Está en la página 1de 163

-

ACREDITADA POR ACCREDITATION COUNCIL FOR BUSINESS SCHOOLS AND PROGRAMS (ACBSP),
EUROPEAN COUNCIL FOR BUSINESS EDUCATION (ECBE)
Y AXENCIA PARA A CALIDADE DO SISTEMA UNIVERSITARIO DE GALICIA (ACSUG)

ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS

MANUAL:

MÉTODOS CUANTITATIVOS I

CICLO III

SEMESTRE ACADÉMICO 2013- I – II

Material didáctico para uso exclusivo de clase.

LIMA - PERÚ

1
UNIVERSIDAD DE SAN MARTIN DE PORRES
RECTOR
ING. JOSÉ ANTONIO CHANG ESCOBEDO

VICE RECTOR
ING. RAÚL EDUARDO BAO GARCÍA

FACULTAD DE CIENCIAS CONTABLES, ECONÓMICASY FINANCIERAS


DECANO
DR. DOMINGO FÉLIX SÁENZ YAYA

DIRECTOR DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS


DR. JUAN AMADEO ALVA GÓMEZ

DIRECTOR ESCUELA DE ECONOMÍA


DR. LUIS CARRANZA UGARTE

DIRECTOR DEL DEPARTAMENTO ACADÉMICO DE CONTABILIDAD, ECONOMÍA Y FINANZAS


DR. LUIS HUMBERTO LUDEÑA SALDAÑA

DIRECTOR DE LA SECCIÓN DE POSTGRADO


DR. AUGUSTO HIPÓLITO BLANCO FALCÓN

DIRECTOR DE LA OFICINA DE GRADOS Y TÍTULOS


DR. VICTOR LORET DE MOLA COBARRUBIA

DIRECTOR DE LA OFICINA DE EXTENSIÓN Y PROYECCIÓN UNIVERSITARIA


DR. REYNALDO ULADISLAO BRINGAS DELGADO

DIRECTOR DEL INSTITUTO DE INVESTIGACIÓN


DR.SABINO TALLA RAMOS

SECRETARIO DE FACULTAD
DR. LUIS ANTONIO CUEVA ZAMBRANO

JEFE DE LA OFICINA DE REGISTROS ACADÉMICOS


SRA. BELINDA MARGOT QUICAÑO MACEDO

JEFE DE LA OFICINA DE BIENESTAR UNIVERSITARIO


LIC. MARÍA RICARDINA PIZARRO DIOSES

JEFE DE LA OFICINA DE ADMINISTRACIÓN


Mo. ABOG. LUIS FLORES BARROS

COORDINADOR ACADÉMICO DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS


TURNO MAÑANA
DRA. YOLANDA MAURINA SALINAS GUERRERO

COORDINADOR ACADÉMICO DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS


TURNO NOCHE
DR. ANTONIO AMILCAR ULLOA LLERENA

COORDINADOR ACADÉMICO DE LA ESCUELA PROFESIONAL DE ECONOMÍA


TURNO MAÑANA Y NOCHE
MG. RENZO JAIR VIDAL CAYCHO

COORDINADOR DE LA SECCIÓN DE POSTGRADO DE CONTABILIDAD Y FINANZAS


DR. CRISTIAN YONG CASTAÑEDA

COORDINADOR DE LA SECCIÓN DE POSTGRADO DE ECONOMÍA


DR. VICTOR LORET DE MOLA COBARRUBIA

2
DERECHOS RESERVADOS

El texto de este trabajo o parte del mismo, no puede ser reproducido o


transmitido por métodos o forma alguna, sean estos electrónicos o mecánicos,
incluyendo copias fotostáticas, cintas magnetofónicas, acumulación en un
sistema de información con memoria, Internet u otra forma, sin autorización
escrita dela Escuela Profesional de Contabilidad y Finanzas. FCCEF. USMP.

Si desea un ejemplar, gestiónelo en la Facultad de Ciencias Contables,


Económicas y Financieras de la Universidad de San Martín de Porres.

3
INTRODUCCIÓN

El presente manual contiene el desarrollo teórico-práctico del sílabo de la


asignatura de Métodos Cuantitativos I del III Ciclo de la Facultad de Ciencias
Contables, Económicas y Financieras, ESCUELA PROFESIONAL
DE CONTABILIDAD Y FINANZAS de la USMP. Tiene como meta principal:
Combinar las bases teóricas y prácticas de los instrumentos metodológicos
cuantitativos en cada proceso de la Estadística Descriptiva e Inferencial,
establecer la relación coherente de las formas analíticas, aplicativas y por
computadora en la gestión empresarial, y así apreciar sus efectos en la
formación del educando.
Mediante el aprendizaje de los temas listados en la sumilla de la asignatura,
aplicados a la gestión empresarial, el educando al término del desarrollo
por competencias, logrará interpretar los resultados, y tomará las decisiones
pertinentes de los problemas que se le presenten, haciendo uso del software
estadístico, fundamental en el ejercicio profesional del Contador Público, así
como en la práctica de áreas conexas, como son La Administración, La
Economía y La Ingeniería aplicadas a las ciencias de la empresa.
El presente Manual de Métodos Cuantitativos I, está organizado en cuatro
unidades didácticas : Unidad I Estadística Descriptiva ; Unidad II:
Probabilidades – Distribución de Probabilidades; Unidad III: La Distribución
Normal – Distribución de la Media Muestral, Muestreo y Unidad IV Estimación
con Intervalos de Confianza, Prueba JI CUADRADA ,Prueba de Hipótesis ,
donde se interpretarán los resultados de los problemas resueltos , se
proponen problemas aplicados a la contabilidad, para que los alumnos puedan
desarrollarlos e interpretarlos, para tomar las decisiones pertinentes .

Cabe mencionar que al finalizar cada Tema de estudio, se presenta el Taller y


Software Estadístico, donde los alumnos pueden complementar la parte teórica
y práctica, así como el uso de la computadora y multimedia con los programas
estadísticos MINITAB Y SPSS respectivos.

4
ÍNDICE

PORTADA
INTRODUCCIÓN
INDICE DE CONTENIDO
OBJETIVOS
PAUTAS PARA EL ESTUDIO Y LOS TRABAJOS DE APLICACION

UNIDAD I : ESTADÍSTICA DESCRIPTIVA

TEMA 1: RECOLECCION Y PRESENTACIÓN DE DATOS 9-26


1. Concepto de los métodos cuantitativos, naturaleza
2. toma y presentación de datos, procedimiento
3. tablas y gráficas de frecuencias
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA 2 : MEDIDAS DE TENDENCIA CENTRAL 30-38


1. Concepto, métodos, procedimientos y técnicas para desarrollar las Medidas
de tendencia central ó de posición de los datos
2. La Media, Mediana, Moda
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA 3 DATOS AGRUPADOS Y NO AGRUPADOS 39-48


1. Concepto, métodos y aplicaciones de: Cuartiles.- Deciles.- Percentiles.
2. Media Geométrica.- Media Armónica.- Media Cuadrática
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 4 : MEDIDAS DE DISPERSIÓN O VARIACIÓN DE


LOS DATOS 49-60
1. El Rango y La Desviación Media
2. La Varianza y la Desviación Estándar
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD II : PROBABILIDAD Y DISTRIBUCIÓN DE PROBABILIDADES

TEMA N° 5 EVENTOS MUTUAMENTE EXCLUYENTES Y NO


EXCLUYENTES 61-67
1. Concepto, Análisis y Aplicación de Probabilidades
2. Adición de Probabilidades
ACTIVIDADES APLICATIVAS
5
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N°6 MULTIPLICACIÓN DE PROBABILIDADES 67-73


1. Probabilidad Condicional
2. Eventos Dependientes e Independientes
3. Teorema de Bayes
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 7 DISTRIBUCION DE PROBABILIDADES 75-76


1. Concepto de Distribución de Probabilidades
2. Esperanza Matemática
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 8 DISTRIBUCION BINOMIAL 76-79


1. Concepto de Distribución Binomial
2. Uso de las Tablas de Distribución Binomial
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 9. DISTRIBUCIÓN POISSON 79-84


1. ¿Qué es la Distribución de Poisson
2. Uso de las Tablas de Distribución de Poisson
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD III. DISTRIBUCIÓN PARA VARIABLES CONTINUAS

TEMA N° 10 DISTRIBUCION NORMAL 85-89


1. ¿Qué es la Distribución Normal?
2. Uso de las Tablas de Distribución Normal
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 11 DISTRIBUCION DE LA MEDIA MUESTRAL 90-94


1. Error Estándar
2. Factor de Corrección
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

6
TEMA N° 12 DISTRIBUCIÓN DE LAS PROPORCIONES 94-99
1. Proporción Muestral de Éxitos
2. Error Estándar de la Proporción
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD IV: ESTIMACIONES CON INTERVALOS DE CONFIANZA, PRUEBA


DE HIPÓTESIS

TEMA N°13 INTERVALOS DE CONFIANZA PARA LA MEDIA


POBLACIONAL 100-103
1. Definición de Intervalos de Confianza
2. Estimación Puntual
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 14 DISTRIBUCIÓN T DE STUDENT 103-105


1. Requisitos para usar la Distribución t
2. Uso de las Tablas t
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N° 15 INTERVALO DE CONFIANZA PARA LA DIFERENCIA


ENTRE DOS MEDIAS POBLACIONALES 105-109
1. ¿Qué es IC para la Diferencia entre dos medias Poblacionales?
2. Error Estándar para la Diferencia entre dos medias Poblacionales
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMAN°16 PRUEBA DEHIPÓTESIS – PRUEBA JI CUADRADA 110-137


1. Aceptar la Hipótesis Nula
2. Rechazo de la Hipótesis Nula
3. Nivel de Significancia
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES
Tablas estadísticas
Ejercicios y Problemas Adicionales

7
OBJETIVOS

OBJETIVO GENERAL

- Contribuir a la formación integral profesional de los futuros


Contadores, propiciando el conocimiento de los Métodos Cuantitativos
(Estadística I) para aplicarlos en las actividades educativas y
profesionales.

OBJETIVOS ESPECÍFICOS

- Dominar la recolección que datos estadísticos directamente de la


comunidad y de registros de su especialidad y áreas conexos.
- Ordenar y analizar datos estadísticos en distribuciones de frecuencias
y presentarlos en diversos tipos de diagramas.
- Calcular las medidas de tendencia central y de dispersión de datas e
interpretar estos resultados.
- Calcular la probabilidad de eventos naturales y de la empresa con
fines de proyección.
- Analizar los diversos tipos de distribución de probabilidad de datos de
su especialidad.
- Aplicar el muestreo de datos al estudio, análisis y cambios en la
empresa.
- Hacer estimaciones puntuales y de intervalos de confianza así como
pruebas de hipótesis en poblaciones finitas e infinitas.

PAUTAS PARA EL ESTUDIO Y LOS TRABAJOS DE


APLICACIÓN
Después de la lectura comprensiva efectuada, deberás desarrollar las
Actividades de Aplicación (guías de Práctica) propuestas en el manual, Algunos
trabajos son individuales y otros son para desarrollarse en grupos. Pueden ser
desarrollados en aula, o requerir efectuarlo en el laboratorio de computo
(Software Estadístico) ambas modalidades fortalecen la capacidad de
autoaprendizaje del estudiante.

