RESOLUCIÓN DEL EXÁMEN FINAL DE ESTADÍSTICA

PARTE I: Estadística Descriptiva (Cuadro Incompleto y Calculo de

Estadígrafos)
I) Se tiene la siguiente información de la distribución de capital social de 50
pequeñas empresas ($) de Artesanía ayacuchana, tal que la longitud de los
intervalos de clase es constante e igual a 20 mil dólares.

CUADRO N° I:………………………………………….

Y’i-1, Y’i Yi ni Nj Yi ni

300

400

23 350

17

,120 440

50

En primer lugar completamos los intervalos:

Tenemos como dato Y’5=120 de donde, sabiendo que la longitud de los intervalos
es de 20.
Se obtiene:
Y' 5 = Y' 4 20  Y' 4  100 ; Y' 4 = Y' 3 20  Y' 3  80 ; Y' 2 = Y' 3 20  Y' 2  60 ;

Y'1 = Y' 2 20  Y'1  40 ; Y' 0 = Y'1 20  Y' 0  20 ; Y' 6 = Y' 5 20  Y' 6  140
Y 'i 1 Y 'i
Yi 
Luego hallando la marca de clase: 2
Y1 = 30; Y2  50; Y3  70; Y4  90; Y5  110; Y6  130
 Con los resultados anteriores y con los datos se puede hallar la frecuencia absoluta
simple ya que:
Y1n1  300  30(n1 )  n1  10 ; Y2 n2  400  50(n2 )  n2  8 ;
Y3 n3  350  70(n3 )  n3  5
Y4 n4  90(17)  1530 ; Y5 n5  440  110(n5 )  n5  4
Ahora hallamos la frecuencia acumulada simple:
N1  10 ; N 2  N1 n 2  18 ; N 3  N 2 n 3  23 ; N 4  N 3 n 4  40 ;
N 5  N 4 n 5  44 ; N 6  N 5 n 6  50 n 6  6
Volviendo:
Y6 n6  6(130)  780
Con estos datos se completa el cuadro dado

Y’ i-1 , Y’ i Yi ni Nj Yi ni
20-40 30 10 10 300
40-60 50 8 18 400
60-80 70 5 23 350
80, 100 90 17 40 1530
100, 120 110 4 44 440
120, 140 130 6 50 780
∑=3800

I-1) Dar un título apropiado al cuadro adjunto de distribución de frecuencias.

“Cuadro de distribución del capital social de 50 pequeñas empresas”

I-2) Haciendo uso de sistemas de ecuaciones, a partir de los datos construir un
cuadro completo, aplicando las propiedades y relaciones de las frecuencias
(mínimo 18 columnas)
 I-3)

Determinar la media muestral de datos agrupados e interpretarla

estadísticamente.
  Media Muestral

∑m
i=1 yi ni
y̅ =
n
∑6i=1 yi ni y1 n1+ y2 n2 +y3 n3 +y4 n4 +y5 n5 +y6 n6
y̅ = =
50 50
30∗10+50∗8+70∗5+90∗17+110∗4+130∗6
̅=
y
50
3800
y̅=
50
y̅= 76
Interpretación estadística: La media muestral es el valor medio del número de
trabajadores 76.es un estadígrafo de posición cuyo valor es el promedio de las
marcas de clase.

I-4) Determinar la mediana muestral de datos agrupados e interpretarla

estadísticamente.

 Mediana muestral

50% 50%

Me

n 50
Primer paso: = = 25
2 2
Segundo paso: criterio desigualdad
n
Nj−1 ≤ 2 ≤ Nj
23 ≤ 25 ≤40
Tercer paso: Intervalo Mediano: [80; 100>
Cuarto paso: formula de la mediana para datos agrupados.
n
− Nj−1
Me = Yj−1 + cj [2
′
]
Nj – Nj−1
25 – 23
Me = 80 + 20 [ ]
40 − 23
Me = 80 + 20 (0.1176470588)
 Me = 82.35294

Interpretación estadística: El valor mediano de capital social es 82.35294 supera a

lo sumo al 50% de datos pero a su vez es superado por no más del 50% de datos
restantes.

I-5) Determinar la moda muestral de datos agrupados e interpretarla

estadísticamente.

