal, dado que, a pesar
de que se asegura que algo es mejor, mayor o preferido, no se puede saber cuanto
es mayor, mejor o preferido.
1.5.3 Escala de intervalo y escala de razn
Estas escalas se consideran ms potentes que las anteriores, ya que permiten

discernir no slo cul de los valores es el mayor, sino qu tanto. Una escala por
intervalos es una escala ordenada. En el caso de la estatura de una persona es
importante la diferencia entre una y otra (1.60 vs. 1.65 o 170 vs. 1.75), es decir la
diferencia de 5 centmetros, tiene el mismo significado, tanto para el primer
intervalo como para el segundo.
Si en la escala es importante, adems de las diferencias, un cero real que permita

realizar cocientes de mediciones, la escala se convierte en una de razn. El caso de
las temperaturas es un caso especial, ya que en la escala Celsius o Fahrenheit existe
un cero arbitrario, por lo que no pueden considerarse como escalas de razn. Esto
no sucede con la escala absoluta Kelvin, en la que s puede entenderse el cero
absoluto como real.

ESTADISTICA BSICA
Temperatura (C o F) Escala de intervalo

Tiempo calendario Escala de intervalo
Estatura Escala de razn
Peso Escala de razn
Edad Escala de razn
Sueldo Escala de razn
PRACTICA 1
A) Identificar tres fuentes de informacin censal por cada Sector Econmico (Primario,
Secundario y Terciario) y que tipo de informacin generan.
B) Identificar tres fuentes generadoras de informacin experimental.
C) Identificar tres instancias que obtienen informacin mediante encuesta.
2. ANLISIS DE DATOS Y DISTRIBUCIN DE FRECUENCIAS
Para iniciar un proceso de recopilacin de informacin se requiere de un

conocimiento previo del objeto de estudio y de una planeacin de actividades a
desarrollar. Reconocer el tipo de variables a cuantificar o medir requiere de la
habilidad de observar, para luego identificar la fuente generadora de informacin,
sea a travs de censos (INEGI), generada a partir de experimentacin (pruebas de
laboratorio) o recopilada a partir de instrumentos como la encuesta.
2.1 Distribucin de frecuencias
La parte central en un anlisis estadstico lo conforman los datos o valores que se

obtienen de una variable determinada. Sin datos no existe posibilidad de obtener
informacin sobre el fenmeno que se est investigando. Por ello es preciso en
primer trmino hacer una revisin de datos y tratar de organizarlos de la mejor
manera posible. Al arreglo ordenado de los datos, teniendo como base una escala
de valor se le denomina frecuencia. As por ejemplo, si tenemos al fin de cursos las
calificaciones de espaol de 15 nios y queremos saber su frecuencia,
ordenaramos los datos de la siguiente forma.
Ejemplo 2.1: Calificaciones de espaol: 7, 10, 8, 8, 10, 9, 7, 8, 9, 9, 9, 7, 10, 8 y 10.

ESTADISTICA BSICA
Calificacin Frecuencia
6 0
7 3
8 4
9 4
10 4
Total 15
Ejemplo 2.2: Se est interesado en conocer la calidad de alimentacin de 50 nios

en una comunidad rural, donde los valores de la variable cualitativa son:
Muy deficiente MD
Deficiente D
Regular R
Buena B
Muy buena MB
Los datos recogidos por la encuesta2 fueron los siguientes:
B R R D MD
R B D B B
R D MD D D
D R R R R
MD R D MD D
R D B D MD
D MB D R R
B D R MB D
MD D MD D MD
R B D R B
Arreglo ordenado de datos
2
El proceso de recopilacin de informacin se realiz a partir de una encuesta con datos socioeconmicos.
ESTADISTICA BSICA
Categora Frecuencia
Frecuencia
(calidad de la Conteo Relativa
Absoluta
alimentacin)
MD ||||| ||| 8 (8/50)=0.16
D ||||| ||||| ||||| || 17 0.34
R ||||| ||||| ||||| 15 0.30
B ||||| ||| 8 0.16
MB || 2 0.04
Total 50 1.00
En la primera columna de la tabla aparecen los cinco valores posibles de la variable

calidad de la alimentacin, que dan lugar a cinco categoras. En la segunda columna
se muestra el procedimiento que se utiliz para clasificar las respuestas, mientras
que en la tercera columna aparecen los nmeros absolutos por categora y, en la
cuarta, la fraccin que le corresponde respecto a la unidad (8/50, 17/50,).
2.2 Representacin grfica
Es muy usual en estadstica el uso de grficos para representar ilustrativamente los

resultados obtenidos. La representacin grfica de un conjunto de datos, sean de
una poblacin o de una muestra, permite obtener informacin respecto a la forma
de cmo se distribuyen los valores de una variable de inters.
Dentro de la representacin grfica se reconocen cuatro tipos de grficos:

a) Grfico poligonal
b) Grfico de barras
c) Grfico circular o de pastel
d) Histograma de frecuencias
2.2.1 Grfico Poligonal
En el polgono de frecuencias, el arreglo se disea tomando a las abscisas (eje de las

X) como el valor de la categora bajo estudio y el eje de las ordenadas (Y) como la
frecuencia, es decir, el dato que se repite n cantidad de veces.

ESTADISTICA BSICA
20
15
10 Frecuencia
5
0
MD D R B MB
Calidad de la alimentacin
De esta manera, en el eje X, la primera categora representa a Muy Deficiente

alimentacin (MD), la segunda Deficiente (D), y as sucesivamente.
2.2.2 Grfico de Barras
La representacin grfica en forma de barras utiliza el mismo diseo que en caso

anterior respecto a los ejes X-Y. Su configuracin queda al criterio del analista de
datos, ya que lo ancho de cada barra para el caso de variables cualitativas, solo es
referencial e ilustrativo, no obstante, la condicin es que se mantenga una misma
anchura.
Las variables numricas o cuantitativas s requieren de una magnitud o rango

constante generalmente dimensional, ya que cada barra representar el nmero de
datos que se encuentran dentro de dicho rango de valores. Las barras deben estar
separadas y no juntas para diferenciarlo del histograma.
20
15
10 Frecuencia
5
0
MD D R B MB
Calidad de la alimentacin

ESTADISTICA BSICA
2.2.3 Grfico Circular o de Pastel
Este tipo de grficos se utiliza con frecuencia para representar en forma de

porcentaje la porcin o parte de un todo, donde dicho total representa el 100%.
Disearlo manualmente significara considerar como 100% el crculo equivalente a
360. De ah que cada componente representa una cantidad determinada de grados
dentro del crculo y, por tanto, su equivalencia o valor de la categora considerada.
Por ejemplo si dividimos entre 4 los 360 da como resultado un ngulo de 90,
equivalente al 25% del crculo. Trazar este tipo de proporciones no significa mayor
problema, sin embargo, en cantidades fraccionadas la dificultad aumenta.
360 o 100% 180 o 50% 90 o 25% 45 o 12.5%
Paquetes estadsticos como Excel, entre otros, son herramientas que resuelven
rpidamente el problema, dado que, conteniendo los valores de la variable
estudiada, solo necesitamos identificar el cono y el tipo de grfico a disear.
Grfico Circular o de Pastel
4% 16%
16%
MD
D
R
B
30% 34% MB
2.2.4 Histograma

ESTADISTICA BSICA
En ocasiones, dada la cantidad y caracterstica de los datos, no es posible

representar cada variable por su valor puntual, por lo que es conveniente agrupar
los datos en intervalos de clase.
El histograma de frecuencias es un grfico donde se requiere conocer previamente

los intervalos de clase. Tanto la cantidad de intervalos como su longitud se
construyen a partir del criterio del investigador o analista experto.
La altura de cada barra representa la cantidad de valores que se encuentran dentro
de la amplitud elegida, mientras que la anchura representa un valor mnimo y otro
mximo dentro de una escala de valores. Como condicin se admite que el valor
mximo de una determinada barra es, al mismo tiempo, el valor mnimo de la
siguiente (de ah que las barras no deben estar separadas). No obstante, se debe
procurar que un dato pertenezca solo a una barra y no a dos o ms al mismo
tiempo.
Histograma de frecuencias3
PRACTICA 2
A partir de la variable estatura de los alumnos del grupo construya:

a) Una tabla de frecuencias
b) Un grfico de barras
c) Un grfico poligonal
d) Un grfico circular
e) Un histograma de frecuencias
Comente y explique sobre las dificultades encontradas en cada caso
3
Los datos del histograma no corresponden fielmente al ejemplo tipo de alimentacin sealado con
anterioridad, dado el valor categrico de la variable.
ESTADISTICA BSICA
EJERCICIOS
1. Las calificaciones finales de 80 estudiantes en la materia de Estadstica figuran en la siguiente

tabla:
68 50 89 57 90 95 79 52
73 30 67 81 93 69 45 85
61 78 73 68 62 60 76 93
56 62 43 60 47 36 55 55
96 80 82 74 95 62 76 72
79 67 73 94 85 76 85 60
65 75 55 27 78 88 63 71
40 27 75 78 63 59 68 45
35 75 61 48 62 58 83 74
79 82 97 72 50 74 71 57
a) Identifique las calificaciones extremas.

b) Construya una tabla con las siguientes categoras: frecuencia absoluta (fa), frecuencia
relativa (fr), frecuencia relativa acumulada (fra) y frecuencia porcentualizada (f%).
c) Que porcentaje de alumnos aprobaron (calificacin mayor a 60).
2. En 1997 ocurrieron en el Estado de Nayarit una cantidad de 4,103 defunciones por diversas
causas de enfermedad; como se muestra en la siguiente tabla.
a) Que porcentaje corresponde a cada una de las causas.

b) Disee el grfico que mejor se adapte a los datos.
c) Identifique la causa ms frecuente y la menos frecuente.
d) Convierta los porcentajes tomando como base a 10, 1,000 y 10,000 habitantes.
CAUSA DEFUNCIONES
Enfermedades del corazn. 746
Tumores malignos. 623
Accidentes. 384
Diabetes mellitus. 306
Enfermedad cerebro vascular. 261
Homicidio y lesiones inflingidas intencionalmente por otra 161
persona.
Otras enfermedades pulmonares obstructivas crnicas 129
Neumona e influenza 125
Cirrosis y otras enfermedades crnicas del hgado. 123
Ciertas afecciones originadas en el periodo perinatal. 95
Deficiencias de la nutricin 85

ESTADISTICA BSICA
Bronquitis crnica, asma y enfisema 71
Sida 52
Otras causas. 942
Fuente: INEGI. Censo General de Poblacin y Vivienda 2000.
3. El tiempo en horas que tarda un taller de servicio automotriz en realizar la revisin rutinaria de
garanta se registra en la tabla siguiente.
4.3 4.5 4.4 4.1

3.1 2.0 5.9 3.4
6.6 6.7 2.2 3.2
6.3 3.8 5.5 3.3
2.7 2.6 2.1 3.7
a) Construya una tabla de frecuencias con intervalos de media hora, una hora y 1.5 horas.
b) A qu conclusiones se puede llegar acerca de la productividad de los mecnicos si se
toma en cuenta la distribucin de frecuencias?
c) Si la administracin del taller considera que ms de 6.0 horas equivale a un mal
desempeo De qu magnitud es el problema?
4. Una empresa registra en un mes del ao los siguientes servicios ofrecidos al pblico en las 20
sucursales.
823 427 468 308
669 360 349 752
722 588 634 586
217 321 904 641
648 555 847 766
a) La compaa cree que una sucursal no puede mantenerse financieramente con menos
de 475 servicios mensuales qu porcentaje representan estas empresas?
b) Es tambin poltica de la compaa otorgar una bonificacin econmica al gerente de la
sucursal que genere ms de 725 servicios mensuales qu porcentaje se beneficiar?
c) Ordene los datos de la tabla y represntelos de manera grfica
5. Represente, en grfico circular, el siguiente ejemplo. En una Escuela Primaria de 2,000 nios,
600 se encuentran en Primero, 490 en Segundo, 320 en Tercero, 250 en Cuarto y el resto en
partes iguales en Quinto y Sexto aos. Dos de cada 3 son nias en primero, en segundo 1.9
nias por cada 2 nios, en tercero es proporcional, en cuarto hay 2.5 hombres por cada 2
mujeres, en quinto hay un 10% mas de mujeres que de hombres y en sexto ao tres quintas
partes son hombres.
6. Segn un estudio de campo, la proporcin de vehculos que circulan diariamente por la Ciudad
de Tepic es la siguiente: 23% son unidades Nissan, 20% Ford, 15% Chevrolet, 14% Dodge
Chrysler, 10% Volkswagen y el 18% corresponde a Otras Marcas como Honda, Mitsubishi,
Mazda, Toyota, entre otras. Represente grficamente la informacin anterior, utilizando
grficos alternativos de barra y polgono, en planos vertical y horizontal.

ESTADISTICA BSICA
7. La siguiente tabla, muestra la poblacin total de Mxico y de cada uno de los Municipios del
Estado de Nayarit.
a) Obtenga los porcentajes de hombres y mujeres por municipio
b) Qu porcentaje representa la poblacin de Tepic respecto del total del Estado y del Pas
c) Existe diferencia entre los porcentajes de hombres y mujeres del Estado respecto del Pas?
Comente.
d) Qu porcentaje de municipios rebasan los cincuenta mil habitantes?
e) Represente el resultado del inciso a) tomando como base 1, 10, 100, 1,000 y 10,000
MXICO Poblacin total Hombres Mujeres

97, 361,711 47,354, 486 50,007, 325
Poblacin total Hombres Mujeres
NAYARIT 919, 739 454, 268 465, 471
Municipios
Acaponeta 36, 641 18, 156 18, 305
Ahuacatlan 15, 319 7, 617 7, 702
Amatln de Caas 12, 053 6, 093 5, 960
Baha de Banderas 59, 782 30, 371 29, 411
Compostela 65, 804 32, 532 33, 272
Del Nayar 26, 561 13, 127 13, 434
Huajicori 10, 291 5, 201 5, 090
Ixtln del Ro 25, 371 12, 153 13, 218
Jala 16, 142 7, 870 8, 272
Rosamorada 34, 653 17, 471 17, 182
Ruiz 21, 675 10, 960 10, 715
San Blas 42, 741 22, 155 20, 586
San Pedro Lagunillas 7, 778 3, 898 3, 880
Santa Mara del Oro 20, 823 10, 525 10, 298
Santiago, Ixcuintla 95, 311 47, 652 47, 659
Tecuala 42, 227 21, 210 21, 017
Tepic 305, 025 147, 063 157, 962
Tuxpan 31, 185 15, 421 15, 764
Xalisco 37, 612 18, 342 19, 270
Yesca, La 12, 925 6, 451 6, 474
Fuente: INEGI. Censo General de Poblacin y Vivienda 2000.
8. Las estaturas del grupo matutino G-1 de la Facultad de Contadura y Administracin de la

UAN, fueron las siguientes.
1.75 1.59 1.69 1.82 1.58 1.50 1.55 1.71 1.70 1.89
1.56 1.72 1.77 1.70 1.64 1.75 1.76 1.70 1.69 1.74
1.67 1.62 1.80 1.65 1.72 1.50 1.70 1.74 1.68 1.59
1.66 1.65 1.60 1.60 1.70 1.56 1.83 1.66 1.69 1.56
1.65 1.63 1.58 1.76 1.67 1.68 1.58 1.68 1.75 1.71
Si el propsito es representar grficamente los datos Qu dificultades se tienen?, Cul grfica

convendra mejor?, Qu se propone para resolver tal problema?
9. Con la informacin del ejemplo anterior, agrupe:

a) Los menores a 1.60 metros

ESTADISTICA BSICA
b) Los menores a 1.70 pero a la vez mayores a 1.60 metros
c) Los menores a 1.80 pero a la vez mayores a 1.70 metros
d) Los mayores a 1.80 metros.
Cuntos alumnos hay en cada caso y qu porcentaje le corresponde a cada inciso. Obtenga una
tabla con los nuevos porcentajes por categora (inciso) y acumulada. Represente los datos en grfico
circular.
3. MEDIDAS DE TENDENCIA CENTRAL (datos no agrupados o simples)
Un conjunto de datos, por s mismo, puede no darnos la suficiente informacin.

Para ello, se utilizan ciertas herramientas estadsticas que nos permiten caracterizar
o describir el verdadero valor que representa un conjunto de datos agrupados o no
agrupados. Las medidas de tendencia central ms usuales son la media, la mediana
y la moda.
La medida de tendencia central es un valor que se calcula para un conjunto de

datos que se utiliza para describirlos o caracterizarlos, lo cual permite tener un
perfil cuantitativo aproximado de la realidad de ese momento. El clculo ms
usualmente conocida es la media aritmtica, promedio o simplemente media, ya
que determina un valor promedio representativo de todo un conjunto de datos.
En general, las medidas de tendencia central son valores que representan a todo un
conjunto de datos. El proceso desde el acopio de informacin hasta los clculos que
se realizan para conocer la media aritmtica, la moda, la mediana y el rango medio,
entre otros, permiten tener una descripcin detallada del conjunto de datos. Las
medidas de tendencia central pueden aplicarse sobre muestras (conocidos como
estimadores o estadsticos de prueba) o sobre poblaciones completas, a los que se
denominan parmetros.
3.1 Media Aritmtica
Se define como la suma de todos los valores de la variable entre el nmero de

datos. Representa la suma de las magnitudes variables divididas entre el nmero
de elementos.
La media aritmtica tiene la ventaja extra de ser el nico promedio apropiado para
estimar un total y de estar sujeto a un tratamiento algebraico que permite
promediar series de medidas.
ESTADISTICA BSICA
Frmula de la media aritmtica para una muestra

n
x i
x i 1
n
Observe que x (variable o caracterstica) toma valores desde i hasta n, siendo n el

tamao de la muestra, mientras que la i representa los valores de la variable.
Frmula de la media aritmtica para una poblacin

N
x i
i 1
N
En este caso N es el total de valores de la poblacin bajo estudio, representa el

promedio de la poblacin y x toma valores desde i hasta N.
Una interpretacin ms especfica sera la siguiente: El promedio de la poblacin

representado por la letra , resulta ser un parmetro de la poblacin bajo estudio.
Por otra parte, si x es el valor promedio de una muestra representativa de esa
poblacin, se dice que x es un estimador de , porque x nos da una idea del
valor de . En general, mientras ms grande sea el tamao de la muestra, la media
muestral ( x ) diferir menos de la media poblacional (), es decir, el resultado ser
mas certero.
Ejemplo 3.1: Se desea saber el promedio estatura (en metros) entre los alumnos de
la carrera de Administracin; para ello se elige al azar una muestra de 10 alumnos.
Alumno Estatura (m)

1 1.70
2 1.68
3 1.76
4 1.81
5 1.73
6 1.65
7 1.78
8 1.83
9 1.74
10 1.79
Aplicando la frmula para la media, tenemos que:

ESTADISTICA BSICA
1.70 1.68 1.76 1.81 1.73 1.65 1.78 1.83 1.74 1.79
x 1.747
10
Ejemplo 3.2: En determinado mes, 8 vendedores de artculos electrnicos

vendieron las siguientes cantidades de aparatos electrnicos: 8, 11, 5, 14, 8, 11, 16,
11. Considerando a este mes como la poblacin, el nmero promedio de unidades
vendidas en ese mes son:
8 11 5 14 8 11 16 11
10.5
8
Observe que en ambos ejemplos se especifica claramente el tipo de valores,

muestra y poblacin, respectivamente. A pesar de que el procedimiento para el
clculo es el mismo, el resultado se interpreta distinto, ya que, en el primer caso, el
promedio de la estatura en la muestra escogida es de 1.747 metros, es decir, es una
estatura representativa del grupo de donde se extrajo la muestras; mientras que el
promedio real de la poblacin de aparatos electrnicos vendidos fue de 10.5.
3.2 Mediana
La mediana (Md), en una serie de datos, es el valor de la variable asociado o

correspondiente al punto central de la serie de datos previamente ordenados en
funcin de su magnitud.
El valor de la mediana divide una serie de datos de manera que, la mitad de los
datos (50%) son mayores y/o menores del punto central. Es ms apropiado utilizar
la mediana en lugar que la media cuando se presentan valores extremos en un
conjunto de datos. Se aplica a variables categricas ordinales y variables
numricas, muy til por ejemplo en caso de nminas de sueldos, facturacin,
ventas, valoraciones, entre otros.
Para calcular la mediana de un conjunto de datos, primero se deben ordenar en

funcin del valor de la variable; de mayor a menor o de menor a mayor. A ste
conjunto se le denomina arreglo ordenado; despus se utiliza la siguiente frmula
para determinar el punto central (Pc)

ESTADISTICA BSICA
n 1
Pc
2
En una serie de datos pueden presentarse dos casos: Si el nmero de datos es par o
impar. En el primer caso, el Pc = (n + 1)/2 se localiza entre dos valores de la
variable, para lo cual, la mediana ser el promedio entre esos dos valores. En el
segundo caso, el valor de la mediana ser el que est directamente asociado al Pc.
Ejemplo 3.3: Utilizando el ejemplo anterior de las estaturas de estudiantes, tenemos

que el nmero de datos son diez, es decir, se trata de una serie par, por lo que en
este caso, clculo correspondiente para la mediana ser:
10 1
Pc 5.5
2
Es decir, el valor de la mediana estar ubicado entre la posicin 5 y la posicin 6 de

los diez valores de la muestra.
Valor menor Pc = 5.5 Valor mayor
1.65 1.68 1.70 1.73 1.74 1.76 1.78 1.79 1.81 1.83
Ordenamiento y posicin de datos
1 2 3 4 5 6 7 8 9 10
El valor de la mediana, de acuerdo a la posicin 5.5, es un valor entre 1.74 y 1.76,

por lo que (1.74 + 1.76) / 2 = 1.75 metros, que es un valor muy similar al de la media
aritmtica. Entindase entonces que el 50% de las estaturas son mayores a 1.75,
mientras que el otro 50% son estaturas menores a ese mismo valor.
Obsrvese que si el valor menor fuera de 1.20 y/o el mayor de 2.10, esto no afecta a
la mediana, ya que la posicin sera la misma y, por tanto, el valor de la mediana
sera el mismo. Esto comprueba que la mediana se aplica mejor a conjunto de datos
con valores extremos.
Finalmente, en caso de que haya nmeros empatados y el posicionamiento del

punto sea uno de ellos, se toma sin dificultad aquel donde marque el Pc sin
importar cuantos empates o repeticiones existan.

ESTADISTICA BSICA
3.3 Moda (Mo)
Es el valor que se presenta con mayor frecuencia en una serie de datos. Se le

obtiene fcilmente si el conjunto de datos est ordenado, y no se afecta si existen
valores extremos. Al igual que la mediana, slo se le utiliza para propsitos
descriptivos, ya que el valor es relativo y variable.
Cabe aclarar que en algunos casos (cuando un nmero no se repite), la moda no

existe, y as se especifica. Sin embargo, el hecho de decir que no existe, no significa
que la moda sea igual a cero, ya que la moda puede tomar valores positivos,
negativos o ser cero.
Por otra parte, si dos nmeros se repiten igual nmero de veces, se dice que el
resultado es bimodal, o simplemente se sealan los nmeros con igual moda.
Ejemplo 3.4
Para los valores 2, 3, 4, 4, 4, 4, 4, 6 y 7 el valor modal es 4.
En el caso de valores de temperaturas: -4, -2, -1, -1, 0, 0, 0, +3, +5, la

moda es igual a 0.
Ejemplo 3.5
De las siguientes cantidades, correspondientes al consumo de alimentos de l5

personas en un restaurante, obtenga la moda respectiva: $1,000; 1,000; 1,000; 25,000;
2,500; 2,500; 3,500; 4,000; 5,300; 9,000; 12,500; 13,500; 24,500; 27,500 y 30,900.
La moda es el valor ms frecuente, por lo que en este caso, es de 1,000 y 2,500

bimodal.
3.4 Rango Medio
El rango medio (Rm) es el promedio entre el extremo mayor y el extremo menor de

una serie de datos, y puede ayudarnos para tener una muy ligera idea de cmo
estn los valores. Se debe tener cautela con el promedio obtenido, ya que con
valores muy extremos el promedio puede no resultar representativo del conjunto

ESTADISTICA BSICA
de datos. Se utiliza para clculos rpidos en anlisis financieros o para pronsticos

del clima.
Rango medio X min

X mx
Ejemplo 3.6: De acuerdo a un estudio exploratorio, un da caluroso registra las

siguientes temperaturas en grados centgrados: 20, 32, 35, 27, 32, 30, 28, 36, 25 y 33.
En este caso, el rango medio corresponde a:
Rango medio = (20 + 36) / 2 = 28 C
3.5 Media Geomtrica
Es otra medida de posicin que suele utilizarse en la rama del comercio y la

economa en series de datos como tasas de inters, inflacin y de crecimiento, as
como en la elaboracin de nmeros ndices, entre otras, donde el valor de cada ao
tiene un efecto multiplicativo sobre el de los aos anteriores. Es un clculo donde
intervienen todos los valores, por lo que no se pierde informacin, no obstante, el
resultado puede ser influido por valores muy extremos.
En general, la media geomtrica depende del nmero y caractersticas de los datos,

y para el clculo se utilizan dos procedimientos:
Procedimiento 1. Cuando se trata de pocos valores y de baja magnitud, puede

utilizarse la siguiente frmula.
Mg n X 1 X 2 X 3 ... X n
Es decir, la n-sima raz del producto de los valores de la variable. Es til cuando los
nmeros son positivos, ya que si son negativos o existe un cero, el resultado puede
ser negativo o inexistente. Con nmeros positivos, la media geomtrica es un valor
ligeramente menor a la media aritmtica.