También deberás resolver los problemas planteados en la Autoevaluación,


desarrollo de las Guías de Prácticas (talleres) indicadas por el profesor. Si
tuvieras dificultad consulta a tu profesor, compañero o efectúa la investigación
conveniente.

8
METODOS CUANTITATIVOS I

ESTADÍSTICA
DESCRIPTIVA

PROBABILIDAD Y
DISTRIBUCIÓN DE
PROBABILIDADES

DISTRIBUCIÓN PARA
VARIABLES
CONTINUAS

ESTIMACIÓN CON INTERVALOS


DE CONFIANZA
PRUEBA DE HIPÓTESIS

9
UNIDAD I: ESTADÍSTICA DESCRIPTIVA

La rama de la disciplina estadística que se ocupa del desarrollo y utilización de


técnicas para la presentación eficaz de información numérica , con objeto de
poner de relieve los modelos que de otra forma quedarían ocultos en un
conjunto de datos ,se llama estadística Descriptiva.

CONTENIDOS PROCEDIMENTALES

Elabora Tablas de frecuencias para muestras discretas y continuas. Elabora


Gráficas de frecuencias reconoce e identifica la situación problemática de
dichas medidas.
Formula preguntas relacionadas con el uso de las medidas de tendencia
central y de dispersión., intentan explicar los usos actuales.
Resuelve problemas estadísticos aplicados a la contabilidad.

CONTENIDOS ACTITUDINALES

Valora adecuadamente la utilidad de presentar e interpretar los datos


Acepta y toma parte con Eficiencia de los grupos asignados en actitud de
Ayuda mutua y responsabilidad.
Desarrolla en forma personal su trabajo del Software estadístico asignado

CONTENIDOS CONCEPTUALES

TEMA N°1: RECOLECCION Y PRESENTACIÓN DE DATOS


TEMA N°2: MEDIDAS DE TENDENCIA CENTRAL
TEMA N°3: DATOS AGRUPADOS Y NO AGRUPADOS
TEMA N°4: MEDIDAS DE DISPERSIÓN O VARIACIÓN DE LOS DATOS

10
ESTADÍSTICA DESCRIPTIVA

RECOLECCIÓN Y PRESENTACIÓN
DE DATOS
GRÁFICAS

MEDIDAS DE
TENDENCIA CENTRAL

MEDIDAS DE DISPERSIÓN Ó
VARIACIÓN DE LOS DATOS

COEFICIENTES DE VARIACIÓN
Y DE ASIMETRÍA

11
TEMA N° 01
RECOLECCION Y PRESENTACIÓN DE DATOS
PRESENTACIÓN DE LA INFORMACIÓN.
Estadística es un término que es usado con mucha frecuencia para hacer
referencia a cualquier información o dato; sin embargo, la estadística es mucho
más que la simple colección de información ya que involucra todo un conjunto
de procesos, que tiene como objeto alcanzar un mayor conocimiento de una
realidad que es desconocida y sobre la cual se desea tomar decisiones.

ORGANIGRAMA DE LA PRIMERA UNIDAD

INTRODUCCIÓN AL ANÁLISIS DE DATOS


PRESENTACIÓN DE LA INFORMACIÓN

ROL DE LA DESCRIPCIÓN DE LOS


ESTADÍSTICA CONJUNTOS DE DATOS

Definiciones Importancia Distribución Tablas Visualización Diseño


Del Muestreo De Estadísticas Grafica Tallo y
Frecuencias Hoja

Población Estadística Distribución Histograma


Parámetros Descriptiva De Frecuencias
Relativas
Polígono de
Frecuencias
Muestras Estadística
Inferencial Distribución
De Frecuencias
Acumuladas Ojivas

Variables
Diagrama de
Distribución Barras
De Frecuencias
Continua Relativas Acumuladas
Grafica de Pastel
Circulares
Discretas
Grafica
Pictogramas

12
¿ALGUNA VEZ SE ENCONTRÓ CON EL HOMBRE “PROMEDIO”?

Peruano? Amable, su nombre es Roberto ( lo cual es el nivel nominal de


medición), tiene 30 años de edad ( que es el nivel de razón o cociente), tiene
1.82m de estatura, pesa 79Kg., usa zapatos talla 42, tiene una cintura de 65
cm., viste un traje talla mediana. Además, tal hombre promedio come 1.5 Kilos
de papas fritas, ve 2230 hrs. De televisión., recibe 470 piezas de correo y come
13 Kilos de plátanos al año. También duerme 7.5 horas por noche. ¿Realmente
este es un hombre promedio? ó sería mejor referirnos a él como un hombre “
típico “ ¿ Esperaría encontrar a un hombre con todas estas características?.

Actualmente, las empresas efectúan diversas transacciones locales e


internacionales como venta de líneas completas, diversidad de productos,
contratos de personal, diferencia de precios. A las Empresas les gustaría
desarrollar gráficas y cuadros que se puedan revisar mensualmente para
observar en donde tienden a acumularse los precios de venta, apreciar la
variación de los precios de venta y notar cualquier tendencia, en este tema se
presentan técnicas que serán útiles para que las personas, empresas y
entidades puedan utilizarlas.

1.1 GENERALIDADES (CONCEPTOS BÁSICOS)

Algunos de los conceptos más usados en la aplicación de la


estadística se describe a continuación:

Población

Es la totalidad de individuos sobre los cuales se desea hacer un


estudio; puede ser finita o infinita.

Es el conjunto de todas las unidades que tienen una característica común,


la cual se desea estudiar.

Por ejemplo:
 Conjunto de familias de una ciudad.
 Conjunto de bombillas eléctricas producidas en un día.

Muestra

Muestra: es una parte de la población, seleccionada para hacer el


estudio de dicha población; es finita.
Si la muestra es representativa de la población, las conclusiones de la
muestra se infieren a la población.

Es cualquier subconjunto de unidades elementales, elegidas de una


población. Por ejemplo:
 200 familias elegidas de una cuidad.
 80 bombillas eléctricas elegidas de las producidas en un día.
Dependiendo de la forma como se eligen dichas unidades elementales,
las muestras pueden ser:
13
Muestras Aleatorias ( Probabilísticas )

Son aquellas cuyos elementos son elegidos usando algún criterio


probabilístico.

Parámetro

Es una función de todas las observaciones de una población. Un


parámetro resume la información contenida de las observaciones que
comprenden a una población, por lo cual su valor es único y constituye
usualmente la incógnita que todo investigador desea conocer. Algunos de
los parámetros que estudiaremos son:
 Media Poblacional, cuya notación es : 
 Varianza Poblacional, cuya notación es: 2
 Moda Poblacional, cuya notación es: Mo

1.2. DEFINICIÓN DE ESTADÍSTICA

Estadística.- es la ciencia que estudia los métodos científicos en la toma,


organización, presentación y análisis de datos, para la deducción de
conclusiones y/o toma decisiones razonables.

Estadística es la ciencia que se ocupa de la creación, desarrollo y


aplicación de las técnicas que permiten hacer un análisis confiable de una
población. En términos generales, se ocupa de la colección, resumen y
presentación de información, del análisis e interpretación de datos y
resultados, de modo tal que pueda evaluarse la confiabilidad y riesgos
asociados a las condiciones que se pueden derivar a partir de la
información captada.

Las dos grandes ramas en que se divide a la estadística son:

A. Estadística Descriptiva
Es la parte de la estadística que estudia un grupo de datos dado, sin
inferir sus conclusiones a un grupo mayor.

B. Estadística Inferencialo inductiva es la parte de la estadística que


estudia condiciones bajo las cuales las conclusiones de la muestra
son vàlidas para la población, la Estadìstica inferencial usa el
concepto de PROBABILIDAD, que es la medida de la incertidumbre.

IMPORTANCIA DE LA ESTADÍSTICA EN CONTABILIDAD

La estadística es un soporte en las siguientes acciones profesionales:


. Recolección, Organización, Presentación y Análisis de datos de la
especialidad (costos, precios, salarios, impuesto, etc.)
. Planificación en la alta dirección de las empresas, según los
resultados de la estadística.
. Control de la ejecución de lo planificado según la estadística de
resultados.

14
. Toma de decisiones y Gestión empresarial según los resultados de la
estadística.
. Investigación de temas de la especialidad.

1.3. TOMA DE DATOS

Variable

La variable es una característica de la población que se va a


investigar y puede tomar diferentes valores. Se clasifican en:
cualitativas y cuantitativas.

Variable Cualitativa

Se denomina así cuando está asociada a una característica


cualitativa que toma niveles de valorización.

Variable Cuantitativa

Se llama así cuando está asociada a una característica


cuantitativa. Estas variables se divide en discretas y continuas.

Variable Discreta

Se dice que una variable es discreta si sólo asume valores


enteros o mejor dicho que varían de uno en uno, Ejm: El número
de miembros de una familia o el número de personas que habitan
la casa; el número de alumnos aprobados en una asignatura.

Variable Continua

Una variable es continua cuando puede tomar cualquier valor


dentro de un intervalo, dependiendo éste principalmente de la
precisión con que se trabaje. Por Ejm: La talla de los individuos
medida con la precisión de un centímetro y expresada en metros:
1,69 m; 1,74 m; etc.

REDONDEOS DE DATOS.
Se usa generalmente para uniformizar datos de variable continua ,
aproximando a una determinada cifra: milésimas, centésimas, décimas,
unidades, decenas, centenas, millares, millones, etc. Con el fin de
minorizar los errores, sobre todo cuando con los datos se van a efectuar
operaciones.

Técnica:
. Si la cifra a eliminar es 0, 1, 2, 3,4: se desecha la cifra
. Si la cifra a eliminar es 6, 7, 8, 9: se desecha la cifra y se aumenta en
una unidad la cifra de orden superior.

15
. Si la cifra a eliminar es 5: se aplica el criterio del “par más cercano”.
-Si el digito precedente es par, este no se modifica.
-Si el dígito precedente es impar, este será aumentado en una unidad.

Ejem:

E1. 47.340 => 47.34 E2. 7.730 => 7.73 E3. Elimina la última cifra
47.341 47.34 7.731 7.73 72.8 =>73
47.342 47.34 7.732 7.73 72.814 =>72.81
47.343 47.34 7.733 7.73 183.575 =>183.58
47.344 47.34 7.734 7.73
47.345 47.34 7.735 7.74
47.346 47.35 7.736 7.74
47.347 47.35 7.737 7.74
47.348 47.35 7.738 7.74
47.349 47.35 7.739 7.74
47.350 47.35 7.740 7.74

Toma o recolección de datos: es la obtención de datos tal como se


encuentran en la realidad.
Puede ser directamente de la realidad, mediante conteos o medicines, o
de archivos, formatos,…….., encuestas, experimentos, etc.

Ordenación: es la colocación de los datos en orden creciente,


decreciente, u otro criterio necesario para el trabajo final.

Rango: es la diferencia entre el dato mayor y el dato menor.

Ejemplos de Toma de Datos

Ejemplo Nº 1

Corresponde a una muestra de 30 familias sobre el número de hijos por


familia:
A = {1,2,5,3,4,2,0,5,3,2,4,2,1,0,3,2,1,0,3,2,1,0,1,3,5,6,2, 5,4,2,}

Generalizando:
A = {x1, x2, x3, .................. xi .................., xn }

En este caso se tiene que n = 30. Tamaño de la muestra.