 Moda Muestral: Md

Primer paso:
nj = 17
[ni−1 = 5
nj+1 = 4
Segundo paso:
∆1 = nj - ni−1=17 – 5= 12
∆2 = nj - ni+1=17 – 4= 13

Tercer paso: Intervalo Modal: [80;100>

Cuarto paso: formula de la Modal para datos agrupados.

′
∆1
Md = Yj−1 + cj [ ]
∆1 + ∆2
17 – 5
Md = 80 + 20 [ ]
(17 − 5) + (17 − 4)
12
Md = 80 + 20 ( )
25
Md = 80 + 20(0.48)
Md = 89.6¨

Interpretación estadística: Es un estadígrafo de tendencia central, el cual es el

valor que más se repite de capital social es 89.6 mil dólares.
I-6) Calcule la variancia o varianza muestral y la desviación estándar o desviación
típica e interpretarlas estadísticamente.

 Variancia Muestral(𝐒𝐲𝟐 ):
y̅=76
n = 50
2
∑m 2
i=1 yi ni
Sy = − y̅ 2
n
341000
Sy2 = − (76)2
50
Sy2 = 6820 − (5776)
Sy2 = 1044

Interpretación estadística: Variancia Muestral de 1044 es un estadígrafo de

posición cuyo valor es la media aritmética de la sumatoria de marcas de clase
elevadas al cuadrado y multiplicadas por las frecuencias restándole al resultado el
cuadrado de la media de datos.

 Desviación Estándar 𝐒𝐲 : de datos agrupados

Sy = √Sy2

Sy = √1044|
Sy = 32.31098884

Interpretación estadística: La Desviación Estándar de 32.31098884 es un

estadígrafo de desviación cuyo valor sale de la raíz cuadrada positiva de la
variancia.

I-7) Calcular la desviación media / D.M./ e interpretarla estadísticamente.

 Desviación media de datos agrupados:
∑m
i=1|yi −y
̅|ni
|D. M|y =
n
∑m |y ̅|ni
i=1 i −y
|D. M|y =
n
1396
|D. M|y = = 27.92
50
Interpretación estadística: La desviación media de 27.92 es un estadígrafo de
dispersión cuyo valor absoluto de las desviaciones con respecto a la media
obtenido.

I-8) Calcular la desviación mediana / D.Me./ e interpretarla estadísticamente.

  Desviación mediana de datos /D.Me./y

y̅=76
Me = 82.35294118mm
n=50
∑m
i=1|yi −Me|ni
|D. Me|y =
n
1367.494
|D. Me|y =
50
|D. Me|y =27.34988

Interpretación estadística: La desviación Mediana de 27.34988 es un estadígrafo

de dispersión cuyo valor es el promedio del valor absoluto de las desviaciones con
respecto a la mediana.

I-9) Calcular el coeficiente de Variación o de Variabilidad e interpretarla

estadísticamente.

 Coeficiente de desviación de datos agrupados:

y̅=76
Sy = 32.31098884
Sy
(C. V)y = × 100
y̅
32.31098884
(C. V)y = × 100
76
(C. V)y = 0.42514459 × 100
(C. V)y = 42.514459%
Interpretación estadística: Coeficiente de desviación de 42.514459 es el
coeficiente de dispersión dado por el cociente entre la desviación estándar y la
media expresado en porcentaje.

I-10) Calcular el Tercer Cuartil (Q3) y el Primer Cuartil (Q1) e interpretarlos

estadísticamente.
  Primer cuartil: (Q1)
in 1∗50
Primer paso: = = 12.5
4 4
Segundo paso: criterio desigualdad
n
Nj−1 ≤ 2 ≤ Nj
10 ≤ 12.5 ≤18
Tercer paso: Intervalo: [40;60>
Cuarto paso: formula de Primer Cuartil (Q1) para datos agrupados.
in
− Nj−1
Q1 = Yj−1 + cj [ 4
′
]
Nj – Nj−1
12.5 – 10
Q1 = 40 + 20 [ ]
18 − 10
Q1 = 40 + 20(0.3125)
Q1 = 46.25
Interpretación estadística: El primer cuartil cuyo valor es 46.25 supera a lo sumo al
25% de observaciones y a su vez es superado por no más del 75% de observaciones
restantes.