ESTADISTICA BSICA
Ejemplo 3.7: Sean los nmeros 2, 4 y 8. La media geomtrica (Mg) se define

mediante:
Mg 3 ( 2)(4)(8) 3 64 4
Procedimiento 2. Otra forma de realizar el clculo es a travs del logaritmo

neperiano siguiente:
1
LogMg
n
log xi
Utilizando el mismo ejemplo anterior tenemos:
1 1
LogMg (log 2 log 4 log 8) (0.3010 0.6021 0.9031) 0.60206
3 3
Por lo tanto, Mg = Antilog 0.60206, y Mg = 4
Las aplicaciones ms frecuentes de la media geomtrica se realizan en instituciones

bancarias para el clculo de promedios de tasas de variacin y de tasas de inters
compuesto.
Ejemplo 3.8: Suponga que en tres bancos diferentes se presenta una diferencia en
sus tasas de inters mensual (%), como sigue:
BANCO A BANCO B BANCO C

Mes 1 1.7 1.9 2.5
Mes 2 2.3 3.1 1.6
Mes 3 2.2 2.8 1.8
Mes 4 1.9 2.5 2.9
Mes 5 2.2 2.5 3.5
Mes 6 2.3 2.7 3.0
Cul de los Bancos ofrece en promedio una menor tasa de inters?
Banco A
ESTADISTICA BSICA
G 6 (1.7)(2.3)(2.2)(1.9)(2.2)(2.3) 2.087
Banco B
G 6 (1.9)(3.1)(2.8)(2.5)(2.5)(2.7) 2.555
Banco C
G 6 ( 2.5)(1.6)(1.8)(2.9)(3.5)(3.0) 2.455
3.6 Media Armnica
Los promedios de velocidades dentro de una distancia constante representan un

tema de inters para ciertas empresas, sobre todo tratndose de gastos generales de
transporte y combustibles. Es importante controlar y vigilar los tiempos de reparto,
los gastos de hidrocarburos y la duracin de refacciones de vehculos, entre otras
cosas. Este tipo de clculos se obtienen mediante la aplicacin de la Media
Armnica (Mh), la cual se define mediante la siguiente frmula.
N
Mh N
1
X
i 1 i
Donde N representa el nmero de vehculos, Xi es la velocidad de cada vehculo y

Mh es la media armnica (velocidad promedio: distancia por tiempo).
Ejemplo 3.9: Suponga que una empresa utiliza cuatro camiones de reparto de
mercanca por semana, los cuales parten desde la empresa matriz hasta la ciudad
destino situada a 100 millas. Los camiones mantuvieron una velocidad promedio
los 40, 47, 48 y 50 millas por hora durante el trayecto. Cul resulta ser la velocidad
promedio de los cuatro camiones?

ESTADISTICA BSICA
4
Mh 45.92
1 1 1 1

40 47 48 50
Este procedimiento es el ms adecuado al problema planteado, ya que si se aplica

la media aritmtica, el promedio que se obtiene (40+47+48+50)/4 = 46.25 millas por
hora. Esta diferencia se debe a la media aritmtica supone intervalos de tiempo
constantes, lo cual no necesariamente es cierto. Lo correcto, mediante este
procedimiento es considerar los tiempos de cada vehculo, es decir, 2.50, 2.13, 2.08
y 2.0 horas respectivamente. El tiempo total para cubrir las 400 millas es de 8.71
horas, entonces el verdadero valor se obtiene mediante (400/8.71) = 45.92 millas por
hora. Si, por ejemplo, se hubieran mantenido las velocidades de 40, 47, 48 y 50
durante el mismo tiempo, el promedio correcto hubiera sido 46.25 millas por hora.
La media armnica se utiliza tambin para encontrar el precio promedio de

artculos. Supngase que un repartidor de peridicos de una editorial entrega un
ejemplar matutino y uno vespertino. Paga 5 centavos por cada ejemplar del
peridico matutino y 4 centavos por el vespertino. Qu precio promedio diario
paga? Este problema requiere de la media armnica. Esta medida mostrara que el
repartidor paga 4.44 centavos por ejemplar, y no 4.50 centavos. De nueva cuenta, la
media armnica es apropiada debido a que se especifican datos constantes como si
fueran variables, en este caso el nmero de peridicos que se compran a cada
precio.

ESTADISTICA BSICA
EJERCICIOS
1. A partir de los siguientes datos, tomados de una muestra aleatoria de 20 estudiantes de la Unidad
Acadmica de Contadura y Administracin, realice los clculos que se piden.
Edad en aos Peso en Kg Estatura en m

Mujeres Hombres Mujeres Hombres Mujeres Hombres
17 25 48 58 1.62 1.70
22 21 55 70 1.69 1.69
20 18 60 65 1.70 1.71
19 17 63 63 1.68 1.65
19 22 70 67 1.71 1.67
18 26 52 69 1.69 1.78
21 28 58 71 1.70 1.83
22 35 67 75 1.72 1.85
17 18 59 58 1.66 1.76
19 17 60 63 1.68 1.68
20 21 72 65 1.69 1.59
23 23 66 72 1.76 1.80
18 20 63 69 1.70 1.70
29 27 58 78 1.72 1.88
16 19 57 56 1.67 1.68
24 19 69 76 1.58 1.81
31 22 75 74 1.70 1.79
26 18 72 76 1.69 1.86
18 24 66 68 1.60 1.75
20 26 62 69 1.63 1.82
a) Represente grficamente los datos por gnero y por variable.

b) Obtenga la media aritmtica, moda, mediana y rango medio a partir de cada variable (edad,
peso y estatura) y por gnero
c) Obtenga la media geomtrica para la variable estatura por gnero
d) Que conclusiones se pueden hacer respecto de la edad entre hombres y mujeres.
e) Que conclusiones se pueden hacer respecto del peso entre hombres y mujeres.
f) Que conclusiones se pueden hacer respecto de la estatura entre hombres y mujeres.
2. Dos granjas de camarones estn siendo monitoreadas para conocer cual est operando mejor
segn la alimentacin que se les da. Para observar la comparacin entre ambos, se capturan diez
camarones geogrficamente al azar de cada Estanque y se mide talla y peso. El reporte respecto de
la talla es el siguiente.

ESTADISTICA BSICA
Estanque 1 2.51 2.95 2.13 3.22 3.54 2.93 3.08 4.75 2.83 4.51
Estanque 2 3.64 2.57 3.89 3.30 3.76 4.12 2.96 3.88 4.29 3.62
Determine:
a) Las medidas de Tendencia Central
b) En cual estanque se observa un mayor crecimiento en promedio
c) Si el requisito para venderle a EU es que sobrepasen de 3.0 cm en promedio, podr vender la
empresa el producto? Cul o cuales estanques?
3. El departamento de produccin de una empresa embotelladora est interesado en investigar cual

de las dos lneas de produccin opera mejor. Para ello se toman aleatoriamente 20 muestras de cada
lnea y se mide el volumen de llenado en mililitros, resultando lo siguiente.
MAQUINA 1 MAQUINA 2 MAQUINA MAQUINA

(lnea 1) (lnea 2) 1 (lnea 1) 2 (lnea 2)
340 313 314 319
315 318 318 324
312 315 315 322
335 324 317 333
318 318 325 336
310 315 322 328
319 312 318 325
338 318 321 316
330 326 314 319
316 312 316 321
Calcule para cada lnea de produccin:

a) Medidas de tendencia central (media aritmtica, moda, mediana y rango medio)
b) Cual lnea de llenado opera con mayor volumen promedio
c) En cual lnea de llenado se observan ms valores extremos
d) Si el volumen lmite mnimo permitido segn la Norma Oficial Mexicana es de 340 mililitros,
cual lnea (s) operan fuera de norma.
e) Que se puede comentar respecto del valor de la mediana
4. Las calificaciones de un examen final ordinario de Estadstica en una muestra representativa de

20 alumnos de la carrera de Contadura y de Administracin arroj los siguientes resultados.
98 60 80 90
56 55 46 60
45 90 40 70
67 70 65 56
37 85 30 70

ESTADISTICA BSICA
a) Calcule las medidas de tendencia central (media, moda, rango medio y media aritmtica)
b) Que porcentajes de alumnos aprobaron y reprobaron el examen
5. El sueldo promedio que percibe un empleado en una empresa cigarrera de la ciudad de Tepic es
de 4,500 pesos por mes. Un estudio revela que la mediana tiene valor de 3,800 pesos mensuales y la
moda de 4,600. Como se explica esta diferencia? Como dato adicional, la empresa cuenta con 1,200
empleados en sus diferentes turnos.
6. Las tasas de inters bancario en los ltimos seis meses en cuatro bancos principales de la ciudad
de Tepic son como sigue:
BANCO A BANCO B BANCO C BANCO D

1.23 2.10 1.35 2.12
1.52 1.65 1.43 1.78
1.34 1.73 1.49 1.09
2.05 1.96 1.98 1.15
1.84 1.77 1.92 1.18
1.96 1.85 1.19 2.11
a) Cual banco ofrece la mayor tasa de inters

b) Cual banco ofrece la menor tasa de inters
7. Un inversionista pretende abrir una cuenta con cien mil pesos en aquel banco que le ofrezca una
mayor tasa de inters. Se recab informacin en 5 bancos durante 12 meses.
BIMESTRE BANCO A BANCO B BANCO C BANCO D BANCO E

1 2.3 2.19 2.43 2.32 2.8
2 2.5 2.52 2.95 2.95 3.4
3 2.1 3.47 3.49 3.37 3.7
4 2.9 3.04 3.13 1.98 2.8
5 3.2 2.20 3.98 2.67 3.8
6 3.0 1.95 1.94 2.89 3.9
a) Recomiende al inversionista el banco que mayor inters le proporciona

b) Cuanto ganar por tenerlo un ao en ese Banco, a tasa fija
c) Si en lugar de invertir se pide un prstamo por la misma cantidad, cul banco recomendara?
8. Una empresa utiliza cuatro camiones para el reparto de su mercanca diariamente. Con el fin de
determinar el gasto de combustibles y complementos se monitorean por un tiempo sus velocidades
promedio, resultando de 40, 55, 32 y 38 kilmetros por hora en promedio por cada camin
repartidor.
a) Cul es la velocidad promedio de los cuatro camiones de reparto?

b) Si el rendimiento para cada uno es de 4, 4.8, 5.2 y 3.9 kilmetros por litro de gasolina,
respectivamente, cual es el consumo de gasolina promedio por da.
c) Cual es el costo en combustibles por camin si el precio de gasolina es de 5.35 pesos por litro,
adems de un 10% adicional en gastos de complementos por camin.
ESTADISTICA BSICA
9. Las velocidades promedio en tramos iguales de un vehculo durante su trayecto de la ciudad de

Tepic a la ciudad de Guadalajara fueron las siguientes: 70, 120, 85, 60, 95 y 50.
a) Cual resulta ser el promedio de velocidad durante el trayecto?
b) Si la distancia total es de 290 kilmetros En que tiempo logr llegar?
c) Considerando el promedio de velocidad Cul fue el gasto de combustible si el vehculo tiene
un rendimiento de 10 kilmetros por litro?
4. MEDIDAS DE DISPERSIN (datos no agrupados o simples)
As como existe una serie de clculos matemticos para conocer la tendencia

central de una serie de datos, existen tambin las medidas de dispersin, es decir,
el grado de variacin o turbulencia de los datos. Dos conjuntos de datos pueden
tener las mismas medidas de tendencia central, pero ser muy diferentes en
trminos de su dispersin.
Las medidas de dispersin ms bsicas normalmente utilizadas son el rango, la

varianza, la desviacin estndar y el coeficiente de variacin.
4.1 Rango (Ro)
El rango puede definirse como la diferencia que existe entre el valor mayor y el
valor menor de la variable, es decir, es la magnitud entre los dos nmeros
extremos. Sirve para observar qu tan dispersos se encuentran los valores dentro
de un conjunto de datos. A pesar de que al rango se le considera como una medida
de dispersin simple, la desventaja de usarlo es que el clculo no toma en cuenta la
forma en que se distribuyen los datos entre los valores ms grandes y los ms
pequeos.
Rango X mx
X min
Ejemplo 4.1. Se desea conocer el rango de temperaturas en una ciudad del

occidente del pas, cuyos registros durante un determinado da fueron los
siguientes:
Hora 6:00 9:00 12:00 15:00 18:00 21:00 24:00

C 21 26 34 36 31 28 20

ESTADISTICA BSICA
Ro = Valor mximo (-) Valor mnimo = 36 C 20 C = 16 C
No obstante, el rango resulta ser el mismo si el conjunto de datos es ms grande.

Por ejemplo, si tenemos doce lecturas realizadas de temperatura en C (30.5, 29,
27.5, 23, 24, 32, 20, 25, 21, 28, 22, 36), el valor del rango es el mismo, o sea, la
diferencia entre el mayor y el menor 36 20 = 16C. De aqu que, como medida de
dispersin, se debe tener precaucin con el valor resultante, sobre todo cuando
existen dos valores muy extremos.
4.2 Varianza
La varianza y la desviacin estndar son dos medidas de dispersin que s toman

en cuenta la forma en que se encuentran agrupados los valores en un conjunto de
datos. Estos clculos estadsticos sirven para determinar lo cercano o alejado que se
encuentran los datos respecto de un valor promedio o media. Nunca, la varianza ni
la desviacin estndar pueden ser negativas, pero s pudieran ser cero, que sera
cuando no hay variacin en los datos, es decir, cuando todas las observaciones de
la muestra tuviesen el mismo valor, lo cual es muy poco frecuente.
Por naturaleza, todo evento o fenmeno se compone de caractersticas y datos

eminentemente variables. As vemos por ejemplo como ninguna actividad
econmica, poltica o social permanece constante. Existen personas con diferentes
pesos, estaturas, coeficientes intelectuales, edad, pulso, etc. Esto tambin sucede
con las empresas, con las bolsas de valores o con la poltica, entre otros eventos.
La varianza4 de una muestra se define como el promedio de los cuadrados de las

diferencias entre cada una de las observaciones de un conjunto de datos respecto
de la media y se representa con una S2. Con la varianza se conoce qu tan dispersos
se encuentran los datos a partir de un valor central o sea la media aritmtica, la
cual se comporta como punto de equilibrio.
Sea una muestra que contiene n observaciones X1, X2..., Xn, la varianza muestral en
este caso ser como sigue.
( X 1 X ) 2 ( X 2 X ) 2 ... ( X n X ) 2
S
2
n 1
O en forma de sumatoria ms simple
4
Algunos autores la definen como el grado de dispersin o simplemente variabilidad de un conjunto de datos.
ESTADISTICA BSICA
(X i X )2
S2 i 1
n 1
Donde x = media aritmtica de la muestra

n = tamao de la muestra
Xi = i-simo valor de la variable aleatoria X
Por otra parte, si tenemos que analizar el total de datos en una poblacin, la
frmula de la varianza quedara como:
(X i x )2
x2 i 1
N
Donde N sera el total de datos de la poblacin a tomar en cuenta.
4.3 Desviacin Estndar
La desviacin estndar de una muestra se define como la raz cuadrada de la

varianza muestral, y se denota mediante el smbolo S. Esta medida de dispersin es
ms usual que la varianza, ya que las unidades no son cuadradas. Por ejemplo, las
unidades en la varianza pueden ser en pulgadas cuadradas, dlares cuadrados o
metros cuadrados, lo cual no sucede con la desviacin estndar.
La frmula de la desviacin estndar para una muestra determinada es:
(X i X )2
S S2 i 1
n 1
Y para el caso de una poblacin, la desviacin estndar est dada por la raz
cuadrada de la varianza, como sigue:

ESTADISTICA BSICA
x x2
Ejemplo 4.2. A partir de los datos siguientes, correspondientes a las estaturas de 10

alumnos de Contadura, obtenga el valor de la varianza y la desviacin estndar.
Alumno 1 2 3 4 5 6 7 8 9 10
Estatura 1.75 1.63 1.78 1.72 1.65 1.58 1.62 1.64 1.68 1.70
Promedio o media aritmtica x = (1.75 + 1.63 + ... + 1.70)/10
x = 1.675
Varianza
(X i X )2
S2 i 1
n 1
S2 = (1.75 1.675)2 + (1.63 1.675) 2 + ... + (1.70 1.675) 2

10 - 1
S2 = 0.0039
Desviacin estndar
2
S= s = 0.0039 y S = 0.0625
Este valor indica que la mayor parte de las estaturas del grupo de alumnos se
encuentra 0.0625 metros por encima y por debajo del valor promedio, el cual fue de
1.675 metros.
En suma, las medidas de dispersin, cumplen con lo siguiente:

ESTADISTICA BSICA
Mientras ms separados o dispersos estn los datos, mayor ser el valor del
rango, la varianza y la desviacin estndar.
Si los datos estn ms concentrados o son homogneos, menor ser el rango,
la varianza y la desviacin estndar.
Si las observaciones de un conjunto de datos tienen el mismo valor, el rango, la
varianza y la desviacin estndar sern igual a cero.
Otra forma de calcular la varianza y la desviacin estndar es a partir de las

siguientes frmulas abreviadas.
n
( X i ) 2
X i
2
i 1
n
S2 i 1
n 1
2
n
n
Xi
X i i 1
2
n
S i 1
n 1
Donde las sumatorias pueden surgir a partir del diseo de una tabla que contenga
todas las observaciones a estudiar.
4.3.1 Regla emprica para la desviacin estndar
En la mayor parte de los conjuntos de los datos, gran parte de las observaciones
tienden a aglutinarse cerca de la mediana, es decir, regularmente son datos
homogneos o cuasi simtricos.
Cuando no se presenta un sesgo extremo, se puede utilizar lo que se denomina

regla emprica, para examinar la propiedad de variabilidad de los datos, y lograr
una mejor comprensin de lo que la desviacin estndar mide.
La regla emprica dice que, para la mayor parte de los conjuntos de datos, se
encontrar que aproximadamente dos de cada tres observaciones (es decir, el 67%)

ESTADISTICA BSICA
estn comprendidas dentro de la distancia de una desviacin estndar en torno a la

media y que aproximadamente entre el 90 y 95% de las observaciones estn
comprendidas en una distancia de dos desviaciones estndar en torno a la media.
Por ello, la desviacin estndar, como medida de dispersin promedio alrededor

de la media ayuda a comprender cmo se distribuyen las observaciones arriba y
abajo de la media y ayuda a concentrar la atencin y sealar observaciones poco
comunes (es decir, anormales) cuando se analiza un conjunto de datos.
La regla de Bienaym Chebyshev, seala que, sin importar cmo se distribuye un

conjunto de datos, el porcentaje de observaciones que estn contenidos dentro de k
desviaciones estndar en torno a la media debe ser de, cuando menos (1 1/k) 100%.
Es decir, la regla cumple con lo siguiente:
Por lo menos [1 (1/22)] 100% = 75% de las observaciones deben estar

contenidas dentro de 2 desviaciones estndar alrededor de la media.
Al menos de [1 (1/32)] 100% = 88.89% de las observaciones deben estar
contenidas dentro de 3 desviaciones estndar en torno a la media.
Cuando menos [1 1/42)] 100% = 93.75% de todas las observaciones deben estar
incluidas dentro de 4 desviaciones estndar alrededor de la media.
Finalmente, si los datos forman una distribucin gaussiana, es decir, cumplen con la
distribucin normal (o en forma de campana), el 68.25% de todas las observaciones
estn dentro de 1 desviacin estndar alrededor de la media, en tanto que el
95.44% corresponder a 2, el 99.73% a 3 y el 99.99% a 4 desviaciones estndar en
torno a la media.
Esta informacin es bastante valiosa en el anlisis de datos, ya que si un conjunto

aleatorio de datos de determinado fenmeno se distribuye de manera normal, se
podra saber con exactitud probabilstica, lo cercano o alejado de la media est una
observacin determinada.
4.4 Coeficiente de Variacin
A diferencia de las medidas que ya se han estudiado, el coeficiente de variacin es

una medida relativa de dispersin. Se expresa como porcentaje y no en trminos de
unidades como en el caso de las dems medidas de dispersin.

ESTADISTICA BSICA
Como medida relativa se utiliza cuando se compara la variabilidad de dos o ms

conjuntos de datos expresados en diferentes unidades de medicin. Se representa
mediante Cv y mide la dispersin de los datos con respecto a la media en
trminos de proporcin.
La frmula del coeficiente de variacin para una muestra bajo estudio es como
sigue:
S
Cv 100%
X
Donde S = desviacin estndar del conjunto de datos

x = media del conjunto de los datos
El coeficiente de variacin, para el caso de una poblacin, debe cumplir tambin la

relacin entre la media y la desviacin estndar poblacionales, como sigue:

Cv Pob x 100%
x
Ejemplo 4.3. De acuerdo al ejemplo 4.2, determine el Coeficiente de variacin.
Del clculo se obtuvo que la media aritmtica tiene un valor de 1.675 m., mientras
que la desviacin estndar es de 0.0625, por lo que el Cv = (0.0625/1.675)(100) =
3.73%. Es decir, el porcentaje de las diferencias promedio respecto de la media
aritmtica.
4.5 La Forma en una conjunto de datos
Otra propiedad importante que tiene un conjunto de datos se refiere a la forma en

que se distribuyen. Una distribucin de datos puede ser simtrica o sesgada,
dependiendo del grado de asimetra y curtosis.
4.5.1 Asimetra (Ca)

ESTADISTICA BSICA
El concepto de asimetra se aplica a la forma que tiene la curva normal (simtrica,

asimtrica negativa o asimtrica positiva), es decir, se toma en consideracin el
valor promedio o media aritmtica respecto del valor central o mediana.
Criterios de observacin:
Si la mediana y la media aritmtica de un conjunto de datos son iguales se dice

que los datos son simtricos (o con sesgo cero), ya que se considera que, los
valores que se encuentran, tanto por debajo de la media, como por arriba, se
compensan entre s.
Si la media es mayor que la mediana, entonces se dice que los datos tienen un
sesgo positivo o hacia la derecha, lo cual indica que se tiene una mayor
cantidad de valores superiores.
Si la media es menor que la mediana, se dice entonces que los datos sufren de
un sesgo negativo o hacia la izquierda, dado que se tendr una mayor cantidad
de valores bajos.
Para medir el nivel de asimetra se utiliza el llamado Coeficiente de Asimetra de

Fisher, que viene definido como:
1 / n xi xm 3 ni
Ca
1/ n xi xm 2 ni 3 / 2
Como resultado de la aplicacin de la frmula se puede obtener lo siguiente:
Ca = 0: Distribucin simtrica; existe la misma concentracin de valores a la

derecha que a la izquierda de la media.
Ca > 0: Distribucin asimtrica positiva; existe mayor concentracin de
valores a la derecha de la media que a la izquierda.

ESTADISTICA BSICA
Ca < 0: Distribucin asimtrica negativa; existe mayor concentracin de

valores a la izquierda de la media que del lado derecho.
Donde Ca: coeficiente de asimetra

n: tamao de la muestra
ni: observaciones de igual valor (repeticiones)
xi: valor de la observacin o variable
xm: valor de la media aritmtica
4.5.2 Curtosis (Cc)
Otro procedimiento que nos permite conocer la forma que toma un conjunto de
datos es por medio de lo que se denomina el Coeficiente de Curtosis, el cual sirve
para analizar el grado de concentracin de valores alrededor de la zona central.
Se reconocen tres tipos de distribuciones segn el grado de curtosis:
Distribucin leptocrtica: presenta un elevado grado de concentracin alrededor

de los valores centrales de la variable.
Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de

los valores centrales de la variable (el mismo que presenta una distribucin
normal).
Distribucin platicrtica: presenta un reducido grado de concentracin alrededor

de los valores centrales de la variable.
El clculo del Coeficiente de Curtosis se obtiene mediante la siguiente frmula:
1/ n xi xm 4 ni
Cc 3
1/ n xi xm 2 ni 2
ESTADISTICA BSICA
Los resultados pueden ser los siguientes:
Cc = 0: Distribucin mesocrtica
Cc > 0: Distribucin leptocrtica
Cc < 0: Distribucin platicrtica
Ejemplo 4.4. A partir de la siguiente tabla de estaturas, determine los coeficientes

de asimetra y de curtosis. Qu forma tienen los datos?
Estatura ni (xi xm)2 (xi xm)2(ni) (xi xm)3 (xi xm)3(ni)

1.56 2 0.020354 0.040709 -0.002904 -0.005808
1.65 5 0.002774 0.0138706 -0.000146 -0.000730
1.66 2 0.001820 0.0036414 -0.000077 -0.000155
1.69 3 0.000160 0.0004815 -0.000002 -0.000006
1.70 4 0.000007 0.0000285 -0.000000 -0.000000
1.72 5 0.000300 0.0015016 0.000005 0.000026
1.74 2 0.001393 0.0027870 0.000052 0.000104
1.76 4 0.003286 0.0131469 0.000188 0.000753
1.78 1 0.005979 0.0059799 0.000462 0.000462
1.81 2 0.0115197 0.0230394 0.001236 0.002472
xm = 1.70267 n = 30 = 0.0475927 = 0.1055477 = -0.001186 = -0.002882
Ejemplo 4.5. Describa el smbolo que corresponda.
Smbolo Smbolo
Media aritmtica poblacional Tamao de muestra
Moda Media aritmtica muestral
Rango medio Desviacin estndar muestral
Mediana Poblacin
Desviacin estndar poblacional Coeficiente de asimetra
Rango Coeficiente de variacin

ESTADISTICA BSICA
EJERCICIOS
1. Dos granjas de camarones estn siendo monitoreadas para conocer cual est operando mejor
segn la alimentacin que se les da. Para observar la comparacin entre ambos, se capturan
diez camarones de cada estanque y se compara la talla en centmetros.
Estanque 1 2.5 2.9 2.1 3.2 3.5 2.9 3.0 4.7 2.8 4.5
Estanque 2 3.6 2.5 3.8 3.3 3.7 4.1 2.9 3.8 4.2 3.6
Determine:
a) Las medidas de tendencia Central
b) Las medidas de dispersin
c) Cual estanque opera mejor (regular)
d) Si el requisito para venderle a EU es que sobrepasen de 3.0 cm., promedio, podr vender la
empresa el producto? cul o cuales estanques?
2. El Hospital Central de la Ciudad de Tepic, registr en el mes de enero promedios por da y por
semana, las siguientes consultas mdicas por problemas respiratorios.
Da 1: 38 Obtenga: a) Las medidas de Tendencia Central