Ejemplo Nº2
Corresponde a una muestra de 100 observaciones sobre las tallas de los
alumnos, expresada en metros:

16
B=
1,60 1,70 1,55 1,68 1,72 1,70 1,63 1,76 1,54 1,71
1,78 1,74 1,65 1,63 1,55 1,68 1,69 1,74 1,80 1,66
1,65 1,69 1,59 1,68 1,70 1,73 1,74 1,76 1,75 1,69
1,78 1,77 1,69 1,71 1,70 1,75 1,76 1,77 1,68 1,64
1,69 1,70 1,71 1,76 1,71 1,72 1,74 1,69 1,58 1,59
1,60 1,63 1,64 1,65 1,68 1,70 1,70 1,72 1,75 1,58
1,71 1,75 1,74 1,71 1,70 1,69 1,68 1,73 1,72 1,74
1,71 1,70 1,72 1,79 1,78 1,82 1,80 1,79 1,71 1,71
1,70 1,72 1,76 1,75 1,70 1,71 1,69 1,68 1,60 1,62
1,59 1,58 1,61 1,65 1,69 1,71 1,75 1,74 1,70 1,78

En este caso n = 100. Tamaño de la muestra.

PRESENTACIÓN DE LA INFORMACIÓN

Distribución de frecuencias: es distribuir los datos en clases,


determinando el número de datos pertenecientes a cada clase,
denominado frecuencia de clase (f).

Ejem:
Las alturas de 100 estudiantes, registradas con aproximación de
pulgadas.

Clases Frecuencia(f)
(Alturas) (Nº de estudiantes)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 - 74 8
N = 100

Para determinar el número de clases hay varios criterios.


. generalmente varían de 5 a 20 dependiendo de los datos.
. Nº de clases = √n
. Nº de clases =1+3.322 log N

. Intervalos de clases y limites de clase.

60 – 62 es el intervalo de clases y 60,62 son los limites de clases

. Marca de clases. (x)

Es el punto medio del intervalo de clase. Se obtiene como la semi- suma de los
límites de clases.

17
- los datos de cada clase se consideran que coincide con su
correspondiente marca de clases.

. Procedimientos para formar una distribución de frecuencia.

- Se determina al rango.
- se divide el rango en un numero conveniente de intervalos (5 a 20) o
usando alguno de los criterios mencionados.
- se determina el tamaño del intervalo y las clases con

C =_____R_____
Nº de clases

- se determina las marcas de clase

Ejem: Sean las alturas en cm. De 40 alumnos

138 164 150 132 144 125 149 157 146 158

140 147 136 148 152 144 168 126 138


176

163 119 154 165 146 173 142 147 135 153

140 135 161 145 135 142 150 156 145 128

1.- R= 176 – 119 = 57


2.- Nº de clases = √N = √ 40 = 6.3 = 6 ;

tamaño del int. C =_____R_____


Nº de clases = 9.5

Para facilitar la construcción de la tabla de frecuencias, por comodidad de


cálculo se eligió el tamaño del intervalo de 10.

3.-

Clases Conteo Frecuencia x fR fA fAR


(f)Nº niños

118 -127 III 3 122.5 7.5 % 3 7.5%


128 - 137 IIIII I 6 132.5 15.0% 9 22.5%
138 - 147 IIIII IIIII IIII 14 142.5 35.0% 23 57.5%
184 - 157 IIIII IIII 9 152.5 22.0% 32 50.0%
158 – 167 IIIII 5 162.5 12.5% 37 92.5%
168 - 177 III 3 172.5 7.5% 40 100.0%
Nº 40 100.0%

18
Histograma, polígonos y curvas de frecuencia

Histograma: rectángulos de bases en el eje x , sus centros coinciden con los


marcas de clases y de longitud igual , cada altura igual a su frecuencia f

Polígonos Frecuencia: Se obtiene uniendo los puntos medios de las bases


superiores

de los rectángulos del histograma y dos mascas de clases inferior y superior


de frecuencia cero.

Curvas de frecuencia: se obtiene suavizando los vértices de polígonos de


frecuencia

Frecuencia relativas (fR): fR = __f__ x 100 %


N

Frecuencia Acumulada (FA): FA = f1 + f2 +…………….fn

Frecuencia Acumulada Relativa (FAR): FAR =__ f A __ x 100 %


N

Fig. 1.1 Histograma y Polígono de Frecuencias


f

15

12

0
112,5 122,5 132,5 142,5 152,5 162,5 172,5

Marcas de Clase

19
Distribución de Frecuencia de una Muestra Discreta

La tabla de distribución de frecuencias que corresponde al ejemplo


Nro. 1 es el siguiente:

Clases Conteo Frecuencia


X f
0 hijos IIII f1 = 4
1 hijo IIIII f2 = 5
2 hijos IIIIIIII f3 = 8
3 hijos IIIII f4 = 5
4 hijos III f5 = 3
5 hijos IIII f6 = 4
6 hijos I f7 = 1

k=7 f= n = 30

Metodología. podemos utilizar la siguiente

. Primero se determina el número de clases, de acuerdo a los datos


que se disponen, en este caso son 7 datos diferentes.

. En la primera columna se ordena en forma ascendente los datos u


observaciones que son diferentes.

. La segunda columna se utiliza para realizar el conteo de los datos


que se repiten (frecuencia)

. En la tercera columna, se indica el número de veces (frecuencia)


que se repite una clase.

Procedimiento alterno para Construir la Tabla de Frecuencias


en una Muestra Continua

1. Se resta el mínimo valor del máximo valor de la muestra, esta


diferencia representa la anchura o tamaño de la muestra.

2. La diferencia obtenida se divide entre el número de intervalos


que se considera en la distribución.

Una de las formas para determinar en cuantos intervalos se


debe clasificar una muestra, lo dá la regla de Sturges:

K = 1 + 3.332 log n Donde:


K Nro. De intervalos
n Nro. De observaciones que
tiene la muestra.

20
3. El cociente obtenido en la división realizada en el segundo
paso representa la anchura o tamaño del intervalo de clase (c).

Se recomienda que todos los intervalos deben ser del mismo


tamaño a fin de tener mejores resultados en los análisis de la
muestra.

4. Conociendo la amplitud de cada intervalo y el número de los


mismos, se determina en orden ascendente los intervalos de
clase. Teniendo como límite inferior del primer intervalo al
menor valor de la muestra y como límite superior al valor
obtenido al sumar al límite inferior el valor de la amplitud del
intervalo. De esta forma sucesivamente se van formando los
intervalos.

5. Los puntos medios de los intervalos de clase toman el nombre


de marcas de clase, que se obtiene sumando el límite inferior
y superior de cada intervalo y dividiendo entre dos.

Tabla de Frecuencias de una Muestra Continua

Ejemplo de Aplicación de una Muestra Continua

La tabla de distribución de frecuencias correspondiente al ejemplo


Nro. 2 es el siguiente:

Después de realizar el conteo y hallado la frecuencia por intervalo el


cálculo del Nro de intervalos (K): Por la regla de Sturges.

Para n = 100

k = 1 + 3,332 log n
k = 1 + 3,332 log 100
k = 7,7

Consideramos el valor:

k =7
q1 = 1.54
q2 = 1.82
q2 – q1
c = k
1,82 – 1,54
c = 7 = 0,04,

21
TABLA DE FRECUENCIAS (EJM 2)

Con estos datos se construye la tabla de frecuencias siguiente

Clases Frecuencia
Marcas Conteo
(Estaturas f
1,56 [1,54 – 1,58] IIIII I 6
1,60 (1,58 – 1,62] IIIII III 8
1,64 (1,62 – 1,66] IIIII IIIII 10
1,68 (1,66 – 1,70] IIIII IIIIIIIIIIIIIIIIIIII III 28
1,72 (1,70 – 1,74] IIIII IIIIIIIIIIIIIIIIIIII I 26
1,76 (1,74 – 1,78] IIIII IIIIIIIIII II 17
1,80 (1,78 – 1,82] IIIII 5

Gráfica de Frecuencias f= 100


. Histograma y Polígono de Frecuencias

Ejemplo de Aplicación:
Con los datos del ejem Nro. 2. Hallar el Histograma y Polígono de
frecuencias respectivos.

Fig. 1.2 Histograma de Frecuencias

28
FA 30 26
rl 25
e u
cm 20 17
u n
15
e o 10
n s 10 8
c 6 5
i 5
a
s
1,56 1,60 1,64 1,68 1,72 1,76 1,80
Marcas de clase(Estaturas)

22
Distribución de Frecuencias Relativas

Ejemplo: En la muestra del Ejm. Nro. 2, la frecuencia relativa de la


segunda clase será:
f2
f R2 = n Remplazando por sus valores

f R2 = 8
= 0,08 que puede expresarse como el 8%
100

Distribución de Frecuencias Acumuladas Absolutas y Relativas.

1. Frecuencias Acumuladas Absolutas (FA).

Es la frecuencia total de todos los valores menores o iguales al límite


superior del intervalo de clase respectivo, se obtiene sumando las
frecuencias absolutas correspondientes a los intervalos inferiores.

Ejemplo: En la muestra de Ejm. Nro. 2, la frecuencia absoluta


acumulada hasta la tercera clase (FA ) será:

FA3 = f1 + f2 + f3

FA = f1 + f2 + f3 + .............. + fn

Reemplazando con los valores del ejemplo:

FA3 = 6 + 8 + 10 = 24

FA3 = 24

Interpretación:

Existen 24 observaciones cuyos estaturas son menores o iguales a


1.66 m.

2. Frecuencias Acumuladas Relativas ( FAR )

Es la frecuencia relativa total de todos los valores menores o iguales


al límite superior del intervalo de clase respectivo, se obtiene
sumando las frecuencias relativas siguientes a los intervalos
inferiores.

Ejemplo:

En la muestra del Ejm Nro. 2, la frecuencia relativa acumulada hasta


la cuarta clase (FAR4) será:

23
FAR4= fR1 + fR2 + fR3 + fR4

Generalizando:

FAR= fRt = fR1 + fR2 + fR3+ ..............+ fRk

Reemplazando con los valores del ejemplo:

FAR4 = 0,06 + 0,08 + 0,10 + 0,28 = 0,52

FAR4 = 0,52

Interpretación:

Al multiplicar por 100 para obtener la respuesta en %:


Significa que el 52 % de observaciones tienen estaturas
menor o igual 1,70 m.

Gráfica de las Frecuencias Acumuladas, Ojiva.

La gráfica que muestra las frecuencias acumuladas “mayor que” o


las que son “menor o igual que” toman el nombre de Polígono de
Frecuencias Acumuladas u Ojivas.