 Tercer cuartil: (Q3)

in 3∗50
Primer paso: = = 37.5
4 4
Segundo paso: criterio desigualdad
3∗50
Nj−1 ≤ ≤ Nj
4
23 ≤ 37.5 ≤40
Tercer paso: Intervalo: [80; 100>
Cuarto paso: formula de Tercer Cuartil (Q3) para datos agrupados.
in
− Nj−1
Q3 = Yj−1′
+ cj [ 4 ]
Nj – Nj−1
37.5 – 23
Q3 = 80 + 20 [ ]
40 − 23
Q3 = 80 + 20 (0.8529411765)
Q3 = 97.0588
Interpretación estadística: El tercer cuartil es una medida de posición cuya medida
es 97.05882353 que supera a lo sumo al 75% de observaciones y que a su vez es
superado por no más del 25% de observaciones

I-11) Calcular el Décimo (P10) y el Nonagésimo Percentiles (P90) e interpretarlos

estadísticamente.

 Décimo percentil (P10):

in 10∗50
Primer paso: = =5
100 100
Segundo paso: criterio desigualdad
10∗50
Nj−1 ≤ ≤ Nj
100
0≤ 5 ≤10
Tercer paso: Intervalo: [20;40>
Cuarto paso: formula de Décimo percentil (P10) para datos agrupados.
in
− Nj−1
′
P10 = Yj−1 + cj [ 100 ]
Nj – Nj−1
5 –0
P10 = 20 + 20 [ ]
10 − 0
P10 = 20 + 20(0.5)
P10 = 30

Interpretación estadística: El décimo percentil cuyo valor es 30 supera a lo sumo al

10% de observaciones y a su vez es superado por no más del 90% de observaciones
restantes.

 Nonagésimo percentil (P90):

in 90∗50
Primer paso: = = 45
100 100
Segundo paso: criterio desigualdad

90∗50
Nj−1 ≤ ≤ Nj
100
44≤45 ≤50
Tercer paso: Intervalo: [120;140>
Cuarto paso: formula de Nonagésimo percentil (P90) para datos agrupados.
 in
− Nj−1
P90 = ′
Yj−1 + cj [ 100 ]
Nj – Nj−1
45 – 44
P90 = 120 + 20 [ ]
50 − 44
P90 = 120 + 20(0.1666666667)
P90 = 123.3333333

Interpretación estadística: El nonagésimo percentil cuyo valor es

123.3333333supera a lo sumo al 90% de observaciones y a su vez es superado por
no más del 10% de observaciones restantes.

I-12) Calcular el 1er Coeficiente de Asimetría de Pearson (deformación

horizontal). ¿Qué distribución nos da este coeficiente As?

 Primer Coeficiente de Pearson As:

Sy = 32.31098884
(y̅ − Md )
AS =
Sy

(76 − 89.6)
AS =
32.31098884

(−13.6)
AS = 32.31098884
AS = −0.420909439

Interpretación estadística: Según el primer coeficiente de asimetría de PEARSON

genera una distribución asimétrica negativa o sesgada a la izquierda.

I-13) Calcular el 2do Coeficiente de Asimetría de Pearson (deformación

horizontal). ¿Qué distribución nos da este coeficiente As?
 Segundo Coeficiente de Pearson As:
Q3 +Q1 −2∗Me
AS =
Q3 −Q1
97.05882353+46.25−2∗82.35294118
AS =
97.05882353−46.25
−21.39705883
AS =
50.80882353
AS = −0.421128799
Interpretación estadística: El segundo coeficiente de asimetría de PEARSON
genera una distribución asimétrica negativa o sesgada a la izquierda.

I-14) Calcular el Coeficiente de Asimetría de Fisher As ¿Qué distribución es As?

 Coeficiente de Fisher As
1 m
∑ (y −y ̅)3 ×ni
n i=1 i
A S= S3y
1
(33600)
50
A S= (32.31098884)3
AS= 0.01992133896

Interpretación estadística: Según el segundo coeficiente de asimetría de FISHER la

distribución es asimétrica positiva o sesgada a la derecha.

I-15) Calcular el Coeficiente Percentilico de Kurtosis K

(Deformación vertical) As ¿Qué distribución nos representa K?