Da 2: 26 b) Las medidas de Dispersin
Da 3: 31
Da 4: 28
Da 5: 41
Da 6: 30
Da 7: 17
3. Las estaturas y pesos en una muestra tomada al azar entre hombres y mujeres aparece en la
tabla siguiente.
Peso en Kg Estatura en m
MUJERES HOMBRES MUJERES HOMBRES
48 58 1.62 1.70
55 70 1.69 1.69
60 65 1.70 1.71
63 63 1.68 1.65

ESTADISTICA BSICA
70 67 1.71 1.67
52 69 1.69 1.78
58 71 1.70 1.83
67 75 1.72 1.85
59 58 1.66 1.76
60 63 1.68 1.68
72 65 1.69 1.59
66 72 1.76 1.80
63 69 1.70 1.70
58 78 1.72 1.88
57 56 1.67 1.68
69 76 1.58 1.81
75 74 1.70 1.79
72 76 1.69 1.86
66 68 1.60 1.75
62 69 1.63 1.82
a) Cual gnero presenta un mayor promedio por variable (estatura y de peso)

b) En cual de ellos existe una mayor variabilidad de datos (por variable y gnero)
c) Cual es el peso mas uniforme (hombres o mujeres)
d) Cual es la estatura mas uniforme (hombres o mujeres)
4. Una empresa embotelladora mantiene en revisin sus dos lneas de llenado. Para ello se realiza
un muestreo al azar de cada Mquina, de donde se obtuvieron los siguientes resultados
MAQUINA 1 (lnea 1) MAQUINA 2 (lnea 2)

340 313
315 318
312 315
335 324
318 318
310 315
319 312
338 318
330 326
316 312
314 319
318 324
315 322
317 333
325 336
322 328
231 325
321 316
314 319

ESTADISTICA BSICA
316 321
Despus de realizar los clculos correspondientes y teniendo en consideracin que la Norma Oficial
Mexicana (NOM) seala como llenado mnimo promedio los 335 mililitros con 5% de dispersin,
determine Cul de las lneas de llenado segn usted debe quedar fuera de operacin y porque?
5. Un estudio exploratorio, respecto a los sueldos que ganan los empleados por da, en cuatro
diferentes tiendas de la ciudad de Tepic, arroj los siguientes valores.
LEY SORIANA WALMART ISSSTE

98 67 68 75
79 85 67 110
76 96 72 90
90 90 80 110
79 103 95 110
80 95 95 110
88 85 90 90
70 88 76 90
106 74 95 75
97 65 68 110
69 85 90 75
58 93 75
95 90
78 90
a) Cual tienda ofrece en promedio un mayor sueldo

b) En cual de ellas se observan sueldos ms dispersos
c) En cual tienda es ms regular el pago
d) En cual existe un mayor rango de datos extremos
e) En cual de ellas se observan sueldos ms estables o regulares
f) En el caso de la tienda Soriana, cuantos empleados sobrepasan del salario promedio
g) Que informacin le proporciona el dato de la moda para el caso de la tienda del ISSSTE
5. ANLISIS ESTADSTICO PARA DATOS AGRUPADOS
Tanto las medidas de tendencia central como de dispersin que se han visto en
temas anteriores, estn orientadas hacia el anlisis estadstico de datos no
agrupados, es decir, conjunto de datos reales que, por ser tamaos de muestra
pequeos, no ofrecen dificultad alguna para tomarlos en cuenta a todos. No
obstante, en ocasiones es necesario trabajar con series de datos mayores, que sin la
ayuda de clculos estadsticos para datos agrupados o sin el apoyo de paquetes y
medios electrnicos, sera prcticamente imposibles de ser analizados. Por ello, al
ESTADISTICA BSICA
igual que para datos no agrupados (originales), tambin existen tcnicas de anlisis
para datos agrupados.
Los datos agrupados son aquellos que, debido a la cantidad de valores u

observaciones a manejar por el analista, se hace necesario agruparlos en intervalos
de clase de acuerdo a su frecuencia. Los clculos que se obtiene mediante esta va,
son aproximaciones a lo que ocurre realmente, es decir, se acepta que trabajar con
datos no agrupados tiene una mayor confiabilidad y validez.
Como se vio al principio del texto, existen formas de agrupar los datos de un
conjunto en escalas de igual amplitud, sealando en cada intervalo el nmero de
datos que ah se encuentran, a lo que hemos denominado frecuencia de clase.
Ejemplo 5.1 Con el fin de conocer la produccin de naranjas en una huerta, se tom
una muestra de cien rboles y se contaron las naranjas cosechadas por cada rbol.
Los datos obtenidos se ordenaron (de menor a mayor) y son los que se muestran
en la siguiente tabla.
Tabla 5.1. Produccin de naranjas en una huerta.

382 749 973 1,131 1,264
439 775 976 1,140 1,275
457 784 978 1,143 1,279
482 796 985 1,148 1,293
511 813 989 1,148 1,310
546 821 1,001 1,154 1,318
550 827 1,008 1,157 1,329
556 843 1,012 1,158 1,332
571 849 1,030 1,170 1,338
571 850 1,045 1,183 1,371
595 859 1,049 1,185 1,383
628 863 1,052 1,190 1,397
661 874 1,058 1,194 1,404
672 878 1,066 1,199 1,418
679 892 1,089 1,203 1,427
690 915 1,094 1,231 1,436
706 926 1,106 1,235 1,449
706 932 1,109 1,238 1,456
731 945 1,120 1,241 1,468
744 960 1,126 1,260 1,534
Como se observa, se tienen 100 datos que oscilan entre 382 y 1,534, por lo cual ser
conveniente establecer intervalos de longitud igual en el eje X, ya que, de lo

ESTADISTICA BSICA
contrario, se ocupara una longitud muy amplia (aproximadamente de 1 metro) e

imposible de representar grficamente. Por ello, a partir de la tabla original de
datos es posible construir una tabla de distribucin de frecuencias tomando como
base un intervalo constante al que llamaremos clase, como sigue:
Tabla 5.2. Tabla de distribucin de frecuencias.

Intervalo de Frecuencia Frecuencia Frecuencia relativa Frecuencia
clase absoluta relativa acumulada porcentualizada
(IC) (fa) (fr) (fra) (fp)
382 - 526 5 0.05 0.05 5%
527 - 671 8 0.08 0.13 8%
672 - 816 12 0.12 0.25 12%
817 - 961 15 0.15 0.40 15%
962 - 1106 17 0.17 0.57 17%
1107 - 1251 22 0.22 0.79 22%
1252 - 1396 12 0.12 0.91 12%
1397 - 1541 9 0.09 1.00 9%
Total 100 1.00 100
Cada intervalo se denomina clase, y los lmites del intervalo se reconocen como
lmites de clase.
Pero cmo se obtuvieron los intervalos y sus frecuencias?
Para determinar el intervalo de clase a utilizar, se recomienda lo siguiente:
Cada valor debe pertenecer a uno y slo un intervalo

Los intervalos deben tener igual longitud
Es deseable que no queden intervalos a los que no pertenezca ningn
dato
El nmero de intervalos se puede determinar de acuerdo al nmero de
datos disponibles. Para ello no hay regla fija, pero se puede tomar como
criterio el sealado en la siguiente tabla.
Tabla 5.3
Tamao de muestra Nmero de intervalos

ESTADISTICA BSICA
Menos de 10 4
De 10 a 20 5
De 20 a 45 6
De 45 a 90 7
De 90 a 180 8
De 180 a 360 9
De 360 a 720 10
Ms de 720 entre 10 y 20
Una vez elegido el nmero de intervalos, se puede determinar la magnitud o

amplitud de dichos intervalos a partir de la diferencia entre el valor mayor y el
menor (rango), dividido entre el nmero de intervalos. Para el caso del ejemplo
anterior, el nmero de intervalos a escoger, de acuerdo a la tabla 2.3, sera de 8,
puesto que el tamao de la muestra es de 100 y, la amplitud de cada intervalo ser:
1,534 382
Amplitud 144
8
Este valor se ir sumando a partir del nmero ms pequeo: 382 + 144 = 526; 527 +
144 = 671 y as sucesivamente hasta cubrir todos los datos.
Como no existe una regla fija, se pudo haber escogido una amplitud ms cmoda:
145 o 150 e iniciar el conteo a partir de una cantidad ms exacta como 200 o 300, lo
que generara un nmero distinto de intervalos, sin embargo, esto queda al criterio
y experiencia del analista; slo debe cuidarse que cada dato se ubique en uno, y
slo un, intervalo de clase.
Esta forma de establecer intervalos de clase, permite representar, a travs de un

histograma de frecuencias, tal cantidad de datos sin necesidad de representar
grficamente cada valor. El histograma resultante del ejemplo anterior se
representa finalmente como sigue.

ESTADISTICA BSICA
Figura 5.1. Histograma de frecuencias.
En los paquetes computacionales ya mencionados como Excel y SPSS, entre otros,

existen diferentes herramientas de apoyo que permiten realizar cualquier tipo de
diseo dada la creatividad y el ingenio personal, donde las barras pueden
convertirse en cilindros, conos o cualquier otra figura geomtrica que represente de
una manera ms ilustrativa los datos.
Otra forma de obtener el nmero de intervalos de clase es mediante la frmula q =

1 + 3.322(log n), donde n es la cantidad de datos y log es el logaritmo de dicho
nmero. Del ejemplo anterior tenemos que n = 100, por tanto, q = 1 + 3.322 (log 100)
= 7.64, y por ajuste, debemos elegir un total de 8 intervalos de clase.
Para trabajar con datos agrupados se requiere entonces del intervalo de clase, el
punto medio de esa clase, la frecuencia y otros clculos. Esto es, la tabla se va
complementando con tantas columnas como necesidades haya de informacin.
La tabla de distribucin de frecuencias (tabla 5.2) muestra en la segunda columna

la cantidad de valores (frecuencia absoluta), que se encuentran en cada intervalo
de clase, por ejemplo hay 5 datos (rboles) dentro del intervalo 382 - 526; 8 en el
intervalo 527 - 671, La tercer columna o frecuencia relativa se calcula con base al
total de datos, esto es, 5/100 = 0.05, 8/100 = 0.08... Por su parte, la frecuencia
relativa acumulada, se obtiene sumando la frecuencia relativa correspondiente a la
clase ms la frecuencia relativa acumulada anterior: (0.05 + 0.08 = 0.13), (0.13 + 0.12
= 0.25), (0.25 + 0.14 = 0.39) Por ltimo, la cuarta columna (frecuencia
porcentualizada) se obtiene multiplicando por 100 la frecuencia relativa.
ESTADISTICA BSICA
A partir de esta agrupacin de valores de la variable en intervalos de clase, es

posible aplicar tambin un anlisis de tendencia central y de dispersin.
5.1 Media aritmtica. Para obtener la media aritmtica se requiere conocer el punto
medio de clase o marca de clase (mc) y la frecuencia absoluta (fa). Con la sumatoria
de los productos de estas dos columnas, dividido entre el nmero total de datos
(n), se obtiene el valor promedio de produccin de naranjas, cuya frmula es la
siguiente.
mc
j 1
j fa j
X
n
Donde: n: tamao de la muestra

mc: punto medio de clase
fa: nmero de observaciones en cada intervalo de clase
Intervalo de clase Frecuencia Punto medio de Producto

(IC) absoluta (fa) clase (mc) (fa)(mc)
382 526 5 454 2,270
527 - 671 8 598 4,784
672 - 816 12 742 8,904
817 - 961 15 886 12,404
962 1,106 17 1,030 17,510
1,107 1,251 22 1,174 27,002
1,252 1,396 12 1,318 15,816
1,397 1,541 9 1,462 13,158
Total (n) = 100 = 7,664 = 101,848
De esta manera la media aritmtica calculada para los datos agrupados ser:
101,848
X 1,018.48
100
Este resultado es similar a la media calculada para datos no agrupados (1,010.83),

es decir, si se suman todos los cien valores reales, sin utilizar intervalos, el
resultado que se obtiene es ms exacto.

ESTADISTICA BSICA
5.2 Moda para datos agrupados
Para un conjunto de datos agrupados, la moda se calcula mediante la frmula

siguiente:
D1
Mo = Lri + c
D1 D 2
Donde:
Lri Lmite real inferior del IC que contenga la moda. Este intervalo es donde se
encuentra la mayora de rboles, es decir, entre el IC 1,107 y 1,251, por lo que
el Lri = (1,107 + 1,106)/2 = 1,106.5
D1 Diferencia entre la frecuencia del IC que contenga la moda y la frecuencia de
la clase inmediata anterior: 22 17 = 5
D2 Diferencia entre la frecuencia del IC que contenga la moda y la frecuencia de
la clase inmediata posterior: 22 12 = 10
c Amplitud del IC que contenga la moda: 1,107 1,106 = 144
Mo = 1,154.5
5.3 Mediana para datos agrupados
La mediana para un conjunto de datos agrupados se calcula utilizando la frmula

siguiente:
N
2 f1
Md = Lri + c
f2

Donde:
Lri Lmite inferior del IC que contenga la mediana. La mediana se
encuentra en el punto (N+1)/2, por lo que el lugar 50.5 se encuentra
entre el IC 962 y 1,106; entonces Lri = (962 +961)/2 = 961.5
N Poblacin total dividida entre dos: o sea 100/2 = 50
2
f1 Suma de frecuencias hasta el IC anterior al que contenga la mediana:
40 rboles
f2 Frecuencia del IC que contenga la mediana: 17 rboles
c Amplitud del IC que contenga la mediana: 144
Md = 1,046.21

ESTADISTICA BSICA
5.4 Media geomtrica para datos agrupados
La media geomtrica para el caso de datos agrupados, se determina mediante las

siguientes frmulas:
fa1 fa 2 fa 3 faj
Mg N mc . mc . mc
1 2 3
... mc j
La frmula anterior, se puede escribir en trminos de logaritmos como
1
LogM g
N
fa j log mc j
5 8 12 faj
M g 100 454 .598 . 742 ........................... mc j
1 fa

5 8 12 15
Mg log 454 log 598 log 742 log 886 ........ log mc j
100
Log 4545 = 13.28

Log 5988 = 22.21
Log 74212 = 34.44
Log 88615 = 44.21
Log 103017 = 52.21
Log 117422 = 67.53
Log 131812 = 37.43
Log 14629 = 28.48
1
log mcfa = 298.79 = Mg
100
298.79 = 2.9879
Antilogaritmo= logaritmo 10x = 972.52
Mg = 972.52
5.5 Media armnica para datos agrupados
Para un conjunto de datos agrupados, se calcula de la siguiente manera:

ESTADISTICA BSICA
N
MH
f a1 f f f aj
a 2 a 3 ...
mc1 mc2 mc3 mc j
En general:
N
MH j
f aj
mc
i 1 j
100
MH 100
5 8 12 f = MH = 928.31
... aj 0.107721
454 598 742 mc j
5.6 Medidas de dispersin para datos agrupados: varianza, desviacin estndar y

coeficiente de variacin.
Por otra parte, para calcular la varianza y la desviacin estndar en un conjunto de

datos agrupados, se pueden desarrollar frmulas de definicin similares a la
media, por ejemplo:
(mc
j 1
j X ) 2 fa j
S2
n 1
Utilizando valores del mismo ejemplo sobre naranjas por rbol, con media
aritmtica igual a 1,018. 48, tenemos.
Intervalo de Punto medio de la Frecuencia (mc - x )2

2
clase clase (mc) absoluta o de (mc - x ) (mc - x ) *fa
(IC) clase (fa)

ESTADISTICA BSICA
382 - 526 454 5 -564.48 318,637.67 1,593,188.3
527 - 671 598 8 -420.48 176,803.43 1,414,427.4
672 - 816 742 12 -276.48 76,441.19 917,294.2
817 - 961 886 15 -132.48 17,550.95 263,264.2
962 1,106 1,030 17 11.52 132.71 2,256.1
1,107 1,251 1,174 22 155.52 24,186.47 532,102.3
1,252 1,396 1,318 12 299.52 89,712.23 1,076,546.7
1,397 1,541 1,462 9 443.52 196,710.00 1,770,389.9
Totales = 7,664 100 7,569,469.4
x 1,018.48
7,569,469.4
S2 76,459.2
99
Este valor es un poco diferente del que se obtiene al tomar en cuenta todos los
datos (S2 = 77,548.54) es decir, realizando el anlisis con las frmulas para datos no
agrupados como se explic al principio. Sin embargo, como se ha sealado, el
hecho de trabajar con datos agrupados da idea aproximada de cmo se
distribuyen.
La varianza de una poblacin solo difiere en el tamao de los datos, o sea N.

g
(m
j 1
j )2 f j
2
N
Mientras tanto la desviacin estndar para datos agrupados que utiliza el mismo
smbolo conocido S, quedara definido como la raz cuadrada de la varianza.
Para muestras:
S S2
Del ejemplo, S = 7, 569,469.4 = 276.51
Para poblaciones:

ESTADISTICA BSICA
La frmula del coeficiente de variacin es la misma tanto para datos simples como
para datos agrupados, por lo que, del ejemplo:
S 276.51
Cv 100 (100) 27.15%
X 1,018.48
Donde S = desviacin estndar

x = media aritmtica
EJERCICIOS
1. A partir de la siguiente tabla de datos obtenga por gnero y por variable las siguientes
medidas de dispersin:
Edad en aos Peso en Kg Estatura en m

Mujeres Hombres Mujeres Hombres Mujeres Hombres
17 25 48 58 1.62 1.70
22 21 55 70 1.69 1.69
20 18 60 65 1.70 1.71
19 17 63 63 1.68 1.65
19 22 70 67 1.71 1.67
18 26 52 69 1.69 1.78
21 28 58 71 1.70 1.83
22 35 67 75 1.72 1.85
17 18 59 58 1.66 1.76
19 17 60 63 1.68 1.68
20 21 72 65 1.69 1.59
23 23 66 72 1.76 1.80
18 20 63 69 1.70 1.70
29 27 58 78 1.72 1.88
16 19 57 56 1.67 1.68
24 19 69 76 1.58 1.81
31 22 75 74 1.70 1.79
26 18 72 76 1.69 1.86
18 24 66 68 1.60 1.75
20 26 62 69 1.63 1.82
a) Desviacin estndar

ESTADISTICA BSICA
b) Rango
c) Coeficiente de variacin
d) Con base en los resultados obtenidos explique la variabilidad de la
variable edad, peso y estatura de hombres respecto a las mujeres.
2. Los datos que aparecen a continuacin son el resultado de las ventas de dos
sucursales del mismo giro por mes, durante dos aos (en miles).
Sucursal A Sucursal B Sucursal A Sucursal B

34 13 38 24
31 18 35 22
31 15 37 33
33 24 35 36
31 18 32 28
31 15 21 25
39 12 31 16
38 18 34 19
30 26 36 21
31 12 31 32
34 19 30 25
30 20 29 20
a) Cual tienda tiene en promedio mejores ventas.

b) En cul de ellas se observan ventas ms estables
c) Cul es el promedio de ventas por da en cada una de ellas
d) Considerando una sola serie de datos entre A y B, que promedio de ventas
se tiene.
e) Con los datos agrupados (una sola serie), obtenga grficos de puntos,
circular, histograma y ojiva.
f) Que informacin proporciona la mediana y la moda de datos agrupados

ESTADISTICA BSICA
6. PROBABILIDAD
En nuestras actividades diarias nos hemos acostumbrado a escuchar comentarios

que estn relacionados o llevan implcito el concepto de probabilidades: los
pronsticos meteorolgicos sealan las probabilidades de lluvia; los mdicos nos
dicen qu probabilidades hay de que nuestras enfermedades se curen por medio
de determinados tratamientos teraputicos; los encuestadores polticos nos dicen
qu oportunidad tiene un candidato de ganar las elecciones, etc.
Sin tener en cuenta la profesin que se haya elegido, algo s es seguro: en algn
momento se han de tomar decisiones. Con mucha frecuencia esto tendr que
hacerse sin conocer todas las consecuencias de tales decisiones. Los inversionistas,
por ejemplo, deben decidir sobre la conveniencia de invertir en una accin en
particular con base en sus expectativas de rendimientos futuros. Los empresarios,
al decidir comercializar un producto enfrentan la incertidumbre sobre la
posibilidad de xito. Todo esfuerzo por reducir el nivel de incertidumbre en el
proceso de toma de decisiones incrementar enormemente la probabilidad de que
se tomen decisiones ms inteligentes y bien informadas.
La inferencia estadstica se basa en los fundamentos de la teora de la probabilidad,

rama de las matemticas que se ocupa de los fenmenos que se producen al azar, o
fenmenos aleatorios, como tambin se les suele llamar. En tal sentido, el propsito
de este tema es ilustrar las formas en las cuales puede medirse la posibilidad o
probabilidad de ocurrencia de eventos futuros.

ESTADISTICA BSICA
6.1 Fundamentos Bsicos
La teora de la probabilidad, formulada en 1654, as como el clculo de

probabilidades se atribuyen a los matemticos franceses Blas Pascal (1623 - 1662) y
Pierre de Fermat (1601 - 1665).
La probabilidad es la posibilidad numrica entre 0 y 1 de que ocurra un evento. Si

la probabilidad de que ocurra un evento es medida mediante valores
comprendidos entre 0 y 1, entonces, entre mayor sea la probabilidad de que ocurra
un evento, la probabilidad asignada estar ms prxima a 1. La probabilidad de
certeza es 1. La probabilidad de una imposibilidad es 0. Esto se puede expresar de
la manera siguiente:
P (evento cierto) = 1
P (evento imposible) = 0
Por tanto, la probabilidad de un evento tiene un rango de 0 P (E1 ) 1
Un experimento es un proceso o actividad que conduce a un resultado u observacin.

Segn esta definicin, un experimento puede ser tan simple como lanzar una
moneda para ver si cae guila o sello, o tan complicado como un experimento
formal que tenga por objeto averiguar cul es entre varios mtodos de enseanza el
ms efectivo. Todo experimento conlleva a un resultado nico bien definido.
Lanzar un dado es un experimento, por lo que un resultado bien definido para este
experimento son los nmeros 1, 2, 3, 4, 5 o 6. Otro experimento puede consistir en
revisar un producto para determinar si cumple con ciertas especificaciones de
fabricacin, donde los posibles resultados son (1) defectuoso o (2) no
defectuoso. Tambin puede ocurrir que, ante un examen aplicado a estudiantes,
los resultados posibles sean aprobar o reprobar. A cada uno de los posibles
resultados que se obtienen de un experimento, se les denomina evento.
El conjunto de todos los posibles resultados de un experimento es el espacio

muestral (SS); por ejemplo el espacio muestral de lanzar un dado es
SS = (1, 2, 3, 4, 5, 6)
Mientras que el espacio muestral para el experimento de lanzar una moneda al aire
es:
SS = (guila, sello)

ESTADISTICA BSICA
La probabilidad de que al menos uno de los eventos que estn en el espacio

muestral ocurra es igual a 1. Si se lanza un dado, el resultado debe ser un nmero
entre 1 y 6. Debido a que esto es una certeza puede decirse que:
P( E ) 1
1
A pesar de la difundida aplicacin de los principios de la probabilidad, existen

slo tres formas generalmente aceptadas para la ocurrencia de eventos: (1) el
modelo subjetivo, (2) el modelo clsico (o a priori) y (3) el modelo de frecuencia
relativa (o a posteriori).
6.2 Modelo subjetivo
En muchos casos no se dispone de datos histricos registrados. Por tanto no es

posible calcular la probabilidad a partir del pasado. La nica alternativa es estimar
la probabilidad con base en nuestro mejor criterio. El modelo subjetivo requiere
establecer la probabilidad de algn evento con base en la mejor evidencia
disponible. Existen muchos eventos de inters cuyas probabilidades de ocurrencia
no se pueden calcular de acuerdo con los mtodos de frecuencia relativa o de
probabilidad a priori. Estos mtodos no prestan ninguna ayuda para calcular la
probabilidad de que, por ejemplo, haya vida en un planeta distante, o de que en los
prximos 10 aos se descubra algn remedio contra el cncer, o de que
determinada persona vaya a destacar en la universidad, o de que un equipo de
ftbol vaya a ganar el campeonato.
La magnitud de la probabilidad que una persona asigna subjetivamente a un

evento depende del grado de crdito que esa persona le d a la ocurrencia del
evento. As pues, es posible asignarle probabilidades a eventos que slo se
presentan una sola vez. A diferencia del mtodo de probabilidad de frecuencia
relativa, la probabilidad subjetiva no depende de la posibilidad de repeticin de un
experimento. En muchos casos esto apenas puede ser una conjetura hecha sobre
cierta base. El modelo subjetivo se utiliza cuando se desea asignar una
probabilidad a un evento que nunca ha ocurrido y que se estima que puede
ocurrir. La probabilidad de que una mujer sea elegida como Presidente de Mxico
es un ejemplo. Debido a que no hay datos sobre los cuales confiar, se deben
ESTADISTICA BSICA
analizar las opiniones y creencias para obtener una estimacin subjetiva. Este
modelo subjetivo de probabilidades prevaleci durante aos entre los campesinos
para determinar en que momento iniciaran las lluvias y el tipo de tormentas que
se esperaban, los cuales asignaban una probabilidad estimativa al observar el
comportamiento de las aves.
6.3 Modelo Clsico
De los tres mtodos para medir la probabilidad, el modelo clsico es el que se

relaciona con mayor frecuencia con las apuestas y juegos de azar.
La probabilidad clsica de un evento E se determina mediante:
Nmero de veces o formas que puede ocurrir un evento

P( E )
Total de resultados posibles
An sin conocer a fondo la probabilidad clsica, se puede estar consciente de que
la probabilidad de obtener una cara en un solo lanzamiento de una moneda es de
la mitad. Esto puede ilustrarse usando la frmula
Nmero de formas en las que el evento puede ocurrir 1

P ( E cara ) 0.5
Total de resultados posibles 2
Existe slo una forma en que puede ocurrir el evento (se obtiene una cara), y
existen dos posibles resultados (una cara y un sello). De igual forma, la
probabilidad de sacar un 3 con un dado de 6 caras es:
Nmero de formas en las que el evento puede ocurrir 1

P ( E 3) 0.16667
Existe solo una forma en que puede ocurrir el evento (caer un 3), y seis posibles
resultados.
La probabilidad clsica implica la determinacin de la probabilidad de algn

evento a priori, es decir, puede conocerse el resultado antes del experimento (antes
del hecho). Por tanto, antes de sacar una carta de una baraja de 52, se puede
determinar que la probabilidad de sacar un as es:

ESTADISTICA BSICA
Nmero de formas en las el evento puede ocurrir 4

P( E as ) 0.0769
6.4 Modelo de Frecuencia Relativa
El modelo de frecuencia relativa utiliza datos que se han observado

empricamente, registra la frecuencia con que ha ocurrido algn evento en el
pasado y estima la probabilidad de que el evento ocurra nuevamente con base en
estos datos histricos (por ello se le denomina a posteriori). Esta interpretacin de
probabilidad depende de la idea de regularidad estadstica, que establece que las
frecuencias relativas tienden a estabilizarse y a aproximarse a un valor fijo despus
de un gran nmero de repeticiones de un experimento, aunque flucten
considerablemente cuando slo se han hecho algunos ensayos del experimento.
La probabilidad de un evento con base en el modelo de frecuencia relativa se

determina mediante
Nmero de observaciones que se tienen de un evento

P( E )
Nmero total de observaciones
Ejemplo 6.4.1. Asumiendo que durante el ao anterior hubo 50 nacimientos en un

hospital local, de los que 32 de los recin nacidos fueron nias. El modelo de
frecuencia relativa revela que, la probabilidad de que el siguiente nacimiento (o un
nacimiento seleccionado aleatoriamente) sea una nia, es:
Nmero de nias que nacieron el ao anterior 32

P ( E nia ) 0.64
Nmero total de nacimientos 50
Ejemplo 6.4.2. Un importador de cristal irlands recibe envos de cajas de tres

artculos. El monitoreo en 100 cajas indicaron que el nmero de artculos daados
que haba en cada caja, fue el siguiente.
Artculos defectuosos (E) Nmero de Cajas P (E)

ESTADISTICA BSICA
0 40 40/100 = 0.40
1 27 27/100 = 0.27
2 21 21/100 = 0.21
3 12 12/100 = 0.12
100 1.00
En el pasado, 21 de las 100 cajas totales contenan exactamente 2 artculos daados.