Ejemplo:

Presentaremos las frecuencias acumuladas a partir de la muestra


del Ejm. Nro 2.

x Clases(estaturas fi fR FA FAR
)
1.56 [1.54 – 1.58] 6 0.06 ; 6% 6 0.06 ; 6%
1.60 (1.58 – 1.62] 8 0.08 : 8% 14 0.14 ; 14%
1.64 (1.62 – 1.66] 10 0.10 ; 10% 24 0.24 ; 24%
1.68 (1.66 – 1.70] 28 0.28 ; 20% 52 0.52 ; 52%
1.72 (1.70 – 1.74] 26 0.26 ; 26% 78 0.78 ; 78%
1.76 (1.74 – 1.78] 17 0.17 ; 17% 95 0.95 ; 95%
1.80 (1.78 – 1.82] 5 0.05 ; 5% 100 1.00 ;100%

n = 100 f R =1ó100%

24
Fig. 1.8 Gráfica de Frecuencias Acumuladas Ojiva

FA
100 100 100
94 95
86
80
76 78

“Menor oigual”
60
52
48
40

24 “Mayor que”
20 22
14
6 5
1,54 1,58 1,62 1,66 1,70 1,74 1,78 1,82

Intervalos de clase

TALLER 01
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

INTRODUCCIÓN AL ANÁLISIS DE
DATOS – PRESENTACIÓN DE LA INFORMACIÓN

EJERCICIOS Y PROBLEMAS

Estadística Descriptiva e Inferencia Estadística

1. Indique cuáles de los términos u operaciones siguientes se relacionan


con muestras (M) ó con una población (P): a) Grupos de medidas
llamadas parámetros, b) uso de inferencia estadística, c) hacer un
cerco, d) juzgar la calidad de un embarque de fruta inspeccionando
varias de las cajas, e) Universo, f) grupos de medidas denominadas
estadísticas, g) aplicación de conceptos de probabilidad.

Variables Discretas y Continuas

2. Por los siguientes tipos de valores, identifique si corresponde a


variables discretas (D) o variables continuas (C): a) el peso del
contenido de un paquete de cereales, b) el diámetro de un cilindro, c)
el número de artículos defectuosos que se producen, d) el número de
personas pensionadas en una área geográfica, e) El número

25
promedio de clientes de una empresa visitadas por un vendedor, f) el
total de ventas en soles.
3. Se encuestó a un grupo de 30 alumnos sobre el departamento del
Perú en el que nacieron y respondieron como se indica.

L T T C P T A A C L L P A AA
L LL P C A A T L T C L A L L

Donde L, A, T, C y P representa Lima, Arequipa, Trujillo, Cuzco, y Piura,


respectivamente. Organizar los datos en un cuadro de distribución de
frecuencias.

4. Se encuestó a 30 contadores sobre el número de balances


presentados el año pasado y se obtuvo la información siguiente.

614627245686532
525756146459236

Organizar los datos en un cuadro de distribución de frecuencias.

5. Construya una tabla de frecuencias para los datos siguientes,


correspondiente al número de faltas a clases en el primer semestre
del 2005 para estudiantes del curso de Economía.

9 8 7 8 4 3
2 1 0 5 3 2
1 1 7 3 2 8
7 6 6 4 3 2
2 0 9 4 6 9
6 9 4 3 5 7
3 2 1 4 4 2

6. Un conjunto de datos tiene 100 observaciones, de las cuales la


mayor es 212 y la menor 42. Suponga que desea una tabla de
frecuencias con siete clases.

a) ¿Cuál es el intervalo de clase?

b) ¿Cuál es la marca de la primera clase si el límite inferior se fija en


40?.

7. El Profesor Rojas puso un examen final consistente en 100


preguntas a su grupo de contabilidad I, los datos siguientes
representan el número de respuestas correctas en cada examen,
constrúyase una tabla de frecuencias agrupadas con 5 clases para
que, el profesor Rojas pueda analizar los resultados.

17 15 78 21 10 32 7 65 18 87
4 22 34 42 9 9 82 79 98 4
44 65 62 77 81 81 45 37 83 44

26
77 13 41 16 13 13 82 37 5 54
7 67 88 41 22 22 92 16 67 85
Distribución de Frecuencias, Intervalos de Clase y Métodos
Gráficos.

8. Los siguientes datos constituyen las vidas útiles, en horas de una


muestra aleatoria de 60 bombillas de luz de 100 watts.

Vida útil de 60 bombillas de luz.

807 811 620 650 817 732 747 823 844 907
660 753 1050 918 857 867 675 880 878 890
881 872 869 841 847 833 829 827 822 811
766 787 923 792 803 933 947 717 817 753
1056 1076 958 970 776 828 831 781 1088 1082
832 863 852 788 980 889 1030 897 755 891

a) Constrúyase una distribución de frecuencias con anchos de


clases iguales.
b) Trazar el histograma y polígono de frecuencias.
c) Trazar el Ojiva correspondiente “mayor que” y “menor que”.
d) Hallar la frecuencia Acumulada Relativa (Hi) de la cuarta y
sexta clase, interprete su respuesta.
e) Hallar la frecuencia Acumulada Absoluta y Relativa “mayor
que” de la primera y segunda clase, interprete su respuesta.

9. Las siguientes observaciones son los tiempos (en minutos) que


tardan 30 estudiantes en terminar su primer examen de matemáticas
financieras.

42,3 67,7 53,3 63,9 70,1


70,0 52,6 61,9 41,7 39,2
37,2 63,2 45,7 38,9 68,3
69,2 39,2 42,7 52,4 52,5
41,9 58,9 69,1 68,3 64,9
39,2 45,5 55,5 61,2 69,8

a) Determinar el Nº de clases y el intervalo respectivo.


b) Construir la tabla de frecuencias. Marcar el recuento de las
observaciones y registrar la frecuencia de c/clase.
c) Construir una distribución de frecuencias acumuladas menor o
igual, mayor que.
d) Construir una distribución de frecuencias relativas acumuladas
menor o igual, mayor que.
e) Construir un histograma, un polígono de frecuencias una Ojiva.
Con los datos de tiempos invertidos por los estudiantes del
problema.

27
Uso de Computadoras para Generar Números Aleatorios.

AUTOEVALUACION

1. Un analista económico desea obtener una muestra aleatoria simple


de 30 empresas de las 435 que están listadas en un área geográfica.
Las empresas están identificadas secuencialmente, con números del
001 al 435. Utilizando algún programa de computación, obtenga 30
números de identificación, que determinen las empresas que deben
incluirse en la muestra.

LISTADO OBTENIDO CON MINITAB 15

MTB > RANDOM 30 C1;


SUBC > INTEGER 1 435.
MTB > NAME C1 ’SAMPLE’
MTB > PRINT ’SAMPLE’

SAMPLE
277 170 368 180 299 124 402 359 204
240 351 24 29 339 167 154 100 122
260 339 77 128 94 345 98 71 91
377 199 243

2. Un auditor desea obtener una muestra aleatoria simple de 50 de los


5250 cuentas por cobrar de una empresa grande.
Las cuestas están numeradas secuencialmente del 0001 al 5250.
Utilice algún programa de computadora para obtener un listado de
los 50 números aleatorios que se requieren.

Utilización de Computadora para formar una Distribución de


Frecuencias.

3. Utilice un paquete de cómputo para formar una distribución de


frecuencias para producir un histograma de los datos no agrupados
de la tabla dada, que contiene una muestra de los tiempos que 30
empleados requieren para llevar a cabo una tarea de ensamble.

Tabla A: Tiempo de ensamble para 30 empleados (minutos)

10 14 15 13 17
16 12 14 11 13
15 18 9 14 14
9 15 11 13 11
12 10 17 16 12
11 19 12 14 15

28
Solución (Datos de entrada y resultados por computadora)

DATOS DE ENTRADA

MTB > SET C1


DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA > 19 12 14 15
DATA > END
MTB > HISTOGRAM C1

LISTADO OBTENIDO CON MINITAB


Resultados ( desarrollamos en clase )

4. Utilice algún paquete de cómputo para formar una distribución de


frecuencias y producir un histograma de los datos no agrupados de
la tabla siguiente, para las cantidades otorgadas en 40 préstamos
personales.

Resultados ( desarrollaràn los alumnos )

29
TEMA N° 2

MEDIDAS DE TENDENCIA CENTRAL

ORGANIGRAMA

Tendencia Central

Datos no agrupados

Media Aritmética

Mediana

Moda

Media Aritmética Ponderada

Media Geométrica

Datos agrupados

Media Aritmética

Mediana

Moda

CONCEPTOS RELACIONADOS

Coeficiente de Variación Coeficiente de Asimetría

30
LA MEDIA ARITMÉTICA

De un conjunto de datos numéricos es la suma de todas las


observaciones del conjunto, dividida entre el número de observaciones.

Simbología.-Fórmulas.
Dependiendo de la información disponible ( poblacional o muestral) se
puede tener:
Media o promedio poblacional (u):


N
u= 1 Xi = x .............................. (2.1)
N i=1 N
Media o promedio muestral( X ):


n
x= 1 Xi = x .............................. (2.2)
n i=1 n
Donde : Xi = Valor de la i – enésima observación de la variable
(suma de todos los datos)

N = Tamaño de la población (Nro. De datos)

n = Tamaño de la muestra (Nro. De datos)

Propiedades:

1. La Media aritmética es un valor representativo debido a que es el


centro de gravedad o punto de equilibrio de un conjunto de
observaciones.

2. Si se sustituye el valor de cada observación por el valor del Promedio


Aritmético no varía la suma de todas las observaciones.

3. La suma de las desviaciones de las observaciones con respecto al


promedio aritmético es igual a cero.

4. Si cada observación de una muestra se le suma una constante el


promedio de las nuevas observaciones será igual al promedio de la
muestra original más la constante.

5. Si a cada observación de una muestra se le multiplica por una


constante, el promedio de las nuevas observaciones será igual al
promedio de la muestra original multiplicada por la constante.

31
Ejemplos:

E1 : Tenemos los salarios anuales (en soles) de 7 supervisores.


34,500; 30,700; 32,900; 36,000; 34,100; 33,800; 32,500. Calcular la
media (u).

34,500  30,700  32,900  36,000  34,100  33,800  32,500


u
7

u = S/. 33,500; u representa el salario medio anual para los miembros de


esta planilla.

LA MEDIA PONDERADA

Fórmula:

upó X P = (px) ....................................


p
donde:

p = factor de ponderación.

x = datos

Ejemplos

E3: Una empresa comercializadora de teléfonos celulares dispone de tres


vendedores, c/u. de los cuales cobra diferente comisión por teléfono
vendido y realizan diferentes números de ventas. Calcule e interprete el
valor medio de la comisión.

Vendedor Número de Telefs. Comisión por


Vendidos ( p ) Venta S/. (x)
Pedro 30 30
Juan 25 40
Pablo 20 50

30(30)  25(40)  20(50) 2900


XP  
30  25  20 75

X P = S/. 38,67

Interpretación:

Si se elige al azar un vendedor se espera que cobre una comisión de: S/.
38.67 por cada teléfono vendido.

32
E4: suponga que los costos de producción y las cantidades producidas
por tres sucursales A, B y C son:

Sucursal Costo de Producción (x) Cantidad Producida (p)


A 1,20 500
B 1,60 200
C 1,05 900

Calcular el costo de producción promedio por unidad producida.

Solución

XP = (px) = 500(1,20) + 200(1,60) + 900 (1,05) = 1865


p
500 + 200 + 900 1600

X P = 1,16 soles

Interpretación:
El costo de producción promedio por artículo, para la empresa es de
1,16 soles por cada unidad producida.

LA MEDIANA

La mediana de un conjunto de observaciones ordenadas de acuerdo a


su magnitud, es el valor de la observación que ocupa la posición central
de dicho conjunto.

Características:

1. La mediana divide a un conjunto de observaciones en dos partes


iguales. El 50% con valores mayores a la mediana y el otro 50% con
valores menores a la mediana.

