Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica PDF
Estadistica PDF
INDICE
Pág.
Fascículo 1
Autoaprendizaje 8 horas
1. Definición de Estadística 9
2. Clases de Estadística 10
3. Conceptos Básicos 10
4. Variable y tipos 12
5. Regla de redondeo 16
6. Notación científica 17
7. Cifras Significativas 17
8. Sumatoria 18
9. Tabla de Frecuencia 20
10. Clases de Frecuencia 20
11. Tabla de Frecuencia para Variables Cualitativas 21
12. Tabla de Frecuencia para Variables Cuantitativas 22
13. Construcción de Intervalos o Reducción de Datos 24
14. Gráficos 30
15. Clases de Gráficos 30
16. Análisis Exploratorio de datos 33
Fascículo 2
Autoaprendizaje 8 horas
5
E x c e le n c ia A c a d é m ic a
9. Cuartiles 59
10. Deciles 61
11. Percentiles 61
12. Aplicación de Cuartiles, Deciles y Percentiles 61
13. Medidas de Dispersión o Variabilidad. 65
14. Rango. 65
15. Desviación Media. 66
16. Varianza. 67
17. Desviación Estándar. 69
18. Características de la varianza y Desviación Estándar. 70
19. Coeficiente de variación. 71
20. Variable estandarizada. 71
21. Medida de Asimetría. 72
22. Medida de Apuntamiento. 75
Fascículo 3
Autoaprendizaje 8 horas
PROBABILIDAD
6
E x c e le n c ia A c a d é m ic a
Fascículo 4
Autoaprendizaje 8 horas
DISTRIBUCIÓN DE PROBABILIDAD
Fascículo 5
Autoaprendizaje 8 horas
1. Muestreo 141
2. Selección de un método de muestreo 142
3. Ventajas y limitaciones del muestreo sobre el censo 142
4. Etapas de la encuesta por muestreo 142
5. Diferencias entre población y muestra 143
6. Tipos de muestreo 143
7. Tamaño de una muestra 144
8. Terminología convencional con que se designa las estadisticas
muestrales 146
9. Inferencia Estadística – Estimación 147
10. Concepto de Error Estándar 147
11. Teorema de Límite Central 149
12. Estimación usando la Distribución Normal 151
7
E x c e le n c ia A c a d é m ic a
Fascículo 6
Autoaprendizaje 6 horas
1. Correlación. 179
2. Coeficiente de correlación. 180
3. Regresión. 183
4. Serie de Tendencia Rectilínea. 183
5. Serie de Tendencia Parabólica. 185
6. Aplicación de la Ecuación Exponencial. 189
7. Números Índices 190
8. Precio índice mediante la suma 191
9. Promedio simple de precios relativos 193
10. Índice ponderado de Laspeyres 194
11. Índice ponderado de Paasche 195
12. Índice ideal de Fishers 196
13. Software Estadísticos 197
8
E x c e le n c ia A c a d é m ic a
Unidad Temática I
DISTICA
1. DEFINICIÓN DE ESTADÍSTICA
La Estadística es la ciencia de la:
- Sistematización, recogida, ordenación y presentación de datos referentes a
un fenómeno que presenta variabilidad o incertidumbre para su estudio
metódico, con el objeto de (Descriptiva).
- Deducir las leyes que rigen esos fenómenos (Probabilidad).
- Y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones
u obtener conclusiones (Inferencia)
Definiciones etimológicas:
El origen etimológico de la palabra “estadística”, no está bien determinado. Para
algunos viene de la voz griega STATERA que significa “Balanza, equilibrio”, otros
dicen que deriva del latín STATUS que significa “situación” mientras que algunos
autores afirman que procede del alemán STAAT cuyo significado es “Estado” por
su función de registrar: población, nacimiento, defunción, etc. Y finalmente, otros
9
E x c e le n c ia A c a d é m ic a
autores dicen que proviene de una voz italiana STATISTA que significa
“estadista” y que acuño Gottfried Achenwall (1719 1772), un profesor en
Marlborough y Gottingen.
2. CLASES DE ESTADÍSTICA
3. CONCEPTOS BÁSICOS
3.1. POBLACIÓN
Es el conjunto mayor o colección completa de todos los elementos que
posee al menos una característica común observable, cuyo estudio nos
interesa o acerca de los cuales se desea información.
La población puede ser según su tamaño de dos tipos:
- Población Finita: cuando se tiene un número determinado de elementos.
Ejemplo. El conjunto de todos los alumnos de la UPLA
- Población Infinita: Cuando el número de elementos es indeterminado o
tan grande que pudiesen considerarse infinitos.
Ejemplo. El conjunto de Insectos
El conjunto de estudiantes
10
E x c e le n c ia A c a d é m ic a
3.2. MUESTRA
Es un subconjunto de la población a la cual se le efectúa la medición con el
fin de estudiar las propiedades de la población de la cual es obtenida.
Ejemplo. Un grupo de alumnos del total de estudiantes de la UPLA.
3.3. PARÁMETRO
Es un número que describe alguna característica de la población o medida
de resumen de una población. Se considera como un valor verdadero de la
característica estudiada y para determinar su valor es necesario utilizar la
información poblacional completa y por lo tanto la decisión se toma con
certidumbre total.
Los parámetros se representan con letras griegas.
3.5. DATO
Es el valor, respuesta o registro que adquiere una característica o variable
asociada a un elemento de la población o muestra, como resultado de la
observación, entrevista o recopilación en general. Puede ser un símbolo,
una palabra o un número.
Los datos pueden ser:
11
E x c e le n c ia A c a d é m ic a
A. Según su naturaleza
a. Datos cuantitativos: Consiste en números que representan
conteos o mediciones.
Ejemplo.
* El número de soldados del Perú
* La talla de los estudiantes de la UPLA
b. Datos Cualitativos: Se pueden dividir en diferentes categorías que
se distinguen por alguna característica no numérica.
Ejemplo.
* Los grados del ejército
* Los colores del arco iris
B. Según su procedencia.
a. Datos Primarios: Son aquellos que se obtienen directamente de la
misma realidad, sin sufrir ningún proceso de elaboración previa.
Ejemplo:
Lo que se recoge directamente de un muestreo o de un censo.
b. Datos Secundarios: Son registros escritos que proceden también
de un contacto con la práctica, pero que ya han sido recogidos y
muchas veces procesados por los investigadores.
Ejemplo:
* Lo que se obtiene de textos, revistas, etc.
4. VARIABLE
Es una característica estudiada de las unidades estadísticas (elementos de la
población)
Tipos de Variable
4.1. Según la Naturaleza de la Variable
a) Variables Cualitativas
Cuando expresan una cualidad, característica o atributo, sus datos se
expresan mediante palabras, no es numérica.
Ejemplo:Estado civil, lugar de nacimiento, profesiones, causas de
accidentes, colores, etc.
b) Variables Cuantitativas
Cuando el valor de la variable se expresa por una cantidad, es de
carácter numérico. El dato o valor puede resultar de la operación de
contar o medir.
12
E x c e le n c ia A c a d é m ic a
b.1.Variable Discreta
Cuando el valor de una variable resulta de la operación de
contar, su valor está representado solo por números naturales
(entero positivo).
Ejemplo:Número de hijos, habitaciones por vivienda, población
por país. Etc.
b.2.Variable Continua
Cuando la variable es susceptible de medirse, es toda variable
cuyo valor se obtiene por medición o comprobación con una
unidad o patrón de medida. Se expresa por cualquier número
real.
Ejemplo:Área de terreno, ingresos monetarios, peso, estatura,
tiempo, etc.
b) Variables Independientes
Son las variables explicativas o predictivas, cuya asociación, relación
o influencia en la variable dependiente se pretende descubrir en la
investigación. También, son causas o antecedentes.
Ejemplo:Los ingresos personales, relacionado con el consumo.
El tiempo, relacionado con la producción.
13
E x c e le n c ia A c a d é m ic a
b) Variables Ordinales
Son aquellas variables que implican orden entre sus categorías, están
referidas a un orden de jerarquía, donde la categoría expresa una
posición de orden.
Ejemplo: Grado de instrucción, clases sociales, rango de
agresividad, orden de mérito, etc.
c) Variable de Intervalo
Son aquellos que suponen a la vez orden y grados de distancia iguales
entre diversas categorías, pero no tienen origen natural, sino
convencional, tiene un cero relativo.
Ejemplo: Coeficiente de inteligencia, temperatura, puntuación obtenida
en una escala, etc.
d) Variables de Razón
Estas variables comprenden a la vez todos los casos anteriores,
distinción, orden, distancia y origen único natural; el valor se expresa
con un número real, tiene un cero absoluto.
Ejemplo:Accidentes de tránsito, edad, peso, ingresos, número de hijos,
etc.
14
E x c e le n c ia A c a d é m ic a
a.1.Variables Públicas
Son aquellas en que los valores individuales son conocidos por otras
personas y se saben que son conocidos.
Ejemplo: Edad, sexo, ocupación, estado civil, etc.
a.2.Variables Privadas
Son aquellos valores individuales que pueden ser conocidos por
otros, una vez averiguados.
Ejemplo: Coeficiente de inteligencia, opiniones frente a la política,
conducta de consumo, etc.
ESTADISTICAESTADISTICA
b) Variables Colectivas
Son aquellas que se refieren a características de las unidades
cuando estas son colectivas, conjuntos o grupos (ciudades,
empresas, escuelas, etc.)
Ejemplo: Tasa de mortalidad, urbanización, tasa de crecimiento
demográfico, escolaridad, etc.
Nº 1.1
* Determinar la clase de variable que nos dan los datos de las siguientes
fenómenos o hechos:
a) Temperatura.
b) Razas.
c) Nacionalidad.
d) Precio del dólar en un mes.
e) Número de habitaciones por familia.
15
E x c e le n c ia A c a d é m ic a
5. REGLA DE REDONDEO
5.1. Cuando el número que se quiere redondear le sigue una cifra mayor que
5, este tomará el valor inmediato superior.
Ejemplo:
5.2. Cuando al número que se quiere redondear le sigue una cifra menor que 5,
se quedará en el mismo valor.
Ejemplo:
5.3. Cuando al número que se quiere redondear le sigue una cifra igual que 5, se
tomará dos criterios:
a) Si la cifra es par, queda sin alterar.
Ejemplo:
16
E x c e le n c ia A c a d é m ic a
8 10
7
80000000
9 , 3 10
8
930000000
4
0 , 00038 3 , 8 10
7
0 , 000000567 5 , 67 10
80 10
6
80000000 ( no es notación científica )
7. CIFRAS SIGNIFICATIVAS
Son los dígitos que no precisan una medición, se consideran como cifras
significativas los ceros a la derecha; no así los ceros a la izquierda.
Ejemplo:
17
E x c e le n c ia A c a d é m ic a
Nº 1.2
1. Redondear al entero
2. Redondear a un decimal
3. Redondear a 3 decimales
a) 23,000 2 b) 0,23
c) 90,000 00 d) 0,000 895 4
8. SUMATORIA
Es un operador que representa una suma de términos cuyos elementos se
encuentran formados de acuerdo a una ley dada.
18
E x c e le n c ia A c a d é m ic a
Ejemplo:
A) Desarrollar:
La expresión dada tiene la siguiente lectura: “Sumatoria de “a” por “x”
elevado a la “a”, variando “a” desde 4 hasta 7”.
7
4x 5x 6x 7x
a 4 5 6 7
ax
a4
B) Desarrollar: 4
1
k k 1
x
k 0
1 1 x 1 x 1 x 1 x 1 x
k k 1 0 0 1 1 11 2 2 1 3 3 1 4 4 1
x
k 0
x 1 x 1 x 1 x 1 x
2 2 3 3 4 4 5
x x x x x
2 3 4 5
3
n nk
C) Desarrollar:
a
k 0 k
3
n nk n n 0 n n 1 n n 2 n n 3
a
a a a a
k 0 k 0 1 2 3
Nº 1.3
9
6
1. Desarrollar 2. by
Desarrollar
b
2
P 1 P 1
y
b3
P 1
M
4
M
x
x
c
3. Desarrollar
M 0
19
E x c e le n c ia A c a d é m ic a
9. TABLA DE FRECUENCIA
Representación organizada de los datos que muestra el número de
observaciones del conjunto de datos que caen dentro de cada conjunto de
clases mutuamente excluyentes
La tabla de frecuencia consta de:
Clase
Está constituido por números o descritos por algún atributo cualitativo o
cuantitativo de muestras de objetos. La información conforme a
características cualitativas son: raza, religión y sexo. Así mismo, puede estar
formado por intervalo de clase.
Marca de Clase ( Xi )
Es la semisuma del límite inferior ( Li ) y limite superior ( Ls ) de cada
intervalo de clase.
Li Ls
Xi
2
b) Frecuencia
Es el número de observaciones provenientes del conjunto de datos que caen
dentro de cada una de las clases. Si podemos determinar la frecuencia con
que ocurren los valores en cada clase de un conjunto de datos, estaremos
en condiciones de construir una distribución de frecuencia.