Entonces el modelo de frecuencia relativa asignara una probabilidad de que dos
artculos en cualquier caja dada estuvieran daados as:
P (2) = 21/100 = 0.21
La probabilidad para cada resultado individual se muestra en la ltima columna,

la cual suma 1.
Un problema comn con el modelo de frecuencia relativa resulta cuando se hacen

estimaciones con un nmero insuficiente de observaciones. Por ejemplo, se asume
que en los dos vuelos de una aerolnea en los que se hicieron registros el ao
pasado estuvieron retrasados al llegar a su destino. Por tanto, se concluye que el
vuelo que se abordar el prximo mes en la misma aerolnea, tambin estar
retrasado. Aunque tales inferencias son comunes, no existen suficientes datos como
para sacar tal conclusin y se deben evitar las decisiones basadas en tales
inferencias.
EJERCICIOS
1. Cul modelo de probabilidad es apropiado para cada uno de los experimentos enumerados a
continuacin? Explique su respuesta.
a) La Bolsa Mexicana de Valores hoy cerrar a la alza.

ESTADISTICA BSICA
b) Una unidad de produccin ser defectuosa.
c) Sacar un nmero impar (1, 3 o 5) con un dado.
d) En las prximas horas se espera un terremoto de 5 grados en la escala de Richter
2. Cite tres ejemplos de negocios para cada uno de los tres modelos de probabilidad.
3. La siguiente tabla muestra el nmero de computadoras vendidas diariamente por una tienda
Nmero de computadoras vendidas Nmero de das

0 12
1 43
2 18
3 20
4 25
Determine la probabilidad de que el nmero de computadoras que se vendan hoy sea:

a) 2.
b) Menos de 3.
c) Ms de 1.
d) Por lo menos 1.
4. En las cuatro ltimas finales del campeonato de ftbol, un aficionado lanz una moneda al aire
y cay cara todas las veces. Una persona cercana le sugiere que pedir sello esta vez aumentar
la probabilidad de que gane el lanzamiento. Est en lo cierto o est equivocado? Explique su
respuesta.
5. Cul modelo de probabilidad utiliz en el problema anterior?
6. Durante el ao anterior, las ventas semanales de una boutique para damas han sido bajas
durante 16 semanas, considerables durante 27 semanas y altas el resto de las semanas. Cul
es la probabilidad de que las ventas de esta semana sean:
a) Considerables
b) Bajas
c) Altas
d) Por lo menos considerables
6.5 Teora de Conjuntos
El estudio de la probabilidad y especialmente el clculo de probabilidades se

facilita con el concepto de conjunto. Fue George Cantor (1845-1918), quien en la
segunda parte del siglo XIX empez a desarrollar la teora de conjuntos, la cual ha

ESTADISTICA BSICA
sido de gran importancia no solo en el campo de la probabilidad y la estadstica,

sino que es fundamental en la matemtica moderna.
Definicin: Un conjunto es una coleccin bien definida de objetos.
A los objetos de que est compuesto un conjunto se les llama elementos. Con
frecuencia es de utilidad identificar cmo pueden relacionarse los conjuntos entre
s. Se asume que se han identificado dos conjuntos A y B. Cada uno contiene
numerosos elementos. Es completamente posible que algunos elementos estn en
ambos conjuntos. Por ejemplo, se asume que el conjunto A consta de todos los
estudiantes de la clase de estadstica, y el conjunto B consta de todos los
estudiantes de la Facultad que estn especializndose en el posgrado de
Administracin Pblica. Aquellos elementos (estudiantes) que estn en ambos
conjuntos son los especialistas en Administracin Pblica de la clase de estadstica.
Tales estudiantes constituyen la interseccin entre A y B. La interseccin entre A y
B (que se escribe A B) consta de los elementos que son comunes tanto en A como
en B. Se utilizan las letras maysculas como A, B, C o D para designar conjuntos y
letras minsculas a, b, c, x, y, etc., para designar los elementos del conjunto.
El diagrama de Venn es una herramienta til para mostrar la relacin entre

conjuntos. Este modelo, fue desarrollado el matemtico ingls John Venn (1834
1923). En el diagrama pueden verse los dos conjuntos A y B que, para el caso del
ejemplo, sera los estudiantes que estn tanto en el conjunto A (la clase) como en el
conjunto B (especialistas en Administracin Pblica).
A
B
A B
Interseccin entre A y B (A B) Es el conjunto de todos los elementos que estn tanto en A

como en B.

ESTADISTICA BSICA
Para que ocurra A B, tanto A como B deben ocurrir. El estudiante debe estar en la
clase de estadstica y en la especializacin de Administracin Pblica.
La unin de A y B (A B) consta de tales elementos que estn en A, en B o en

ambos. Como se ve en la figura anterior, todos los estudiantes que estn en la clase
(conjunto A) sin tener en cuenta su especializacin y todos los especialistas en
Administracin Pblica (conjunto B) sin tener en cuenta que estn en la clase de
estadstica, son elementos de A B.
Unin de A y B (A B) Es el conjunto de todos los elementos que estn en A o en B.
Para que un elemento est en A B, solo necesita estar en el conjunto A o en el

conjunto B o en ambos.
6.5.1 Eventos colectivamente exhaustivos
Una comprensin precisa de la probabilidad requiere del entendimiento de las

formas como pueden relacionarse los eventos. Los eventos colectivamente
exhaustivos constan de todos los posibles resultados de un experimento y
constituyen su espacio muestral. Los eventos colectivamente exhaustivos de lanzar
un dado son 1, 2, 3, 4, 5, y 6. Adems, debido a que existe la certeza de que uno de
estos ocurrir, su probabilidad combinada ser igual a 1:
P (1 o 2 o 3 o 4 o 5 o 6) = 1
Los eventos colectivamente exhaustivos de lanzar una moneda son dos (guila y
sello). De aplicar un examen son tambin dos (aprobar y reprobar).
Eventos colectivamente exhaustivos Cuando se toman en cuenta todos los posibles resultados de
un experimento. Constituyen el espacio muestral.
6.5.2 Eventos mutuamente excluyentes
Dos o ms eventos son mutuamente excluyentes, si en caso de ocurrir uno los otros
no pueden ocurrir. Los eventos pasar y reprobar respecto a un examen
ESTADISTICA BSICA
determinado son mutuamente excluyentes, puesto que ninguna persona puede, al

mismo tiempo, pasar y reprobar un examen.
Si A y B son mutuamente excluyentes, la probabilidad P(A B) = 0, ya que no

existen caractersticas comunes entre A y B, o simplemente no pueden ocurrir
simultneamente. Por ejemplo, sacar una cara o un sello al lanzar una moneda una
vez o seleccionar una unidad de produccin y encontrarla defectuosa o no
defectuosa son eventos mutuamente excluyentes.
Eventos mutuamente excluyentes Dos eventos son mutuamente excluyentes si la ocurrencia

de uno prohbe o rechaza la ocurrencia del otro.
6.5.3 Eventos complementarios
Son los eventos en los que si un evento no ocurre, el otro debe ocurrir. Si un evento
A es lanzar un nmero par con un dado (2, 4 o 6), el complemento es lanzar un
nmero impar (1, 3 o 5). Si no se obtiene un nmero par, se debe obtener un
nmero impar. El complemento de A se escribe como A, y se denomina no A.
Los eventos complementarios tambin son colectivamente exhaustivos porque si

A no ocurre, A debe ocurrir. Por tanto:
P(A) + P (A) = 1
y,
P (A) = 1 P (A).
6.5.4 Eventos independientes
Son eventos en los que la ocurrencia de uno no tiene nada que ver con la
ocurrencia del otro. Algunos ejemplos incluyen el resultado del lanzamiento de
una moneda y el de un dado. El resultado del lanzamiento de una moneda no
afecta al resultado del lanzamiento de un dado. Dos lanzamientos de una moneda
tambin son eventos independientes.
Los resultados de sacar dos cartas de una baraja son eventos independientes? Es
decir, el resultado de sacar la primera carta afecta la probabilidad del segundo
resultado? Depende de si se reemplaza o no la primera carta antes de sacar la
segunda. Sea el primer evento sacar una reina y el segundo evento sacar un as. De
acuerdo con el modelo clsico, la probabilidad de sacar una reina en el primer
ESTADISTICA BSICA
intento es P (Q) = 4/52. La probabilidad de sacar un as en el segundo intento

depende de si la primera carta fue reemplazada antes de sacar la segunda.
Si la carta se mantiene fuera de la baraja despus del primer intento, entonces la

probabilidad de sacar un as es P(A) = 4/51 debido a que 4 de las 51 cartas restantes
son ases. Si la carta se regresa a la baraja antes del segundo intento, la probabilidad
de sacar un as en el segundo intento es P(A) = 4/52.
Cuando se saca de un conjunto finito, como por ejemplo una baraja de cartas, dos
eventos son independientes si y slo si se realiza el reemplazo. Sin embargo, si el
primer elemento no se reemplaza antes de sacar el segundo elemento, los dos
eventos son dependientes.
6.5.5 Eventos dependientes
Son aquellos eventos en los que la ocurrencia de uno depende de la ocurrencia del
otro. La probabilidad de que un estudiante repruebe un examen, depende de si se
presenta o no. La probabilidad de sacar un as negro de entre una baraja de 52
cartas es 2/52, ya que de los cuatro ases existentes, dos son rojos y dos negros.
6.6 Reglas de probabilidad
Existen reglas que permiten calcular probabilidades de eventos ms complejos, los

cuales se refieren a operaciones bsicas de la multiplicacin, la adicin y la
divisin. Estas reglas de probabilidad dependen de la naturaleza de los eventos,
sean ellos dependientes o independientes. La siguiente tabla resume el
procedimiento de clculo para cada uno de ellos.
Eventos independientes Eventos dependientes

Adicin (A, B) P(A B) = P(A) + P(B) P(A B) = P(A) + P(B) - P(A B).
Multiplicacin (A, B) P(A B) = P(A) P(B) P(A B) = P(A|B) P(B)
Condicional (A, B) P(A|B) = P(A) P(A|B) = P(A B)/P(B)
Cuando existen eventos mutuamente excluyentes, por ejemplo aprobar y reprobar,

(eventos independientes) donde no existen caractersticas comunes entre ellos, la
adicin reconoce su independencia al considerar la suma entre el valor de la
probabilidad de cada evento (en este caso A y B). En contraste, en eventos

ESTADISTICA BSICA
dependientes o que no son mutuamente excluyentes, la regla plantea que se debe

restar a dicha suma, la interseccin o parte comn. La razn por la cual se debe
restar la probabilidad conjunta cuando los eventos no son mutuamente excluyentes
es para evitar el doble conteo.
La probabilidad de sacar un as o una de las trece cartas de corazones negros es

P(A) + P(C) P(A C). Los eventos A y C no son mutuamente excluyentes debido a
que ambos ocurren si se sacara el as de corazones negros. Por tanto, P(A) + P(C)
P(A C) = (4/52) + (13/52) (1/52) = 16/52. Cuando se cuentan los cuatro ases, se
considera el de corazones negros. Cuando se cuentan las trece cartas de corazones
negros se incluye el as de corazones negros otra vez. Debido a que solo hay un as
de corazones negros, es necesario restarlo una vez.
En la multiplicacin mientras tanto, las probabilidades se multiplican para el caso

de eventos independientes. Por ejemplo la probabilidad de los dos eventos
independientes: sacar un tres con un dado y una cara con una moneda,
aunque no es comn que esto suceda, se obtiene como P (3 C) = P(3)P(C) =
(1/6)(1/2) = 1/12. No obstante, en eventos dependientes, esta regla depende de la
probabilidad condicional, la cual puede obtenerse previamente.
El propietario de un hotel ha modernizado sus instalaciones para atraer a los

clientes. Observa que el 20% de los autos que pasan por all, se detienen para
alquilar un cuarto. Cul es la probabilidad de que los prximos dos carros se
detengan? Asumiendo que estos dos eventos son independientes, P(S 1 S2) =
P(S1)P(S2) = (0.20)(0.20) = 0.04. La probabilidad de que los dos prximos carros
alquilen un cuarto es de 4%. Cul es la probabilidad de que el primer auto pare y
el segundo no lo haga? P(S1 S2) = P(S1) P(S2) = (0.20)(0.80) = 0.16.
Si los eventos son dependientes, entonces por definicin, se debe considerar el

primer evento al determinar la probabilidad del segundo. Es decir, la probabilidad
del evento B depende de la condicin de que A ya haya ocurrido, y su clculo
requiere del principio de probabilidad condicional.
Por otra parte, con frecuencia se desea determinar la probabilidad de algn evento,
dado que antes otro evento ya haya ocurrido. A esta probabilidad se le llama
probabilidad condicional y se denota como P (AB) y se lee como probabilidad
de A dado B, es decir, la probabilidad de que A ocurra bajo la condicin de que B
tambin ocurra.

ESTADISTICA BSICA
La probabilidad condicional se utiliza comnmente en el planteamiento de un

negocio para revisar la probabilidad de algn evento dado sobre el cual se ha
recabado informacin adicional. Por ejemplo, se puede estimar la probabilidad de
que se haga una venta (V) a un cliente antiguo P(V) = 0.80. Sin embargo, si se sabe
posteriormente que este cliente ahora est comprando a alguien de la competencia,
se puede revisar la probabilidad de que se haga una venta dado que el competidor
(C) ha presentado una oferta P(VC) = 0.30.
Para ilustrar con un ejemplo, se sabe que la probabilidad de sacar un rey P(K) de
una baraja de 52 cartas es 4/52 debido a que hay cuatro reyes en una baraja. Sin
embargo, es de suponer que se desea saber la probabilidad de que la carta sacada
fuese un Rey dada la informacin adicional de que es una figura (F). Es decir,
P(KF). Ya que 4 de las 12 figuras de una baraja son reyes, P(KF) = 4/12, y no 4/52.
6.7 Tablas de contingencias y de probabilidades
Las tablas de contingencia son tiles para calcular la probabilidad de eventos. Por
ejemplo; sean 500 empleados que laboran en la empresa Megacable de Nayarit
dedicada a la instalacin de redes para televisin por cable, de los que 170 estn
clasificados como personal Administrativo (Ad), 290 como trabajadores de Lnea
(Li) y 40 empleados Auxiliares (Au). Los eventos colectivamente exhaustivos son
Ad, Li y Au. Si un empleado se selecciona al azar, entonces,
P (Ad) = 170/500 = 0.34

P (Li) = 290/500 = 0.58
P (Au) = 40/500 = 0.08
Debido a que ocurre la certeza de que el empleado seleccionado provenga de una

de estas tres categoras colectivamente exhaustivas, P (A o L o P) = 0.34 + 0.58 + 0.08
= 1.00
Los datos completos del personal de la empresa Megacable se ilustran en la

siguiente tabla.
Clasificacin de los empleados

Gnero Personal Administrativo Lnea Auxiliar Total

ESTADISTICA BSICA
Hombres (M) 120 150 30 300

Mujeres (F) 50 140 10 200
Total 170 290 40 500
La tabla muestra que de los 170 miembros del personal administrativo, 120 son
hombres y 50 son mujeres. La tabla de probabilidad se construye dividiendo cada
una de las entradas de la tabla anterior entre los 500 trabajadores totales.
Clasificacin de los empleados

Gnero Personal (A) Lnea (L) Auxiliar (P) Total
Hombres (M) 120/500 = 0.24 150/500 = 0.30 30/500 = 0.06 300/500 = 0.60
Mujeres (F) 50/500 = 0.10 140/500 = 0.28 10/500 = 0.02 200/500 = 0.40
Total 170/500 = 0.34 290/500 = 0.58 40/500 = 0.08 500/500 = 1.00
Los valores en las mrgenes de la tabla (valores totales) se llaman probabilidades

marginales. El total de filas o de columnas son las probabilidades de eventos
independientes, por ejemplo la probabilidad de que el personal sea hombre (0.60) es
independiente de que sea mujer (0.40). Igualmente, la probabilidad del personal de
lnea es independiente del personal administrativo. En tanto los valores del centro
de la tabla (nter septos), corresponden a probabilidades de eventos conjuntos o
dependientes.
Por ejemplo, la probabilidad de seleccionar un trabajador de lnea de manera

aleatoria es P (L) = 0.58 y la probabilidad de seleccionar un hombre es P(M) = 0.60.
Asimismo, la probabilidad de seleccionar un elemento del personal administrativo
hombre, es decir, un trabajador que sea parte del personal administrativo y que sea
hombre, es P(M A)= 0.24. Una probabilidad marginal se encuentra como la suma
de las probabilidades correspondientes. Por tanto: la probabilidad de que el
personal seleccionado sea mujer es, P(M) = P(M A) + P(M L) + P(M P) = 0.24 +
0.30 + 0.06 = 0.60.
Aunque el uso de una tabla puede simplificar los clculos de probabilidad, existen
ejemplos en los cuales es difcil la creacin de una tabla, por tanto se requiere el
uso de frmulas.
Ejemplo. El gerente de crditos de una tienda departamental recolecta datos sobre

100 de sus clientes. De los 60 hombres, 40 tienen tarjeta de crdito (C). De las 40
mujeres, 30 tienen tarjeta de crdito (C). Diez de los hombres tienen saldos

ESTADISTICA BSICA
vencidos (B), mientras que 15 de las mujeres tienen saldos vencidos (B). El gerente
desea determinar la probabilidad de que un cliente seleccionado al azar sea:
a. Una mujer con tarjeta de crdito.

b. Una mujer con un saldo.
c. Un hombre sin un saldo.
d. Un hombre con un saldo.
Solucin:
Crear una tabla de probabilidad es difcil ya que existen tres factores: gnero,
tarjeta de crdito y saldo en la tarjeta, por lo cual es recomendable el uso de la
frmula.
a. P(F C) = P(F) P(CF). Claramente, la probabilidad de que sea mujer P(F) =

40/100 = 0.40. Adems, de las 40 mujeres 30 tienen tarjeta de crdito. Por tanto,
dado que el cliente es una mujer, la probabilidad de que tenga una tarjeta de
crdito es P(CF) = 30/40. Entonces, P(F C) = P(F) P(CF) = (40/100)(30/40) =
0.30.
b. P(F B) = P(F) P(BF). De las 40 mujeres, 15 tienen saldos. Dado que el cliente
es una mujer, la probabilidad de que tenga saldo es de 15/40. De manera que
P(F B) = P(F) P(BF) = (40/100)(15/40) = 0.15
c. P(M D) = P(M) P(BM). Debido a que 50 de los 60 hombres no tienen

saldos, P(BM) = 50/60. Entonces, P(M D) = P(M) P(BM) = (60/100)(50/60)
= 0.50
d. P(M B) = P(M) P(BM). De los 60 hombres, 10 tienen saldos. P(BM) = 10/60.

Por lo que P(M B) = P(M) P(BM) = (60/100)(10/60) = 0.10
En el ejemplo de TV/CABLE DE NAYARIT, la probabilidad de que un empleado

sea un trabajador hombre o un trabajador administrativo es P(M) + P(A) P(M A)
= 0.60 + 0.34 0.24 = 0.70. De nuevo, se debe restar la probabilidad conjunta P(M
A), debido a que se incluyeron trabajadores administrativos al contarse todos los
hombres y se incluyeron hombres al contar todos los trabajadores administrativos.
Es decir, los trabajadores administrativos hombres se contaron dos veces.
EJERCICIOS

ESTADISTICA BSICA
1. Dada una baraja de 52 cartas, el conjunto A consta de los 13 corazones negros y el conjunto B
son los cuatro ases. Identifique cules cartas estn incluidas en (A B) y (A B).
2. Haga un diagrama de Venn para ilustrar el ejercicio anterior.
3. Algunos de los trabajadores, hombres y mujeres de una planta industrial tienen educacin
secundaria. El conjunto A consta de los trabajadores hombres, el conjunto B de las
trabajadoras mujeres, el conjunto C es el conjunto con educacin secundaria, y el conjunto
D es el conjunto de los trabajadores que no tienen educacin secundaria. Identifique y
explique (A C), (B D) y (A C).
4. Para el problema anterior, cul es la diferencia entre (B D) y (B D)?
5. Dadas las condiciones del ejercicio 3, identifique los eventos que son:
a) Mutuamente excluyentes
b) Colectivamente exhaustivos con respecto al gnero
c) Si 300 son trabajadas mujeres y 1,000 trabajadores hombres, cul es la
probabilidad de que un trabajador sea mujer P(F)? Qu papel jug la regla de la
complementariedad en su respuesta?
6. Describa tres ejemplos relacionados con los negocios en los cuales los eventos sean
independientes.
7. Se recolect informacin en 500 Licenciados en Administracin, que son egresados de la

UAN y que actualmente estn llevando algn curso de postgrado, o que estn laborando en
la industria privada o en alguna dependencia oficial, respecto a sus opiniones sobre si la
economa del pas podra ser estable, podra expandirse o podra entrar en un periodo de
contraccin en el futuro prximo. Sin embargo, parte de la informacin se perdi,
resultando la siguiente tabla de contingencia parcial. Con base en los datos restantes, cree
una tabla de probabilidad.
Opinin respecto a la economa del pas

Ocupacin del entrevistado Estable (E) Expansin (X) Contraccin (C) Total
Estudiante (P) 125 100
Industria privada (I) 35 110
Dependencia oficial (G) 25 40 65
Total 200
De la tabla de probabilidades halle:

a) P (P)
b) P (G)
c) P (P E)
d) P (P X)
e) P (G C)
f) Determine la probabilidad marginal de P.
g) Determine la probabilidad marginal de I.

ESTADISTICA BSICA
8. La revista Forbes (febrero de 1977) clasific las 120 ciudades de Estados Unidos de acuerdo
con la calidad de vida, con base en parte del porcentaje de empleados que tenan ttulo
universitario. Los resultados se ven en la siguiente tabla de contingencia parcial en donde A
es menos del 15% con ttulo universitario, B es del 15 al 20% con ttulo universitario y C es
ms del 20% con ttulo universitario. Realice una tabla de probabilidad y responda las
preguntas que se presentan despus de la tabla:
Calidad de vida
Porcentajes con ttulo
universitario Pobre (P) Bueno (G) Excelente (E) Total
A 10 20 40
B 20
C 10 20
Total 20 60
a) P (A)?
b) P (P B)?
c) P (E C)?
d) P (A G)?
9. Se les pidi a cien estudiantes universitarios que dijeran qu tipo de programas de TV

preferan. La tabla muestra las cien respuestas clasificadas a la vez segn el nivel de
estudios de los universitarios y segn el tipo de programa preferido.
Nivel de estudios
Tipo de programa Bachillerato (A) Licenciatura (B) Posgrado (C)
Total
Deportes (S) 15 8 7 30
Noticias (T) 3 7 20 30
Drama (V) 5 5 15 25
Comedia (W) 10 3 2 15
Total 33 23 44 100
Calcule para conjunto dependiente e independiente:
a) P(S) b) P(T C) c) P(ABC) d) P(todo estudiante que ve noticias)

e) P(U f) P(T|C) g) P(W B) h) P(estudiante con posgrado)
10. De la tabla de probabilidades que se cre para resolver el Ejercicio 12,
a) Calcule P(EP).
b) Si eres licenciado en Administracin que est estudiando un posgrado es ms
probable que pronostiques una economa estable en el pas que si trabajas con el
gobierno?