2. Como medida de posición, la mediana es influenciada por el número


de observaciones y no por los valores de las observaciones.

Cálculo de la Mediana:

Para determinar la posición de la mediana se usa la siguiente fórmula:

Med = X (n/2 + ½) ..............................................(2.4)


Si n es impar.

Para un grupo con un número par de elementos, la mediana se


encuentra a la mitad entre los dos valores adyacentes al centro es decir:

Med = X (n/2) + X(n/2 + 1)


2
Si n es par.

33
Ejemplos

E1 : Los siguientes datos se refieren al número de clientes atendidos


durante los últimos 11 días en una tienda de artefactos. Calcule e
interprete la mediana.
12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Solución
En este caso los datos ordenados son:
5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17 y con
n = 11 se tiene:

Med = X (n/2 + ½) = X(11/2 + ½) = X6 = 11

Interpretación:

Durante 5 días se atendieron a menos de 11 clientes, y durante 5 días se


atendieron a mas de 11 clientes.

E6: Si se tiene las observaciones: 5, 8, 7, 9, 6, 5, 4, 3. Calcular la


Mediana.

Solución

En este caso los datos ordenados son:

3, 4, 5, 5, 6, 7, 8, 9 y con n = 8 se tiene:

X (n / 2)  X (n / 2  1) X (8 / 2)  X (8 / 2  1) X 4  X 5 5  6
Med      5,5
2 2 2 2

El valor de la mediana se encuentra entre los valores cuarto y quinto de


este conjunto ordenado, es decir 5 y 6 en este caso, la mediana es 5.5.

MODA

LA MEDIA ARITMÉTICAPARA DATOS AGRUPADOS

Los datos agrupados son datos dados en tablas de frecuencias.


Cuando se agrupan datos en una distribución de frecuencias, se utiliza el
punto medio de cada clase (xc) como aproximación de todos los valores
contenidos en ella.
Fórmulas Usadas:

Media o promedio Poblacional (u)


fxi fx
u= ó en forma simple u = N ................... (2.6)
f

34
Media o Promedio Muestral ( X )
fxi fx
X = ó en forma simple X n= ................... (2.7)
f

donde:

xi = x = Marca de clase (Punto medio) de cada clase.

f = frecuencia observada de valores en cada clase respectiva.

N = Nº de datos de la Población.

n = Nº de datos de la muestra.

Ambas fórmulas señalan que cada punto medio de cada clase (X c), se
multiplica por la frecuencia de clase correspondiente (f), luego se suman
estos productos () para después dividir esta suma entre el número total
de observaciones (f) representadas en la distribución de frecuencias.

Ejemplos

E9: La distribución de frecuencias siguiente, representa los puntajes


obtenidos en una evaluación del desempeño aplicado al personal técnico
de una empresa. El puntaje máximo de la prueba es 60. Calcule e
interprete en Media.

Tabla 2.1 Distribución de frecuencias de los puntajes por evaluación


de 60 Técnicos.

Desempeño Número de Marca de (fx)


(Puntos) Técnicos (f) Clase (x)
12 – 16 4 14 56
17 – 21 8 19 152
22 – 26 15 24 360
27 – 31 23 29 667
32 – 36 10 34 340

Total 60 (fx)=1575

Solución
En la misma tabla calculamos la marca de clase (xc), es decir el valor
intermedio de cada clase ó intervalo, y (fx), obtenemos:

fx 1575
x = n = 60 = 26,25

x = 26,25

35
Interpretación:

Si se elige al azar un técnico se espera que tenga un puntaje de 26.25 en


su evaluación de desempeño.

E10: En la tabla siguiente se muestra una distribución de frecuencias de


salarios mensuales de 100 trabajadores. Calcule e interprete la Media.

Tabla 2.2 Salarios Mensuales de 100 trabajadores

Número de Marca de
Salario Mensual (fx)
Trabajadores (f) Clase (x)
S/.2400 – 2599 7 2499,50 S/. 17496,50
2600 – 2799 20 2699,50 53990,50
2800 – 2999 33 2899,50 95683,50
3000 – 3199 25 3099,50 77487,50
3200 – 3399 11 3299,50 36294,50
3400 – 3599 4 3499,50 13998,00

Total : 100 (fx) = S/. 294950,00

Solución

En la misma tabla calculamos x y fx, obtenemos:


fx 2949,50
x = n = 100 = S/. 2949,50

Interpretación:

Si se elige al azar un trabajador se espera que tenga un salario mensual


de S/. 2949,50.

LA MEDIANA PARA DATOS AGRUPADOS

Primero, se determina la clase (intervalo) que contiene el valor de la


mediana, luego determinar el valor de la mediana dentro de la clase.

La clase que contiene la mediana es la primera cuya frecuencia


acumulada iguala o excede la mitad del total de observaciones.

Fórmula Utilizada:
N/2 - faA
Med = LI + (fc ) i ..................................... (2,8)

Donde:

LI = Límite exacto inferior de la clase que contiene la mediana.


36
N = Número Total de observaciones.

faA= La frecuencia acumulada de la clase que precede (antes) a la clase


que contiene la mediana.

fc = Número de observaciones en la clase que contiene la mediana.

i = Tamaño del intervalo de clase.

Ejemplo

E11: la siguiente tabla muestra el salario mensual de 100 trabajadores.


Hallar la Mediana.

Tabla : Salarios Mensuales de 100 trabajadores

Salario Mensual Número de Frecuencia Acumulada


Trabajadores (f) (fa)
S/. 2400 – 2599 7 7
2600 – 2799 20 27
2800 – 2999 33 60
3000 – 3199 25 85
3200 – 3399 11 96
3400 - 3599 4 100
Total: 100

Solución

En la misma tabla calculamos (fa); la clase ó intervalo que contiene a la


mediana es la que incluye el valor N/2 = 100/2 =50. La Primera cuya
frecuencia acumulada es igual o superior a 50 es la clase que tiene los
límites 2800 – 2999 ( con límite exacto inferior 2799.50).

Para hallar el valor de la mediana en esta clase:


n/2 - faA 100/2 - 27
Med = LI +fc( ) i = 2799,50 + 33
( ) 200 =

Med = S/. 2938,89

Interpretación:

La mitad de los trabajadores gana menos o igual a S/. 2938,89 y la otra


mitad de trabajadores gana más o igual a S/. 2938,89.

LA MODA PARA DATOS AGRUPADOS


Para datos agrupados en una distribución de frecuencias con intervalos
de clases iguales, para hallar la moda, primero se identifica la clase que
contiene la moda determinando cuál de ellos tiene el mayor número de
observaciones, luego se aplica la fórmula de la moda.
37
Fórmula Utilizada:
d1
Mo = LI +d(1 + d2 ) i ............................................ (2.9)

Donde:
LI = Límite exacto inferior de la clase que contiene la moda.
d1 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase precedente.
d2 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase siguiente.
i = Tamaño de intervalo de clase.

Ejemplo

E12: Con referencia a los datos agrupados de la tabla 2.3. Hallar la moda.

Tabla : Salarios Mensuales de 100 trabajadores.

Número de Frecuencia Acumulada


Salario Mensual
Trabajadores (f) (fa)
2400 – 2599 7 7
2600 – 2799 20 27
2800 – 2999 33 60
3000 – 3199 25 85
3200 – 3399 11 96
3400 - 3599 4 100
Total: 100

Solución

La clase ó intervalo que contiene el mayor número de observaciones


(frecuencia), es el que corresponde a 2800 – 2999 (clase modal).

Para hallar el valor de la moda es esta clase:

d1 13
Mo  LI  ( )i  2799,50  ( )200  S / .2923,31
d1  d 2 13  8

Interpretación:

El salario de valor más frecuente es de S/. 2923,31

38
TEMA N°3

DATOS AGRUPADOS Y NO AGRUPADOS

CUARTILES, DECILES Y PERCENTILES

Mientras que la mediana divide a una distribución de datos en dos


mitades.
Los Cuartiles los dividen en cuatro cuartos iguales.
Los Deciles los dividen en 10 décimas iguales.
Los Percentiles los dividen en 100 partes iguales.

Fórmulas Usadas para datos no agrupados:

Q1 (Primer Cuartil) = X[n/4 + ½] .................................. (2.11)

D3 (tercer Decil) = X [3n/10 + ½] ................................... (2.12)

P70 (Percentil 70) = X[70n/100 + ½] ................................ (2.13)

Ejemplos

E13: Los importes mensuales (en soles) de 15 personas en un


restaurante, en forma ascendente son:
1000, 1000, 2500, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500,
24500, 27500, 30300 y 41000.

Determinar los valores de:

a) Segundo Cuartil.
b) Segundo Decil
c) Punto Percentil 40.

Solución
Siendo n = 15:
a) Q2 = X[2n/4 + ½] = X[2x15/4 + ½] = X8 = 5300

Por definición este valor es equivalente a la Mediana.

b) D2 = X[2n/10 + ½] = X[2x15/10 + ½] = X3,5 = 2500+2500 = 2500


2
X3,5 corresponde al valor de la mitad entre el 3ro y 4to ascendente.

c) P40 = X[40n/100 + ½] = X[40x15/100 + ½] = X6,5 = 3500 + 4000 = 3750


2
X6,5 corresponde al valor de la mitad entre el 6to y 7mo ascendente.

39
CUARTILES, DECILES Y PERCENTILES PARA DATOS AGRUPADOS

Se utilizan algunos ejemplos de fórmulas como:

Q1 (Primer cuartil) = LI + ( n/4 – faA ) i .......................... (2.14)


fc
D3 (Terceldecil) = LI + (3n/10 – faA) i ............................ (2.15)
fc

P70 (Percentil 70) = LI + (70n/100 – faA) i ........................(2.16)

Fc
Donde:

LI = Límite exacto inferior de la clase que contiene Q, D ó P.

faA = Frecuencia acumulada de la clase que prescede (antes)a la clase


que contiene Q, D ó P.

fc = Número de observaciones en la clase que contiene Q, D ó P.

i = Tamaño del intervalo de clase.


Como podemos observar, la fórmula de la mediana (2,8) se modifica de
acuerdo con el punto fraccionario de interés (Q, D, P se encuentran en la
clase cuya frecuencia acumulada excede al valor del Q, D, P solicitado).

E14: Con referencia a la siguiente tabla la cual indica el tiempo requerido


para auditar saldos de cuentas.

a) Determinar el valor del Tercer Cuartil.


b) El Primer Decil.
c) El Punto Percentil 90.

Tabla : Tiempo requerido para auditar saldos de cuentas.

Tiempo de Número de Frecuencia Acumulada


Auditoría Registros (f) (fa)
10 – 19 3 3
20 – 29 5 8
30 – 39 10 18
40 – 49 12 30
50 – 59 20 50
Total: 50

Solución

En la misma tabla calculamos fa. En primer lugar, calculamos la clase que


tiene el punto de interés 3n/4 = 3x50/4 = 37,5 (Quinta clase) de acuerdo
con las frecuencias acumuladas.

40
Luego según fórmula:

a) Q3 = L1 + ( 3n/4 – faA ) i = 49.5 + ( 3x50/4 – 30 )10 = 53,25

fc 20

Conclusión:
49,5 es el límite exacto inferior de la clase que contiene la medición
3n/4 ó 37.5, por tanto el cuartil 3 se encuentra en el quinto intervalo y
su valor es 53,25 min.

b) La clase que contiene el punto de interés (primer decil) = 1xn/10 =


50/10 = 5, LI se encuentra en la clase (intervalo) cuya fa excede a
n/10 ó 5 x (8).