20
E x c e le n c ia A c a d é m ic a
e) Frecuencia Porcentual ( Pi )
Es el producto de las frecuencias relativas por 100.
Clase fi hi Pi (%)
C1 f1 h1 P1
C2 f2 h2 P2
C3 f3 h3 P3
Cm fm hm Pm
21
E x c e le n c ia A c a d é m ic a
Ejemplo:
Consideremos la muestra formada por 50 personas y en esta, la variable sexo.
Si se observa que hay 30 varones y 20 mujeres, podemos trasladar esta
información a la siguiente tabla de frecuencias.
Clase fi hi Pi (%)
Varón 30 0.6 60
Mujer 20 0.4 40
Total 50 1.0 100
Cm fm hm F(1m) n F(m2) f m H (m1) 1.0 H (m2 ) hm
Total n 1.0
1 4 3 5 5 2 5 4 2 3 5 3 5
1 3 5 3 3 7 5 2 4 5 8 3 4
2 3 8 5 7 7 4 3 3 4 5 5 5
4 2 3 3 2 4 1 5 4 4 2 2 5
5 2 4 3 4 4 6 5 5 2 6 4
6 2 4 6 5 2 4 7 6 2 3 6
4 4 1 3 3 2 1 5 8 6 4 4
5 6 4 5 3 3 4 4 7 6 6 4
22
E x c e le n c ia A c a d é m ic a
Xi fi hi Pi (%)
1 5 0,05 5
2 14 0,14 14
3 18 0,18 18
4 25 0,25 25
5 20 0,20 20
6 10 0,10 10
7 5 0,05 5
8 3 0,03 3
Total 100 1.00 100
Distancia
Xi fi hi Pi (%)
Recorrida
[ 30,00 - 31,25 ] 30,6250 2 0,0556 5,6
[ 31,25 - 32,50 ] 31,8750 3 0,0833 8,3
[ 32,50 - 33,75 ] 33,1250 5 0,1389 13,9
[ 33,75 - 35,00 ] 34,3750 8 0,2222 22,2
[ 35,00 - 36,25 ] 35,6250 7 0,1944 19,4
[ 36,25 - 37,50 ] 36,8750 6 0,1667 16,7
[ 37,50 - 38,75 ] 38,1250 4 0,1111 11,1
[ 38,75 - 40,00 ] 39,3750 1 0,0278 2,8
TOTAL 36 1,0000 100
23
E x c e le n c ia A c a d é m ic a
fi = Cantidad de Autos
Li Ls
Xi Marca de Clase
2
Por convención, cada intervalo es tomado cerrado por la izquierda y abierto por
la derecha, a excepción del último, que es cerrado en ambos extremos.
Cerrado significa que incluye el límite inferior y abierto no incluye el límite
superior de la distancia recorrida de cada clase.
Regla:
1. Ordenamiento de datos (según magnitud) en forma creciente o decreciente.
2. Determinar
Valor máximo ( X max )
Valor mínimo ( X min )
3. Calcular el Rango( R )
R X max X min 1 para variable discreta
R X max X min para variable continua
Método de STURGES ( n 50 )
m 1 3 , 322 log( n )
Método de PORTUGAL
( 50 n 100 )
( n 100 )
24
E x c e le n c ia A c a d é m ic a
Método de la RAIZ
m 2 ,5 4
n
m n
OBSERVACIÓN
m debe ser entero ( ), si sale decimal se redondea.
1. Calcular la amplitud Interválica ( a )
R
a
m
2. Corrección ( D ): D (m * a ) R
Si el resultado de D es:
0
Se Continua
0
0 Se rehace (En la amplitud interválica se redondea por
exceso)
3. Intervalo de Clase
Ii X min a
Ejemplo:
Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA
siguientes; dados en metros:
25
E x c e le n c ia A c a d é m ic a
Regla:
1º. Ordenamiento de Datos
Se obvia por ser una muestra pequeña
2º. Determinar
Xmax 1.87 mt
Xmin 1.55 mt
3º Calcular el Rango ( R )
R X max X min (variable continua).
R 1,87 1,55 0,32
4º Determinar el numero de clases; ( m ) por ser n <50 aplicamos el
método de STURGES
m 1 3,322 log n
m 1 3,322 log 41
m 1 3,322(1,613)
m 6,4
m6 (Tiene que ser entero)
m 41 6 , 4 m 2 ,5 4
41 6 , 3
m 6 ( entero ) m 6 ( entero )
26
E x c e le n c ia A c a d é m ic a
6º Corrección ( D )
D (m a) R
D (6 0,053) 0,032
D 0,318 0,32
D 0,002 ( Se rehace por ser negativo)
Entonces se corrige a 0,054
D (6 0,054) 0,32
D 0,324 0,32
D 0,004 (es positivo se continua )
El valor 0,004 se distribuye en la variable máximo y mínimo (se suma
y se resta para ampliar el rango)
-0,002 +0,002
R=0,324
1,548 1,872
27
E x c e le n c ia A c a d é m ic a
Nº 1.4
Nunca
Menos de una vez al mes
Una vez al mes
Todos
TOTAL
28
E x c e le n c ia A c a d é m ic a
16 15 14 14 14 13 13 14 14 15 12 15 16 12 12 13 14
17 15 13 14 13 13 14 14 15 17 16 18 13 13 14 14 15
16 15 14 16 15 14
12
13
14
15
16
17
18
Totales
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
224 340 558 460 560 607 382 667 512 492
450 530 501 417 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
29
E x c e le n c ia A c a d é m ic a
F (1 ) hi H pi Pi
Sueldo Mensual Xi Conteo Empleados fi (1 )
TOTAL
14. GRAFICAS
Es otra forma de presentar los datos referentes a un fenómeno.
Una grafica es el idioma universal que bien presentado e ilustrado evita la
fraseología.
En estadística se emplea una diversidad de tipos de graficas, cuya forma
dependerá de la naturaleza de los datos y de los objetivos de la presentación.
Antes de elegir el tipo de grafico conviene imaginarse de antemano, el grafico a
construir que en general debe tener rasgos simples y de fácil comprensión.
a) Diagrama de Segmentos
100
80
60
40
20
30
E x c e le n c ia A c a d é m ic a
b) Histograma
50
45
40
35
30
25
20
15
10
5
0
c) Polígono de Frecuencia
50 Marca de clase
45
40
35
30
25
20
15
10
5
0
100
90
80
70
60
50 Punto de equilibrio
40
30
20
10
0
0 2 4 6 8
31
E x c e le n c ia A c a d é m ic a
e) Diagrama de Barra
Simple
100
80
Cantidad
60
40
20
0
o
o
ro
o
ud
ad
ad
lte
as
Vi
ci
So
or
C
iv
D
Compuesta
120
100 Demanda de Algodon
80
Cantidad
Exportación
60 Demanda Interna
40 Producción
20
0
1995 2000
Agrupadas
45
40
35 Asistencia al Cine
30
Cantidad
25 Varon
20 Mujer
15
10
5
0
2000 2001
S e lva
60%
S ie r r a
30%
32
E x c e le n c ia A c a d é m ic a
b) Pictórica
40
20
10
0 10 20 30 40 50
Nº 1.5
Ejemplo:
Los siguientes datos son las calificaciones obtenidas en una prueba de Historia:
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86
33
E x c e le n c ia A c a d é m ic a
Para entender un poco más, hemos de decir que le primer renglón que dice 6|1 6
4 quiere decir que entre la lista de datos se encuentran los valores 61, 66, 64.
a) f3 d) F(2)
4
b) h4 e) H
6
(1 )
5 5
c) F (1 ) f) H (2)
34
E x c e le n c ia A c a d é m ic a
Respuesta:
a) f3 = Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos soles.
i Intervalo fi hi Pi %
Entonces:
2 f 4 2 f 1 100
2 ( f 4 f 1 ) 100
f 4 f 1 50
Si f 4 f 1 50 y f 4 f 1 10 f 4 30
Si f 4 f 2 f 2 30
35
E x c e le n c ia A c a d é m ic a
Luego f 1 f 5 20
975
Si L 4 f 4 975 L 4 32 . 5
30
Entonces
R 4 32 . 5 12 . 5 20 . 0
20
a 5
4
- CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
36
E x c e le n c ia A c a d é m ic a
A
u
A
ut
o
t
oe
ev
a
v
al
u
l
uaa
c
ci
ó
i
ónn
f
fo
r
o
rm
ma
t
a
ti
v
i
vaNº
a 01
1. Determinar la clase de variable que nos dan los datos de los siguientes
fenómenos o hechos:
37
E x c e le n c ia A c a d é m ic a
4. Desarrollar:
7 5 6
M
a) abcx a y b) 3N x N 2 c) Y k MY
a2 N 3 M 1
PE IK KR PE PE IK IK PE CC CC
IK PE IK IK PE PE KR CC IK KR
O KR CC KR IK PE PE IK O CC
PE O PE PE CC CC KR CC PE IK
IK IK CC PE KR IK IK PE PE CC
38
E x c e le n c ia A c a d é m ic a
Donde
IK= Inca Kola PE= Pepsi O= otras
CC= Coca Cola KR= Kola Real
60 30 31 60 45 34 54
38 35 27 45 40 45 83
30 40 46 105 29 102 60
82 72 63 36 70 31 81
65 80 25 70 108 24 85
45 120 65 39 83 72 60
70 100 55 50 64 61
39
E x c e le n c ia A c a d é m ic a
40
E x c e le n c ia A c a d é m ic a
Unidad Temática II
41
E x c e le n c ia A c a d é m ic a
xi
x1 x 2 x 3 x n
i 1
x
n n
Ejemplo:
x: 1 8 , 2 4, 4 5, 1 2, 8 9 , 12
18 24 45 12 89 12
x 3 3 .3 3
6
Ejemplo:
x: es la talla de 65 obreros de una empresa, se quiere saber cuál es la
estatura promedia.
xi f i
i1
x
n
1 0 9 .1 5
x 1 .6 7 9 1 .6 8 m t .
65
42
E x c e le n c ia A c a d é m ic a
Nº 2.1
i Salario(S/.) fi xi xi f i
1 [ 70 – 80 20
2 [ 80 – 90 30
3 [ 90 – 100 60
4 [ 100 - 110 90
5 [ 110 - 120 100
6 [ 120 - 130 85
7 [ 130 - 140 70
TOTAL
3. MEDIANA
La mediana es el punto medio de un conjunto de datos; o es aquel valor de la
variable que divide al conjunto de valores en dos partes iguales.
43
E x c e le n c ia A c a d é m ic a
a) Datos Impar Me x n 1
2
Ejemplo:
Se tiene los gastos de 7 personas siguientes:
x: s/. 120, s/. 140, s/. 100, s/. 150, s/. 145, s/. 135, s/. 160
Calcular la mediana.
Solución
PASOS:
1º.En la mediana se ordenan los datos:
x: s/. 100, s/. 120, s/. 135, s/. 140, s/. 145, s/. 150, s/. 160
2º.En datos impar se toma el valor central de acuerdo a la formula.
Me x n 1 x 7 1 x 4
S /.
140
2 2
b) Datos Par
1
Me x n x n2
2 2 2
Ejemplo:
Se tiene los pesos de 8 personas siguientes:
x: 70, 65, 83, 62, 94, 75, 79, 86 kg
Calcular la mediana.
44
E x c e le n c ia A c a d é m ic a
ESTADISTICA
Solución 1 1
Me x n x n2 x 8 x 8 2
PASOS: 2 2 2
2 2 2
1º. Se ordenan los datos 1 1
Me x4 x5 75 79
x: 62, 65, 70, 75, 79, 83, 86, 94 2 2
kg 154
Me 77 Kg
2
2º. Se aplica la formula
n
F k 1
(1 )
Me Li a 2
fk
a X i 1
X i
45
E x c e le n c ia A c a d é m ic a
Li Ls
fk
Peso
fi F (1 )
xi
50 5 5
55 15 20
(1 )
60 28 48 F k 1
65 22 70 C la s e
m e d ia n a
70 19 89
75 11 100
80 10 110
110
n (1 )
F k 1
M e Li a 2
fk
46
E x c e le n c ia A c a d é m ic a
PASOS
n 110
55
2 2
a x i 1 x i x1 1 x1 x 2 x1
a 55 50 5
a
L i xi
2
5
Li 65 6 5 2 .5
2
L i 6 2 .5 K g
(1 )
Fk 1 4 8
fk 22
55 48
M e 6 2 .5 5
22
M e 6 4 . 0 9 6 4 .1 K g
Nº 2.2
47
E x c e le n c ia A c a d é m ic a
Altura (m)
fi F (1 )
Intervalo
[ 1.57 - 1.61 [ 4
[ 1.61 - 1.65 [ 28
[ 1.65 - 1.69 [ 43
[ 1.69 - 1.73 [ 18
[ 1.73 - 1.77 ] 7
TOTAL 100
4. LA MODA
La moda es el valor de la variable que mayor veces se repite o con mayor
frecuencia sucede.