ESTADISTICA BSICA
c) Dado que usted trabaja en la industria privada es ms probable que usted
pronostique una contraccin en la economa del pas que un estudiante de
posgrado?
d) Si usted trabaja para el gobierno, cul de los tres pronsticos es ms probable que
haga?
11. La mayora de las estaciones de servicio venden tres tipos de gasolina: corriente, sper y
premium. Con frecuencia, alguna de cada tipo est enriquecida con etanol. La tabla de
contingencia que se muestra a continuacin ilustra la tabla de porcentajes de cliente que
prefieren cada tipo.
Corriente (R) Sper (S) Premium (P) Total

Etanol 0.05 0.10 0.05 0.20
Sin etanol 0.15 0.40 0.25 0.80
Total 0.20 0.50 0.30 1.00
Determine la probabilidad de que el siguiente cliente prefiera:
a) Corriente o etanol. P (R E)
b) Sper o sin etanol. P (S E).
c) Premium o etanol. P (P E).
d) Premium o sin etanol. P (P E)
Solucin:
a) P (R E) = P(R) + P(E) - P(R E) = 0.20 + 0.20 0.05 = 0.35

b) P (S E) = P(S) + P(E) - P(S E) = 0.50 + 0.80 0.40 = 0.90
c) P (P E) = P(P) + P(E) - P(P E) = 0.30 + 0.20 0.05 = 0.45
d) P (P E) = P(P) + P(E) - P(P E) = 0.30 + 0.80 0.25 = 0.85
12. De los 10 chips de un computador, 4 estn defectuosos. Cul es la probabilidad de

seleccionar 3 sin que haya reemplazo, de los cuales slo uno sea defectuoso?
Cmo puede ocurrir el evento? Existen tres formas en las cuales slo uno puede ser defectuoso: (1)
slo el primero es defectuoso; (2) slo el segundo es defectuoso, y (3) slo el ltimo es defectuoso.
De acuerdo con la regla de la multiplicacin.
La primera forma es: P(D1 D2 D3) = 4/10 x 6/9 x 5/8= 120/720

La segunda forma es: P(D1 D2 D3) = 6/10 x 4/9 x 5/8= 120/720
La ltima forma es: P(D1 D2 D3) = 6/10 x 5/9 x 4/8= 120/720
Con: D, defectuoso.
D, no defectuoso.
Debido a que el evento slo uno es defectuoso puede suceder de la primera forma, la segunda
forma o la tercera forma, se debe adicionar las tres probabilidades de acuerdo con la regla de la
adicin. Por lo que: P (slo uno es defectuoso) = 120/720 + 120/720 + 120/720 = 0.50.

ESTADISTICA BSICA
13. El mercadlogo de un gimnasio desea construir un perfil de miembros para desarrollar una
campaa publicitaria que atraiga a clientes potenciales tpicos de quienes actualmente
prefieren este gimnasio. El 30% de los miembros actuales son mujeres, el 80% de ellas es
menor de 30 aos. El 60% de los hombres son menores de 30 aos. Cul es la probabilidad
de que un miembro seleccionado de manera aleatoria sea:
a) Una mujer menor de 30 aos?
b) Una mujer mayor de 30 aos?
c) Un hombre mayor de 30 aos o una mujer menor de 30?
d) Mayor de 30 aos?
e) Un hombre o una mujer mayor de 30 aos?
14. Dentro de una localidad pequea, de un total de 1,000 jvenes de 18 aos, 600 tienen
empleo y 800 son bachilleres. De los 800 bachilleres, 500 tienen trabajo. Cul es la
probabilidad de que un joven de 18 aos tomado aleatoriamente sea:
a) Un bachiller empleado?
b) Empleado pero no bachiller?
c) Desempleado o un bachiller?
d) Desempleado o no bachiller?
15. Una tienda de deportes vende dos tipos de zapatos para correr, que llamaremos modelo 1 y
modelo 2. Las probabilidades de que un cliente dado compre zapatos del modelo 1 es de
P(M1) = 0.40 y la probabilidad de que compre el modelo 2, P(M 2) = 0.30. La probabilidad de
que compre ambos es P(B) = 0.10. Cul es la probabilidad de que un cliente compre o M 1 o
M2?
16. Un corredor de bolsa sabe por experiencias anteriores que la probabilidad de que un cliente
compre acciones es del 65%. La probabilidad de que un cliente compre un bono del
gobierno si ya tiene acciones es del 35%.
a) Cul es la probabilidad de que el cliente posea ambos?

b) Son los dos eventos B y S independientes? Explique.
6.8 Teorema de Bayes

ESTADISTICA BSICA
Al ingls Thomas Bayes (1702-1761), un matemtico de cierta importancia se le

atribuye generalmente el desarrollo de una frmula para el clculo de
probabilidades conocida como el teorema de Bayes, la cual fue publicada en 1763
despus de su muerte. Esta frmula permite calcular la probabilidad de que algn
evento que haya ocurrido (o efecto) sea el resultado de alguna causa. Esta frmula
se ha empleado bastante en medicina, sobre todo en los campos del diagnstico
por computadora y de la prediccin de la permanencia en un hospital.
Se considera tambin al teorema de Bayes como una de las bases de la moderna

teora de la decisin, que son conocimientos aplicados en la toma de decisiones bajo
incertidumbre. El teorema se puede plantear como sigue:
Si A1, A2, ., An, son n eventos mutuamente excluyentes, cuya unin es el

conjunto universal, B es un evento arbitrario tal que P(B) > 0 y P(B | A k) y P(Ak) son
conocidos para 1 k n, entonces,
P( A1 ) P ( B | A1 )
P ( A1 | B)
P( Ak ) P ( B | Ak )
Ejemplo. En un sector de la ciudad, los grupos de ingresos bajos, medios y altos

constituyen el 20%, 55% y 25% de la poblacin respectivamente. Se sabe adems
que el 80% del grupo de bajos ingresos se opone a un proyecto de ley que cursa
actualmente en el Congreso. Los porcentajes de los grupos medio y alto son 30% y
10% respectivamente. La informacin disponible se presenta en la tabla donde se
resumen los datos del ejemplo.
Grupo de ingreso Proporcin de la Proporcin del grupo de ingreso opuesto

poblacin al proyecto de ley
Bajo 0.20 0.80
Medio 0.55 0.30
Alto 0.25 0.10
Se selecciona al azar una persona de esta poblacin y se encuentra que se opone al

proyecto de ley. Cul es la probabilidad de que la persona pertenezca:
a) Al grupo de bajos ingresos?

b) Al grupo de ingresos medios?

ESTADISTICA BSICA
c) Al grupo de altos ingresos?
Solucin
B = Evento de que la persona elegida al azar se opone al proyecto de ley.
A1, A2 y A3 sean los eventos de que la persona seleccionada pertenezca a los grupos
de bajos, medios y altos ingresos respectivamente.
Resumen de los clculos que ilustra la aplicacin del Teorema de Bayes.
Probabilidad Probabilidad Probabilidad

a priori Verosimilitud conjunta a posteriori
Evento P (A1) P(B | A1) P(B A1) P(A1 |B)
A1 0.20 0.80 0.160 0.46
A2 0.55 0.30 0.165 0.47
A3 0.25 0.10 0.025 0.07
1.00 0.350 1.00
Las probabilidades buscadas son las probabilidades condicionadas de pertenecer a

los tres grupos de ingresos dado que el individuo escogido se opone al proyecto de
ley. Es decir, se desea calcular P(A1 |B), P(A2 |B) y P(A3 |B).
Se conocen las probabilidades incondicionales de P(A 1)=0.20, P(A2)= 0.55 y P(A3) =

0.25. Estas probabilidades se denominan posibilidades a priori puesto que estn
dadas antes de la seleccin del individuo que se est analizando.
Las probabilidades condicionales de escoger a un individuo que se oponga a la ley

dado que pertenezca a uno de los grupos de ingresos tambin se conocen. Son:
P(B|A1) = 0.80, P(B|A2) = 0.30 y P(B|A 3) = 0.10. Estas probabilidades se denominan
verosimilitudes.
Con base a la informacin anterior, se pueden calcular las siguientes

probabilidades conjuntas:
P(B A1) = P(B|A1)P(A1) = (0.80) (0.20) = 0.16

P(B A2) = P(B|A2)P(A2) = (0.30) (0.55) = 0.165
P(B A3) = P(B|A3)P(A3) = (0.10) (0.25) = 0.025
Con base en estos valores, se emplea el teorema de Bayes para calcular las
probabilidades deseadas:
ESTADISTICA BSICA
0.16
P ( A1 | B ) 0.46
0.16 0.165 0.025
0.165
P ( A2 | B ) 0.47
0.16 0.165 0.025
0.025
P ( A3 | B ) 0.07
0.16 0.165 0.025
Con base a lo anterior, se puede decir que, dado que el individuo seleccionado se
opone al proyecto de ley, la probabilidad de que pertenezca al grupo de bajos
ingresos es de 0.46, al grupo de ingresos medios de 0.47 y al grupo de altos
ingresos de 0.07.
Debido a que estas probabilidades condicionales se calcularon despus de saber

que la persona seleccionada se opone al proyecto de ley, se les puede llamar
probabilidades a posteriori.
EJERCICIOS

ESTADISTICA BSICA
1. En el departamento de archivos clnicos de un hospital, tres empleados tienen la tarea de
procesar los registros de los pacientes. El primer empleado, C 1, 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 una 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 empleados.
2. En la prisin de las Islas Maras, el 10% de los reclusos estudi hasta tercer grado o menos. El
50% hizo cuarto, quinto o sexto y el 40% ms de sexto grado. Por otro lado, el 20% del primer
grupo, el 50% del segundo grupo y el 70% del tercero tienen una edad menor de 25 aos. Se
escoge al azar a un recluso de esa prisin y se halla que tiene menos de 25 aos. Cul es la
probabilidad de que ese individuo pertenezca al primer grupo del nivel de estudios? Al
segundo? Al tercero?
3. En una clnica de especialistas se ha descubierto que, durante un periodo de varios aos, el 20%
de los pacientes que llegaron a la clnica haban tenido cierta enfermedad D 1, el 30% una
segunda enfermedad D2 y el 50% una tercera enfermedad D 3. El investigador ha descubierto
tambin que un conjunto de sntomas bien definidos y de fcil reconocimiento, S1, se encontraba
en el 25% de los pacientes que tenan la enfermedad D 1, en el 60% de los pacientes que tenan la
enfermedad D2 y el 80% de los que tenan la enfermedad D 3. El investigador quiere utilizar esta
informacin para hacer rpidamente el diagnstico de los pacientes recin llegados. Si se
supone que ha sido admitido un paciente que presenta el conjunto de sntomas S. Cul es la
probabilidad de que esta persona tenga la enfermedad
a) D1?
b) D2?
c) D3?
4. En un grupo de personas adultas, el 10% presenta educacin primaria, el 70 tiene educacin

secundaria y el 20% educacin universitaria. El 5% de los que presentan educacin primaria
pertenecen al grupo de ingresos altos, mientras que el 15% de los que tienen educacin
secundaria y el 75% de los que tienen educacin universitaria pertenecen a este mismo grupo.
Si dentro de esta poblacin se selecciona un individuo al azar y se encuentra que est en el
grupo de ingresos altos, encontrar la probabilidad de que este individuo slo presente:
a) Educacin primaria,
b) Educacin secundaria, y
c) Educacin universitaria.
5. En una gran empresa, un mdico ha detectado que el 20% de los casos de emergencia que
examina provienen del departamento A, el 10% del departamento B, el 45% del departamento C
y el 25% del departamento D. Tambin encontr que el 10% de los casos de emergencia del
departamento A, el 5% del departamento B, el 15% del C y el 12% del departamento D son
accidentes debido a aparente descuido. Se presenta en la clnica un caso de accidente
ocasionado por descuido. Qu probabilidad hay que ese paciente pertenezca al departamento
A? B? C? D?

ESTADISTICA BSICA
6. Un mdico ha descubierto en un hospital para enfermedades crnicas que el 15% de los
pacientes permanecen en el hospital menos de 30 das, mientras que el 85% permanece 30 das o
ms. El estudioso tambin ha descubierto que el 20% de los pacientes que se quedan poco
tiempo y el 60% de los que permanecen largo tiempo presentan cierto grupo de caractersticas.
Si se admite en el hospital a un paciente que presenta dichas caractersticas, Cul es la
probabilidad de que ese individuo vaya a permanecer en el hospital:
a) Menos de 30 das?
b) 30 das o ms?
6.9 Tcnicas de Conteo
Muchas decisiones comerciales requieren que se cuente el nmero de subconjuntos

que se pueden obtener de un conjunto. De las ventas de una lnea que consta de 10
productos, cuntos subconjuntos de 3 productos se pueden ofrecer a los clientes?
Siete agentes de ventas estn en un concurso para ver quin gana un viaje gratis a
Cancn, cuntos mens diferentes puede ofrecer un restaurante? Cuntos
nmeros telefnicos distintos pueden asignarse a una oficina grande dados los
dgitos 0-9? Muchos otros ejemplos abundan. Se analizarn cinco tcnicas de
conteo utilizadas para responder estas preguntas.
Regla de conteo 1. Si cualquiera de k eventos mutuamente excluyentes y

colectivamente exhaustivos pueden ocurrir en cada una de las n pruebas, el
nmero posible de resultados est dado por kn.
Ejemplo. Si se lanza una moneda 10 veces, el nmero posible de resultados es de

1,024. En este caso, k es el nmero de eventos, es decir, 2 (Sello o guila), mientras
el nmero de pruebas n = 10, y 210 = 1,024, donde los resultado posibles pueden ser
(SSSSSSSSSS), (SSSSSSSSSA), (SSSSSSSSAS), sucesivamente.
Regla de conteo 2. Si existen k1 eventos en la primera prueba, k2 eventos en la

segunda prueba y kn eventos en la prueba n, el nmero de resultados posibles est
dado por (k1)(k2)(k3) (kn).
Ejemplo. Se desean disear placas de circulacin para vehculos con dos dgitos
numricos y tres letras. Considerar 10 nmeros (del 0 al 9) y 20 letras del alfabeto.
La solucin para tal diseo est dada por la regla 2, donde k 1 y k2 corresponden a
los dos dgitos numricos, y k 3, k4 y k5 seran las letras complementarias del diseo.

ESTADISTICA BSICA
Por tanto, (10)(10)(20)(20)(20) = 800,000 placas diferentes, donde los resultados

pudieran ser (01 AAA), (02 AAA), (03 AAB), etctera.
Regla de conteo 3. El nmero de formas en que se pueden ordenar todos los n

objetos est dado por n! = n(n-1) (1), n! se lee como n factorial.
Ejemplo, el nmero de formas en que se pueden ordenar 5 objetos es igual a n = 5,

donde 5! = (5)(4)(3)(2)(1) = 120.
Regla de conteo 4. Permutaciones. El nmero de formas de ordenar x objetos

seleccionados de entre n objetos, est dado por nPx = n!/(n-x)!. Esta regla prev que
en los objetos seleccionados es importante el orden en que se haga el arreglo.
Ejemplo. Se requiere seleccionar tres nmeros telefnicos (x) escogidos de entre 10

estados de la Repblica (n), donde el orden es importante para el agraciado
ganador, ya que se trata de tres premios diferentes. En este caso nPx = 10!/(10 3)!
= 720 formas diferentes de hacer tal seleccin de ganadores.
Regla de conteo 5. Combinaciones. El nmero de formas de ordenar x objetos

seleccionados de entre n objetos, donde no se toma en cuenta el orden, est dado
por nCx = n!/(x!)(n-x)!.
Ejemplo. Si un cliente desea escoger 5 nmeros al azar de entre un total de 25,

donde no importa el orden de aparicin, es, nCx = 25!/(5!)(25-5)! = 53,130 formas
diferentes de escoger 5 de 25, por lo que si el cliente quisiera asegurar el premio del
concurso, deber llenar y pagar 53,130 formas distintas de cinco nmeros,
escogidos del 1 al 25.
EJERCICIOS
ESTADISTICA BSICA
1. De los 15 miembros del comit directivo de una gran empresa Cuntos comits de 5
miembros pueden seleccionarse si el orden no importa? (todos son elegibles para cualquier
cargo).
2. De los 10 ejecutivos, 3 van a ser seleccionados para que funjan como Presidente, Secretario
y Tesorero cuntas selecciones distintas son posibles?
3. Sus dos compaeros de cuarto estn enfermos y a usted lo envan a comprar comida para
cada uno de ellos. Si usted debe escoger entre cinco selecciones de cuntas formas puede
cumplir con su encargo? (Defina previamente si el orden hace la diferencia.
4. Como responsable del Departamento de Ingeniera de una fbrica de equipos electrnicos

debe determinar cuntos reproductores de CD puede ensamblar de tal forma que tengan
un sistema de parlantes, un tocadiscos y un mecanismo de sintonizacin? Si usted puede
escoger entre 3 sistemas distintos de parlantes, 4 de tocadiscos y 2 de sintonizacin, de
cuntas formas puede ensamblar los reproductores?
5. De los 12 empleados que laboran en una Agencia de Viajes, 7 han tenido capacitacin
especial. Si 5 empleados van a ser enviados a Europa, cul es la probabilidad de que 3
estn dentro de los que han tenido capacitacin especial?
6. Una empresa editorial tiene 75 ttulos distintos de libros, clasificados por tipo y costo de la
siguiente manera:
Costo
Tipo $100 $150 $200
Ficcin 10 8 3
Biografas 12 10 9
Histrico 4 17 2
Halle la probabilidad de que un libro seleccionado aleatoriamente sea:
a) Ficcin o cueste $100.

b) Histrico y cueste $200.
c) Histrico y cueste o $100 o $150.
d) Ficcin y cueste menos de $200.
e) Biogrfico o cueste $150.
f) Biogrfico o cueste ms de $100.
7. El departamento administrativo de una Universidad tiene acceso a tres mquinas de fax. La

probabilidad de que cada una est fuera de servicio es 20/100, 25/100 y 30/100,
respectivamente. Asumiendo independencia entre ellas, encuentre la probabilidad de que:
a) La primera y la segunda estn fuera de servicio.

b) La primera y la tercera estn fuera de servicio.
c) Todas estn fuera de servicio.

ESTADISTICA BSICA
d) Ninguna est fuera de servicio.
e) Una est fuera de servicio.
f) Dos estn fuera de servicio.
g) Dos o ms estn fuera de servicio.
8. Un corredor de bolsa compra tres acciones diferentes. La probabilidad de que la primera

aumente su valor es 1/3, la probabilidad de que la segunda aumente es 3/4 y la probabilidad de
que la tercera aumente su valor es 1/10. Determine la probabilidad de que:
a) Todas aumenten su valor.

b) Ninguna aumente su valor.
c) Una aumente su valor.
d) Dos aumenten su valor.
e) Por lo menos dos aumenten su valor.
f) Por lo menos una aumente su valor.
9. Una empresa de construccin descubri que slo el 20% de todos los trabajos se terminaban a
tiempo, mientras que el 30% enfrentaba problemas de sobre costos. Adems, los sobrecostos se
presentaban el 75% de las veces en las que se terminaba el trabajo a tiempo. El propietario de la
empresa desea conocer la probabilidad de que un trabajo:
a) No tenga sobrecostos y se realice a tiempo.

b) No tenga sobrecostos o se realice a tiempo.
10. Del problema anterior, Cmo se puede probar que los sobrecostos y la probabilidad de que un
trabajo se haga a tiempo no son eventos mutuamente excluyentes?
11. La revista Fortune descubri que el 10% de los trabajadores en cargos ejecutivos de alto nivel
eran mujeres y que el 3% de ellas tenan estudios de Maestra en Administracin de Negocios.
El consejo directivo de una empresa desea seleccionar una de las mujeres ejecutivas
aleatoriamente. Qu probabilidad hay de que seleccionen a una mujer con Maestra en
Administracin de Negocios?
12. Diez unidades de produccin se seleccionan de una lnea de produccin. Tres de estas 10 son
defectuosas. Si se deben sacar 5 de las 10 cul es la probabilidad de que 2 sean defectuosas?
13. Burger Kings ofrece hamburguesas con una seleccin de 5 condimentos diferentes: mostaza,
pepinillos, salsa de tomate, cebolla y tomate. Cuntas hamburguesas diferentes puede
comprar?
14. En una cierta ciudad, las placas de los autos constan de 3 letras seguidas de 3 nmeros.
Cuntas placas distintas pueden hacerse?
15. El propietario de un lote de autos ofrece a sus clientes automviles con 8 opciones diferentes de
color, 4 paquetes de interior, y 3 diseos diferentes de techo corredizo. Entre cuntos
automviles pueden escoger los clientes?

ESTADISTICA BSICA
16. Estudios realizados por la Secretara de Educacin Pblica demuestran que el 30% de los
profesores dejan la profesin despus de 10 aos. Adems, entre quienes la abandonan, el 60%
tienen un ttulo avanzado, mientras que entre los que no dejan la profesin el 20% tienen un
ttulo avanzado. Un profesor acaba de obtener un ttulo avanzado. Cul es la probabilidad de
que deje a los estudiantes y consiga un trabajo distinto?
17. Una empresa manufacturera tiene plantas en dos grandes ciudades del pas: Guadalajara y
Aguascalientes. La planta de Guadalajara produce el 40% de la produccin total, con un 10% en
la tasa de defectos. La planta de Aguascalientes tiene una tasa de defectos del 20%. Si slo se
encuentra que una unidad es defectuosa, es ms probable que provenga de Guadalajara o de
Aguascalientes?
18. El Presidente debe seleccionar 5 miembros de una lista de 12 Senadores, de los cuales 7 le
apoyan y 5 son de oposicin. Si l selecciona al azar, cul es la probabilidad de que la mayora
del comit apoye al presidente?
19. Una empresa telefnica vende aparatos ofreciendo 5 estilos, 4 colores y 7 opciones de servicio.
Cuntos telfonos diferentes puede ofrecer la empresa a sus clientes?
20. Estudiantes de un grupo de la carrera de Contadura de la UAN, deben entregar un Ensayo, un

Resumen, una Monografa y un Diagnstico en un solo documento. De cuantas formas pueden
realizar y presentar dicha obra? Describa las diferentes formas.
21. En una poblacin de quinientos mil habitantes existe un parque vehicular de 120 mil. El
departamento de trnsito est interesado en saber con cuantos dgitos y letras puede cubrir tal
demanda si solo utiliza los nmeros nones: 1, 3, 5, 7 y 9, y las letras P, A, B, C, T, R, S, N, H y K.

ESTADISTICA BSICA
7. DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad son modelos matemticos que utilizan la

probabilidad como elemento fundamental en el anlisis de variables aleatorias.
Una variable aleatoria es aquella cuyo valor es el resultado de un evento aleatorio.
Anteriormente se analiz el concepto de probabilidad, donde el objetivo era

determinar la probabilidad de un evento; en este tema se analizan las
probabilidades como un conjunto de resultados posibles a partir de un
experimento. (1) Lanzar una moneda tres veces y anotar el nmero de caras que se
obtienen. Los posibles resultados son 0 caras, 1 cara, 2 caras o 3 caras. La variable
aleatoria es el nmero de caras que se obtienen, y los posibles resultados son los
valores de la variable aleatoria. Monitorear un contenedor que contiene envases
con agua con pesos que oscilaban aleatoriamente entre 10 a 25 libras
(aproximadamente de 4.5 a 11.3 kg), los pesos reales de los contenedores, en libras,
son los valores de la variable aleatoria peso.
Variable aleatoria discreta
Las variables aleatorias pueden ser discretas o continuas. Una variable aleatoria
discreta puede asumir slo ciertos valores, con frecuencia nmeros enteros y
resulta principalmente del conteo. El nmero de caras en el experimento del
lanzamiento de una moneda es un ejemplo de una variable aleatoria discreta. Los
valores de la variable aleatoria se restringen slo a ciertos valores: 0, 1, 2 y 3. El
lanzamiento de un dado, el nmero de camiones que llegan por hora a un cierto
crucero de la ciudad y el nmero de clientes que estn en fila para comprar
determinado producto, son ejemplos de variables aleatorias discretas.
Variable aleatoria continua
La variable aleatoria continua resulta principalmente de la medicin y puede

tomar cualquier valor, al menos dentro de un rango dado. Los pesos del agua
mineral es un ejemplo, debido a que los contenedores pueden tomar cualquier
valor entre 10 y 25 libras. Otros ejemplos de variables continuas incluyen la
estatura de los clientes en una tienda de ropa, los ingresos de los empleados en un
centro comercial y el tiempo transcurrido entre la llegada de cada camin a un
determinado lugar. En cada caso, la variable aleatoria puede medirse con cualquier
valor, incluyendo fracciones de la unidad. Aunque las unidades monetarias no
pueden dividirse en un nmero continuo o infinito de subdivisiones (el peso

ESTADISTICA BSICA
puede dividirse en 100 veces), comnmente se tratan como distribuciones

continuas de probabilidad.
7.1 Distribucin de probabilidad
Una distribucin de probabilidad es un despliegue de todos los posibles resultados

de un experimento junto con la probabilidad de cada resultado. La probabilidad de
lanzar una moneda tres veces y de obtener (1) ninguna cara es 1/8, (2) 1 cara es 3/8,
(3) 2 caras es 3/8 y (4) 3 caras es 1/8. Esta distribucin de probabilidad se presenta
en la tabla siguiente la cual muestra todos los resultados posibles y sus
probabilidades. La suma de estas probabilidades es 1. La misma informacin
tambin se muestra grficamente.
.1
Tabla 7
Resultado (caras) Probabilidad
Distribucin discreta de 0 1/8
probabilidad para el 1 3/8
nmero de caras. 2 3/8
3 1/8
1
Grfica 7.1
4/8 -
3/8 -
2/8 -
1/8 -
xi
0 1 2 3
Es un listado de todos los posibles resultados de

Distribucin de probabilidad algn experimento y de la probabilidad
relacionada con cada resultado.