 Coeficiente de Kurtosis As
P10=30

P90=123.3333333
Q1 =46.25
Q3=97.05882353

Q3 −Q1
K3 =
2×(P90 −P10 )

97.05882353−46.25
K3 =
2×(123.3333333−30)
50.80882353
K3 =
2×(93.3333333)
K 3 = 0.2721901262

Interpretación estadística: Según el coeficiente percentílico de Kurtosis genera

una distribución leptokúrtica.
PARTE II: CALCULO DE PROBABILIDADES
II) PROBABILIDAD CONDICIONAL: En la Escuela de Ingeniería de Minas de la
UNSCH, el 25% de los estudiantes se han desmatriculado en Análisis Matemático II,
el 15% se ha desmatriculado en Construcciones Mineras y el 10% sean a
desmatriculado en Análisis Matemático II, y en Construcciones Mineras, Se elige un
estudiante de Minas al azar.

Solución:
Sean los eventos:

A= {se ha desmatriculado en Análisis Matemático II}

E= {se ha desmatriculado en Construcciones Mineras}

A∩E = {se ha desmatriculado en Análisis Matemático II y Construcciones Mineras}

Expresando las cantidades dadas en porcentajes, mediante probabilidad:

P(A) = 0.25
P(E) = 0.15
P(A∩E) = 0.10
La probabilidad de solo A es igual a 0.25 – 0.10 =0.15
La probabilidad de Solo B es igual a 0.15 – 0.10 = 0.05
Representando en un Diagrama de Venn Euler
2.1) Si se ha desmatriculado en Construcciones Mineras, ¿Cuál es la probabilidad
de que se haya desmatriculado en Análisis Matemático II?

𝑃(𝐴∩E) 0.10
P(A/E)= = = 0.75
𝑃(𝐸) 0.15

Interpretación Estocástica: La probabilidad de que se haya desmatriculado Análisis

Matemático II dado que se ha desmatriculado en Construcciones Mineras es 0.75.

2.2) Si se ha desmatriculado en Análisis Matemático II,¿ Cuál es la probabilidad de

que se haya desmatriculado en Construcciones Mineras ?

𝑃(𝐸∩A) 0.10
P(E/A)= = = 0.4
𝑃(𝐴) 0.25

Interpretación Estocástica: La probabilidad de que hay desmatriculado

Construcciones Mineras dado que se ha desmatriculado en Análisis Matemático II
es 0.40.

2.3) ¿Cuál es la probabilidad de que se haya desmatriculado en Análisis

Matemático II o en Construcciones Mineras?

P( AUE) = P(A) + P(E) – P(A∩E)

Reemplazando:

P (AUE)= 0.25 + 0.15 – 0.10

P (AUE)= 0.30

Interpretación Estocástica: La probabilidad de que hay desmatriculado Análisis

Matemático II o Construcciones Mineras es 0.30.
III) TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE BAYES: Dos
máquinas A y B han producido respectivamente 200 y 300 piezas. Si se sabe que A
produce 6% de piezas defectuosas y B un 8%. Se toma una pieza, y se pide:

Solución:
El total de piezas es 500 por lo cual cada máquina producirá respectivamente:

200 2
𝐴= =
500 5

300 3
𝐵= =
500 5

Sean los sucesos:

2
N={ proceda de la primera máquina} P(N) =
5
3
Q={ proceda de la segunda maquina} P(Q) =
5
Y M= {sea defectuosa}

P (N ∩ M) = 6% =0.06
P (Q ∩ M) = 8% = 0.08

3.1) Probabilidad de que sea defectuosa

Por el teorema de la probabilidad total tenemos:

 𝐏(𝐌∩𝐍) 𝐏(𝐌∩𝐐)
P (M)= P(N) P (M|N) + P (Q) P (M|Q)=𝐏(𝐍) + 𝐏(𝐐)
𝐏(𝐍) 𝐏(𝐐)
P (M) = 𝐏(𝐌 ∩ 𝐍) + 𝐏(𝐌 ∩ 𝐐)

P (M)= 2/5 * 0.06 + 3/5 * 0.08

P (M) = 0.072

I.E) La probabilidad de ocurrencia de que la pieza sea defectuosa es 0.072

3.2) Sabiendo que es defectuosa, probabilidad de que proceda de la primera

máquina.
𝐏(𝐍)𝐏(𝐌|𝐍)
P (N|M) =𝐏(𝐍)𝐏(𝐌|𝐍)+𝐏(𝐐)𝐏(𝐌|𝐐)