Un grupo de datos puede tener una moda, dos modas, etc. En tales casos la
distribución se llama, respectivamente, unimodal, bimodal, etc. También, la
moda puede no existir, en caso de haber valores que se repitan.
ESTADISTICA
4.1. La Moda serie Simple
Ejemplo:
Hallar la moda de los números: 2, 2, 3, 4, 5, 5, 5, 5, 6, 6, 7
El número que más veces se repite es 5. Por consiguiente, 5 es la moda
(unimodal).
Ejemplo:
Hallar la moda de los números 2, 3, 4, 5, 6, 7, 8
Ningún número se repite más que los otros. Por consiguiente, no hay
moda.
Ejemplo:
Las calificaciones de un estudiante en 8 asignaturas fueron: 6, 5, 7, 6, 8, 5,
9, 10.
Hallar la moda de las calificaciones.
Las calificaciones que más veces se repiten son 5 y 6. Por consiguiente, 5
y 6 son las calificaciones moda (bimodal)
48
E x c e le n c ia A c a d é m ic a
49
E x c e le n c ia A c a d é m ic a
5 12
10 8
15 16 C la s e m o d a l
20 7
25 5
30 4
M o Li a 1
1 2
PASOS
1º. La clase modal queda determinada por la frecuencia absoluta simple que más
veces se repite, en este caso es 16.
ISTICA
2º. a x i 1 x i x 3 1 x 3 x 4 x 3
a 20 15 5
a
3º. Li x i
2
5
Li 15 15 2 . 5
2
Li 12 . 5 º C
4º. 1 f Mo f Mo 1
1 16 8
1 8
50
E x c e le n c ia A c a d é m ic a
5º. 2 f Mo f Mo 1
2 16 7
2 9
Cuando en una frecuencia absoluta simple (f) existen 2 o más frecuencias mayores
iguales, se toma cualquiera para determinar la clase modal.
Nº 2.3
Intervalo fi
[ 220 - 240 [ 48
[ 240 - 260 [ 60
[ 260 - 280 [ 60
[ 280 - 300 ] 30
TOTAL 198
51
E x c e le n c ia A c a d é m ic a
d) Una curva de distribución sólo tiene una Xy una He, pero puede tener más
de una.
REFORZAMIENTO DE APRENDIZAJE
1. La inversión anual (en niveles de soles) de un grupo de pequeñas empresas de la
ciudad fueron:
10 38 30 16 25 30 30 18 23 25 38
13 21 14 27 14 13 18 30 25 18 37
12 10 15 20 28 26 10 17 26 28
17 14 19 22 11 15 20 39 23 38
Calcular:
a) Media
b) Mediana
c) Moda
Solución:
Tenemos que desarrollar una tabla de frecuencia
52
E x c e le n c ia A c a d é m ic a
R 39 10 29
m 1 3 . 322 log 42
m 6 .4 6
R 29
3º. a
m 6
a 4 . 83
4º. D (m a ) R
D ( 6 4 . 83 ) 29
D 28 . 98 29 0 . 02
D ( 6 4 . 84 ) 29
0 . 02
D 29 . 04 29 0 . 04
0 . 02
-0 ,0 0 2 + 0 ,0 0 2
9 .9 8 10 39 3 9 .0 2
Resumen:
X min 9 . 98
X max 39 . 02
a 4 . 84
m 6
53
E x c e le n c ia A c a d é m ic a
Tabla de Frecuencia
Intervalo Tabulación fi F (1 ) Xi X i fi
Luego, calculamos:
a) La Media
n
xi fi
i 1
x
n
En la tabla determinamos xi fi
937 . 04
x
42
x 22 . 31 miles de soles
B) La Mediana
n
F k 1
(1 )
Me Li a 2
fk
n 42
21 Determina la clase mediana en de la tabla que es 25
2 2
54
E x c e le n c ia A c a d é m ic a
ESTADISTICA
c) La Moda
1
Mo Li a
1 2
L i 9 .9 8
1 10 0 10
2
10 9 1
10
M o 9 .9 8 4 . 8 4
10 1
M o 1 4 . 3 8 m ile s d e s o le s
6. MEDIA GEOMETRICA
El promedio geométrico se usa cuando hay que promediar razones o
proporciones. Asimismo, se aplica cuando en la serie interviene el factor tiempo,
como sucede en el cómputo de intereses; en el cálculo de números índices y en
series que presentan una progresión geométrica.
La media geométrica de una serie de n números es la raíz enésima del producto
de dichos números.
Xg n
x1 x 2 x 3 x n
Ejemplo:
Hallar la media geométrica de los números 3, 9 y 27
X g 3 9 27
3
X g
3
729
X g 9
55
E x c e le n c ia A c a d é m ic a
log x i
i 1
X g anti log
n
Ejemplo:
x: 2, 4, 6, 8, 10
3,5 8 4 3 3
X g a n ti lo g
5
X g a n ti lo g 0 . 7 1 6 8 7
X g 5 .2 1
(log x i ) f i
i 1
X g anti log
n
Ejemplo:
En un examen de Psicología, 6 alumnos obtuvieron un 3; 8 obtuvieron un 4;
13 un 5; 8 un 6; 5 un 7; 3 un 8 y 1 un 9.
Hallar la media geométrica.
ESTADISTICA
56
E x c e le n c ia A c a d é m ic a
30 . 88002
X g anti log
44
X g anti log 0 . 70182
X g 5
Nº 2.4
7. MEDIA ARMONICA
Es el reciproco del promedio aritmético de los recíprocos de los valores de la
serie.
Se utiliza para promediar velocidades y cuando los datos de la serie siguen una
progresión armónica.
xi
1
X a i 1
n
57
E x c e le n c ia A c a d é m ic a
E je m p l o :
x: 2 , 4 , 6 , 8 , 1 0
xi fi
1
X a i 1
n
Ejemplo:
1
12 . 078
Xa
90
90
Xa
12 . 078
X a 7 . 45
58
E x c e le n c ia A c a d é m ic a
Nº 2.5
9. CUARTILES
Los cuartiles, son tres valores que dividen la distribución (ordenada en forma
creciente) en cuatro grupos de igual número de términos. El primer valor se
denomina primer cuartil (Q1) y los otros segundo cuartil (Q2) y el tercer cuartil
(Q3). El segundo cuartil es igual a la mediana.
O sea Q 2 Me
a) Primer Cuartil Q1
n 1
Q1
4
n es el número de términos
b) Segundo Cuartel
n 1
Q2
2
c) Tercer Cuartel
3 ( n 1)
Q3
4
59
E x c e le n c ia A c a d é m ic a
Ejemplo:
x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26
11 1
Q1 = 3º término de la serie
4
Q 1
6
11 1
Q2 = 6º término de la serie
2
Q 2 14
3 (11 1 )
Q3 = 9º término de la serie
4
Q 3 21
a) Primer Cuartil
n
F k 1
(1 )
Q 1 Li a 4
fk
Q2 Li a 2
fk
c) Tercer Cuartil
3n
F k 1
(1 )
Q3 Li a 4
fk
60
E x c e le n c ia A c a d é m ic a
10. DECILES
Llámese deciles a 9 valores que se dividen la distribución (ordenada en forma
creciente) en 10 grupos de igual número de términos.
11. PERCENTILES
Los percentiles son 99 valores que se dividen la distribución (ordenada en
forma creciente) en 100 grupos de igual número de términos.
61
E x c e le n c ia A c a d é m ic a
Halla:
a) Cuartil 1
b) Cuartil 3
c) Decil 3
d) Decil 8
e) Percentil 27
f) Percentil 83
g) Percentil 1
Solución
a) Hallamos la clase cuartil 1
n 60
- 15
4 4
n (1 )
Fk 1
a 50 Q1 Li a 4
fk
Li 419
(1 ) 60
F k 1 1 2 12
fk 12 Q1 419 50 4
12
Q 1 4 3 1 . 5 0 N u e v o s s o le s
b) Cuartil 3
3n
F k 1
(1 )
a 50 Q3 Li a 4
fk
Li 519
3 (6 0 )
Fk 1 3 5
(1 ) 35
Q3 519 50 4
fk 10 10
Q 3 5 6 9 . 0 0 n u e v o s s o le s
62
E x c e le n c ia A c a d é m ic a
c) Decil 3
- Hallamos la clase decil 3
3n 3 ( 60 )
18
10 10
a 50 3n (1 )
Fk 1
Li 419 Dd Li a
10
fk
Fk 1 1 2
(1 )
3(6 0 )
fk 12 12
10
D3 419 50
12
D 3 4 4 4 . 0 0 N u e v o s s o le s
d) Decil 8
- Hallamos la clase decil 8
dn 8 ( 60 )
48
10 10
a 50
Li 569
F k 1 45
(1 )
fk 9
dn
F k 1
(1 )
10
D d Li a
fk
8 ( 60 )
45
10
D 8 569 50
9
D 8 585 . 67 Nuevos soles
63
E x c e le n c ia A c a d é m ic a
e) Percentil 27
- Hallamos la clase percentil 27
pn 27 ( 60 )
16 . 20
100 100
La clase se ubica en la frecuencia acumulada 24 por contener a 16.20.
pn (1 )
Fk 1
a 50 Pp L i a
100
fk
Li 419
2 7 (6 0 )
Fk 1 1 2 12
(1 )
100
P2 7 4 1 9 5 0
fk 12 12
P2 7 4 3 6 . 5 0 N u e v o s s o le s
f) Percentil 83
- Hallamos la clase percentil 83
pn 83 ( 60 )
49 . 80
100 100
La clase se ubica en la frecuencia acumulada 54 por contener a 49.80
pn (1 )
F k 1
100
a 50 Pp L i a
fk
Li 569
8 3(6 0 )
Fk 1 4 5
(1 )
45
100
P8 3 5 6 9 5 0
fk 9 9
P8 3 5 9 5 . 6 7 N u e v o s s o le s
g) Percentil 1
- Hallamos la clase percentil 1
pn 1 ( 60 )
0 . 60
100 100
64
E x c e le n c ia A c a d é m ic a
A. Dispersión Absoluta
a) Rango
b) desviación Media
c) Varianza
d) Desviación estándar
B. Dispersión Relativa
a) Coeficiente de Variación
b) Variable Estandarizada
Ejemplo:
Hallar el rango de la siguiente serie de números: 4, 5, 7, 9.9, 10, 12, 15
R 15 4
R 11
La dispersión de los datos será mayor cuanto mayor sea el recorrido. El rango
no es una buena medida de dispersión, puesto que basta con que un dato se
aleje mucho de la media para que el rango resulte muy afectado, ya que
únicamente depende de dos valores, sin que influyan para nada los datos
restantes.
65
E x c e le n c ia A c a d é m ic a
n ( Va lo r A b s o lu to )
xi x
i1
DM
n
xi = elementos o la observación
x = media
n = número de elementos
Ejemplo:
Hallar la desviación media de las tallas 1.47; 1.58; 1.60; 1.62; 1.53 metros.