ESTADISTICA BSICA
La probabilidad de que la variable aleatoria X tome algn valor especfico, xi, se

escribe P (X = xi). Por tanto, la probabilidad de que los tres lanzamientos de una
moneda resulten en dos caras es P (X= 2) = 3/8. Es importante sealar que:
0 P (X = xi) 1 y la P (X = xi) =1.
7.1.1 Media y varianza de las distribuciones discretas.
As como se calcul la media para un conjunto de datos, tambin se puede

determinar la media de una distribucin de probabilidad. La media de una
distribucin de probabilidad se denomina valor esperado E(x), y se halla
multiplicando cada resultado posible por su probabilidad y sumando los
resultados, tal como se muestra en la frmula:
Media o valor esperado

de una distribucin de = E (x) = [(xi) P (xi)]
probabilidad discreta.
Donde xi son los resultados individuales.
La distribucin de probabilidad para el experimento de lanzar un dado se muestra

en las primeras dos columnas de la Tabla 7.2. La columna (3) ilustra el clculo del
valor esperado para el experimento. Cada resultado se multiplica por su respectiva
probabilidad y se suman, produciendo = E (X) = 3.5. Esto sugiere que si se lanza
un dado se puede obtener 3.5?, difcilmente. Significa que si se promedian los
resultados de los lanzamientos del dado (tericamente, un nmero infinito) se
obtendr 3.5.
El valor esperado de una variable aleatoria discreta es la media

Valor esperado ponderada de todos los posibles resultados, donde los pesos son
las probabilidades respectivas de tales resultados.
La varianza de una distribucin de probabilidad es conceptualmente la misma que

la varianza de un conjunto de datos. Es el promedio de las desviaciones al
cuadrado con respecto a la media. La varianza puede escribirse como:
Varianza de una distribucin de

probabilidad 2 = [(xi -)2 P (xi)]

ESTADISTICA BSICA
Tabla 7.2
(1) (2) (3) (4)
Distribucin Solucin xi P (xi) (xi) P (xi) (xi - )2 P (xi)
discreta de 1 1/6 1/6 (1-3.5)2 1/6 = 1.042
probabilidad para 2 1/6 2/6 (2-3.5)2 1/6 = 0.375
el lanzamiento de 3 1/6 3/6 (3-3.5)2 1/6 = 0.042
un dado. 4 1/6 4/6 (4-3.5)2 1/6 = 0.042
5 1/6 5/6 (5-3.5)2 1/6 = 0.375
6 1/6 6/6 (6-3.5)2 1/6 = 1.042
1.0 = E (x) = 3.5 2 = 2.92
La frmula mide la diferencia entre cada uno de los resultados y su media. Estas
diferencias se elevan al cuadrado y se multiplican por sus respectivas
probabilidades. Luego se suman los resultados. La columna (4) de la tabla revela 2
= 2.92.
La desviacin estndar es = 2 = 2.92 = 1.71. La varianza y la desviacin

estndar tienen la misma interpretacin; miden la dispersin de los resultados
alrededor de su media. La varianza se expresa en unidades al cuadrado, pero la
desviacin estndar se expresa en las mismas unidades que la variable aleatoria y
consecuentemente tiene una interpretacin ms racional.
Ejemplo. El nmero de casas que una inmobiliaria vendi mensualmente vari de

5 a 20 junto con la frecuencia de cada nivel de ventas que aparece en las dos
primeras columnas de la tabla que se muestra a continuacin.
(1) (2) (3) (4) (5)

Nmero de meses Casas (x) P (xi) (xi) P (xi) (xi - )2 P (xi)
3 5 3/24 = 0.125 0.625 (5 10.912)2 (0.125) = 4.369
7 8 7/24 = 0.292 2.336 (8 10.912)2 (0.292) = 2.470
4 10 4/24 = 0.167 1.670 (10 10.912)2 (0.167) = 0.139
5 12 5/24 = 0.208 2.496 (12 10.912)2 (0.208) = 0.246
3 17 3/24 = 0.125 2.125 (17 10.912)2 (0.125) = 4.633
2 20 2/24 = 0.083 1.660 (20 10.912)2 (0.083) = 6.855
24 72 1.00 10.912 = 18.718 = 2
La inmobiliaria espera que estas cifras reflejen un incremento en el nmero

promedio de ventas, por encima del 7.3 que vendi en meses anteriores, y una
reduccin en la variabilidad de las ventas mensuales que haban sido de = 5.7. De
lo contrario, se ha decidido por el Consejo de Administracin vender el negocio.
Qu consejo se puede ofrecer a la inmobiliaria?
ESTADISTICA BSICA
Solucin. Se debe determinar la probabilidad de cada nivel de ventas tal y como se

muestra en la columna (3). Por ejemplo, en 3 de los 24 meses, se vendieron 5 casas:
P (xi = 5) = 0.125. El valor esperado o media se calcula multiplicando las
probabilidades por sus respectivos niveles de venta. Esto se muestra en la columna
(4) como = 10.912 casas por mes. La variabilidad se mide por la varianza y se
muestra en la ltima columna. La diferencia al cuadrado entre cada observacin y
la media de 10.912 se multiplica por las probabilidades apropiadas y se suman
resultando 2 = 18.718 casas al cuadrado con = 4.236 casas.
Interpretacin: No hay razn para vender la inmobiliaria ya que ha incrementado

su promedio mensual de venta y ha reducido su variabilidad.
EJERCICIOS
ESTADISTICA BSICA
1. D varios ejemplos tanto de distribuciones discretas de probabilidad como de distribuciones

continuas que pueden aparecer comnmente en un negocio. Cul es la diferencia entre una
distribucin discreta de probabilidad y una continua?
2. Las siguientes variables aleatorias son discretas o continuas? En cada caso explique el porqu
de su respuesta.
a) Los carros vendidos en un lote de autos.
b) Los ingresos obtenidos en un mes por un trabajador.
c) Los tiempos de terminacin de un trabajo en particular.
d) Los empleados requeridos para terminar dichos trabajos.
3. Calcule e interprete el valor esperado, la varianza y la desviacin estndar del experimento de
lanzar una moneda tres veces y observe el nmero de caras.
4. El nmero de quejas de los empleados en una empresa grande oscila entre 0 a 6 cada da como
se muestra en la siguiente tabla. Calcule e interprete el valor esperado, la varianza y la
desviacin estndar.
Quejas Nmero de das Quejas Nmero de das

0 3 4 2
1 4 5 1
2 3 6 4
3 6
5. Para recolectar los datos de un proyecto de investigacin, un estudiante de mercadotecnia de la
UAN, cont en 50 cursos de negocios el nmero de estudiantes que haban comprado
recientemente discos compactos. En 12 clases no encontr estudiantes que hubieran hecho
dicha compra, 3 estudiantes haban comprado en 8 clases, 4 haban comprado en 9 clases, 5 en
15 clases y 7 estudiantes de las seis clases restantes haban aumentado sus colecciones de
msica. El estudiante deseaba iniciar su investigacin resumiendo sus datos. Cmo podra
usted ayudarle?
7.2 DISTRIBUCION BINOMIAL. Una distribucin discreta de probabilidad.

ESTADISTICA BSICA
Un gran nmero de decisiones empresariales depende de la distribucin de

probabilidad prevaleciente. Una de las ms importantes es la distribucin
binomial.
El experimento de lanzar la moneda, analizado anteriormente, tiene slo dos

posibles resultados: (1) cara y (2) sello. La probabilidad de cada uno es conocida y
constante de un intento (lanzamiento) al siguiente, y adems el experimento puede
repetirse muchas veces. Los experimentos de este tipo siguen una distribucin
binomial. Con base en el proceso de Bernoulli, llamado as por Jacob Bernoulli
(1654 -1705), miembro de una familia de matemticos suizos, una distribucin
normal presenta cuatro propiedades:
Slo debe haber dos posibles resultados mutuamente excluyentes. Uno se

identifica como xito (p) y el otro como fracaso (q). Sin embargo es necesario
aclarar que estos trminos no tienen ninguna connotacin de bueno o
malo. Son completamente objetivos, y un xito no implica necesariamente
un resultado deseable o positivo.
La probabilidad de un xito, p, es constante entre un ensayo y otro, al igual que

lo hace la probabilidad del fracaso y q = (1 p).
La probabilidad de un xito en un ensayo es totalmente independiente de

cualquier otro ensayo.
El experimento puede repetirse varias veces.
Con las anteriores reglas, queda claro porqu el lanzamiento de una moneda
cumple con los requisitos de una distribucin binomial.
Pueden citarse otros ejemplos relacionados con los negocios. Los sindicatos de
trabajadores con frecuencia desean saber cuntos trabajadores: (1) estn
interesados en unirse al sindicato, y (2) quienes no estn interesados. Los
banqueros pueden hacer encuestas a los expertos en economa sobre si las tasas de
inters: (1) aumentarn o (2) no aumentarn. En mercadotecnia, se desea saber si
los consumidores (1) prefieren determinado producto o (2) no lo prefieren. La
aplicacin de la distribucin binomial al campo de los negocios es casi ilimitada.

ESTADISTICA BSICA
Si se conoce la probabilidad de que un ensayo determinado producir un xito, es

posible estimar cuntos xitos habr en un nmero determinado de ensayos. Por
ejemplo, si se conoce la probabilidad de que un solo trabajador est interesado en
unirse al sindicato, entonces puede estimarse la probabilidad de que un nmero
determinado de trabajadores estara interesado en unirse.
n!
P ( X x |n , p ) p xqn x
Frmula de la x! ( n x )!
distribucin O, lo que es lo mismo,
binomial
nCx( p ) x (q ) n x
Lase como la probabilidad de que X tome cualquier valor (x), dado o conocida n (tamao de
muestra) y la probabilidad del hallazgo (p).
Consideremos la siguiente situacin: un gerente de tarjetas de crdito ha

descubierto que el 10% (p) de los usuarios no paga el monto completo de la deuda
durante un determinado mes. Desea conocer la probabilidad de que en 20 (n)
cuentas seleccionadas de manera aleatoria, 5 (x) cuentas no sean pagadas. Esto
puede expresarse como P (x = 5 n = 20, p = 0.10).
La probabilidad de que 5 cuentas de las 20 muestreadas sigan sin ser canceladas se

puede calcular utilizando la frmula, en donde n = 20, x = 5 y p = 0.10, de donde:
20 C5 (0.10)5 (0.90)20-5 = 0.0319
Si la probabilidad de que no se pague una cuenta cualquiera en su totalidad es

p=0.10, entonces existe un 3.19% de posibilidad de que exactamente 5 de 20 cuentas
seleccionadas aleatoriamente tengan un saldo a favor.
Otro ejemplo de distribucin binomial se tiene si se considera que el personal de

ventas de una empresa hace una venta al 15% de los clientes que la visitan. Si
acuden 15 clientes hoy cul es la probabilidad de que venda exactamente 2
aparatos? Dado p = 0.15, n = 15 y x = 2, se verifica que p (exactamente 2) = 0.2856.
Ejemplo. Una revista informativa de Educacin Superior seala que el 40% de

todos los estudiantes trabajan durante el verano para ganar dinero para su
educacin universitaria. Si 7 de ellos se seleccionan de manera aleatoria cul es la

ESTADISTICA BSICA
probabilidad de que (a) 5 tengan trabajo en verano, (b) ninguno trabaje y (c) todos
trabajen?
Solucin:
(a) Considere n = 7, p = 0.40 y x = 5 y verifique que P (x) = 0.774. Es decir, que hay
7.74% de probabilidades de que 5 de 7 estudiantes hayan tomado trabajos de
verano.
(b) Dado n = 7, p = 0.40, la probabilidad de que ninguno de los estudiantes trabaje
P (x = 0) es de 0.0280.
(c) La probabilidad de que todos los estudiantes trabajen P (X = 7), dado n = 7 y
p=0.40 es de 0.0016
Interpretacin: Es poco probable que ninguno de los estudiantes trabaje.
Media y varianza de una distribucin binomial:
Si slo hay dos resultados posibles, como en la distribucin binomial la media y la

varianza se calcula mediante
Media de una
distribucin binomial E (x) = = np
Varianza de una
distribucin binomial 2= npq
7.2.1 Distribucin binomial acumulada
Dados los datos para los trabajos de verano de los estudiantes, suponga que se
desea determinar la probabilidad de que 3 o menos estudiantes trabajaron. Este
problema implica una distribucin binomial acumulada debido a que se est
interesado en un rango de valores de 0 a 3, en lugar de un solo nmero especfico,
es decir, P (x 3) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) = 0.7102.
Si se desea determinar P (x 5) dado n = 7 y p = 0.40, lo cual es equivalente a

determinar P(x = 5) + P(x = 6) + P(x = 7), significa que la probabilidad de que, por lo
menos 5 estudiantes tengan trabajo en verano, es de 9.63%.
ESTADISTICA BSICA
Si llamramos a P (x 5) evento A, entonces P( A ) = P (4 o menos). Luego, P (x

5) = 1- P( A ) = 1 - P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) P(x = 4) = 0.0963. Es
decir, se llega al mismo resultado anterior utilizando otro procedimiento, lo cual
no pocas veces es til.
EJERCICIOS
1. Cules son las cuatro caractersticas de la distribucin binomial?

2. Determine los siguientes valores de probabilidad binomial
a) P(x=2| n=4, p=0.65)
b) P(x=4| n=9, p=0.25)
c) P(x=0| n=7, p=0.12)
d) P(x 5| n=10, p=0.40)
e) P( 3| n=5, p=0.40)
f) P(4 x 6| n=8, p=0.56)
3. El 10% de los discos de computador producidos por un nuevo proceso salen defectuosos. Si
hay 20 discos en una caja,
a) Cuntos esperara usted que salieran defectuosos?
b) Cul es la probabilidad de que el nmero de discos defectuosos sea igual al nmero
esperado que usted determin en su respuesta anterior?
c) Cul es la probabilidad de que la mitad de discos este con defecto
4. Del problema anterior, cul variacin se encontrara en los discos defectuosos de una caja
a otra?
5. Slo 20% de los empleados que laboran en una empresa porta su identificacin personal. Si
llegan 10 empleados, cul es la probabilidad de que encuentre:
a) Ocho empleados con identificacin?
b) Cuatro empleados con identificacin?
c) Por lo menos 4 empleados con identificacin?
d) A lo sumo 5 empleados con identificacin?
e) Entre 4 y 7 empleados inclusive con identificacin?
6. Responda la pregunta anterior si 60% de todos los empleados portan identificacin.
7. Un estudiante debe obtener por lo menos el 60% en un examen de verdadero y falso con 18
preguntas por responder. Si el estudiante lanza una moneda para determinar la respuesta a cada
pregunta cul es la probabilidad de que el estudiante pase?
7.3 DISTRIBUCION HIPERGEOMETRICA (variable aleatoria discreta)

ESTADISTICA BSICA
Como se acaba de explicar, la distribucin binomial es apropiada slo si la

probabilidad de un xito permanece constante para cada intento. Esto ocurre si el
muestreo se realiza con reemplazo o de una poblacin finita (o muy grande). Sin
embargo, si la poblacin es pequea y ocurre el muestreo sin reemplazo, la
probabilidad de un xito variar. Si la probabilidad de un xito no es constante, la
distribucin hipergeomtrica es de especial utilidad. La funcin de probabilidad
para la distribucin hipergeomtrica es:
Distribucin Cx Cn x
P( x xi ) r N r
hipergeomtrica N Cn
En donde: N es el tamao de la poblacin.

r es el nmero de xitos en la poblacin.
n es el tamao de la muestra.
x es el nmero de xitos en la muestra.
Si se selecciona una muestra sin reemplazo de una

poblacin finita conocida y contiene una proporcin
Distribucin relativamente grande de la poblacin, de manera que la
hipergeomtrica probabilidad de xito sea perceptiblemente alterada de una
seleccin a la siguiente, debe utilizarse la distribucin
hipergeomtrica.
Supngase que en un establo de caballos de carreras hay N = 10 caballos y r = 4 de

ellos tienen una enfermedad contagiosa. Cul es la probabilidad de que al
seleccionar una muestra de tres caballos (n = 3), dos de ellos (x = 2) resulten
enfermos?
C2 C3 2 66
P( x 2) 4 10 4
0.30
10 C3 120
Existe un 30% de que al seleccionar tres caballos de carreras, dos de ellos estn
enfermos.
Resuelva el siguiente ejemplo: La carrera de mercadotecnia est conformada por 16

docentes de los cuales 6 de ellos no recibieron capacitacin didctica. Cual es la
probabilidad de que en una muestra de 9 docentes elegidos al azar, 4 de ellos no
cuenten con la capacitacin que se requiere.

ESTADISTICA BSICA
En un caso reciente, en una ciudad de Estados Unidos (Kansas, City), tres mujeres
entablaron una demanda contra una empresa de servicios por discriminacin de
sexos. De las nueve personas que eran elegibles para un ascenso, cuatro eran
mujeres. Tres de las nueve personas recibieron en realidad el ascenso; pero slo
una de ellas era mujer. Las otras tres mujeres elegibles demandaron. Una
consideracin importante en el caso fue la probabilidad de que de las tres personas
que recibieron ascenso slo una mujer fue seleccionada por casualidad. Es decir, si
el gnero no era un factor, cul es la probabilidad de que no ms que uno de los
tres ascensos fuera asignado a una mujer?
Solucin. Un consultor especializado en asuntos legales fue llamado para refutar el

caso. El especialista calcul la probabilidad de que ante la ausencia de
discriminacin, slo una de las mujeres sera ascendida en su cargo. Este clculo se
bas en que,
N = 9; el nmero de personas elegibles para ser ascendidas.

r = 4; el nmero en la poblacin identificado como xito (mujeres).
n = 3; tamao de la muestra; quienes fueron seleccionados para el ascenso.
X 1 es el nmero de xitos en la muestra.
La probabilidad de que no ms de una mujer fuera ascendida es P (X=0) + P (X=1)
C1 5 C2 4 10
P( x 1) 4
0.4762
9 C3 84
C0 5 C3 1 10
P ( x 0) 4
0.1190
C
9 3 84
Por tanto, P(x 1) = 0.4762 + 0.1190 = 0.5952
Interpretacin. Haba casi un 60% de probabilidad, sin considerar el gnero, que no

ms de una mujer fuera ascendida. Con base en tales hallazgos, como con otras
pruebas presentadas en el caso, la corte dictamin que no haba suficiente
evidencia de discriminacin.
Por otra parte, la media y varianza para la distribucin hipergeomtrica se calcula

igual que para el caso de la binomial, como sigue.
E (x) = = np, mientras que 2= npq

ESTADISTICA BSICA
7.4 DISTRIBUCION DE POISSON (variable aleatoria discreta)
Una variable discreta de probabilidad de gran utilidad en la medicin de la

frecuencia relativa de un evento sobre alguna unidad de tiempo o espacio es la
distribucin de Poisson. Con frecuencia se utiliza para describir el nmero de
llegadas de clientes por hora, el nmero de accidentes industriales cada mes, el
nmero de conexiones elctricas defectuosas por kilmetro de cableado en un
sistema elctrico de una ciudad o el nmero de mquinas que se daan y esperan
ser reparadas. Fue ideada por el matemtico francs Simen Poisson (1781 1840).
Distribucin de Mide la probabilidad de un evento aleatorio sobre algn

Poisson intervalo de tiempo o espacio.
Son necesarios dos supuestos para la aplicacin de la distribucin de Poisson:
La probabilidad de ocurrencia del evento es constante para dos intervalos

cualesquiera de tiempo o espacio.
La ocurrencia del evento en un intervalo es independiente de la ocurrencia de
otro intervalo cualquiera.
Dados estos supuestos, la funcin de probabilidad de Poisson puede expresarse

como
Funcin de probabilidad de Poisson x .e

P ( X xi | )
x!
Donde: = Es el nmero promedio de ocurrencias por unidad de tiempo o

espacio.
e = Base del logaritmo natural. Es un valor constante que equivale a
2.71828
x = Nmero de veces que ocurre el evento.
Supngase que se est interesado en la probabilidad de que exactamente 5 clientes

lleguen durante la siguiente hora (o en cualquier hora dada). La observacin
simple de las ltimas 80 horas ha demostrado que 800 clientes han entrado al
negocio. Por tanto, = 10 por hora. Utilizando la frmula

ESTADISTICA BSICA
(105 )(2.7182910 ) 4.539856
P ( x 5 | 10) 0.03783
5! 120
Una compaa de pavimentacin firm contrato con el Ayuntamiento para hacer

mantenimiento a las avenidas de la ciudad. Las avenidas recientemente
pavimentadas por esta compaa demostraron un promedio de dos defectos por
kilmetro despus de haber sido utilizadas durante un ao. Si el Ayuntamiento
sigue con sta compaa de pavimentacin cul es la probabilidad de que se
presenten 3 defectos en cualquier kilmetro de avenida despus de haber tenido
trfico durante un ao?
(2 3 )(2.718292 )
P ( x 3 | 2) 0.1804
3!
La media y varianza para la distribucin de Poisson son iguales, es decir, = E(x) =

y la varianza 2 = , por lo que la desviacin estndar es = .
Problemas resueltos:
1. Distribucin binomial. A un fabricante le suministran un diseo tipo de una

pieza de maquinaria que se producen en su empresa. Este producto, que es
fabricado en lotes de n = 12 sufre una tasa de defectos de 40%
a) Si no se desea un riesgo mayor del 10% en la probabilidad de que 5 de los 12

sean defectuosos Debera comprarle a ste distribuidor?
b) Si usted no desea enfrentar un riesgo mayor del 20% de probabilidad de que
ms de 5 piezas salgan defectuosas, debera comprarle a este proveedor?
Solucin:
a. Considerando P (x = 5 n = 12, p = 0.40) = (12 C5 )(0.40)5 (1 0.40)12-5 = 0.2270
Comentario: Como 22.7% >10%, no debera comprarle a ste proveedor.
b. Dado: P (x > 5 n = 12, p = 0.40),
P (x = 0) = 12 C0 (0.40)0 (1 0.40)12-0 = 0. 002176

P (x = 1) = 12 C1 (0.40)1 (1 0.40)12-1 = 0. 017441
P (x = 2) = 12 C2 (0.40)2 (1 0.40)12-2 = 0. 063852
ESTADISTICA BSICA
P (x = 3) = 12 C3 (0.40)3 (1 0.40)12-3 = 0. 141893

P (x = 4) = 12 C4 (0.40)4 (1 0.40)12-4 = 0. 212840
P (x = 5) = 12 C5 (0.40)5 (1 0.40)12-5 = 0. 227030
0. 665232
Por tanto, P (x > 5) = 1- 0.6652 = 0.3347, es decir, existe una probabilidad de 33.47%
de que ms de 5 piezas estn defectuosas.
Comentario: Como 33.47% >20%, no debera comprarle a ste proveedor.
2. Distribucin hipergeomtrica. Una tienda de productos deportivos tiene en

existencia N= 20 pares de calzado deportivo de los cuales r =8 presentan algn
tipo de defecto. Si usted selecciona n= 3 pares de este tipo de calzado, cul es la
probabilidad de que x =1 tenga algn tipo de defecto?
Solucin: P (x = 1 N= 20, r = 8, n = 3, x = 1),
Cx Cn x C1 C2
P( x 1) r N r
8 12
0.4632
N Cn 20 C3
3. Distribucin de Poisson. El cable utilizado para asegurar las estructuras de los
puentes tienen un promedio de 3 defectos por cada 100 yardas (1 yarda = 0.9144
metros). Si se requieren cablear una distancia de 50 yardas Cul es la
probabilidad de que haya una defectuosa?
Solucin: Debido a que la media est dada en trminos de 100 yardas, se debe
determinar qu porcentaje de 100 yardas es 50. Por tanto, 50/100 = 0.50. Entonces, el
nmero promedio de defectos por 50 yardas es (3)(0.50) = 1.5.
Dado, P (x = 1 = 1.5) y e = 2.71828
x e 1.51 e 1.5
P ( x 1 | 1.5) 0.3347
x! 1!
EJERCICIOS

ESTADISTICA BSICA
1. A un conmutador de la oficina principal de la compaa llegan llamadas a un promedio de
dos por minuto y se sabe que tienen distribucin de Poisson. Si el operador est distrado
por un minuto, cul es la probabilidad de que el nmero de llamadas no respondidas sea:
a) Cero?
b) Por lo menos una?
c) Entre 3 y 5, inclusive?
2. Cules seran las probabilidades del ejercicio anterior si el operador se distrae por 4
minutos?
3. Una empresa de muebles y mudanzas recibe en promedio 132 quejas por da por mal trato
de muebles. Cual es la probabilidad de que en una hora cualquiera del da se reciban:
a) Dos quejas.
b) Entre 2 y 6 quejas
c) Menos de 2
d) Ninguna queja
4. Usted compra partes para bicicleta de un proveedor que se sabe tiene una tasa de defectos
en los productos que fabrica de 3 por cada 100 partes. Usted requiere comprar 150 partes
pero no aceptar una probabilidad de ms del 50% de que ms de dos partes sean
defectuosas. Le comprara usted a dicho proveedor?
5. Los accidentes en un crucero de la ciudad de Tepic se han tipificado como 2 en promedio
durante el inicio de semana y 6 el resto de la semana. Cual es la probabilidad de que en un
determinado da ocurran en ese crucero,
a) Tres accidentes
b) Ms de 5
c) Menos de 2
d) Ninguno
6. PROFECO recibe un promedio de 8,640 llamadas por mes (de 30 das), por mal servicio de
Telfonos de Mxico. Cual es la probabilidad de que en determinado minuto se reciban,
a) Dos llamadas
b) Ninguna
c) Entre 3 y 5 inclusive para ambos
7.5 DISTRIBUCION EXPONENCIAL

ESTADISTICA BSICA
La distribucin exponencial es una distribucin continua. Mide el paso del tiempo

entre tales ocurrencias. Mientras que la distribucin de Poisson describe las tasas
de llegada (de personas, camiones, llamadas telefnicas, etc.) dentro de algn
periodo dado, la distribucin exponencial estima el lapso entre tales arribos. Si el
nmero de ocurrencias tiene distribucin de Poisson, el lapso entre las ocurrencias
estar distribuido exponencialmente.
La probabilidad de que el lapso sea menor o igual a cierta cantidad x es
Distribucin P (X x) = 1- e- t
exponencial
En donde: t es el lapso de tiempo

e es la base del logaritmo natural, 2.71828
es la tasa promedio de ocurrencia
La distribucin de una variable aleatoria exponencial se muestra en la siguiente

figura. La curva en continuo descenso muestra que con el paso del tiempo X
aumenta y la probabilidad disminuye.
Distribucin exponencial:
f (x)
P (X 30)
P (X 40)
10 20 30 40 50 60 70 x
Se asume que la tasa promedio de llegada de los clientes es = 1.5 por hora y se
desea saber la probabilidad de que no ms de dos horas transcurran entre llegadas.
De acuerdo con la frmula, t = 2. Entonces P (X 2)=1- e- (1.5) (2) =1 e- 3 = 0.9502.
ESTADISTICA BSICA
Existe 95.02% de probabilidad de que el segundo cliente ingrese a las dos horas o
menos, del primero si la tasa de llegadas es de 1.5 horas.
Los camiones llegan al punto de venta a una tasa de = 2 por hora. Cul es la
probabilidad de que no ms de 30 minutos transcurran entre llegadas?
Para este ejemplo, se considera: 30 minutos = 1/2 hora). Entonces, P (X 30

minutos) = 1 e - (2)(1/2) = 0.6321.
Ejemplo. Una estacin de servicio de taxis programa sus unidades para que
lleguen al aeropuerto en una distribucin de Poisson con una tasa promedio de
llegada de 12 por hora. Si usted acaba de llegar en el ltimo vuelo y requiere estar
en el centro de la ciudad lo ms pronto posible para cerrar un importante negocio,
cul es la probabilidad de que usted tenga que esperar mximo 5 minutos para
conseguir su taxi? Si la probabilidad de que pase otro taxi dentro de 5 minutos es
menor al 50%, usted alquilar un carro especial para el viaje al centro.
Solucin. Asumiendo lo peor, que el ltimo taxi acaba de irse, usted debe
determinar P(X 5 minutos). Debido a que = 12/60 minutos, se debe
determinar qu porcentaje son 5 minutos de 60: 5/60 = 1/12. Por lo tanto, t = 1/12 y
P (X 5 minutos) = 1 e (12) (1/12) = 63.21%.
Interpretacin. Hay una probabilidad de 63.21% (> 50%) de que llegue un taxi
dentro de 5 minutos.
EJERCICIOS