Luego según fórmula:


 n   5 
 10  f aA   10  3 
D1  LI    i  19,5   10  23,5 min .
 fc   5 

 
 
 

Conclusión:
19,5 es el límite superior de la clase que contiene la medición n/10 ó
5, por tanto el decil 1 se encuentra en el segundo intervalo y su valor
es 23.5 min.

c) La clase que contiene el punto de interés (percentil 90) = 90xn/100 =


90x50/100 = 45

LI se encuentra en el intervalo cuya fa excede a 90n/100 ó 45x 50.


Luego según fórmula:

P90 = LI + ( 90xn/100 – faA)i = 49,5+ (9500/100 – 30) 10 = 57


fc 20

Conclusión:

El valor P90 = 57 min y se encuentra en el quinto intervalo.

9.5 – 19.5 – 29.5 – 39.5 – 49.5 – 59.5


1 2 3 4 5

LA MEDIA GEOMETRICA ( xg)

Se utiliza para calcular tasas medias de variación, como la tasa media de


crecimiento poblacional, la tasa media de inflación mensual, la tasa media
de mortalidad, entre otros.

Fórmula
n
xg = x1 . x2 . x3 . x4 . .................... xn ....................... (2.17)
41
Donde:
x = n valores de una serie

x1, x2 ............... xn datos de la serie.

Ejemplo

E15: La siguiente tabla muestra la tasa de aumento en las ventas durante


los últimos meses. Calcule e interprete la tasa media mensual.

Meses Ene Feb Mar Abril Mayo


Aumento
2.6 % 5.4 % 3.8 % 0.5 % 1.4 %
de Ventas

Solución

La tasa 2.6 % también se puede expresar como 0,026 y como se refiere a


un aumento a partir de 100%, el factor de variación será 1,026 (1
representa el 100%, aumento representa >1) para los otros datos se
procede igual.

Reemplazando en la fórmula:
n
xg = x1 . x2 . x3 . x4 . .................... xn ; para n = 5

5
xg = (1,026) (1,054) (1,038) (1,005) (1,014)

5
xg = 1,14390337

xg = 1,02725 (factor de Crecimiento o Medio)

Tasa Media de Variación = (Xg – 1) 100

= (1,02725 – 1)x 100 = 2,72 %

Interpretación:

Si se selecciona al azar un mes entre Enero y Mayo, se espera que las


ventas se hayan incrementado 2.72% con respecto al mes anterior.

LA MEDIA ARMÓNICA (Xh)

Se utiliza para calcular el tiempo medio, velocidad y aceleración media,


como el tiempo medio para realizar un proceso productivo.

42
Fórmula:
Xh 
1 ............................................ (2.18)
1 / x
n
Donde:

xh = media armónica

n = n valores de una serie

1/xi = Suma de todos los datos a la inversa.

EJEMPLO

E16: Los siguientes datos registran el tiempo medio que utilizan 4 clientes
al realizar una compra de un artefacto doméstico. Calcule e interprete el
tiempo medio.

Cliente A B C D
Tiempo
(Minutos) 45 38 52 40

SOLUCIÓN

Para n = 4
Reemplazando en la fórmula

4 4 x88920
Xh  
1

1

1

1 1976  2340  1710  2223
45 38 52 40

X h = 43,117953 min.

43
TALLER 02

ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

MEDIDA DE TENDENCIA CENTRAL O POSICIÓN DE LOS DATOS

EJERCICIOS Y PROBLEMAS

Media, Mediana Y Moda

1. De en una empresa que tiene 200 empleados, el ingreso promedio es S/.


1200,¿cual es la cantidad de dinero destinado al pago sueldos?

2. Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en S/.
100¿Con cuanto dinero se debe contar para poder pagar los nuevos
sueldos?

3.Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual ¿Con cuanto dinero se debe contar para poder
pagar los nuevos sueldos?

4 Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual y además da una bonificación de S/. 50 ¿Con
cuanto dinero se debe contar para poder pagar los nuevos sueldos?

5. Una muestra de 20 trabajadores de una compañía pequeña obtuvieron los


siguientes salarios para un mes determinado. (En dólares)

240, 240, 240, 240, 240, 240, 240, 240, 255, 255, 265, 265,
280, 280, 290, 300, 305, 325, 330 y 340.

Calcule: a) la media, b) la mediana y c) la moda, para este conjunto


de salarios.

6. Si estuviera usted en cada uno de las siguientes situaciones, señale qué


medida de “promedio” reportaría para los datos del problema anterior y en
qué sentido puede considerarse típico cada valor. a) Como Vicepresidente
responsable de las negociaciones colectivas con los trabajadores, b)
Como Presidente de los representantes de los trabajadores.

7. El número de accidentes ocurridos durante determinado mes en 13 áreas


de manufactura de una planta industrial fueron:
2, 0, 0, 3, 3, 12, 1, 0, 8, 1, 0, 5, 1. Calcule: a) la media, b) la mediana,
y c) la moda para el número de accidentes por área.

44
8. En una compañía que maneja 4 productos, los márgenes de utilidad
correspondientes a c/u de ellos durante el año fiscal anterior fueron:
producto A, 4,2 %; producto B, 5,5 %; producto C, 7,4 % y producto D,
10,1 %. Hallar el margen de utilidad promedio.

9. Supongamos que Ramiro el dueño de un grifo vende (en miles de soles)


5 tipos de combustibles. En la tabla siguiente se muestra c/u de ellos
junto con el costo por galón y el número de galones vendidos. Calcular
la media aritmética simple y la media ponderada del costo obtenido por
Ramiro.

Combustible Costo por Volumen de


Galón Ventas en balones
Diesel S/.2,00 3
84 3,50 7
90 5,00 15
97 7,50 12
95 6,00 15

La Media Ponderada
10. Suponga que los precios al menudeo de determinados artículos han
sufrido los cambios que se muestran en la tabla siguiente. Determine el
cambio porcentual promedio de los precios al menudeo con referencia al
promedio de gastos que se indica en la tabla.

Tabla (d) Cambios en los precios al menudeo de algunos artículos


durante un año.
Artículo Aumento Gasto Mensual Promedio
Porcentual (Antes del Aumento)
Leche 10% S/. 2000,00
Carne Molida -6 3000,00
Ropa -8 3000,00
Gasolina 20 5000,00

Media, Mediana y Moda Para Datos Agrupados

11. Con referencia a la tabla (c) la cual muestra la distribución de


frecuencias por el pago mensual alquiler de departamento.
Determinar el alquiler mensual promedio en termino de: 1) Media (u),
Mediana (Med), c) Moda (Mo), interprete su respuesta:

Solución
En la misma tabla calculamos el punto medio de clase (x), f(x) y fa
obteniendo:

45
Tabla (c). Distribución de Frecuencias para alquiler mensual por
departamento.

Punto Número de Frecuencia


Alquiler
Medio de Departamentos Acumulada
Mensual fx
Clase (x) (f) (fa)
350-379 364,50 3 1093,50 3
380-409 394,50 8 3156,00 11
410-439 424,50 10 4245,00 21
440-439 454,50 13 5908,50 34
470-499 484,50 33 15988,50 67
500-529 514,50 40 20580,00 107
530-559 544,50 35 19057,50 142
560-589 574,50 30 17235,00 172
590-619 604,50 16 9672,00 188
620-649 634,50 12 7614,00 200
Total 200 (fx)=S/104550,00

1.- u 
 ( fx) 
104500
 S / .522.75
N 200

2.- Med = LI + ( (N/2) – faA) i = 499.50 + ( 100 – 67 ) 30


fc 40
= S/. 524.25

Nota:

S/. 499.50 es el límite exacto, inferior de la clase que contiene a la


medición N/2 es decir, la centésima medición.

3.- Mo = LI + ( d1 ) i = 499,50 + ( 7 ) 30 = S/. 517,00


d1 + d 2 7+5

S/. 499,50 es el límite exacto inferior de la clase que contiene la


frecuencia más alta.

12. Las siguientes cifras son los importes del consumo en dólares de
quince personas en un restaurante en orden ascendente; 10, 10, 25,
25, 25, 35, 40, 53, 90, 125, 135, 245, 275, 309, 410. Determinar:

a) La media, la mediana y la moda.


b) El segundo cuartil, el segundo decil y el percentil 40.

13. Una muestra de doce trabajadores sé probó en cuanto a su capacidad


de sostener firmemente un objeto; las medidas, ordenadas de menor
a mayor fueron:

80,6; 89,9; 101,4; 102,6; 115,0; 120,1; 123,4; 126,3; 131,8; 138,6;
151,6 y 160,5. Determine:

46
a) El primero, segundo y tercer cuantil.
b) El segundo decil.

14. Hallar la media geométrica de una serie 18, 21, 23, 24 y 22 tomada
en este orden.

15. La siguiente Tabla muestra la tasa de incremento en los pagos de


impuestos de una empresa durante los últimos meses. Calcule e
interprete la tasa media mensual.

Meses Ago Set Oct Nov Dic


Increm. 1,6% 2,8% 2,2% 0,8% 2,5%
Impuestos

SOFTWARE ESTADÍSTICO (Aplicación por Computadora)

MEDIDA DE TENDENCIA CENTRAL O POSICIÓN DE LOS DATOS

Resultados por computadora de la Media y la Mediana

Ejercicios y Problemas

1. Utilice una computadora para calcular la media y la mediana de los


datos de la tabla A del primer capitulo, que contiene los tiempos que
una muestra de 30 empleados requieren para llevar a cabo un trabajo
de ensamble.

Solución

MTB > SET C1


DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA > 16 12 14 15
DATA > END
MTB > NAME C1 ’TIME’
MTB > MEAN ‘TIME’
MEAN = 13.3
MTB >MEDIAN ’TIME’
MEDIAN = 13.5
Como puede observarse el tiempo medio de ensamble es 13.3
minutos, el tiempo mediano de ensamble es 13.5 minutos

2. Utilice una computadora para calcular la media y la mediana de los


datos de la tabla B del primer capítulo, que contiene los montos de 40
préstamos personales.
3. Utilice una computadora para calcular la media y la mediana de los
datos de la tabla siguiente, que contiene las utilidades combinadas en

47
millones de dólares, obtenidas en transacciones nacionales e
internacionales por las 100 empresas multinacionales con oficina
matriz en los E.U. Las columnas sucesivas de número corresponden a
la lista alfabética de las empresas en la tabla original.