Hallamos:
1 .4 7 1 . 5 8 1 . 6 0 1 .6 2 1 . 5 3
x
5
x 1 .5 6
1 .4 7 1 . 5 6 1 .5 8 1 . 5 6 1 .6 0 1 . 5 6 1 . 6 2 1 .5 6 1 . 5 3 1 .5 6
DM
5
0 . 0 9 0 .0 2 0 .0 4 0 . 0 6 0 . 0 3
DM
5
0 . 0 9 0 . 0 2 0 .0 4 0 .0 6 0 . 0 3 0 .2 4
DM
5 5
D M 0 . 0 4 8 m e tro s
xi x fi
i 1
DM
n
66
E x c e le n c ia A c a d é m ic a
Ejemplo:
Xi peso Kg fi xi fi xi x xi x fi
Hallamos:
n
xi fi
i 1
x
1· n
1193
x 45 . 88 Kg
26
xi x fi
i 1
DM
n
75 . 96
2· DM
26
DM 2 . 92 Kg
16.- VARIANZA
x
2
i
i 1
2
xi x
2
i 1
2
S
n
67
E x c e le n c ia A c a d é m ic a
Ejemplo:
Calcular la varianza de 4, 5, 6, y 7.
xi
x
n
4 5 6 7 22
x 5 .5
4 4
x i x
2
i 1
2
S
n
2 2 2 2
2 4 5 .5 5 5 .5 6 5 .5 7 5 .5
S
4
2 2 .2 5 0 . 2 5 0 .2 5 2 .2 5 5
S
4 3
1 .2 5
2
S
xi
2
fi
i 1
2
xi x fi
2
i 1
n 30
2
S para
n
n
xi x fi
2
i 1
n 30
2
S para
n 1
68
E x c e le n c ia A c a d é m ic a
Ejemplo:
Talla(mts)
xi x x x fi
2 2
fi xi fi xi x i
xi
xi fi
4 3 .3 2
i1
x 1 .6 0
n 27
x i x f i
2
i 1
por ser n 30
2
S
n 1
0 .0 6 2 4 0 .0 6 2 4
2
S
27 1 26
0 . 0 0 2 4 m e tro s
2
S
2
Para población
S 1 . 25
S 1 . 12
69
E x c e le n c ia A c a d é m ic a
Ejemplo:
S
2
S
S 0 . 0024
S 0 . 049 metros
x S 68 . 26 %
x 2 S 95 . 46 %
x 3 S 99 . 73 %
70
E x c e le n c ia A c a d é m ic a
S
CV 100 Para muestra
x
Ejemplo:
Si la desviación estándar de la población P es 5 y media población es 40 el
coeficiente de variación es:
5
CV 100
40
CV 12 . 5 %
xi
Zi Para población
xi x
Zi para muestra
S
Ejemplo:
En un examen de Estadística, la nota media fue de catorce y la desviación
estándar de 1.6. Determinar las variables estandarizadas para los valores o
notas de X: 12, 17, 20, 13
xi
Zi
12 14 2
Z1 1 .2 5
1 .6 1 .6
17 14 3
Z2 1 .8 7
1 .6 1 .6
20 14 6
Z3 3 .7
1 .6 1 .6
13 14 1
Z1 0 .6 2 5
1 .6 1 .6
71
E x c e le n c ia A c a d é m ic a
f i
F
)1(
[ 20 - 24 ] 9 b) Desviación Media
[ 24 - 28 ] 12 c) Desviación Estándar
[ 28 - 32 ] 8 d) Varianza
e) coeficiente de Variación
[ 32 - 36 ] 3
[ 36 - 40 ] 3
[ 40 - 44 ] 2
TOTAL 37
E
2) Las estaturas de 12 estudiantes de una clase son: 165, 160, 164, 155, 160
y162 cm.
Calcular:
a) Rango
b) Desviación Estándar
a) Coeficiente de Variación
72
E x c e le n c ia A c a d é m ic a
100
80
60
40
20
0
0 5 10 15
100
80
60
40
20
0
0 5 10 15
90
80
70
60
50
40
30
20
10
0
0 5 10 15 20
ESTADISTICA
73
E x c e le n c ia A c a d é m ic a
x = Media aritmética
Mo = Moda
S = desviación estandar
Resultados:
- Si el valor es cero, la curva es simétrica.
- Si el valor es igual a, la curva es asimétrica moderada positiva o
negativa.
- Si el valor es igual a, la curva es asimétrica muy marcada positiva
o negativa.
- Si el valor es igual a, la curva es asimétrica máxima positiva o
negativa.
Ejemplo:
La media de los salarios es s/.109.50, la moda s/.108.30 y su
desviación estándar s/.400, calcular el coeficiente de asimetría
109 . 50 108 . 30
As 1
4 . 00
As 1 0 . 3
b) En Función de la Mediana
3 ( x Me )
As 2
S
x = Media aritmética
Me = Mediana
S = desviación estandar
Resultados:
- Si el valor es igual a cero, la curva es simétrica.
- Si el valor es mayor que cero, la curva es asimétrica positiva.
- Si el valor es menor que cero, la curva es asimétrica negativa.
74
E x c e le n c ia A c a d é m ic a
Ejemplo:
La media de los pesos de los trabajadores de una fabrica es de 68kg, la mediana
71kg y la desviación estándar de 3.5kg. Calcular el coeficiente de asimetría.
3 ( 68 71 ) 9
As 2
3 .5 3 .5
As 2
2 . 57
a) Leptokurticas (LK)
Es cuando su elevación es muy pronunciada o sea superior a la curva
normal. Se presenta cuando la desviación estándar de dicha
distribución es mínima.
b) Mesokurticas (MK)
Es cuando la elevación es la de una curva normal.
c) Platikurticas (PK)
Es cuando la elevación es inferior o queda por debajo de una curva
normal, se presentan cuando la desviación estándar de la distribución
es relativamente grande.
ESTADISTICA
140
120 LK
100
80 MK
60
40 PK
20
0
0 5 10 15 20
75
E x c e le n c ia A c a d é m ic a
Q3 = Cuantil 2
P90 = Percentil 90
P10 = Percentil 10
Resultados:
El valor de K no pasa de 1 tampoco puede ser negativo.
Nº 2.7
76
E x c e le n c ia A c a d é m ic a
Determinar e interpretar.
a) Coeficiente de Kurtosis
b) Coeficiente de Pearson
- Por la moda
- Por la mediana
ESTADISTICA
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A.
2ª Edición. Lima 1993.
77
E x c e le n c ia A c a d é m ic a
A
u
A
ut
o
t
oe
ev
a
v
al
u
l
uaa
c
ci
ó
i
ónn
f
fo
r
o
rm
ma
t
a
ti
v
i
va Nº
a 02
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
2. Los siguientes datos dan las cantidades gastadas (en nuevos soles) en
alimentación de una muestra de familia.
ESTADISTICA
22.7 7.6 29.5 15.19 31.9
19.9 26.6 16.2 27.9 23.2
24.6 30.9 5.0 32.1 4.0
47.4 24.0 17.0 15.1 18.8
29.9 34.2 43.4 57.0 12.3
33.7 27.1 36.3 25.0
17.7 27.9 20.5 32.5
27.8 42.9 18.1 32.0
29.7 19.2 10.0 30.3
23.5 11.6 29.4 33.5
78
E x c e le n c ia A c a d é m ic a
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
Calcular:
a) La Media
b) La Moda
c) La Mediana
Clases fi
[ 45 - 50 ] 2
[ 50 - 55 ] 7
[ 55 - 60 ] 18
[ 60 - 65 ] 36
[ 65 - 70 ] 59
[ 70 - 75 ] 74
[ 75 - 80 ] 88
[ 80 - 85 ] 72
[ 85 - 90 ] 44
[ 90 - 95 ] 30
[ 95 – 100 ] 11
[ 100 – 105 ] 5
[ 105 – 110 ] 3
TOTAL 449
79
E x c e le n c ia A c a d é m ic a
A) Media geométrica
b) Media armónica
c) Media aritmética
d) Cuartil 1
e) Cuartil 3
f) Decil 4
g) Decil 7
h) Percentil 2
i) Percentil 93
j) La Moda y Cuartil 2
K) Rango
l) Desviación Media
m) Varianza
n) Desviación Estándar.
o) Coeficiente de Variación
p) Coeficiente de Asimetría de Pearson
q) Coeficiente de Kurtosis
80
E x c e le n c ia A c a d é m ic a
PROBALIDAD
2. CONCEPTO DE PROBABILIDAD
La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se
expresan como fracciones o como decimales entre 0 y 1. Asignar una
probabilidad de cero significa que algo nunca ocurrirá; una probabilidad de 1
indica que algo sucederá siempre.
81
E x c e le n c ia A c a d é m ic a
3. EXPERIMENTO
Experimento es la prueba, ensayo u observación de un hecho o fenómeno.
Los experimentos pueden ser:
Ejemplos:
- Cuando se lanza una flecha hacia arriba, se sabe que va a caer.
- Cuando se suma números pares, el resultado será también un número
par.
Ejemplos:
- Cuando lanzamos un dado, no sabemos que numero va a salir.
- Predecir la duración de una conversación telefónica.
- Lanzar un proyectil hacia un blanco determinado, no sabemos si dará en
el blanco.
82
E x c e le n c ia A c a d é m ic a
Ejemplos:
-Al lanzar una moneda y un dado, obtener cara y un numero par.
Suceso A= {(c, 2), (c, 4), (c, 6)}
Cualquier suceso que sea igual al conjunto vació se llama suceso imposible, y
por tanto, será un suceso que no se produce nunca. Cualquier suceso que sea
igual al espacio muestral se llama suceso seguro (es el suceso que ocurre
siempre).
Ejemplos:
- En el lanzamiento de una moneda:
Obtener cara y sello es un suceso imposible.
Obtener cara o sello es un suceso seguro.
83
E x c e le n c ia A c a d é m ic a
- En el lanzamiento de un dado:
Obtener un número negativo es un suceso imposible
Obtener un número menor que siete es un suceso seguro.
Nº 3.1
A B
A B
b) Intersección de Eventos
Es la designación por A B o AB, es el evento formado por los elementos
comunes a A y B.
A B
A B
84
E x c e le n c ia A c a d é m ic a
c) Complemento de un Evento
El complemento de a se denota con A , A’ o A c , se define con el evento
formado por los elementos del espacio muestral que no están en A.
El evento A se realiza cuando el evento A no se realiza.
A ,A’ o A
c
Ejemplos:
En el experimento aleatorio lanzar un dado, sean los sucesos:
K: obtener número par
L: obtener múltiplo de 3
Ω= {1, 2, 3, 4, 5, 6}
K= {2, 4, 6}
L= {3, 6}
Se tiene:
K L = {2, 3, 4, 6}
K L = {6}
K =K’ = {1, 3, 5}
L = L’ = {1, 2, 4, 5}
5.2. PROPIEDADES
a) Asociatividad
A (B C) = (A B) C
A (B C) = (A B) C
85
E x c e le n c ia A c a d é m ic a
b) Conmutatividad
A B = B A
A B = B A
c) Simplificación
A (B A) = A
A (B A) = A
d) de Impotencia
A A = A
A A = A
e) Complementación
A A’= Ω
A A’= Ø
f) Universal e Ínfimo
A Ω = Ω
A Ω = A
A Ø = A
A Ø = Ø
g) Distributiva
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
h) Leyes de Morgan
(A B)’=A’ B’
(A B)’=A’ B’
86
E x c e le n c ia A c a d é m ic a
a) Inclusión de Suceso
Diremos que el suceso A esta incluido en B si todas las ocurrencias de A
esta incluido en B si todas las ocurrencias de A son también ocurrencias
de B, se escribe.
A B
Ejemplo:
A = {1, 2, 3}
B= {1, 2, 3, 4, 5, 6}
d) Partición de Sucesos
Diremos que el espacio muestral esta particionado en A1, A2, A3, etc.
Sí solo sí cumple las siguientes condiciones:
87
E x c e le n c ia A c a d é m ic a
1º A1 ≠ Ø, A2 ≠ Ø, A3 ≠ Ø, …
Esto quiere decir que tiene ocurrencias
2º A1 A2 = Ø, A1 A3 = Ø, A2 A3 = Ø, …
O sea que no comparten ocurrencias, no tienen elementos
comunes.
3º A1 A2 A3…= Ω
Es la unión de todos al unir todos los elementos y dar como
resultado el espacio muestral.
A1 A2
A3
A4 …
Ω
6. ANALISIS COMBINATORIO
Es una parte del algebra que estudia los distintos grupos que se pueden formar
con cierto numero de objetos, atendiendo a determinados criterios.
PRINCIPIOS
a) Principio de Adición
Consiste en que dado dos o más sucesos mutuamente excluyente puede ocurrir
de la primera o segunda forma.
A B
#A = m #B = n
Ocurrencia de A o B = m+n maneras
88
E x c e le n c ia A c a d é m ic a
Ejemplos:
- Se viaja de Lima a Huancayo, hay 2 compañías aéreas y 12 empresas
terrestres. m = 2, n = 12
Hay 14 formas de viajar (son excluyentes o mutuamente excluyentes).
- Para ir de un punto de la ciudad a otro hay avenidas y jirones que son
excluyentes.
Si hay 5 avenidas y 2 jirones de cuantas maneras se puede desplazar.
Avenidas m=5
Jirones n=2
m+n = 5+2 = 7 maneras
b) Principio de Multiplicación
#A = m y #B = n
Ocurrencia de A y B = m
Ejemplos:
- Se quiere combinar 4 chompas y 2 faldas de diferentes colores, donde:
89
E x c e le n c ia A c a d é m ic a
90
E x c e le n c ia A c a d é m ic a
Se designa por:!
m factorial= m!
Ejemplo:
5! = 5 × 4 × 3 × 2 × 1 = 120
3! = 3 × 2 × 1 = 6
0!=1
8.- PERMUTACION
Calcula las posibles agrupaciones que se pueden establecer con todos los
elementos de un grupo, por lo tanto, se distingue de los otros en el orden.
Ejemplo:
Calcular las posibles formas en que se pueden ordenar a, b y c.
Hay 6 posibles agrupaciones: (a, b, c), (a, c, b), (b, a, c), (c, a, b), (c, b, a).
Ejemplos:
- Cuantos números de 4 cifras diferentes se pueden escribir con los dígitos
3, 4, 5 y 6
P4 = 4! = 4 × 3 × 2 × 1
P4 = 24
91
E x c e le n c ia A c a d é m ic a
Solución:
a) Pm = m!