ESTADISTICA BSICA
1. Los aviones llegan a un pequeo aeropuerto en una proporcin de dos por hora.
Tomar una hora reparar una rampa utilizada para desembarcar pasajeros. Cul es la
probabilidad de que un avin llegue mientras que la rampa est en reparacin?
2. El computador principal de la universidad queda fuera de lnea tres veces por semana.
Los profesores deben entregar una informacin que les es requerida y que requiere
adems el uso del computador. Cul es la probabilidad de que el computador est
fuera de lnea toda la semana?
3. Durante un da de trabajo tpico de 8 horas, los computadores utilizados para vigilar la
etapa de enfriamiento en la produccin de neumticos para autos seala que la
temperatura no se mantiene de forma apropiada en 30 oportunidades. El director
ejecutivo de la compaa est por hacer una inspeccin de la planta que durar 30
minutos. Cul es la probabilidad de que est all cuando se active la seal del
computador?
8. DISTRIBUCIN NORMAL

ESTADISTICA BSICA
De todas las distribuciones de probabilidad que se analizaron, la distribucin

normal es la ms importante. La distribucin normal es una distribucin continua.
Se utiliza para reflejar la distribucin de variables tales como estaturas, pesos,
distancias y otras medidas que son divisibles infinitamente. Tales variables
continuas generalmente son el resultado de la medida.
La frmula de esta distribucin fue publicada por primera vez por Abraham
Demoivre (1667-1754) en 1733. Otros matemticos que han hecho aportaciones en
la historia inicial de la distribucin normal son Pierre Simn, el Marqus de
Laplace (1749-1827) y Carl Friedrich Gauss (1777-1855), en cuyo honor se
denomina a veces distribucin de Gauss.
Algunas caractersticas de la distribucin normal son las siguientes:
1. El rea total comprendida bajo la curva y por encima del eje horizontal es igual
a 1.
2. La distribucin es simtrica respecto a su media. Es decir, el 50% del rea est
comprendida a la derecha de la media y el 50% a la izquierda.
3. La media, la moda y la mediana son todas iguales.
4. La distancia que hay desde el punto de inflexin de la curva hasta una
perpendicular levantada sobre la media es igual a la desviacin estndar .
5. La distribucin normal es una familia de distribuciones, puesto que existe una
distribucin diferente para cada y .
6. Los valores de la variable aleatoria se distribuye desde - (menos infinito) a +
(mas infinito), pero su rango prctico se considera igual a 6 desviaciones
estndar (3 por encima y 3 por debajo de la media)
7. Proporciona la base para la inferencia estadstica clsica, por su relacin con el
teorema de lmite central.
Consideremos el caso de un fabricante de ropa que desea estudiar la distribucin

en la estatura de las personas. El gerente de produccin reconoci que el pblico
estaba en constante cambio en su tamao fsico y en sus proporciones. En un
esfuerzo por producir la ropa de mejor ajuste, la gerencia pens que se necesitaba
un anlisis completo de las tendencias actuales en los tamaos de moda. Se supone
que si la empresa fuera a medir las estaturas de todos sus clientes potenciales,
encontraran que las estaturas se distribuyen de manera normal (similar a la curva
de Gauss) alrededor de una media de 1.70 metros. Es decir, el valor promedio de
dicha serie de datos es de 1.70 metros (suma de todos los valores entre el total de
datos), no obstante, existen estaturas por arriba y por debajo de este promedio.

ESTADISTICA BSICA
Estas diferencias por encima y por debajo de la media (dispersin) podra medirse
mediante la desviacin estndar, la cual es, para este caso, de 5 centmetros (o 0.05
metros). Una grfica de estas estaturas producira una campana, como se muestra
en la siguiente figura, colocando las observaciones individuales en el eje
horizontal, y la frecuencia de estas observaciones en el eje vertical.
f(x)
observacin
= 0.05 m.
Frecuencia
de
50% 50%
= 1.70 x (metros)
Si los valores son todava normales (distribuidos normalmente) entonces aparecer

la curva en forma de campana. Es importante recordar que el 50% de las
observaciones estn por encima de la media (a la derecha de la media) y el 50%
restante por debajo de la media (a la izquierda de la media), ya que media y
mediana tienen el mismo valor.
8.1 Distribucin normal estndar
Puede existir un nmero infinito de distribuciones normales posibles, cada una con
su propia media y su desviacin estndar. Ya que no se puede analizar un nmero
tan grande de posibilidades, es necesario convertir todas estas distribuciones
normales a una forma estndar. Esto es, se trata de hacer una contrastacin entre
un modelo terico y un modelo real. Para ello se utiliza una formula de conversin
(o frmula Z), la cual permite transformar valores reales, que se supone que se
distribuyen de forma normal, en valores correspondientes a un modelo donde
pueden leerse probabilidades tericamente posibles.

ESTADISTICA BSICA
Frmula de conversin x
Z

En donde Z es la distribucin normal estandarizada y x es algn valor especfico

de la variable aleatoria. A partir de esta conversin, el valor de la media
poblacional () es igual a 0, y la desviacin estndar poblacional () toma el valor
de 1.0.
La distribucin normal estndar es aquella cuya variable aleatoria Z siempre tiene una
media = 0 y una desviacin estndar = 1.
Por ser una variable aleatoria continua, siempre se obtendrn valores bajo la curva
normal (vase tabla de la distribucin normal estndar) entre dos puntos y no un
solo punto especfico. La curva normal permite entonces hacer clculos de rea
bajo la curva entre dos valores de la variable aleatoria.
En el ejemplo de la fbrica de ropa, consideremos el hecho de que una persona

mide 1.80 metros, su valor equivalente en Z es
1.80 1.70
Z 2
0.05
Es decir, 1.80 metros se encuentra ubicado en el punto 2 desviaciones estndar a la

derecha de la media y, segn la tabla de valores de la normal, es equivalente a
0.4772. Es decir, que la probabilidad de encontrar estaturas entre 1.70 y 1.80
metros, es del 47.72%. Esta informacin ser de mucha utilidad para el fabricante
de ropa.
Estandarizar una distribucin normal permite determinar ms fcilmente la

probabilidad de que ocurra cierto evento. El personal de la fbrica de ropa puede
hallar la probabilidad de que un haya clientes que tenga entre 1.75 y 1.70 metros de
estatura, P (1.75 X 1.70), simplemente hallando el rea que est bajo la curva,
a partir de lo cual se podr conocer la probabilidad correspondiente, con el apoyo
de la tabla normal.
Considerando este ejemplo, el valor de Z es = (1.75 1.70)/0.05 = 1.0 desviaciones

estndar. En la tabla de la normal, se localiza el valor para Z = 1.0 = 0.3413, en
donde se establece el 34.13% de todos los clientes de la fbrica de ropa, miden entre
1.75 y 1.70 metros. Por otra parte, si se desea saber que porcentaje de clientes
miden ms de 1.75, entonces tenemos que la mitad de la curva por encima de 1.70
ESTADISTICA BSICA
es de 0.5000 o el 50%, de manera que la diferencia entre 0.5000 0.3413 = 0.1587

(Existe una probabilidad del 15.87% de que haya clientes que midan ms de 1.75
metros).
0.3413
1.70 1.75
(1.70 X 1.75) = P (0 Z 1) = 0.3413
0.3413
0.1587
87
P (X > 1.75) = P (Z > 1.0) = 0.1587
Se requiere conocer la probabilidad de que una persona mida entre 1.64 y 1.78
metros.
Clculos. Primeramente se procede a conocer el valor del rea bajo la curva entre el
rango 1.64 y 1.78 m.
1) P(x=1.64) = (1.64 1.70)/0.05 = -1.20. El signo indica que el rea buscada se

encuentra del lado izquierda de la media y, como es simtrica, puede ignorarse
para realizar el clculo de la probabilidad. Por lo tanto, de tablas se obtiene que la
probabilidad cuando Z = 1.20 es P(Z = 1.20) = 0.3849 del lado izquierdo de la curva.
ESTADISTICA BSICA
2) El otro valor del rango es de 1.78 metros, por lo que P(x=1.78)=(1.781.70)/0.05

=1.60, que se localiza del lado derecho de la curva. De tablas, la probabilidad
cuando Z = 1.60 es P(Z = 1.60) = 0.4452.
La respuesta se completa al juntar (sumar) las dos probabilidades (la del lado
izquierdo y la del lado derecho). Dado que se requiere conocer la probabilidad de
encontrar estaturas entre 1.64 y 1.78 metros, la respuesta es 0.3849 + 0.4452 = 0.8301,
es decir, existe el 83.01% de probabilidad de que haya clientes que midan entre 1.64
y 1.78 metros de estatura.
0 .8301
-1.2 0 1.6
P (- 1.2 Z 1.6) = 0.8301
Si se deseara saber la probabilidad de aquellas personas con estaturas menores que

1.64, entonces 0.5000 (equivalente a la mitad de la curva izquierda) 0.3849 =
0.1151, es decir que existe un 11.51% de que haya clientes con estaturas menores a
1.64 metros.
Como ejemplo (1) calcule la probabilidad de encontrar clientes con las siguientes
estaturas.
a) Entre 1.50 y 1.62 metros
b) Entre 1.80 y 1.86
c) Entre 1.58 y 1.72
d) Menores a 1. 60
e) Menores a 1.90
f) Mayores a 1.89
g) Mayores a 1.68
h) Entre 1.50 y 1.80

ESTADISTICA BSICA
Ejemplo 2. Una compaa presta servicios de comunicacin va satlite a algunos

negocios de la ciudad. Los funcionarios de la compaa han aprendido que la
transmisin satlite promedio es de 150 segundos con una desviacin estndar de
15 segundos. Los tiempos parecen estar distribuidos normalmente.
Para estimar de manera apropiada la demanda del cliente por sus servicios y
establecer una estructura de tarifas que maximice las utilidades corporativas, la
empresa debe determinar qu tan probable es que algunas llamadas se presenten.
El director de servicios desea conocer los estimados de probabilidad de que una
llamada dure:
a. Entre 125 y 150 segundos

b. Menos de 125 segundos
c. Entre 145 y 155 segundos
d. Entre 160 y 165 segundos
Solucin:
a.
125 150
Z 1.67
15
Un valor Z de 1.67 equivale a un rea de 0.4525. Por tanto, la probabilidad de que

una llamada dure entre 125 y 150 segundos es de 45.25%.
0.4525
0.0475
125 150
b. Si el 45.25% del rea est entre 125 y 150, entonces la probabilidad de

que cualquier transmisin seleccionada aleatoriamente requiera 125
segundos o menos es 0.5000 0.4525 = 0.0475 = 4.75%.

ESTADISTICA BSICA
c. P (145 X 155)
145 150
Z 0.33
15
Dado Z = - 0.33, el rea que est entre 145 y 150 es 0.1293 por debajo de la media.
Por otra parte, 155 es una distancia que est por encima de la media equivalente a
la anterior, pero positiva, de manera que el rea entre 150 y 155 tambin es 0.1293.
Por tanto,
P (145 X 155) = 0.1293 + 0.1293 = 0.2586
0.2586
-0.33 0.33
d. El valor para Z entre 160 y 150 es de Z = (160 150)/15 = 0.67
La probabilidad cuando Z = 0.67, es de 0.2486. Para determinar el rea bajo la curva

entre 165 y 150, se tiene que Z = (165 - 150)/15 = 1.0
El valor de probabilidad para Z = 1.0 es de 0.3413, por lo que la probabilidad entre

160 y 165 es una resta entre el rea ms grande y la ms pequea P (160 X
165) = 0.3413 - 0.2486 = 0.0927
Interpretacin. Estos clculos de probabilidad permiten a la empresa desarrollar

un sentido de la demanda por sus servicios que le ayudar a establecer polticas
respecto al uso de los servicios por parte de los clientes, as como una estructura de
tarifas ptima que pueda cobrar.
8.1.2 Aproximacin de la distribucin normal a la distribucin binomial

ESTADISTICA BSICA
La distribucin binomial involucra una serie de n ensayos que pueden producir (1)
un xito o (2) un fracaso. La probabilidad de un xito se indica como p. Las
respuestas pueden hallarse a menudo en la tabla binomial o utilizando la frmula
binomial. Sin embargo si n es demasiado grande, puede exceder los confines de
cualquier tabla y la frmula puede ser excesivamente laboriosa. La solucin puede
hallarse con el uso de la distribucin normal para aproximar la distribucin
binomial. Esta aproximacin se considera lo suficientemente precisa si np 5 y
n(1- p) 5 y si p est prximo a 0.50.
Supngase que el 40% de los trabajadores de un sindicato estn a favor de una

huelga. Si se seleccionan 15 miembros de manera aleatoria, cul es la probabilidad
de que 10 apoyen un paro? Utilizando la frmula binomial P(x = 10n = 15, p= 0.40),
se tiene que P (x = 10) = 0.0245.
Es posible aproximarse a la respuesta utilizando la distribucin normal. Primero se

debe encontrar la media y la desviacin estndar de la distribucin normal.
= np y = n( p )(1 p )
En este caso, = (15)(0.40) = 6 y = 15(0.40)(0.60) = 1.897
Debido a que existe un nmero infinito de valores posibles en una distribucin

normal (o en cualquier distribucin continua), la probabilidad de que la variable
aleatoria sea exactamente igual a algn valor especfico como 10, es cero. Cuando
se utiliza una distribucin continua para estimar una variable aleatoria discreta, es
necesario un ajuste llamado factor de correccin por continuidad el cual requiere que
se trate la probabilidad de exactamente 10 miembros como el intervalo entre 9.5 y
10.5. Esto se ilustra en la siguiente figura, la cual muestra las probabilidades para
cada valor de la variable aleatoria (nmero de trabajadores).

ESTADISTICA BSICA
0.20
0.15 -
Probabilidad
0.10 -
0.02 -
0.01 -
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nmero de miembros
La probabilidad de que exactamente 10 miembros estn a favor de una huelga est

representada por el rea del rectngulo centrada en 10, donde la curva normal est
superpuesta sobre los rectngulos. Vale la pena destacar que el rectngulo se
extiende de 9.5 a 10.5.
Utilizando la distribucin normal para hallar P (9.5 X 10.5), se tiene:
9.5 6
Z 1.85
1.897
Equivalente a 0.4678 del rea bajo la curva normal, y
10.5 6
Z 2.37
1.897
Equivalente a un rea de 0.4911. Entonces, P (9.5 X 10.5) = 0.4911 0.4678 =

0.0233, lo cual es una aproximacin muy cercana al 0.0245 calculada mediante la
distribucin binomial.
Problemas resueltos

ESTADISTICA BSICA
1. Distribucin exponencial. El gerente de un pequeo negocio dedicado a la venta

de hamburguesas, observa que los clientes acuden a su establecimiento a razn de
8 por hora. Cul es la probabilidad de que pasen ms de 15 minutos entre la
llegada de dos clientes?
Solucin. Aunque la razn media est dada originalmente como 8 por 60 minutos,
se desea saber la probabilidad de que transcurran 15 minutos. Debe determinarse
qu porcentaje de 60 minutos es 15, por lo que, 15/60 = 0.25. As, t es igual a 0.25 y -
t = - (8) (0.25) = -2. Para determinar P (x > 15), primero se debe hallar P (x 15)
y restar de 1.0.
P (x 15) = 1 e 8(0.25) = 1 0.1353 = 0.8647.
P (x > 15) = 1 0.8647 = 0.1353.
2. Distribucin normal. La Secretara de Agricultura, en un estudio sobre cultivos,

ha detectado que las precipitaciones diarias en ciertos lugares parecen estar
distribuidas normalmente con una media de 2.2 pulgadas (5.588 centmetros)
durante la estacin lluviosa. Se determin que la desviacin estndar era de 0.8
pulgadas.
a. Cul es la probabilidad de que llueva ms de 3.3 pulgadas en un da durante

la estacin lluviosa?
x 3 .3 2 .2
Z 1.38
0.8
Un valor de Z de 1.38 da un rea de 0.4162. As pues, P (X > 3.3) = 0.5000 0.4162 =

0.0838.

ESTADISTICA BSICA
0.4162 0.0838
2.2 Pulgadas 3.3
b. Halle la probabilidad de que llueva ms de 1.3 pulgadas.
1.3 2.2
Z 1.13
0 .8
El valor de Z de 1.13, equivalente a un rea de 0.3708, por lo que P (x >1.3) =

0.5000 + 0.3708 = 0.8708. Habr un 87.08% de que llueva ms de 1.3 pulgadas.
0.3708 0.5000
1.3 2.2
c. Cul es la probabilidad de que las precipitaciones estn entre 2.7 y 3.0

pulgadas?
3.0 2.2
Z 1.0
0.8
Correspondiente a un rea de 0.3413 y,
2.7 2.2
Z 0.63
0.8

ESTADISTICA BSICA
Para un rea de 0.2357.
2.2 2.7 3.0
Por tanto, P (2.7 x 3.0) = 0.3413 0.2357 = 0.1056
3. Aproximacin normal a la distribucin binomial. El 45% de todos los empleados

de un centro de capacitacin gerencial tienen ttulos universitarios. Cul es la
probabilidad de que de los 150 empleados seleccionados aleatoriamente, 72 tengan
ttulo universitario?
La media y la desviacin estndar son = p = (150)(0.45) = 67.5

Mientras que = ( n)( p )(q ) , donde q = (1-p), por lo que (150)(0.45)(0.55) =
6.09.
Si P (71.5 x 72.5), entonces,
72.5 67.5
Z 0.82
6.09
De tablas P(Z = 0.82) = 0.2939, y
71.5 67.5
Z 0.66
6.09
De tablas P(Z = 0.66) = 0.2454.
Por lo que, P (71.5 x 72.5) = 0.2939 0.2454 = 0.0485

ESTADISTICA BSICA
71.5 72 72.5
EJERCICIOS
1. Los paquetes de cereal que produce una conocida marca vienen en cajas de 36 onzas que
tienen una desviacin estndar de 1.9 onzas. Se considera que los pesos de dichas cajas
estn distribuidos normalmente. Si se selecciona una caja aleatoriamente, cul es la
probabilidad de que la caja pese:
a) Menos de 34.8 onzas?

b) Ms de 34.8 onzas?
c) Entre 34.3 y 38.9 onzas?
d) Entre 39.5 y 41.1 onzas?
2. Como comerciante de materiales para la construccin, usted compra sacos de cemento que
pesan en promedio 50 libras, con una desviacin estndar de 5.2 libras. Por prescripcin
mdica, un trabajador est imposibilitado para levantar pesos mayores a las 60 libras.
Podra cargar un saco de cemento sin riesgo importante de que ste exceda las 60 libras?
3. Se publica que los frenos de autos nuevos Nissan duran un promedio de 35,000 millas, con
una desviacin estndar de 1,114 millas. Un cliente acaba de comprar un auto de sta
marca, cul es la probabilidad de que los frenos le duren
a) Ms de 35, 000 millas?

b) Menos de 33, 900 millas?
c) Menos de 37, 500 millas?
d) Entre 32, 500 y 36, 900 millas?
4. Los sobrecostos por actualizacin de computadoras en una empresa tiene en promedio

$235,000, con una desviacin estndar de $94,000. El director ejecutivo del rea de
Investigacin no desea arriesgarse a ms de 34% de probabilidad de sobrecosto a que una
actualizacin propuesta recientemente exceda ms de $250,000. Usted recomendara que
se ejecute la actualizacin?

ESTADISTICA BSICA
5. El promedio de los salarios de los empleados bancarios en una ciudad de Estados Unidos
es de $22.87 dlares/hora, con una desviacin estndar de $5.87 dlares/hora. Cul debe
ser su salario/hora si desea ganar:
a) Ms que el 80%?
b) Ms que el 30%?
c) Menos que el 20%?
d) Ms que el 50%?
6. Los empleados de una empresa trabajan en promedio 55.8 horas/semana con una
desviacin estndar de 9.8 horas. Los ascensos son ms probables para los empleados que
estn dentro del 10% de los que pasan ms tiempo trabajando. Cunto debe trabajar un
empleado para mejorar sus oportunidades de ascenso?
7. Los registros muestran que el 45% de todos los automviles producidos por Ford Motor
Company contiene partes importadas de Japn. Cul es la probabilidad de que en los
prximos 200 vehculos, 115 contengan partes japonesas?
8. Una empresa de transportes por carretera encuentra que el 30% de sus envos llega tarde.
Si se programan ocho envos, cul es la probabilidad de que:
a) Tres lleguen tarde?

b) Tres o ms lleguen tarde?
c) Tres o menos lleguen tarde?
d) Entre tres y cinco inclusive lleguen tarde?
9. Una encuesta revela que el 60% de los hogares prefiere cierta marca de ropa deportiva. Si
se hizo la encuesta en 12 hogares, cual es la probabilidad de que esta ropa deportiva sea
escogida por:
a) Siete hogares?
b) Menos de seis hogares?
c) Diez o ms hogares?
d) Ms de dos hogares?
10. Una empresa transfiere 9 trabajadores a otra empresa que es filial de la primera. Slo 6 de
ellos estn realmente calificados para realizar el trabajo para el cual pueden ser asignados.
El departamento de Produccin selecciona aleatoriamente 5 de los 9 empleados. Cul es la
probabilidad de que:
a) Los cinco estn calificados?

b) Cuatro estn calificados?
c) Por lo menos tres estn calificados?
11. La junta directiva de la empresa ABC consta de 4 economistas, 3 contadores y 5

ingenieros. Si un comit de 7 miembros debe seleccionarse aleatoriamente, cul es la
probabilidad de que dicho comit est conformado por 2 economistas, 2 contadores y 3
ingenieros?
ESTADISTICA BSICA
12. Los aviones llegan a un aeropuerto internacional a una razn promedio de 5.2 por minuto.
Los controladores de trfico areo pueden manejar de forma segura un mximo de 7
aviones por minuto. Cul es la probabilidad de que se arriesgue la seguridad del
aeropuerto? Se cree que las llegadas tienen una distribucin de Poisson.
13. Una encuesta report que el 80% de la poblacin piensa que los salarios de los miembros
del Congreso son demasiado altos. Si 15 personas se seleccionan para conformar un
comit que decida por mayora de votos si tales salarios deben aumentarse o no. Cul es
la probabilidad de que el voto sea no aumentar tales salarios?
14. Los camiones llegan a cargar en razn de 9.3 por hora en promedio. El encargado del
puerto sabe que si llegan 6 o menos camiones, slo es necesario un puerto de carga. Si
llegan ms de 6, debe abrirse un segundo puerto. Deber abrirse el segundo puerto?
15. Una compaa que presenta un 10% de defectos en su produccin vende su producto en
lotes de 15 unidades. Ofrece un descuento $1,000 s ms de tres unidades salen
defectuosas. Cunto descuento debera esperar la compaa por cada 50 envos?
16. La administradora de una gran tienda de ropa de un centro comercial hace la nmina para
11 empleados, pero 7 contienen errores. La jefa del departamento no est conforme y
selecciona 5 registros de nmina para revisarlos. Se encuentra que 3 contienen errores. La
administradora se defiende diciendo que slo tuvo tres errores en los 11 registros. Es ste
un buen argumento?
17. El tiempo promedio entre fallas de un nuevo foco para exteriores de General Electric es de
10 semanas. Cul es la probabilidad de que un nuevo foco falle dentro de 15 semanas?
18. Los clientes ingresan a un restaurante local a una razn de 10 por hora. Cul es la
probabilidad de que transcurran 30 minutos entre las llegadas de 2 clientes cualesquiera?
19. Los pesos contenidos en las cajas de cereal estn distribuidos de manera uniforme con una
media de 35 onzas y un rango de 3.4 onzas.
a) Cul es el peso mnimo y mximo de las cajas?

b) Cul es la probabilidad de que una sola caja contenga entre 32 y 33 onzas?
20. Durante los ltimos 20 aos un trabajador ha conducido todos los das para ir a su
empleo. El menor tiempo empleado para hacerlo es de 63 minutos y el mximo tiempo
que se ha demorado son 110 minutos. Si los tiempos de conduccin estn distribuidos
uniformemente:
a) Cul es el tiempo promedio?
b) Cul es la probabilidad de que le tome 1.5 horas?
21. Los reportes muestran que se cometen 5 homicidios cada hora en las ciudades ms
grandes del pas, y que la distribucin se ajusta a una distribucin de Poisson. Si esto es
cierto, cul es la probabilidad de que en los prximos 30 minutos asesinen a 3 personas?