Tabla: B Montos de 40 préstamos Personales (en miles de soles)


S/. 932 S/. 1000 S/. 356 S/.2227
515 554 1130 354
452 973 300 2112
1900 660 1610 445
1200 720 1525 784
1278 1388 1000 870
2540 851 1830 630
586 329 335 3000
1650 1423 532 334
1219 727 655 1590

TABLA C: UTILIDADES COMBINADAS EN MILLONES DE DÓLARES


DE 100 EMPRESAS AMERICANAS

1071 724 457 2060 722 499 81 - 353 115 108


784 447 283 5423 2,276 3308 579 708 133 165
197 600 405 258 312 430 1169 524 592 489
835 448 254 119 772 60 2433 535 145 1177
960 1159 473 119 803 1576 754 1369 749 791

441 412 863 370 512 97 348 2762 2380 458


1671 215 522 -1060 1231 838 339 668 1992 580
403 - 476 536 1652 1181 220 627 409 1281 729
445 531 916 532 338 519 437 98 1851 257
188 918 1467 333 580 252 2,227 1567 2310 598

48
TEMA N°4

MEDIDAS DE DISPERSIÓN O VARIACIÓN DE LOS DATOS

ORGANIGRAMA

MEDIDAS DE VARIACIÓN (DISPERSIÓN)


DE LOS DATOS

VARIACIÓN (DISPERSIÓN)

Datos No Agrupados

Rango (Amplitud)

Desviación Media

Varianza y Desviación Estandar

Datos Agrupados

Rango (Amplitud)

Cuartiles, Deciles, Percentiles

Varianza y Desviación Estandar

CONCEPTOS RELACIONADOS

Coeficiente de Variación Coeficiente de Asimetría (Sesgo)

49
Mientras que las medidas de Tendencia Central identifican el valor
“Típico” representativo en un conjunto de datos en contraste:
Las medidas de variación (dispersión) describen la medida de esta
variabilidad según sea grande o pequeña con respeto a una Medida de
Tendencia Central (Media) x o u.

Ejemplo:
Conocidos los porcentajes o notas (x) de 80 estudiantes de Métodos
Cuantitativos 1 se les puede disponer formando una distribución de
frecuencias que da una idea más ordenada de las características de la
variable x (calificación o puntos).
 1ro se le calcula la media de la variable x. Con este valor se puede
representar la distribución de frecuencias.
Si los puntajes (Notas) son muy altos con respeto a la media la
variabilidad será grande.
Si los puntajes (Notas) son muy próximos a la media, la variabilidad será
pequeña.
La Medida de esta variabilidad es lo que se llama Medidas de Variación
o Dispersión.

EL RANGO (AMPLITUD TOTAL) (R)

Es la diferencia entre los valores mayor y menor del conjunto de datos.


R = My – Mn Donde:
R = Rango o Amplitud.
My = mayor valor del grupo.
Mn = Menor valor del grupo.

E1: Durante un mes determinado del verano, 8 vendedores de aparatos


eléctricos vendieron el siguiente Nº de ventiladores:
8, 11, 5, 14, 8, 11, 16, 11.
Hallar el rango de unidades vendidas.
Solución
R = My – Mn = 16 – 5 = 11,0 unidades.

E2: Dos grupos de estudiantes (A y B) tienen la misma media = 70


puntos c/grupo.
Los puntajes más altos y más bajo de cada grupo son:
A: 93 y 25.
B: 73 y 66.
Hallar el Rango ó Amplitud.

Solución
Para A: 93-25 = 68 puntos
Para B: 73 – 66 = 7

Observamos: Que la Medida del Rango se funda sólo en los valores


extremos pero no se analiza la variabilidad de los datos internos por
consiguiente estudiaremos la Desviación Media.

50
LA DESVIACIÓN MEDIA

Incluye todos los datos. Es la media de las desviaciones a partir de algún


valor central. Tal como la media o la mediana de una distribución.

Cuando se refiere a la Media como valor central se tiene la Desviación


Media es decir alrededor de la Media.
E3: Para encontrar las fórmulas: Si tenemos las siguientes calificaciones
de alumnos (sobre 100 puntos)
50, 55, 60, 70, 75, 80.
Hallar al Desviación Media:

Solución

1ro Seleccionamos la Media.


2do Medimos la variabilidad a partir de la media.
3ro Se halla el promedio de variabilidad.

x 50  55  60  70  75  80 390
1) x     65
n 6 6

2) Los desvíos de este valor son:


-15, -10, -5, 5, 10, 15.
El signo (-) indica que la dirección de los desvíos es hacia la
izquierda.
3) La distancia de las desviaciones (Cantidad de Variabilidad):
Ignorando los signos (-) (Observamos que la suma algebraica de
los desvíos a partir de la media es siempre = 0).
Hallamos la media de las desviaciones:

15  10  5  5  10  5 60
   10
6 6

Entonces la Desviación media (DM) = 10.

Por Tanto: La fórmula empleada para hallar la desviación Media:

 xu
D M Poblacional =
N
xx
DM Muestral =
n
Donde:
x = datos del Problema.
u = media poblacional de los datos.
n,N = Nº de datos.
x = media muestral de los datos.

51
E4: Para los datos de ventas de aparatos eléctricos que se dieron en el
E1, hallar la Desviación Media (DM).
Solución

x 5  8  8  11  11  11  14  16
1ro u =   10,5
n 8
X x-u x-u
5 5-10,5=-5,5 5,5
8 8-10,5=-2,5 2,5
8 8-10,5=-2,5 2,5
11 11-10,5=0,5 0,5
11 11-10,5=0,5 0,5
11 11-10,5=0,5 0,5
14 14-10,5=3,5 3,5
16 16-10,5=5,5 5,5
Total 21,0
 xu 21,0
 DM =   2,625  2,6 unidades
N 8

Interpretación:

En Promedio, las ventas de ventiladores por vendedor difiere en 2,6


unidades de la media del grupo, en cualquier dirección.

LA VARIANZA.

LA DESVIACIÓN ESTÁNDAR

Debido a que se dificulta la interpretación del significado del valor de una


varianza, porque las unidades en que se expresa son valores al
cuadrado.

Surge la Desviación estándar (,s), que es la raíz cuadrada de la


varianza, representada mediante la letra griega  o s para una muestra;
su fórmula es:

( x  u ) 2
Desviación Estándar Poblacional  
N

( x  x ) 2
Desviación Estándar Muestral s 
n 1

E4: De acuerdo al ejemplo dado Donde:


8 vendedores vendieron el siguiente Nº de ventiladores 8, 11, 5, 14, 8,
11, 16, 11.

52
2do Tabla: Considerando estas ventas como población:

X x-u (x-u)2
5 -5,5 30,25
8 -2,5 6,25
8 -2,5 6,25
11 0,5 0,25
11 0,5 0,25
11 0,5 0,25
14 3,5 12,25
16 5,5 30,25
 Total 86,00

( x  u ) 2 86
Desviación Estándar     10,75  3,3unidades
N 8

CÁLCULOS ABREVIADOS DE LA VARIANZA YLA DESVIACIÓN


ESTÁNDAR.

Para no realizar el cálculo de c/u de las desviaciones con respecto a la


Media Grupal, existen Fórmulas abreviadas equivalentes, las cuales son:
x 2  Nu 2
Varianza Poblacional:  2 
N
x 2  Nu 2
Desviación Estándar Poblacional:  
N
x 2  n x
2

Varianza Muestral: s 
2

n 1
x 2  n x
2

Desviación Estándar Muestral: s 


n 1
E5: Como verificación de resultados, calcular por fórmula abreviada la
desviación estándar respectiva del problema anterior, siendo x = u =
10,5.
x x2
5 25
8 64
8 64
11 121
11 121
11 121
14 196
16 256
Total 968

53
x 2  Nu 2 968  8(10,5)2
   10,75  3,3 unidades
N 8
MEDIDAS DE VARIABILIDAD (DISPERSIÓN) ASIMETRÍA Y
CURTOSIS DE LOS DATOS.

Formas de Curvas de frecuencias.


Después de haber dibujado el polígono de frecuencias y la curva ojiva
para la distribución de frecuencias acumuladas, también tenemos los
siguientes tipos de curvas:

En términos de ASIMETRÍA (Lados Laterales), una curva de frecuencia


puede ser:

(1) Asimétrica Negativa: Asimétrica con la cola hacia la izquierda.


(2) Asimétrica Positiva: Con la “cola” hacia la derecha.
(3) Simétrica.

FIG.3.1. ASIMETRÍA DE PEARSON


f f f

(1) Asimétrica
x (2) Asimétrica
x (3) Simétrica
x
Negativa Positiva (Insesgada)
(Esta sesgada (Sesgada hacia
hacia la izquierda) la derecha)

En términos de Kurtosis (vértice superior), una curva de frecuencia


puede ser:

(1) Platikúrtica: Plana, con las observaciones distribuidas de manera


relativamente uniforme en todas las clases.
(2) Leptokúrtica: Puntiaguda, con las observaciones concéntricas en un
estrecho rango de valores.
(3) Mesocúrtica: Ni plana ni puntiaguda, en términos de la distribución
de los valores observados.

FIG. 3.2. KURTOSIS


f f f

x x 54 x
(1) Platikúrtica (2) Leptokúrtica (3) Mesocúrtica
EL COEFICIENTE DE VARIACIÓN (C.V.)

Indica la Magnitud relativa de la Media de la Distribución:


Su fórmula es:

Población: CV = x 100
u
s
Muestra: CV = x 100
x

Donde: CV = Coeficiente de Variación


 = desviación estándar.
x , u = media.

Si consideramos 2 o más distribuciones con medios bastantes diferentes


o si se miden en unidades distintas, será peligroso extraer conclusiones
sobre la dispersión a partir de un único valor de la Desviación Estándar.
Es como comparar manzanas con naranjos: por tanto se recurre
frecuentemente al uso del C.V.

Se aplica para comparar la variabilidad de 2 conjuntos de datos con


respeto al nivel general de los valores de c/conjunto (y, por ello respeto a
la media).

E6: Para 2 Acciones Comunes de Empresas


(Telefónica A –Claro B)
El precio promedio de cierre en la bolsa de un mes fue:
Acción A = $15000 con desviación estándar de 500.
Acción B = $5000, con desviación estándar de 300.

Haciendo una comparación absoluta, resultó ser superior la variabilidad


en el precio de la acción A, debido a que muestra una mayor desviación
estándar. Pero con respecto al nivel de precios, deben compararse los
respetivos coeficientes de variación:

 500 300
CV ( A)    0,033 y CV ( B)   0,060
u 15000 5000

Interpretación: El Precio de la acción B ha sido casi 2 veces más


variable que la acción A.
(Con respecto al precio promedio para c/u de las 2).

COEFICIENTE DE ASIMETRÍA DE PEARSON (SESGO)


Mide la desviación de la simetría, expresando la diferencia entre la
media y la mediana con respecto a la desviación estándar del grupo de
mediciones.

55
Su Fórmula:

3(u  Med )
Asimetría Poblacional:

3( x  Med )
Asimetría de la Muestra:
S

Para una distribución Simétrica, el valor del coeficiente de asimetría


siempre es = 0, porque la media y la mediana son iguales.
Para una distribución con asimetría (+), la x es siempre > que la Med.
=> Asimetría = (+).
Para una distribución con asimetría (-) la x es siempre < que la Med. =>
Asimetría = (-).

E8: Del ejemplo dado E1 de 8 vendedores que vendieron ventiladores.

u = x =10.5 =
 x  84  10,5
n 8
X  X5
Med = X (5 8 8 11 11 11 14 16) = 4
2
11  11
Med =  11
2
 = 3,3
3(u  Med ) 3(10,5  11,0)
 Asimetría =   0,45
 3,3
(El grado en que están sesgados se refleja en este valor)

Así, la distribución de las unidades vendidas tiene una ligera asimetría


negativa, es decir, está sesgada hacia la izquierda.