P8 = 8! = 8 × 7 × 6 ×5 × 4 × 3 × 2 × 1
P8 = 40320 maneras
P5 × P3 × P2 = 5! 3! 2! = 120 × 6 × 2 = 1440
P3 × P6 = 3! 6! = 6 × 720 = 4320
Ejemplo:
De cuantas formas diferentes pueden sentarse 10 ministros alrededor de
una mesa si:
a) Si pueden sentarse de cualquier forma.
b) Dos ministros determinados deben estar juntos.
c) Dos ministros determinados no deben estar juntos.
92
E x c e le n c ia A c a d é m ic a
Solución
a) PmC = P10C = (10-1)! = 9! = 362880 formas
b) Dos ministros siempre juntos se considera como 1. Pero permutan en
ellos P2 y luego permutan con los 8 restantes formando como si fueran
9 ministros.
c)
P9 C P2 ( 9 1 )! 2 ! 8 ! 2 ! 80640 formas
m = total de elementos
Repetición: Por que los elementos pueden entrar varias veces en las
agrupaciones.
Ejemplo:
- Cuantos numeros de cuatro cifras se pueden escribir con dos5 y
dos 7
Por extensión:
5775 7557
5757 7575
5577 7755
4! 2! 24 2 48
9. VARIACION
Es una forma de permutación, en el cual no interviene todos los elementos.
( m n )!
93
E x c e le n c ia A c a d é m ic a
4! 24
V2 12 maneras
4
( 4 2 )! 2
6! 720
V3 120 maneras
6
( 6 3 )! 6
Vn r m
m n
Ejemplos:
- De cuantas maneras diferentes pueden presentarse a, b, y c
tomados de dos en dos con repetición.
V 2 r 3 9 maneras
3 2
V2 r 4 16
4 2
maneras
10. COMBINACION
Son ciertos arreglos que se hacen con una parte del total de elementos, en el
cual no interesa el orden, o sea un grupo del otro se diferencia de elemento en
elemento.
n ! ( m n )!
m = to ta l d e e le m e n to s
n = p a rte d e m
94
E x c e le n c ia A c a d é m ic a
Ejemplos:
- En una reunión hay 15 personas. Cuantos apretones de manos se darán al
saludarse todos ellos entre sí.
1 5! 1 5! 15 14 13 210
C2
15
= = 1 0 5 a p r e to n e s
5
2 ! (1 5 2 ) ! 2 ! 1 3! 2 1 13
( s e p u e d e s im p lific a r )
ESTADISTICA
- En una reunión hay 10 varones y 6 damas. De cuantas maneras pueden
colocarse en una fila de grupo de 5; de los cuales 3 sean varones y 2
mujeres.
Solución:
10
Forma de escoger varones C3
6
Forma de escoger damas C2
En al fila se pueden permutar entre 5 P 5
C 3 C 2 P5 !
10 6
Total de maneras =
10 ! 6!
= 5!
3! (10 3 )! 2 ! ( 6 2 )!
( 4 3 1 )! 6! 720
C3r
4
( 4 1 )! 3! 3! 3! 36
20 combinacio nes
95
E x c e le n c ia A c a d é m ic a
A
Nótese que hay 10 puntos finales que corresponden a los 10 resultados
posibles del torneo:
Nº 3.4
96
E x c e le n c ia A c a d é m ic a
Nº 3.5
1. Se corre una carrera en la que dan premios a los dos primeros participantes
que crucen la línea de la meta. Si hay cuatro corredores (K, L, M, N)
¿De cuantas maneras diferentes pueden repartirse las copas los
participantes?
Ejemplo:
- Al lanzar un dado cual es la probabilidad de obtener un número par.
Ω = S = {1, 2, 3, 4, 5 ,6} #S = 6
A = {2, 4, 6} #A = 3
#A 3 1
P A ó 0.5
#S 6 2
- En una urna hay 3 bolas negras y 4 bolas rojas. Si se extrae una bola al azar.
¿Cuál es la probabilidad de que esta sea roja?
97
E x c e le n c ia A c a d é m ic a
S= {N, N, N, R, R, R, R}
A= {R}
#A 4
P A ó 0.57
#S 7
c) Si Ay B E25 entonces
P ( A B ) P ( A) P ( A B )
d) Si Ay B E25 entonces
P ( A B ) P ( A) P (B ) P ( A B )
98
E x c e le n c ia A c a d é m ic a
Ejemplos:
- Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
P ( A ) 0 . 20
P ( B ) 0 . 30
P ( A B ) 0 . 10
S A B
0.10
0.10 0.20
Hallar:
a) P ( A')
b) P ( A' B ')
c) P ( A' B ')
d) P ( A' B )
e) P ( A B ')
f) P ( A' B )
Solución:
a)
P ( A') 1 P ( A)
1 0 . 20
0 . 80
b)
P ( A' B ')
D e la l e y d e M o r g a n
P e ro d e :
P ( A B )' 1 P ( A B )
1 0 .4 0
0 .6 0
99
E x c e le n c ia A c a d é m ic a
C ) P ( A' B ')
0 . 8 0 0 .7 0 0 . 6 0
0 .9 0
O tr a fo r m a d e o b te n e r :
D e la l e y d e M o r g a n
1 P(A B)
1 0 .1 0
0 .9 0
d) P ( A' B )
P (B A) P (B ) P ( A B ) te o re m a
0 .3 0 0 . 1 0
0 .2 0
e) P ( A B ')
0 . 2 0 0 .1 0
0 .1 0
e) P ( A' B )
0 .8 0 0 .3 0 0 . 2 0
0 .9 0
Nº 3.6
P(A B) 3
4
P ( A') 2
3
P(A B) 1
4
100
E x c e le n c ia A c a d é m ic a
Hallar:
1. P(B)
2. P ( A B ')
3. P ( A ' B ' )
4. P ( A' B )
Para contestar estas dos preguntas no nos sirve la definición clásica, en este
caso necesitamos más información, para lo cual recurrimos a otros tipos de
definiciones, por ejemplo, a la definición por frecuencia relativa, la cual se
define de la siguiente manera:
Sea A2
S
hA B h A hB
Ejemplos:
- Al escoger al azar un trabajador de la tabla ¿ Cuál es laprobalidad de que este
gane de S/. 205 a S/. 233 ?
101
E x c e le n c ia A c a d é m ic a
i Salario fi hi
P ( 4 5 ) P ( 4 ) P ( 5 )
h4 h5
0 . 18 0 . 21
0 . 39 39 %
102
E x c e le n c ia A c a d é m ic a
N ú m e r o d e A ñ o s d e la E m p r e s a
M enos
R e s p u e s ta M ás de T o ta l
de 1 1 a 3 4 a 10
10
año
Si 27 54 137 28 246
No 14 18 34 3 69
N o se 3 2 1 0 6
T o ta l 44 74 172 31 321
A B C D
Solución:
Para facilitar la solución ponemos letras mayúsculas a las filas y columnas.
74
a) P(B) 0 . 2305 23 . 05 %
321
246
b) P (M ) 0 . 7663 77 %
321
54
c) P (M B ) 0 . 1682 17 %
321
d)
P M C D P M C M D
P (M C ) P (M D )
137 28
321 321
165
0 . 514 51 . 4 %
321
103
E x c e le n c ia A c a d é m ic a
Nº 3.7
104
E x c e le n c ia A c a d é m ic a
Ejemplo:
En una carrera de caballos, el caballo A tiene la apuesta 3 a 5, mientras que el
caballo B tiene 1 a 4 ¿Cuál es la probabilidad de que cualquiera de estos dos
caballos gane?.
3 3
P ( A)
35 8
1 1
P (B )
1 4 5
Pero como son mutuamente excluyentes
P ( A B ) P ( A) P (B )
3 1
8 5
23
0 . 575 57 . 5 %
40
Nº 3.8
donde =finito
Se asigna a cada una Wi probabilidad Pi, tal que la probabilidad de,
n
P Wi 1
i 1
la suma de las probabilidades asignados a los elementos y espacio muestral es
la unidad, además cada uno es mutuamente excluyente y relativamente
exhaustivo.
Ejemplo:
105
E x c e le n c ia A c a d é m ic a
S= { W 1 ,W 2 ,W 3 ,W 4 }
a) P (W 1 ) P (W 2 ) P (W 3 ) P (W 4 ) 1
Pero
P (W 4 ) x
P (W 3 ) 2 x
P (W 2 ) 4 x
P (W 1 ) 8 x
x 2x 4x 8x 1
15 x 1
1
x
15
P (W 2 ) 4 x 4 115 2
15 0 . 27 27 %
P (W 1 ) 8 x 8 115 2
15 0 . 53 53 %
b)
P (W 2 W 3 ) P (W 2 ) P (W 3 )
4 2
15 15
6
0 . 4 40 %
15
106
E x c e le n c ia A c a d é m ic a
Nº 3.9
P B A
P(A B)
P ( A)
6.1.- Axiomas
P E
A
P (E A)
0
P ( A)
107
E x c e le n c ia A c a d é m ic a
P B C A
P B C
A
P ( A)
P B A C A
P ( A)
P B A
P C A
TADISTICA
P A
III)
P
A
P ( A)
1
P ( A) P ( A)
Por ser A A
Ejemplo:
En una encuesta que se hace a 112 personas sobre el color de los ojos se
obtiene la siguiente tabla de resultado.
Asunto Ojos Azules Ojos Negros Total
(A) (N)
Varones (V) 20 30 50
Mujeres (M) 22 40 62
Total 42 70 112
108
E x c e le n c ia A c a d é m ic a
20 2 30 3
P ( A) Y P(N )
50 5 50 5
P A V
2
5
P N V
3
5
P A M
22
11
62 31
P V
N
30
3
70 7
P A V
2
5
50 25
P (V )
112 56
20 5
PA V
112 28
Entonces:
PA V
P A
V P V
5
28 5 ( 56 ) 2
25 25 ( 28 ) 5
56
P A V
2
5
Solución:
Hacemos A al evento que “la primera carta es un rey” y B al evento que “la
segunda carta es un rey”, nos piden calcular que o sea “ambas cartas son
109
E x c e le n c ia A c a d é m ic a
reyes”.
P ( A B ) P ( A) P B A
4 3
52 51
1
221
La probabilidad es de 1
221
Nº 3.10
1. Una urna contiene 10 bolas rojas y 6 negras. Se sacan dos bolas sin posibilidad
de reemplazarlo. ¿Cuál es la probabilidad de que la segunda bola sea negra
si se sabe que la primera ha sido negra?
Ejemplo:
Se extraen sucesivamente y con devolución dos bolas de una bolsa que
contiene 4 bolas enumeradas del 1 al 4. Sea A el suceso de “obtener
numero par en la primera extracción” y B el suceso “de extraer la segunda
bola sea impar” ¿Son A y B independientes?
Solución:
Se tiene que verificar que:
110
E x c e le n c ia A c a d é m ic a
P ( A B ) P ( A) P (B )
1
P(A)
2
1
P (B )
2
ESTADISTICA
4 16
2
En total son 4 casos de un total de VR 4,2
4 1
Casos posibles, por tanto P(A B)
16 4
Luego
1 1 1 1
P(A B) P ( A) P (B )
4 2 2 4
A
P ( Ai ) P B Ai
P i
B
n
P ( Ai ) P B
A
i
i 1
Donde:
Ai , A2 , , An Son sucesos tales que
, A1 A2 An E siendo E el espacio muestral
Y donde Ai A j si , y V es un suceso del que se conocen las
probabilidades condicionales P B , además de conocerse las
Ai
probabilidades . P A i
111
E x c e le n c ia A c a d é m ic a
Ejemplo:
El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieva: probabilidad de 30%
c) Si hay niebla: probabilidad de accidente 20%
Solución:
Aplicamos la formula:
0 . 714
112
E x c e le n c ia A c a d é m ic a
A 0 . 30 0 . 10
P i
B ( 0 . 50 0 . 20 ) ( 0 . 30 0 . 10 ) ( 0 . 20 0 . 05 )
0 . 214
A 0 . 20 0 . 05
P i
B ( 0 . 50 0 . 20 ) ( 0 . 30 0 . 10 ) ( 0 . 20 0 . 05 )
0 . 071
ESTADISTICA
La probabilidad de que hubiera niebla es del 7.1%
Nº 3.11
113
E x c e le n c ia A c a d é m ic a
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A.
2ª Edición. Lima 1993.
114
E x c e le n c ia A c a d é m ic a
A
u
A
ut
o
t
oe
ev
a
v
al
u
l
uaa
c
ci
ó
i
ónn
f
fo
r
o
rm
ma
t
a
ti
v
i
va
a
Nº 03
6. Una joven tiene 6 amigas, de las cuales invitara para sus cumpleaños
solamente a tres
a) ¿De cuantas maneras debe hacer la invitación si dos de sus amigas están
enemistadas y no pueden asistir juntas?
b) ¿de cuantas maneras debe hacer la invitación, si dos de ellas solamente
pueden asistir juntas?