ESTADISTICA BSICA
22. Un proceso de manufactura produce 1.2 defectos por cada 100 unidades de produccin, y
sigue una distribucin de Poisson. Cul es la probabilidad de que las siguientes 500
unidades presenten 3 defectos?
23. Normalmente se toman 2 semanas en entrenar a un trabajador para utilizar un taladro de

banco. Cul es la probabilidad de que un trabajador pueda ser entrenado en 1.5 semanas?
24. En un esfuerzo por reducir costos, un restaurante de comida rpida analiz la tendencia
para que sus procesadores automticos determinaran los pesos de la hamburguesa en la
presentacin de un cuarto de libra. Se encontr que los pesos oscilaban entre 3.2 y 4.9
onzas. Se asumi una distribucin uniforme, qu porcentaje de hamburguesas tiene ms
de un cuarto de libra? (Nota: 1 libra = 16 onzas = 453.6 gramos).
25. La distribucin normal es una distribucin discreta o continua? Justifique su respuesta. Si

dos conjuntos de datos que estn distribuidos normalmente tienen la misma media pero
diferentes desviaciones estndar cmo se comparara el rango que comprende el 68.3%
de todas las observaciones de un conjunto a otro? Haga las grficas necesarias para
ilustrar cmo puede aplicarse la regla emprica en ambas distribuciones.
26. Los costos de produccin mensual de una imprenta son de $4,100 en promedio con una
desviacin estndar de $870. El administrador considera conveniente mantener los costos
por debajo de los $3,000 este mes. Si los costos estn distribuidos normalmente puede
creerse en el administrador?
27. Un despacho contable encuentra que el tiempo que se toma para realizar un proceso de
auditoria est distribuido normalmente con un tiempo promedio de 17.2 das y una
desviacin estndar de 3.7 das. El despacho se comprometi a iniciar un proceso de
auditoria dentro de 20 das pero debe terminar una que ya ha comenzado. Qu tan
probable es que cumpla su promesa?
28. Los corredores de un maratn local terminaron el trayecto en un tiempo promedio de

180.3 minutos con una desviacin estndar de 25.7 minutos. Qu tan rpido deben correr
para terminar dentro del primer 10%?
29. Los conectores elctricos duran un promedio de 18.2 meses con una desviacin estndar
de 1.7. El proveedor acepta reemplazar uno si ste falla dentro de los primeros 19 meses.
De 500 unidades cuntos se debe reemplazar en promedio?
30. Las ventas promedio de un agente de ventas son de $5,000 con una desviacin estndar de
$152. El agente de ventas tiene una comisin de $1,000 slo si sus ventas exceden de
$5,300. En promedio, Cul es la comisin por cada 25 ventas?
31. La produccin diaria de una planta local tiene un promedio 7,300 toneladas con una
desviacin estndar de 125 toneladas. En un promedio de 100 das cuntas veces
exceder las 7,000 toneladas?

ESTADISTICA BSICA
32. Las ventas diarias en un parque de diversiones son de $10,120 con una desviacin
estndar de $3,120. Cul es la probabilidad de que el da de hoy se reciba ms de $10,000
peso de venta?
33. Se sabe que el grupo de profesionistas que se inscriben en una Prueba de Aptitud
Gerencial obtienen 812 puntos en promedio, con una desviacin estndar de 145 puntos.
Slo quienes estn entre el 20% de los mejores pueden aplicar a una beca especfica. Un
profesionista obtuvo un puntaje de 900 en la prueba, considera que puede aplicar para
una beca?
34. Las unidades de almacenamiento de una empresa tienen un promedio de 82.3 pies
cuadrados (1 pi cuadrado = 929 cms 2). Cuntos pies cuadrados debe tener una unidad
para que sea ms grande que el 90% de todas las unidades?
35. De acuerdo con la National Geographic, el 32% de los australianos que viven en el interior
del pas beben una cierta clase de cerveza local. Si se seleccionan aleatoriamente 500
personas de la misma nacionalidad, cul es la probabilidad de que por lo menos 150
hayan bebido este tipo de cerveza?
36. Una encuesta realizada revel que el 69% de los rusos estaban peor econmicamente
despus de la revolucin. Si se seleccionan aleatoriamente a 800 personas Cul es la
probabilidad de que menos de 580 estn en estas condiciones?
37. Un peridico en Estados Unidos inform que el 56% de todos los nios de 7 aos cree que
la Cenicienta era una persona real. Cul es la probabilidad de que por lo menos el 50% de
120 nios de 7 aos crea lo mismo?
38. En las cercanas de parques industriales mineros se detect que 3 de cada 10 nios
contienen plomo en la sangre en cantidades superiores a las permitidas por la Norma
Oficial Mexicana. Cual es la probabilidad de que en un grupo escolar de 20 nios,
padezcan el mismo problema,
a) Exactamente dos de ellos

b) Entre 5 y 10
c) Ms de la mitad de ellos
d) Menos de la cuarta parte
e) Todos
f) Ninguno
39. El tiempo que tarda un empleado para ensamblar partes para automvil al parecer se
distribuye normalmente, con una media de 70 segundos y una desviacin estndar de 8.
Cual es la probabilidad que en una ensambladora similar los empleados tarden,
a) Entre 80 y 90 segundos
b) Menos de 60 segundos
c) Entre 60 y 70 segundos
d) Ms de 65 segundos
e) Que porcentaje de empleados tarda ms de 70 segundos.

ESTADISTICA BSICA
REFERENCIAS
Anderson D., Sweeney D. y Williams T. Estadstica para Administracin y

Economa. Cengage Learning. 2008.
Berenson M. y D.M. Levine. Estadstica Bsica en Administracin. Prentice
Hall. 1992.
Hines, W. W. y D. C. Montgomery. Probabilidad y Estadstica para
Ingeniera y Administracin. Cecsa. 1983.
Kazmier L. J. Estadstica aplicada a la administracin y la economa.
McGraw Hill. 2006.
Levin R., I. y D. S., Rubin. Estadstica para Administradores. Prentice Hall.
1996.
Mason, R. y D. A., Lind. Estadstica para Administracin y Economa.
Alfaomega. 1995.
Portilla C., E. Estadstica -primer curso-. McGraw Hill. 1992
Spiegel, M. R. Estadstica. McGraw Hill. Interamericana 1990.
Stevenson W. J. Estadstica para Administracin y Economa. Harla. 1981.
Taro Yamane. Estadstica. Harla. 1973.
U.P.N. Introduccin a los Mtodos Estadsticos. Mxico. SEP. 1989.

ESTADISTICA BSICA
APENDICE A
Tabla de la distribucin Normal Estndar (J. C. F. Gauss)
- +

Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 0.0000 0.0040 0.0080 0.0120 0.0159 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0909 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2356 0.2389 0.2421 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2703 0.2734 0.2764 0.2793 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3437 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3906 0.3925 0.3943 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4278 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4648 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4874 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4924 0.4927 0.4929 0.4930 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4958 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4986 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4998 0.4999 0.4998 0.4999 0.4998 0.4999 0.4998 0.4998
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999

ESTADISTICA BSICA
APENDICE B
Tabla de distribucin de probabilidad Binomial (J. Bernoulli)
P(X=xi|n,p) = nCx px qn-x
- p -
n x 0.50 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.70 0.80 0.90
2 0 0.2500 0.8100 0.7225 0.6400 0.5625 0.4900 0.4225 0.3600 0.3025 0.2500 0.2025 0.1600 0.0900 0.0400 0.0100
1 0.5000 0.1800 0.2550 0.3200 0.3750 0.4200 0.4550 0.4800 0.4950 0.5000 0.4950 0.4800 0.4200 0.3200 0.1800
2 0.2500 0.0100 0.0225 0.0400 0.0625 0.0900 0.1225 0.1600 0.2025 0.2500 0.3025 0.3600 0.4900 0.6400 0.8100
3 0 0.1250 0.7290 0.6141 0.5120 0.4219 0.3430 0.2746 0.2160 0.1664 0.1250 0.0911 0.0640 0.0270 0.0080 0.0010
1 0.3750 0.2430 0.3251 0.3840 0.4219 0.4410 0.4436 0.4320 0.4084 0.3750 0.3341 0.2880 0.1890 0.0960 0.0270
2 0.3750 0.0270 0.0574 0.0960 0.1406 0.1890 0.2389 0.2880 0.3341 0.3750 0.4084 0.4320 0.4410 0.3840 0.2430
3 0.1250 0.0010 0.0034 0.0080 0.0156 0.0270 0.0429 0.0640 0.0911 0.1250 0.1664 0.2160 0.3430 0.5120 0.7290
4 0 0.0625 0.6561 0.5220 0.4096 0.3164 0.2401 0.1785 0.1296 0.0915 0.0915 0.0410 0.0256 0.0081 0.0016 0.0001
1 0.2500 0.2916 0.3685 0.4096 0.4219 0.4116 0.3845 0.3456 0.2995 0.2995 0.2005 0.1536 0.0756 0.0256 0.0036
2 0.3750 0.0486 0.0975 0.1536 0.2109 0.2646 0.3105 0.3456 0.3675 0.3675 0.3675 0.3456 0.2646 0.1536 0.0486
3 0.2500 0.0036 0.0115 0.0256 0.0469 0.0756 0.1115 0.1536 0.2005 0.2005 0.2995 0.3456 0.4116 0.4096 0.2916
4 0.0625 0.0001 0.0005 0.0016 0.0039 0.0081 0.0150 0.0256 0.0410 0.0410 0.0915 0.1296 0.2401 0.4096 0.6561
5 0 0.0313 0.5905 0.4437 0.3277 0.2373 0.1681 0.1160 0.0778 0.0503 0.0313 0.0185 0.0102 0.0024 0.0003 0.0000
1 0.1563 0.3281 0.3915 0.4096 0.3955 0.3602 0.3124 0.2592 0.2059 0.1563 0.1128 0.0768 0.0284 0.0064 0.0005
2 0.3125 0.0729 0.1382 0.2048 0.2637 0.3087 0.3364 0.3456 0.3369 0.3125 0.2757 0.2304 0.1323 0.0512 0.0081
3 0.3125 0.0081 0.0244 0.0512 0.0879 0.1323 0.1811 0.2304 0.2757 0.3125 0.3369 0.3456 0.3087 0.2048 0.0729
4 0.1563 0.0005 0.0022 0.0064 0.0146 0.0284 0.0488 0.0768 0.1128 0.1563 0.2059 0.2592 0.3602 0.4096 0.3281
5 0.0313 0.0000 0.0001 0.0003 0.0010 0.0024 0.0053 0.0102 0.0185 0.0313 0.0503 0.0778 0.1681 0.3277 0.5905
6 0 0.0156 0.5314 0.3771 0.2621 0.1780 0.1176 0.0754 0.0467 0.0277 0.0156 0.0083 0.0041 0.0007 0.0001 0.0000
1 0.0938 0.3543 0.3993 0.3932 0.3560 0.3025 0.2437 0.1866 0.1359 0.0938 0.0609 0.0369 0.0102 0.0015 0.0001
2 0.2344 0.0984 0.1762 0.2458 0.2966 0.3241 0.3280 0.3110 0.2780 0.2344 0.1861 0.1382 0.0595 0.0154 0.0012
3 0.3125 0.0146 0.0415 0.0819 0.1318 0.1852 0.2355 0.2765 0.3032 0.3125 0.3032 0.2765 0.1852 0.0819 0.0146
4 0.2344 0.0012 0.0055 0.0154 0.0330 0.0595 0.0951 0.1382 0.1861 0.2344 0.2780 0.3110 0.3241 0.2458 0.0984
5 0.0938 0.0001 0.0004 0.0015 0.0044 0.0102 0.0205 0.0369 0.0609 0.0938 0.1359 0.1866 0.3025 0.3932 0.3543
6 0.0156 0.0000 0.0000 0.0001 0.0002 0.0007 0.0018 0.0041 0.0083 0.0156 0.0277 0.0467 0.1176 0.2621 0.5314
7 0 0.0078 0.4783 0.3206 0.2097 0.1335 0.0824 0.0490 0.0280 0.0152 0.0078 0.0037 0.0016 0.0002 0.0000 0.0000
1 0.0547 0.3720 0.3960 0.3670 0.3115 0.2471 0.1848 0.1306 0.0872 0.0547 0.0320 0.0172 0.0036 0.0004 0.0000
2 0.1641 0.1240 0.2097 0.2753 0.3115 0.3177 0.2985 0.2613 0.2140 0.1641 0.1172 0.0774 0.0250 0.0043 0.0002
3 0.2734 0.0230 0.0617 0.1147 0.1730 0.2269 0.2679 0.2903 0.2918 0.2734 0.2388 0.1935 0.0972 0.0287 0.0026
4 0.2734 0.0026 0.0109 0.0287 0.0577 0.0972 0.1442 0.1935 0.2388 0.2734 0.2918 0.2903 0.2269 0.1147 0.0230
5 0.1641 0.0002 0.0012 0.0043 0.0115 0.0250 0.0466 0.0774 0.1172 0.1641 0.2140 0.2613 0.3177 0.2753 0.1240
6 0.0547 0.0000 0.0001 0.0004 0.0013 0.0036 0.0084 0.0172 0.0320 0.0547 0.0872 0.1306 0.2471 0.3670 0.3720
7 0.0078 0.0000 0.0000 0.0000 0.0001 0.0002 0.0006 0.0016 0.0037 0.0078 0.0152 0.0280 0.0824 0.2097 0.4783
8 0 0.0039 0.4305 0.2725 0.1678 0.1001 0.0576 0.0319 0.0168 0.0084 0.0039 0.0017 0.0007 0.0001 0.0000 0.0000
1 0.0313 0.3826 0.3847 0.3355 0.2670 0.1977 0.1373 0.0896 0.0548 0.0313 0.0164 0.0079 0.0012 0.0001 0.0000
2 0.1094 0.1488 0.2376 0.2936 0.3115 0.2965 0.2587 0.2090 0.1569 0.1094 0.0703 0.0413 0.0100 0.0011 0.0000
3 0.2188 0.0331 0.0839 0.1468 0.2076 0.2541 0.2786 0.2787 0.2568 0.2188 0.1719 0.1239 0.0467 0.0092 0.0004
4 0.2734 0.0046 0.0185 0.0459 0.0865 0.1361 0.1875 0.2322 0.2627 0.2734 0.2627 0.2322 0.1361 0.0459 0.0046
5 0.2188 0.0004 0.0026 0.0092 0.0231 0.0467 0.0808 0.1239 0.1719 0.2188 0.2568 0.2787 0.2541 0.1468 0.0331
6 0.1094 0.0000 0.0002 0.0011 0.0038 0.0100 0.0217 0.0413 0.0703 0.1094 0.1569 0.2090 0.2965 0.2936 0.1488
7 0.0313 0.0000 0.0000 0.0001 0.0004 0.0012 0.0033 0.0079 0.0164 0.0313 0.0548 0.0896 0.1977 0.3355 0.3826
8 0.0039 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0007 0.0017 0.0039 0.0084 0.0168 0.0576 0.1678 0.4305

ESTADISTICA BSICA
APENDICE C
Tabla de distribucin de probabilidad de Poisson (S. D. Poisson)
P(X=xi|) = (x)(e-)/x!
- -
x 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40 1.50
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066 0.3679 0.3329 0.3012 0.2725 0.2466 0.2231
1 0.0905 0.1637 0.2222 0.2681 0.3033 0.3293 0.3476 0.3595 0.3659 0.3679 0.3662 0.3614 0.3543 0.3452 0.3347
2 0.0045 0.0164 0.0333 0.0536 0.0758 0.0988 0.1217 0.1438 0.1647 0.1839 0.2014 0.2169 0.2303 0.2417 0.2510
3 0.0002 0.0011 0.0033 0.0072 0.0126 0.0198 0.0284 0.0383 0.0494 0.0613 0.0738 0.0867 0.0998 0.1128 0.1255
4 0.0000 0.0001 0.0003 0.0007 0.0016 0.0030 0.0050 0.0077 0.0111 0.0153 0.0203 0.0260 0.0324 0.0395 0.0471
5 0.0000 0.0000 0.0000 0.0001 0.0002 0.0004 0.0007 0.0012 0.0020 0.0031 0.0045 0.0062 0.0084 0.0111 0.0141
6 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0003 0.0005 0.0008 0.0012 0.0018 0.0026 0.0035
7 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0002 0.0003 0.0005 0.0008
x 1.60 1.70 1.80 1.90 2.00 2.10 2.20 2.30 2.40 2.50 2.60 2.70 2.80 2.90 3.00
0 0.2019 0.1827 0.1653 0.1496 0.1353 0.1225 0.1108 0.1003 0.0907 0.0821 0.0743 0.0672 0.0608 0.0550 0.0498
1 0.3230 0.3106 0.2975 0.2842 0.2707 0.2572 0.2438 0.2306 0.2177 0.2052 0.1931 0.1815 0.1703 0.1596 0.1494
2 0.2584 0.2640 0.2678 0.2700 0.2707 0.2700 0.2681 0.2652 0.2613 0.2565 0.2510 0.2450 0.2384 0.2314 0.2240
3 0.1378 0.1496 0.1607 0.1710 0.1804 0.1890 0.1966 0.2033 0.2090 0.2138 0.2176 0.2205 0.2225 0.2237 0.2240
4 0.0551 0.0636 0.0723 0.0812 0.0902 0.0992 0.1082 0.1169 0.1254 0.1336 0.1414 0.1488 0.1557 0.1622 0.1680
5 0.0176 0.0216 0.0260 0.0309 0.0361 0.0417 0.0476 0.0538 0.0602 0.0668 0.0735 0.0804 0.0872 0.0940 0.1008
6 0.0047 0.0061 0.0078 0.0098 0.0120 0.0146 0.0174 0.0206 0.0241 0.0278 0.0319 0.0362 0.0407 0.0455 0.0504
7 0.0011 0.0015 0.0020 0.0027 0.0034 0.0044 0.0055 0.0068 0.0083 0.0099 0.0118 0.0139 0.0163 0.0188 0.0216
8 0.0002 0.0003 0.0005 0.0006 0.0009 0.0011 0.0015 0.0019 0.0025 0.0031 0.0038 0.0047 0.0057 0.0068 0.0081
9 0.0000 0.0001 0.0001 0.0001 0.0002 0.0003 0.0004 0.0005 0.0007 0.0009 0.0011 0.0014 0.0018 0.0022 0.0027
10 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0002 0.0002 0.0003 0.0004 0.0005 0.0006 0.0008
11 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0002 0.0002
x 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50
0 0.0450 0.0408 0.0369 0.0334 0.0302 0.0273 0.0247 0.0224 0.0202 0.0183 0.0166 0.0150 0.0136 0.0123 0.0111
1 0.1397 0.1304 0.1217 0.1135 0.1057 0.0984 0.0915 0.0850 0.0789 0.0733 0.0679 0.0630 0.0583 0.0540 0.0500
2 0.2165 0.2087 0.2008 0.1929 0.1850 0.1771 0.1692 0.1615 0.1539 0.1465 0.1393 0.1323 0.1254 0.1188 0.1125
3 0.2237 0.2226 0.2209 0.2186 0.2158 0.2125 0.2087 0.2046 0.2001 0.1954 0.1904 0.1852 0.1798 0.1743 0.1687
4 0.1733 0.1781 0.1823 0.1858 0.1888 0.1912 0.1931 0.1944 0.1951 0.1954 0.1951 0.1944 0.1933 0.1917 0.1898
5 0.1075 0.1140 0.1203 0.1264 0.1322 0.1377 0.1429 0.1477 0.1522 0.1563 0.1600 0.1633 0.1662 0.1687 0.1708
6 0.0555 0.0608 0.0662 0.0716 0.0771 0.0826 0.0881 0.0936 0.0989 0.1042 0.1093 0.1143 0.1191 0.1237 0.1281
7 0.0246 0.0278 0.0312 0.0348 0.0385 0.0425 0.0466 0.0508 0.0551 0.0595 0.0640 0.0686 0.0732 0.0778 0.0824
8 0.0095 0.0111 0.0129 0.0148 0.0169 0.0191 0.0215 0.0241 0.0269 0.0298 0.0328 0.0360 0.0393 0.0428 0.0463
9 0.0033 0.0040 0.0047 0.0056 0.0066 0.0076 0.0089 0.0102 0.0116 0.0132 0.0150 0.0168 0.0188 0.0209 0.0232
10 0.0010 0.0013 0.0016 0.0019 0.0023 0.0028 0.0033 0.0039 0.0045 0.0053 0.0061 0.0071 0.0081 0.0092 0.0104
11 0.0003 0.0004 0.0005 0.0006 0.0007 0.0009 0.0011 0.0013 0.0016 0.0019 0.0023 0.0027 0.0032 0.0037 0.0043
12 0.0001 0.0001 0.0001 0.0002 0.0002 0.0003 0.0003 0.0004 0.0005 0.0006 0.0008 0.0009 0.0011 0.0013 0.0016
13 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001 0.0001 0.0002 0.0002 0.0002 0.0003 0.0004 0.0005 0.0006
x 4.60 4.70 4.80 4.90 5.00 5.10 5.20 5.30 5.40 5.50 5.60 5.70 5.80 5.90 6.00
0 0.0101 0.0091 0.0082 0.0074 0.0067 0.0061 0.0055 0.0050 0.0045 0.0041 0.0037 0.0033 0.0030 0.0027 0.0025
1 0.0462 0.0427 0.0395 0.0365 0.0337 0.0311 0.0287 0.0265 0.0244 0.0225 0.0207 0.0191 0.0176 0.0162 0.0149
2 0.1063 0.1005 0.0948 0.0894 0.0842 0.0793 0.0746 0.0701 0.0659 0.0618 0.0580 0.0544 0.0509 0.0477 0.0446
3 0.1631 0.1574 0.1517 0.1460 0.1404 0.1348 0.1293 0.1239 0.1185 0.1133 0.1082 0.1033 0.0985 0.0938 0.0892
4 0.1875 0.1849 0.1820 0.1789 0.1755 0.1719 0.1681 0.1641 0.1600 0.1558 0.1515 0.1472 0.1428 0.1383 0.1339
5 0.1725 0.1738 0.1747 0.1753 0.1755 0.1753 0.1748 0.1740 0.1728 0.1714 0.1697 0.1678 0.1656 0.1632 0.1606
6 0.1323 0.1362 0.1398 0.1432 0.1462 0.1490 0.1515 0.1537 0.1555 0.1571 0.1584 0.1594 0.1601 0.1605 0.1606
7 0.0869 0.0914 0.0959 0.1002 0.1044 0.1086 0.1125 0.1163 0.1200 0.1234 0.1267 0.1298 0.1326 0.1353 0.1377

Libro Estadística Basica v2

Cargado por

Información del documento

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

Libro Estadística Basica v2

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA BSICA

Universidad Autnoma de Nayarit

HERMILIO HERNNDEZ AYN Y COLBS.

Texto de apoyo dida ctico

Hernndez Ayn, H. y Colbs. 1

Analizar informacin convertida en datos, disear modelos de muestreo o

En la primera parte de este texto se analiza lo que se considera como estadstica

Esta obra se gener a partir de la aportacin de los docentes que integran

Hernndez Ayn, H. y Colbs. 2

1. FUNDAMENTOS Y CONCEPTOS BSICOS

1.1 Origen de la Estadstica y conceptos bsicos

La Estadstica es una ciencia matemtica que se ocupa de reunir, organizar y

1.1.1 Surgimiento de la Estadstica

El desarrollo cientfico de la Estadstica se fundamenta a partir de los aos 30 a raz

A lo largo de la historia, el hombre ha recopilado informacin en forma de datos y

1.1.2 La Estadstica y su relacin con otras disciplinas

Con la aparicin de la informtica como elemento complementario en todas las

Actualmente, la estadstica se ha convertido en un mtodo efectivo para describir

Por otra parte, el desarrollo de la teora de la probabilidad ha aumentado el alcance

1.2 Clasificacin de la Estadstica

La estadstica de divide en dos ramas: estadstica descriptiva y estadstica

La segunda comprende aquellos mtodos que hacen posible estimar las

En estadstica es necesario tener un claros algunos conceptos, sobre todo los de

Hernndez Ayn, H. y Colbs. 4

Poblacin es la totalidad de elementos (universo de estudio) o cosas que se

Muestra: porcin o parte de la poblacin que se toma para un determinado estudio

Estimador o estadstico de prueba es un clculo o medida que se utiliza para

Generalmente una poblacin resulta demasiado grande como para obtener

En los procesos polticos, por ejemplo, es muy comn el uso de la encuesta de

1.2.1 Tipos de estudios Estadsticos

Algunos autores distinguen dos tipos de estudios estadsticos: enumerativos para

1.3 Aplicaciones de la Estadstica

Para qu sirve la Estadstica?

El mundo en que vivimos es el mundo de la informacin y de la comunicacin.

Frente a los modelos de desarrollo actuales, se conocen cuatro tipos de empresas:

1.3.1 Fuentes generadoras de informacin

Si no existe informacin o datos que analizar, no hay lugar para la aplicacin de la

1.4 La Estadstica en el proceso de investigacin

El uso de mtodos estadsticos como auxiliares en el anlisis de datos ha crecido

Un tomador de decisiones sensato busca evaluar su informacin con el objeto de

Hernndez Ayn, H. y Colbs. 7

1.4.1 Mtodos para generar informacin estadstica

El mtodo ms usual para recopilar informacin es el censo, siendo Estados

Un segundo mtodo para la obtencin de datos es a travs de la

El tercer mtodo consiste en obtener datos a partir de la aplicacin de

1.5 Concepto de variable

Dentro de los procesos de investigacin, es comn la denominacin de variables en

Hernndez Ayn, H. y Colbs. 8

Si una variable es susceptible de ser cuantificada, entonces se convierte en un

Existen dos tipos de variables: cualitativas y cuantitativas. Las primeras generan

Ejemplo Respuesta Tipo de variable

1.5.1 Niveles y Escalas de medicin: nominal, ordinal, de intervalo y de razn o

Los datos recolectados se miden de manera indistinta. Hasta los datos

Hernndez Ayn, H. y Colbs. 9

medicin por conteo. Existen cuatro niveles de medicin ms usados: Escala

1.5.2 Escala nominal y escala ordinal

Cuando en la clasificacin de datos observados no es importante el orden se tiene

Escala nominal (no importa el orden)

Tipo de sangre A, B, O+, O-

Escala Ordinal (s importa el orden)

Comportamiento: Bueno, Regular, Malo.

1.5.3 Escala de intervalo y escala de razn

Estas escalas se consideran ms potentes que las anteriores, ya que permiten

Si en la escala es importante, adems de las diferencias, un cero real que permita