Utilizando el teorema de la multiplicación tenemos:

𝐏(𝐌∩𝐍)
P (N|M) =𝐏(𝐌∩𝐍)+𝐏(𝐌∩𝐐)

𝟐
∗𝟎.𝟎𝟔
𝟓
P (N|M) =𝟐 𝟑 = 0.333333333
∗𝟎.𝟎𝟔 + ∗𝟎.𝟎𝟖
𝟓 𝟓
I.E) La probabilidad de ocurrencia de que la pieza proceda de la primera máquina,
sabiendo que es defectuosa es 0.333333333

IV) TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE BAYES: Una

compañía Perforadora de petróleo debe decidir si taladra o no un lugar
determinado que la compañía tiene bajo contrata. Por investigaciones geológicas
se sabe que existe una probabilidad de 0.45 que una formación de TIPO I se
extienda debajo del lugar prefijado para taladrar, 0.30 de probabilidad que exista
una formación de TIPO II y de 0.25 de TIPO III. Estudios anteriores indican que el
petróleo se encuentra en un 30% de las veces en la formación de TIPO I, en un 40%
en la formación de TIPO II, en un 20% en la TIPO III. Determinar la probabilidad que
si no se encontró petróleo, la perforación fue hecha en la formación TIPO I.
Solución:

Definamos los eventos:

A = {se extiende una formacion de TIPO I bajo el lugar prefijado para taladrar}
B = {se extiende una formacion de TIPO II bajo el lugar prefijado para taladrar}
C = {se extiende una formacion de TIPO III bajo el lugar prefijado para taladrar}

Probabilidad que una formación se extienda debajo del lugar prefijado para taladrar:
P(A) + P(B) + P(C) = ῼ
0.45+ 0.30 + 0.25 = 1

P(A) = 0.45
P(B) = 0.30
P(C) = 0.25
P(N) =?

El petróleo se encuentra:

P(E/A) = 0.30
P(E/B) = 0.40
P(E/C) = 0.20
El petróleo no se encontró:

P(N/A) = 0.70
P(N/B) = 0.60
P(N/C) = 0.80

P(A)xP(N⁄A)
P(A/N) =
P(A ∩ N) + P(B ∩ N) + P(C ∩ N)

0.45x0.70 0.315 315 63

P(A/N) = = = = = 𝟎. 𝟒𝟓𝟑
0.45x0.70 + 0.30x0.60 + 0.25x0.80 0.695 695 139

Se aplica el teorema de BAYES, indicado para este tipo de problemas, el resultado

es correcto ya que la suma de las probabilidades de las particiones del espacio
muestral deben ser igual a 1.

IV) PROBABILIDAD DE EVENTOS INDEPENDIENTES: En la figura N° 05 se

supone que la probabilidad de cada relé este cerrado es “P” y que cada relé se
abre o se cierra en forma independiente de cualquier otro. Encontrar la
probabilidad de que la corriente pase de S a T.
i) Sea los eventos:

E= “ La corriente que pasa por I”

F= “ La corriente que pasa por II”
G= “ La corriente que pasa por III”

ii) Si E1, E3, E2 , F5, F6, G4 indica que la corriente pasa por 1,3,2,5,6,4
respectivamente, se tiene que:

E= (E1 UE3) ∩E2 ; F= (F5 ∩F6) ; G= G4

iii) Cálculo de probabilidades de los eventos E,F y G respectivamente

P(E) = P[(E1 UE3) ∩E2] ={ P[E1] + P[E3] - P[E1 E3] } P[E2]

= (p+p–p*p)*p

P [E] = 2p2 – p3

iv) P[F] = P[(F5 ∩ F6 )] =P[F5] P[F6]

=p*p
 P [F]= p2

v) P[G] = P(G4) = p
vi) La corriente pasara de S a T si pasa por I, II, III ; es decir si ocurre E o F o G
;entonces:

P[(E UF) ∩ G] = P[(E UF) P[G]

{P [E] + P [F] - P [EF]} P [G]

[2p2 – p3 + p2 – 2p4+ p5 ] p

2P3 – P4 +P3 – 2P5 + P6

I.E La probabilidad de que la corriente pase de S a T es:

2P3 – P4 +P3 – 2P5 + P6