115
E x c e le n c ia A c a d é m ic a
10. Una clase consta de 10 varones y 20 mujeres de los cuales, la mitad de los
varones y la mitad de las mujeres viven en Huancayo. Hallar la probabilidad
que una persona escogida al azar sea un varón o sea de Huancayo.
P(A B) 5
8
Hallar:
a) P ( A ' B ')
b) P ( A' B ) x
12. Una compañía comercial tiene 130 sucursales localizados en las tres regiones
naturales del país, se dedican a la venta de diversos artículos, tales como
aparece en el cuadro.
Se selecciona al azar una sucursal para colocar en el mercado un nuevo
producto que puede ser vendido por cualquiera de las sucursales.
Hallar la probabilidad que las sucursales seleccionadas no esten localizada en
la selva o vendan repuestos
116
E x c e le n c ia A c a d é m ic a
Unidad Temática IV
DISTRIBUCIÓN DE PROBALIDAD
1. - VARIABLES ALEATORIAS
Una variable aleatoria es una variable que tiene un solo valor numérico,
determinado por el azar, para cada resultado de un experimento. Es
representada por lo general por la x.
Ejemplos:
x = El número de señoritas entre 30 empleados controlados.
x = El peso en kg de un niño escogido al azar.
x = El número de accidentes de motocicletas de entre 20 accidentes de
carretera, seleccionadas al azar.
117
E x c e le n c ia A c a d é m ic a
Ejemplo:
- El número de personas que entran al estadio a ver un partido de fútbol, es
un número entero y se obtiene por conteo.
Ejemplo:
- La medida de tallas de un grupo de estudiantes de la UPLA. La talla se
obtiene por medición y cuyos valores son enteros y decimales o números
quebrados.
Ejemplo:
- Determina si P( x ) x es una distribución de probabilidad: donde x puede
3
ser 0, 1 o 2
Solución:
Para la función vemos que:
P( 0 ) 0
3
P( 1 ) 1
3
P( 2 ) 2
3
118
E x c e le n c ia A c a d é m ic a
0 1 2 3
a) P( x ) 1
3 3 3 3
Respuesta
Cumple con los requisitos, por lo tanto es una distribución de probabilidad.
119
E x c e le n c ia A c a d é m ic a
ænö
P(x) çç ÷÷ p xqn-x
è xø
n!
P( x) p xqn- x
x!(n - x)!
n = número de experimento o ensayo
q = probabilidad de acierto o éxito
p = probabilidad de no acierto o fracaso
x = suceso que se busca
p q 1
- Varianza
x E (x) x P( x ) np
- Desviación estándar
(x)
V(x) npq
Ejemplo:
- Un matrimonio planifica el nacimiento de 4 hijos. Hallar la probabilidad que:
a) haya un varón
b) 3 sean varones
c) ningún varón
d) a lo mas 2 varones
e) sean 2 o 3 varones
f) hallar la media y la desviación estandar
Solución
n=4 hijos
p=1/2 = 0.5
q=1 p = 1 0.5 = 0.5
120
E x c e le n c ia A c a d é m ic a
n! n-x
P( x 1 var on )
x
a) p q
x ! ( n - x )!
4! 4 -1
1
( 0 .5 ) ( 0 .5 )
1! ( 4 - 1 )!
4 3 2 1
1 3
( 0 .5 ) ( 0 .5 )
1 3 2 1
4 ( 0 . 5 )( 0 . 25 ) 0 . 25
4! 4-3
3
b) P( x 3 var ones )
( 0 .5 ) ( 0 .5 )
3! ( 4 - 3 )!
4 3 2 1
3 1
( 0 .5 ) ( 0 .5 )
3 2 11
4 ( 0 . 125 )( 0 . 5 )
0 . 25
4! 4-0
0
c) P( x 0 var ones )
( 0 .5 ) ( 0 .5 )
0 ! ( 4 - 0 )!
4 3 2 1
1 4
( 0 .5 ) ( 0 .5 )
1 4 3 2 1
1 (1 )( 0 . 0625 )
0 . 0625
2
n!
n-x
x
d) P( x 0 ,1 , 2 var ones )
p q
x0 x ! ( n - x )!
4! 4-0 4! 4 -1 4! 4-2
0 1 2
( 0 .5 ) ( 0 .5 ) ( 0 .5 ) ( 0 .5 ) ( 0 .5 ) ( 0 .5 )
0 ! ( 4 - 0 )! 1! ( 4 - 1 )! 2 ! ( 4 - 2 )!
4 3 2 1 4 3 2 1 4 3 21
( 0 .5 ) ( 0 .5 ) ( 0 .5 ) ( 0 .5 )
0 4 1 3 2 2
( 0 .5 ) ( 0 .5 )
1 4 3 2 1 1 3 2 1 2 1 2 1
1 (1 )( 0 . 0625 ) 4 ( 0 . 5 )( 0 . 125 ) 6 ( 0 . 25 )( 0 . 25 )
0 . 0625 0 . 25 0 . 375
0 . 6875
La probabilidad que a lo más sean 2 varones es del 68.75%
121
E x c e le n c ia A c a d é m ic a
4! 4-2 4! 4-3
2 3
e) P( x 2 , 3 var ones )
( 0 .5 ) ( 0 .5 ) ( 0 .5 ) ( 0 .5 )
2 ! ( 4 - 2 )! 3! ( 4 - 3 )!
4 3 2 1 4 3 2 1
( 0 .5 ) ( 0 .5 )
2 2 3 1
( 0 .5 ) ( 0 .5 )
2 1 2 1 3 2 11
6 ( 0 . 25 )( 0 . 25 ) 4 ( 0 . 125 )( 0 . 5 )
0 . 375 0 . 25
0 . 625
La desviación estándar
(x)
npq
(x)
4 ( 0 . 5 )( 0 . 5 ) 1
(x)
1
Nº 4.1
122
E x c e le n c ia A c a d é m ic a
La formula es:
-
e
x
P( x )
x!
np
e=2.71828…
X= es el suceso que se busca.
- Varianza
V(x)
2
(x)
- Desviación estándar
(x)
Ejemplo:
- Si el 3% de las lámparas producidas por una fabrica son defectuosas. Hallar la
probabilidad de que de una muestra de 60 lámparas sean exactamente:
a) ninguna defectuosa
b) sean 2 defectuosas
c) menos de 3 defectuosas
123
E x c e le n c ia A c a d é m ic a
Solución:
n= 60 lámparas
p= 0.03 = 3%
q= 0.97 = 97%
p+q=1
a) = np = 60 x 0,03 = 1,8
0 -1.8
xe- 1.8 e 1(0.1653)
P( x0 defectuosa )
x! 0! 1
0.1653
2 - 1 .8
1 .8 e 3 . 24 ( 0 . 1653 )
b) P( x 2 defectuosa s)
0! 2 1
0 . 5356
2
0 . 2678
-
e
2 x
c) P( x 3 defectuosa s)
x!
x0
2 x - 1 .8
1 .8 e
x!
x0
0 - 1 .8 1 - 1 .8 2 - 1 .8
1 .8 e 1 .8 e 1 .8 e
0! 1! 2!
1 ( 0 . 1653 ) 1 . 8 ( 0 . 1653 ) 3 . 24 ( 0 . 1653 )
1 1 2 1
0 . 1653 0 . 29754 0 . 2678
0 . 73064
124
E x c e le n c ia A c a d é m ic a
Nº 4.2
c) P ( X 8)
6. DISTRIBUCION GEOMETRICA
La distribución geométrica esta relacionada con un proceso e Bernoulli, excepto
que el número de ensayos no es fijo (hasta obtener el éxito).
- Varianza
1
E (x)
p
q
V(x)
2
- Desviación Estándar (x) 2
p
q
Ejemplo: (x)
p
125
E x c e le n c ia A c a d é m ic a
( 0 . 8 )( 0 . 2 )
5
0 . 000256
2. Los 2/3 de los niños de un colegio están ausentes por causa de una epidemia. En
una clase de 25 estudiantes, el profesor pasa lista.
b) Calcular
1
p
3
a) Solución:
2
q
3
10 - 1 9
æ 1 öæ 2 ö 2
P( x 10 ) ç ÷ç ÷ 10
0 . 0087
è 3 øè 3 ø 3
126
E x c e le n c ia A c a d é m ic a
1-1 2 -1
1æ 2ö 1æ 2ö 1 æ 1 öæ 2 ö 5
b) P( x 2 ) P( x 1 ) P ( x 2 ) ç ÷ ç ÷ ç ÷ç ÷ 0 . 556
3è 3ø 3è 3ø 3 è 3 øè 3 ø 9
1
c) E (x)
p
1
E (x) 3
1
3
La media es de 3 niños
q
2
2
p
2
3
6
2
3
2
1
6 2 . 45
Nº 4.3
127
E x c e le n c ia A c a d é m ic a
æ M öæ N - M ö
ç ÷ç ÷
ç ÷ç ÷
è x øè n - x ø
P( x ) h ( x , N , n , M ) X=0, 1, 2, … min (n, M)
æN ö
ç ÷
ç ÷
è n ø
- Varianza
æ M öæ M öæ N - n ö
V(x) nç ÷ç1 - ÷ç ÷
è N øè N øè N - 1 ø
- Desviación Estándar
V(x)
Ejemplo:
En una urna contiene 5 bolas blancas y 6 rojas. Se extraen 4 bolas de la urna
sin reposición.
a) Hallar la distribución de probabilidad del número de bolas rojas extraídas.
b) Cual es la probabilidad de extraer exactamente 3 bolas rojas.
c) Cual es el número esperado de bolas rojas extraídas.
Solución:
N=6+5=11
M=6
n=4
128
E x c e le n c ia A c a d é m ic a
a)
æ 6 öæ 5 ö
ç ÷ç ÷
ç ÷ç ÷
è x øè 4 - x ø
P( x ) h ( x ;11 , 4 , 6 )
æ 11 ö
ç ÷
ç ÷
è 4 ø
æ 6! öæ 5! ö
çç ÷÷ çç ÷÷
è x ! ( 6 - x )! ø è ( 4 - x )! [ 5 - ( 4 - x )]! ø
x 1 0 ,1 , 2 , 3 , 4
11 !
4 ! (11 - 4 )!
b)
æ 6 öæ 5 ö æ 6! öæ 5! ö
ç ÷ç ÷ çç ÷÷ çç ÷÷
ç ÷ç ÷
è 3 øè 1 ø è 3! ( 6 - 3 )! ø è 1! ( 5 - 1 )! ø
P( x 3 )
æ 11 ö 11 !
ç ÷
ç ÷ 4 ! (11 - 4 )!
è 4 ø
æ 6 5 4 3 2 1 öæ 5 4 3 2 1 ö
çç ÷÷ çç ÷÷
è 3 2 1 3 2 1 ø è 1 4 3 2 1 ø ( 20 )( 5 ) 100
0 . 303
11 10 9 8 7 6 5 4 3 2 1 330 330
4 3 2 17 6 5 4 3 2 1
æ 6 ö 24
c) 4ç ÷ 2 . 18
è 11 ø 11
Nº 4.4
En cierta clínica has 20 enfermos de los cuales se sabe que el 30% tienen cáncer,
se extrae aleatoriamente 4 pacientes para el despistaje de cáncer.
a) Cual es la probabilidad que al menos uno tenga cáncer.
b) Cual es el número esperado de pacientes con cáncer.
129
E x c e le n c ia A c a d é m ic a
Donde: xi n
i 1
- Varianza
V(x )
npi (1 - p i ) , i 1, 2 ,... k
i
- Desviación Estándar
xi
V(x )
i
Ejemplo:
Las posibilidades que una declaración de impuestos sea llenada correctamente
es 0.60, que contenga un error que favorezca al declarante 0.20, que lleve un
error que favorezca al fisco 0.10 y que contenga ambos tipos de errores 0.10. Se
escoge al azar 10 de tales declaraciones de impuestos para una auditoria.
130
E x c e le n c ia A c a d é m ic a
2º P1 0 . 60 P2 0 . 20 P3 0 . 10 P4 0 . 10
Pi ( i 1, 2 , 3 , 4 )
X 1
5 X 2
3 X 3
1 X 4
1
n! x x xk
P ( x 1 , x 2 , x 3 ... x k ) P1 1 P2 2 ... Pk
x 1 ! x 2 !... x k !
10 !
P( 5 , 3 , 1 , 1 ) ( 0 . 60 ) ( 0 . 2 ) ( 0 . 1 )( 0 . 1 ) 0 . 032
5 3
5! 3! 1! 1!
Nº 4.5
En cada población grande el 70$ de las personas son derechos; el 20% izquierdos y
10% ambidiestros. Se escogen 10 personas aleatoriamente de la población ¿Cual es
la posibilidad?
131
E x c e le n c ia A c a d é m ic a
90
80
70
60
50
40
30
20
10
x escala Curva Normal
0
0 2 4 6 8 10 12 14 16 18 20
Z escala Curva Normal
-3 -2 -1 0 1 2 3 Estandar
68.26%
95.54
99.74
Ejemplo:
En un examen de Estadística la media fue de 14 y la desviación estándar de 1.6.
Determinar las variables estandarizadas (Zi) para valores de x: 12, 17, 20, 13, 16
14
1 .6
x i 12 , 17 , 20 , 13 , 16
Zi ?
132
E x c e le n c ia A c a d é m ic a
x-
Z
12 -14 - 2
Z1 -1.25
1.6 1.6
17 -14 3
Z2 1.875
1.6 1.6
20 -14 6
Z3 3.75
1.6 1.6
13 -14 -1
Z4 -0.625
1.6 1.6
16 -14 2
Z5 1.25
1.6 1.6
Ejemplo
Si Z es 1.36, en la primera columna de Z se buscaría en 1.3 y con la primera
fila en 0.06, cuya intersección daría 0.4131 de área. Cuya probabilidad
representa el 41.31%
133
E x c e le n c ia A c a d é m ic a
a) Entre 64 y 72 pulgadas
b) Mayor de 72 pulgadas
c) Menor o igual a 64 pulgadas
d) Cuántos estudiantes tienen tallas mayores a 72 pulgadas
Solución
68 pulgadas
3 pulgadas
n 300 estudiantes
a) P ( 64 x 72 ) = P (Z1 Z Z2)
134
E x c e le n c ia A c a d é m ic a
b)
P(x 72) PZ Z1
136
E x c e le n c ia A c a d é m ic a
Nº 4.6
140
120 Normal
100
80 n=15
x -
60
40 n=2 t
20 S
0
n
0 5 10 15 20
Grado de Libertad
Numero de valores de una muestra que podemos especificar libremente, una
vez que sepamos algo de ella.
gl n - 1
137
E x c e le n c ia A c a d é m ic a
Halle el valor de t para 29 grados de libertad, para las siguientes áreas que
caen dentro de la cola derecha de la distribución t
a) 10%
b) 5%
c) 2.5%
Respuesta
Con estos datos buscar en la tabla “t”
a) t = 1.311
b) t = 1.699
c) t = 2.045
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
138
E x c e le n c ia A c a d é m ic a
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A.
2ª Edición. Lima 1993.
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A.
2ª Edición. Lima 1993.
A
u
A
ut
o
t
oe
ev
a
v
al
u
l
uaa
c
ci
ó
i
ónn
f
fo
r
o
rm
ma
t
a
ti
v
i
va
a
Nº 04
139
E x c e le n c ia A c a d é m ic a
3. Suponga que las lecturas de los termómetros tiene una distribución normal con
media de 0º y desviación estándar de 100º. Se selecciona al azar un termómetro y
se prueba.
140
E x c e le n c ia A c a d é m ic a
Unidad Temática V
1. MUESTREO
Tiene por objeto seleccionar de tal manera una fracción de la población, que la
muestra obtenida represente a la población entera.
141
E x c e le n c ia A c a d é m ic a
A. Las ventajas
a) Mayor economía
b) Mayor rapidez en la recolección y análisis de la información
c) Menor personal
d) El personal puede ser mejor entrenado
e) Mayor información en el contenido
B. Las Limitaciones
a) Errores en el muestreo
b) Limitación en la medición
c) Limitación en el tiempo disponible
d) Límites en la información personal
e) Limitaciones en el estudio de las relaciones sociales
f) Tiempo y costo
142
E x c e le n c ia A c a d é m ic a
Media = Media = x
6. TIPOS DE MUESTREO
a) Al azar simple
- Con reemplazo (no exhaustiva)
- Sin reemplazo (si exhaustivo)
b) Al azar sistemático
d) Al azar de conglomerados
- De igual tamaño
- Se desigual tamaño
143
E x c e le n c ia A c a d é m ic a
Nº 5.1
n = tamaño de la muestra
N = población
E = error
P = Probabilidad de acierto
Q = Probabilidad de no acierto
Z = distribución normal a un nivel de confianza
Ejemplo
Los alumnos que usan o concurren a INTERNET, según características socio
familiares, del colegio Secundario “San Andres” que tiene 880 alumnos
distribuidos en 15 secciones. Cual es la muestra representativa con un error
del 5% y un nivel de confianza del 95%
144
E x c e le n c ia A c a d é m ic a
N 880
E 0 . 05
P 0 .5
Q 0 .5
n ?
1 . 96 880 0 . 5 0 . 5
2
n
1 . 96 0 . 5 0 . 5 880 0 . 05
2 2
845 . 15
n
3 . 16
n 267 alumnos
Donde:
n= Tamaño de la muestra
N = Tamaño de la población
= error estándar
V = Varianza de la población = 2
V = Varianza de la muestra = P (1 P ) P (Q )
Ejemplo
Conociendo los siguientes datos determinar el tamaño de la muestra
N 1234 empresas
= 0.015
P 0.9
145
E x c e le n c ia A c a d é m ic a
P 1 P 0 . 9 1 0 . 9 0 . 09
2
S
0 . 015
2
V 0 . 000225
2
0 . 09
n' 400
0 . 000225
400
n 302 Empresas
1 400
1234
Ejemplo:
Si 0.05 ó 5%, 0.95 ó 95%
Nº 5.2
C u a n d o q u e r e m o s r e f e r ir n o s a : U s a m o s e l t é r m in o c o n v e n c io n a l :
146
E x c e le n c ia A c a d é m ic a
x Media
x
Desviación Estándar o error estándar
x
x
Error estándar de la media para población infinita
n
N n
Error estándar de la media para población finita o sea
N 1
x
n
cuando n 0 . 05 N
147
E x c e le n c ia A c a d é m ic a
Ejemplo:
Una población tiene 740 elementos con una media de 13 unidades y una
desviación estándar de 9.
9
x
1 .8
n 25
b) Si la muestra n , es 49 en vez de 25
n 0 . 05 N
49 0 . 05 ( 740 )
49 37
Entonces se aplica:
N n 9 740 49 9 691
1 . 24
N 1 740 1
x
n 49 7 739
P P (Proporción de sucesos en la población)
n
P (1 P )
P
(Error estándar de la población)
n
Ejemplo:
En un estudio se encuentra que en una muestra aleatoria de 100 estudiantes
que asistieron a la universidad, 40 recibieron un grado universitario. Encontrar
la proporción y el error estándar de la esa población.
La proporción es:
40
P P 0 .4
n 100
148
E x c e le n c ia A c a d é m ic a
20
140
120 D is t r. M u e s t r a l d e la m e d ia , n = 2
100
80
D is t . M u e s t r a l d e la m e d ia , n = 5
60
40 P o b la c ió n o r ig in a l
20
0
0 5 10 15 20
40
60
Cuanto mayor es n , mas pequeña es la amplitud o error estándar de la media.
El teorema del Límite Central es el resultado del incremento del tamaño de la
muestra
149
E x c e le n c ia A c a d é m ic a
Ejemplo.
La distribución de las ganancias anuales de todos los cajeros de un banco con 5
años de experiencia tiene un sesgo negativo, según se advierte en la figura. Esta
distribución tienen una media de S/. 15000 y una desviación estándar de S/.
2000. Si extraemos una muestra aleatoria de 30 cajeros ¿Cuál es la probabilidad
de que sus ganancias promedien mas de S/. 15750 al año?.
100
100
80
80
60
60
40
40
20 20
0 0
15000 15750
0 5 10 15 20
0 5 10 15
20
1. Calcular el error Estándar
2000 2000
x
S / . 365 . 16
n 30 5 . 477
Respuesta
Hay un poco mas del 2% de probabilidad de que las ganancias promedio
asciendan a mas de S/. 15750 al año en un grupo de 30 cajeros.
Nº 5.3
150
E x c e le n c ia A c a d é m ic a
A.Estimación Puntual
Es un número simple. Es insesgado si en muestras aleatorias repetidas de la
población, el valor esperado o medio del estadístico correspondiente es igual al
parámetro de población.
Ejemplo
La media muestral ( x ) es una estimación puntual insesgada de la media
poblacional ( ) por que x , donde x es el valor esperado x . La
desviación estándar de la muestra S es una estimación insesgada de , y la
proporción de la muestra P es una estimación insesgada de P (la proporción
de la población con una característica dada).
B. Estimación de Intervalo
Se refiere a la amplitud de valores junto con la probabilidad o nivel de
confianza, de que el intervalo incluya el parámetro de población desconocida.
151
E x c e le n c ia A c a d é m ic a
Ejemplo:
Se toma una muestra aleatoria de 14 con una media de 100 y una desviación
estándar de 60, de una población de 1000. El intervalo de confianza al 95%
para la media de población desconocida es:
x 1 . 96 x
puesta n 30
N n
x 1 . 96 puesta n 0 .5 N
n N 1
60 1000 144
100 1 . 96 usando S como estimacion de
144 1000 1
100 1 . 96 ( 5 )( 0 . 93 )
100 9 . 11
Respuesta
La M esta entre 90.89 y 109.11 con un grado de 95% de confianza
Ejemplo.
Un grupo de investigadores encuentra que en una muestra aleatoria de 100
personas que asistieron a la universidad, 40 recibieron un grado universitario.
Encontrar el intervalo de confianza al 99% para la proporción de graduados
universitarios; del total de personas que asistieron a la universidad,
P P Z P
P (1 P )
P P Z suponiendo n 0 . 05 N
n
0 .4 ( 0 .6 )
0 . 4 2 . 58 usando P como estimación de P
100
0 . 4 2 . 58 ( 0 . 05 )
0 . 4 0 . 13
Respuesta
La proporción de graduados P esta entre 0.27 y 0.53 con un nivel de 99% de
confianza.
152
E x c e le n c ia A c a d é m ic a
Donde
Grado de libertad: gl n 1
s
Error Estándar: x
n n
s
Intervalo de Confianza: x t
n
Ejemplo:
Una muestra aleatoria de n = 10 pilas de Cadmio con una vida media de
operación de x = 5 horas y una desviación estándar muestral de s = 1 hora, se
escoge de una compañía conocida, que produce pilas con vida de operación,
normalmente distribuidos y nivel de confianza del 95%. Encontrar el intervalo
de confianza.
95 %
n 10
x 5
gl 10 1 9
s 1
t ?
?
90
80
70
60
50
40
30
0.025
0.025
95%
20
10
0
0 5 10 15 20
t t
- 2.262 + 2.262
153
E x c e le n c ia A c a d é m ic a
t 2 . 262
1
5 2 . 262
10
5 2 . 262 ( 0 . 316 )
4 . 29
5 0 . 71
5 . 71
Respuesta:
El intervalo de confianza está entre 4.29 y 5.71 horas, con un grado del 95% de
confianza.
Nº 5.4
Halle el valor de “t” para 27 grados de libertad para las siguientes áreas que
caen dentro de la cola (derecha) de la distribución t.
a) Al 10%
b) 5%
c) 2.5%
154
E x c e le n c ia A c a d é m ic a
H 0
se denomina hipótesis nula.
H1 : 0
H 1
se denomina hipótesis alternativa.
H1 : 0
(dependiendo del problema))
H1 : 0
Ejemplo 1:
Una compañía quiere probar si puede garantizar que los focos que producen
duran 1000 horas de operación útil. La compañía toma una muestra aleatoria
de n=100 de sus focos y halla que la media muestral =980 horas y la
desviación estándar muestral S = 80 horas.
La compañía quiere conducir la prueba al nivel de simplificación del 5%
1º Paso
H 0
: 1000
H 1 : 1000
2º Paso
Como n>30 la distribución muestral de la media es aproximadamente
normal.
155
E x c e le n c ia A c a d é m ic a
Puesto que la región de rechazo esta en ambas colas, tenemos una prueba
de dos colas.
90
80
70
60
50
40 0.95
30
0.025
20 0.025
10
0
-1.96 0 1.96
0 5 10 15 20
Región Rechazo Región Aceptación Región Rechazo
3º Paso
x 0 x 0 x 0 980 1000 20
Z 2 .5
S 80 8
x
n n 100
Ejemplo 2:
Una empresa quiere saber con un nivel de confianza del 95% si puede
garantizar que las cajas de jabones que vende contienen más de 500 gr. del
producto. Por experiencia la empresa sabe que la cantidad de jabones en las
cajas tiene distribución normal. La firma toma una muestra aleatoria de n=
25 y halla que x 520 gr y S 75 gr.
La firma quiere probar si 500 gr
1º Paso
H 0
: 500
H 1 : 500
156
E x c e le n c ia A c a d é m ic a
2º Paso
Como la distribución de población es normal, pero n < 30 y no se conoce,
de debe usar la distribución t (con n 1 = 24 grado de libertad).
Para definir la región de rechazo de la prueba a nivel dignificación 5% se
busca en la tabla. Este es “Prueba de cola derecha”
90
80
70
60
50
40 0.95
30
20 0.05
10
0 t
0 5
0
10 1.711
15 20
Región Aceptación Región Rechazo
3º Paso
x 520 500 20
t 1 . 33
S 75 15
n 25
Ejemplo 3:
En el pasado, 60% de los estudiantes que ingresaron a una facultad de la
Universidad recibieron su grado al cabo de 4 años. Para la clase que ingreso
en 1999, solamente 15 de los 36 que iniciaron recibieron sus grados en
2003. Probar si la clase de 1999 se desempeñó peor que las clases
anteriores a un nivel de significación del 5%.
- Notamos primero que este problema involucra la distribución binomial.
- Puesto que n > 30 y np y n(1-p)>5 podemos utilizar la distribución
normal, por p=0.60
15
- Para la clase de 1999. la proporción de éxito p 0 . 42 y el error
36
estándar
p (1 p ) ( 0 . 6 )( 0 . 4 )
Pp 0 . 08
n 36
157
E x c e le n c ia A c a d é m ic a
Tenemos:
1º Paso:
H 0
: p 0 . 60
H 1 : p 0 . 60
2º Paso
Esta es una “prueba de cola izquierda”
90
80
70
60
50
40 0.95
30
0.05
20
10
0
0 -1.645
5
0
10 15 20
3º Paso
p p 0 . 42 0 . 60
Z 2 . 25
p
0 . 08
Nº 5.5
158
E x c e le n c ia A c a d é m ic a
1
2 2
x1 x 2
2
para probar si 1 2
n1 n2
P 1 P P 1 P
P1 P2
para probar si P1 P2
n1 n2
Promedio ponderado de P1 y P2 :
n 1 P1 n 2 P 2
P
n1 n 2
Ejemplo 1:
Un gerente quiere determinar al nivel de significación del 5% si los salarios
horarios para trabajadores semicalificados son los mismos en dos ciudades.
Con el fin de hacer esto toma una muestra aleatoria de salarios por hora en
H 1 : 1 2 o H 0
: 1 2 0
Esta es una prueba de dos colas y la región de aceptación para se sitúa entre
±1.96 bajo la curva normal estando:
159
E x c e le n c ia A c a d é m ic a
1
2 2 2 2
S1 S2
x1 x 2
2
n1 n2 n1 n2
2 2
2 . 00 1 . 80
0 . 1 0 . 06 0 . 16 0 . 4
40 54
Z
x 1
x 2 1 2
x 1
x2 0
x1 x 2
x1 x 2
0 .6
1 .5
0 .4
Ejemplo 2:
Una empresa quiere determinar al nivel de significación del 1% si la proporción
de componentes electrónicos aceptables de un proveedor extranjero, es mayor
que para un proveedor nacional. La empresa toma una muestra aleatoria para
el embarque de cada proveedor y encuentra que
p 1 0 . 9 y p 2 0 . 7 para n 1 100 y n 2 80
H 1 p1 p 2
p 1 p p 1 p 0 .8 ( 0 .2 ) ( 0 . 8 )( 0 . 2 )
p1 p 2
n1 n2 100 80
p1 p 2 p1 p 2 0 .9 0 .7 0 0 .2
Z 3 . 33
p1 p 2
0 . 06 0 . 06
160
E x c e le n c ia A c a d é m ic a
Rechazamos H 0
y aceptamos la hipótesis de que p1 p 2 al nivel de
Nº 5.6
( f0 fe )
2
2
X
fe
f0 frecuencias observadas
fe frecuencias esperadas
161
E x c e le n c ia A c a d é m ic a
f0 fe X 0
2
b)
gl c m 1
c = numero de categorías
m = numero de parámetros de población estimados a partir de
estadísticos muestrales.
gl = (r - 1) (c - 1)
fe
r c
162
E x c e le n c ia A c a d é m ic a
Ejemplo 1:
En el pasado, 30% de los refrigeradores vendidos por una tienda eran de
10 pies3, 40% eran de 12 pies3 y 30% de 15 pies3, con el fin de determinar
el inventario que debe para mantenerse de cada tipo de aparato, el gerente
toma una muestra aleatoria de 100 compras recientes y halla que 20 son
de 10 pies3, 40 de 12 pies3 y 40 de 15 pies3. Probar al nivel de significación
del 5%, la hipótesis que el patrón anterior de ventas, todavía tiene vigencia.
Capacidad Total
10 pies3 12 pies3 15 pies3
Patrón Observado f0 20 40 40 100
( f0 fe )
2
( 20 30 ) ( 40 40 ) ( 40 30 )
2 2 2
2
X
fe 30 40 30
10
2 2 2
0 10 100 100
0 6 . 67
30 40 30 30 30
gl = c – m – 1 = 3 – 0 –1 = 2
Respuesta
2
Como el valor calculado de X = 6.67 es mayor que el valor tabulado de
2
X = 5.99, se rechaza H 0
163
E x c e le n c ia A c a d é m ic a
Ejemplo 2:
Un vendedor de motocicletas ha recolectado los datos que se muestran en
la tabla sobre el número de motocicletas importadas y nacionales
comprados por clientes menores de 30 años y de 30 años en adelante.
Para probar el nivel de significación del 1% si el tipo de motocicletas
adquiridas es independiente de la edad del comprador.
fe
r c
( 70 )( 50 )
f e1 21
170
( 70 )( 120 )
fe2 49
170
(100 )( 50 )
f e3 29
170
(100 )( 120 )
fe4 71
170
164
E x c e le n c ia A c a d é m ic a
Donde
r = numero de fila = 2
c = numero de columnas = 2
2
X
fe
( 30 21 ) ( 40 49 ) ( 20 29 ) ( 80 71 )
2 2 2 2
9 . 44
21 49 29 71
Respuesta
calculado = 9.44 es mayor que tabulado = 6.63, rechazamos porque la
edad no es un factor en el tipo de motocicleta comprada (Los jóvenes están
mas inclinados a comprar motocicletas importadas)
Nº 5.7
fe 6 6 3 2 17
165
E x c e le n c ia A c a d é m ic a
Pasos
1. Estimar la varianza de población partiendo de la varianza entre las medidas
muestrales (MSA).
2. Estimarla varianza de población partiendo de la varianza dentro de las
muestras (MSE).
a) Calcular la relación F
Varianza entre las medidas muestrales MSA
F
Varianza dentro de las muestras MSE
166
E x c e le n c ia A c a d é m ic a
xj
i
x ij
rc
SST (X x)
2
ij
= SSA + SSE
167
E x c e le n c ia A c a d é m ic a
USO DE LA TABLA
En la tabla
0 . 05 (el número superior)
0 . 01 (El número inferior o en negrita)
Ejemplo:
Una compañía vende jabón idéntico en 3 envolturas diferentes al mismo precio.
Las ventas de 5 meses se presentan en la tabla. Los datos de las ventas tienen
distribución normal con igual varianza. Probar al nivel de significación del 5% si
las ventas medias de jabón para cada envoltura son iguales o no.
168
E x c e le n c ia A c a d é m ic a
1º Planteamos la hipótesis
H 0
: 1 2
3
H 1
: 1 2
3
400
x2 80
5
435
x3 87
5
410 400 435
x 83
5 (3)
SSE ( 87 82 ) ( 83 82 ) ( 79 82 ) ( 81 82 ) ( 80 82 ) ( 78 80 )
2 2 2 2 2
( 81 80 ) ( 79 80 ) ( 82 80 ) ( 80 80 ) ( 90 87 ) ( 91 87 )
2 2 2 2 2 2
( 84 87 ) ( 82 87 ) ( 88 87 ) 110
2 2 2
169
E x c e le n c ia A c a d é m ic a
F u e n te d e Sum a de G ra d o s d e C u a d ra d o
R e la c ió n F
V a ria c ió n c u a d ra d o s L ib e r t a d M e d ia
E x p lic a d o p o r
la s e n v o lt u r a s 130 M SA 65
SSA 130 c 1 2 M SA 65 7 .0 9
(e n tre 2 M SE 9 .1 7
c o lu m n a s )
E rro r o
in e x p li c a d o 110
SSE 110 r 1 c 1 2 M SE 9 .1 7 -
( d e n t r o d e la 12
c o lu m n a )
T o ta l SST 240 rc 1 1 4 - -
F calculado = 7.09
F calculado = 3.88
g l d e l n u m e ra d o r = 2
0 .0 5
g l d e l d e n o m in a d o r = 1 2
R e s p u e s ta :
C o m o la re la c ió n F c a lc u la d a e s m a y o r q u e e l v a lo r ta b u la d o d e F a n iv e l d e
s ig n ific a c ió n d e l 5 % , s e re c h a z a la h ip ó te s is n u la H 0
a fa v o r d e la h ip ó te s is
a lte rn a tiv a H 1
2
E n tre la s m e d ia s
S S A r x. j x SSA M SA
( E x p li c a d o p o r e l c 1 M SA
c 1 M SE
fa cto r A )
V a ria c ió n e n tre c o lu m n a
2
E n tre la s m e d ia s
SSB c x i. x SSB M SB
( E x p li c a d o p o r e l r 1 M SB
r 1 M SE
fa cto r B )
V a r i a c i ó n e n t r e f il a
SSE
E rro r o M SE
SSE SST SSA SSB r 1 c 1 r 1 c 1 -
i n e x p li c a d o
2
T o ta l SST x ij x rc 1 - -
170
E x c e le n c ia A c a d é m ic a
x ij
x. j
i
x ij
j
xi.
c
r c
Ejemplo:
En la tabla se da los rendimientos de una granja experimental que usó 4
fertilizantes y 3 pesticidas, de modo que cada parcela del terreno tenia una
probabilidad igual de recibir cada combinación de fertilizantes-pesticidas
(diseño experimental completamente aleatorio).
171
E x c e le n c ia A c a d é m ic a
H 0
: 1 2 3 4
Factor A
H 1
: 1, 2, 3, 4
no son iguales
H 0
: 1 2
3
Factor B
H 1
: 1, 2 , 3 no son iguales
x. j
ij
21 13 8
x .1 14
3
12 10 8
x.2 10
3
9 8 7
x .3 8
3
6 5 1
x.4 4
3
xi
X ij
21 12 9 6
x1 12
4
13 10 8 5
x2 9
4
8 8 7 1
x3 6
4
172
E x c e le n c ia A c a d é m ic a
x . x. j
x
i
r c
14 10 8 4
12 9 6
x 9 ó x 9
4 3
SST x)
2
(X ij
( 21 9 ) 144 (12 9 ) 9 (9 9 ) 0
2
(6 9 ) 9
2 2 2
(8 9 ) 1
2
(13 9 ) (10 9 ) 1 (5 9 ) 16
2 2 2
16
(7 9 ) 4
2
(8 9 ) (8 9 ) 1 (1 9 ) 64
2 2 2
1
161 11 5 89
gl de SSA = c - 1 = 4 - 1= 3
gl de SSB = r - 1 = 3 - 1 = 2
gl de SSE = (r-1) (c-1) = 6
gl de SST = rc - 1 = 11
SSA 156
MSA 52
c 1 3
SSB 72
MSB 36
r 1 2
SSE 38
MSE 6 .3
( r 1 )( c 1 ) 6
173
E x c e le n c ia A c a d é m ic a
MSA 52
FA 8 . 25
MSE 6 .3
MSB 36
FB 5 . 71
MSE 6 .3
Factor A:
Grados de libertad del numerador = 3
0 . 01
Grados de libertad del denominador = 6
F A 9 . 78
Respuesta:
Para el factor A, como el F calculado es menor que el F tabulado, se acepta
la hipótesis nula H 0
Factor B:
Grados de libertad del numerador = 2
0 . 01
Grados de libertad del denominador = 6
F B 10 . 92
174
E x c e le n c ia A c a d é m ic a
Respuesta:
Para el factor A, como el F calculado es menor que el F tabulado, se acepta
la hipótesis nula H 0
Nº 5.8
175
E x c e le n c ia A c a d é m ic a
T a b l a d e P r o d u c c ió n d e 8 a ñ o s c o n 4 t i p o s d e a b o n o s
50 47 51 57
61 50 47 48
57 58 56 52
65 61 52 60
58 51 57 61
53 48 59 57
61 59 58 51
59 50 60 46
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
176
E x c e le n c ia A c a d é m ic a
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A.
2ª Edición. Lima 1993.
A
u
A
ut
o
t
oe
ev
a
v
al
u
l
uaa
c
ci
ó
i
ónn
f
fo
r
o
rm
ma
t
a
ti
v
i
va Nº
a 05
177
E x c e le n c ia A c a d é m ic a
4. Una urna contiene bolas de 4 colores: verde, blanco, rojo y azul. Se escoge una
bola de la urna y se anota su color. Se coloca de nuevo en la urna; se mezcla
bien, y se escoge otra bola. El proceso se repite 18 veces con el resultado que se
escoge 8 veces una bola verde, una blanca, 7 veces; una bola roja una vez, y
una bola azul, dos veces. ¿Contiene la urna un igual número de bolas verdes,
blancas, y rojas o azules?. Pruebe la hipótesis al nivel de significación del 5%.
(Chi)
178