FIG. 3.3. ASIMETRÍA DE PEARSON.


f

X
Asimetría Negativa

56
EL RANGO Y LOS RANGOS MODIFICADOS PARA DATOS
AGRUPADOS.

Para datos agrupados en una Dist. De frecuencias el Rango (R):


Limite Exacto Superior de la clase (intervalo) más alto Ls(A)
y el límite exacto inferior de la clase (Intervalo) más baja L I
(B)
Así: R= Ls (A)- LI (B)

E9: En los siguientes datos agrupados de las salarios mensuales de 100


trabajadores hallar el rango.

Salario Mensual Límites Exactos


$ De Clase
2400 – 2599 2399,50 – 2599,50
2600 – 2799 2599,50 – 2799,50
2800 – 2999 2799,50 – 2999,50
3000 – 3199 2999,50 – 3199,50
3200 – 3399 3199,50 – 3399,50
3400 – 3599 3399,50 – 3599,50
R = Ls(A) – LI(B) = 3599,50 – 2399,50 = 1200

DESVIACIÓN MEDIA PARA DATOS AGRUPADOS

Para los datos agrupados en una distribución de frecuencias, se asume


que el punto medio de cada clase (Intervalo), representa a todas las
mediciones incluídas en esa clase (intervalo); es igual que el cálculo de la
media para datos agrupados.

Fórmula Empleada:

DMPOBLACIONAL =
 ( f ) x  u 
N

E10: Para los datos de salarios diarios del Problema anterior calcular la
Desviación Media.

Solución

Pto. Medio
Salario (f) Nº de
de clase f(x) | x u| f x u
Mensual Trabajadores
(Intervalo) x
2400 2599 2499,50 7 17496,50 450 3150
2600 2799 2699,50 20 53990,00 250 5000
2800 2999 2899,50 33 95683,50 50 1650
3000 3199 3099,50 25 77487,50 150 3750
3200 3399 3299,50 11 36294,50 350 3850
3400 3599 3499,50 4 13998,00 550 2200
Total: 100 294950,00 Total: 19600

57
LA VARIANZA YLA DESVIACIÓN ESTANDAR PARA DATOS
AGRUPADOS.

Se asume que el punto medio de clase (intervalo) representa a todas las


mediciones incluidas en esa clase.
Fórmulas Empleadas:

Varianza Poblacional:  
2  
f x  u 
2

N

  f x  x 
2

Varianza Muestral: S 2

n 1

  f x  u  
2

Desviación Estándar Poblacional:  


N

  f x  x 
2

Desviación Estándar Muestral: S 


n 1

E11: Para los datos de salarios diarios que se presentan a continuación.


Hallar la Desviación Estándarmuestral

Pto. Medio
x  x x  x  f x  x 
Salario (f) Nº de 2 2
de clase f(x)
Diario Trabajadores
(Intervalo)x
2400 - 2599 2499,50 7 17496,50 -450 202500 1417500
2600 - 2799 2699,50 20 53990,00 -250 62500 1250000
2800 - 2999 2899,50 33 95683,50 -50 2500 82500
3000 - 3199 3099,50 25 77487,50 150 22500 562500
3200 - 3399 3299,50 11 36294,50 350 122500 1347500
3400 - 3599 3499,50 4 13998,00 550 302500 1210000
Total: 100 294900,50 Total : 5870000

Solución

1ro: Cálculo del Pto. Medio de Intervalo


2do: Cálculo f x 

3ro: Cálculo de la media x 


 f x   294950  2949,50
n 100
4to: x  x  Tabla
5to: f x  x  Tabla
2

58
  f x  x   
2
5870000
6to:Reemplazo de fórmula S   59292.93
n 1 99
S  243.50

3.12 FORMULAS ABREVIADAS PARA DATOS AGRUPADOS SON LOS


SIGUIENTES:

Varianza Poblacional:  2 
  f x 2   Nu 2
N

Desviación Estándar Poblacional:  


  f x 2   Nu 2
N
 f x  nx
2 2

Varianza Muestral: S 2

n 1
  fx   n x
2 2

Desviación Estándar Muestral: S 


n 1

E12: Del problema anterior calcular la Desviación Estándar resultante


probando de esta manera la Respuesta, usando Fórmulas abreviadas.

Salario Pto. Medio (f) Nº de x2 fx2


Diario de clase Trabajadores
(Intervalo)x
2400 2599 2499,50 7 6247500,25 43732501,00
2600 2799 2699,50 20 7287300,25 145746005,00
2800 2999 2899,50 33 8407100,25 277434308,25
3000 3199 3099,50 25 9606900,25 240172506,25
3200 3399 3299,50 11 10886700,25 119753702,75
3400 3599 3499,50 4 12246500,25 48986001,00
Total 100 Total: 875825025.00

875825025  1002949
2
S  243,50
100  1

59
TALLER 03
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

GUÍA DE PRACTICAS (Problemas Propuestos)

MEDIDAS DE VARIACIÓN (DISPERSIÓN) DE DATOS

RANGO – DESVIACIÓN MEDIA – VARIANZA – DESVIACIÓN


ESTANDAR – COEFICIENTES DE VARIACIÓN Y DE ASIMETRIA

MEDIDAS DE DISPERSIÓN (VARIACIÓN)

1. En un estudio contable, las utilidades de empresas son: 15, 9, 11,10


y 11 en millones de S/. Calcule la varianza y desviación estándar de
estas utilidades.

2. Una empresa fabrica clavos que se venden por cajas. Para una
muestra de 40 cajas, se observaron los siguientes números de clavos
por caja.

Nùmero de clavos 18 19 20 21 22
Nùmero de Cajas 4 9 15 10 2

Hallar la varianza y desviación estándar

3. Calcule la Desviación Media para los siguientes datos: 1000, 1000,


2500, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500, 24500,
27500, 30900 y 41000.
4. Calcular la desviación estándar muestral para los datos del problema
anterior utilizando:
a) La Fórmula de Desviaciones y b) La Fórmula abreviada
alternativa, y demuestre que las respuestas son iguales.
5. Una muestra de 20 trabajadores calificados de una compañía
pequeña obtuvieron los siguientes salarios en un mes determinado:
$240000, 240000, 240000, 240000, 240000, 240000, 240000,
240000, 255000, 255000, 265000, 265000, 280000, 280000, 290000,
300000, 305000, 325000, 330000 y 340000.Determine: La
Desviación Media, La Varianza Muestral, La Desviación
EstándarMuestral, utilizando las fórmulas de desviación.
6. Determine el coeficiente de variación según datos del problema
anterior.
7. Calcule el coeficiente de asimetría para los datos del problema 3.
8. Para los siguientes datos de las rentas por departamento.

60
Renta Mensual Nro. De Departamentos
350-379 3
380-409 8
410-439 10
440-469 13
470-499 33
500-529 40
530-559 35
560-589 30
590-619 16
620-649 12
TOTAL 200

Calcule: La Desviación Media y la Desviación Estándar utilizando las


fórmulas de desviaciones, las fórmulas abreviadas y demuestra que
las fórmulas son equivalentes.

9. En la siguiente tabla se reproducen los datos sobre el número


promedio de lesiones por millar de horas – hombre en una industria
especifica.

Número Promedio de Lesiones Número de Empresas


1,5 – 1,7 3
1,8 – 2,0 12
2,1 – 2,3 14
2,4 – 2,6 9
2,7 – 2,9 7
3,0 – 3,2 5
Total: 50
Calcule:
a) La Desviación Media
b) La Varianza Muestral
c) La Desviación Estándar Utilizando las fórmulas abreviadas.

SOFTWARE ESTADÍSTICO (Aplicación por Computadora)

MEDIDAS DE VARIACIÓN (DISPERSIÓN)

Utilice una computadora para determinar el rango y la desviación


estándar para los datos dados sobre el tiempo de una muestra de 30
empleados en una tarea de ensamblaje.

MTB > SET C1


DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA >16 12 14 15
DATA > END.
MTB > NAME C1 ’ TIME ’
MTB >MAXIMUN ’ TIME ’ K1

61
MAXIMUN OF TIME

MAXIMUM of TIME = 18
MTB >MINIMIM ’ TIME ’ K2

MAXIMUN OF TIME

MINIMUM of TIME = 9
MTB > SUBTRACT K2 K1 K3
Answer = 9.0000
MTB >stdev ’ TIME ’

Standard Deviation of time

Standard deviation of time =

62
UNIDAD II
PROBABILIDADES, DISTRIBUCIÓN DE PROBABILIDADES

CONTENIDOS PROCEDIMENTALES

Formula serie de preguntas relacionadas con probabilidades.Elabora en un


cuadro las diferencias entre los sucesos de suma y multiplicación
Reconoce e identifica la situación problemática del promedio en probabilidades.
Elabora un resumen de la relación entre distribución Binomial y Poisson
Expresa su punto de vista sobre las distribuciones de Probabilidad estudiadas y
argumenta con propiedad sus ideas en la aplicación de los problemas para su
profesión. Elabora un cuadro de las aplicaciones informáticas.

CONTENIDOS ACTITUDINALES

Acepta formar parte de los grupos en el desarrollo de los problemas de


probabilidad para la contabilidad con actitud motivadora.2|
Evalúa las diferentes distribuciones de probabilidades bajo el contexto de
aplicación a su profesión.
Respeta las consideraciones emitidas por sus compañeros con actitud de
compresión
Asiste al laboratorio de Computo para comprobar y emitir resultados
informáticos.

CONTENIDOS CONCEPTUALES

TEMA N° 5 EVENTOS MUTUAMENTE EXCLUYENTES Y NO EXCLUYENTES


TEMA N° 6 MULTIPLICACION DE PROBABILIDADES
TEMA N° 7 DISTRIBUCION DE PROBABILIDADES
TEMA N° 8 DISTRIBUCION BINOMIAL
TEMA N° 9 DISTRIBUCION POISSON

63
PROBABILIDAD Y DISTRIBUCIÓN DE
PROBABILIDADES

SUMA DE PROBABILIDADES
EVENTOS MUTUAMENTE
EXCLUYENTES Y NO
EXCLUYENTES

MULTIPLICACIÓN DE
PROBABILIDADES
EVENTOS DEPENDIENTES E
INDEPENDIENTES

DISTRIBUCIÓN DE
PROBABILIDADES
BINOMIAL Y DE POISSON

64
ORGANIGRAMA

PROBABILIDAD, DISTRIBUCIÓN DE PROBABILIDADES

PROBABILIDAD

ENFOQUES DE LA REGLAS DE LA ÁRBOLES DE


PROBABILIDAD PROBABILIDAD PROBABILIDADES

Clásico Regla de Teorema


La Suma De Bayes

Subjetivo
Regla de la
Multiplicación

Probabilidad
Condicional

CONCEPTOS RELACIONADOS

RELACIONES
ENTRE SUCESOS

Mutuamente
Excluyentes

Independientes
Y dependientes

Complementarios

65
DEFINICIÓN DE PROBABILIDAD

Es un número real que expresa la confianza o incertidumbre de un


suceso o evento, cuyo resultado no se puede predecir con certeza.

EXPERIMENTO ALEATORIO (E)

ESPACIO MUESTRAL ()

EVENTO

EVENTOS MUTUAMENTE EXCLUYENTES


Dos o más eventos son mutuamente excluyentes si no tiene elementos
comunes es decir, si no pueden ocurrir al mismo tiempo. También, la
ocurrencia de un evento automáticamente impide la ocurrencia del otro(u
otros). Por ejm: supongan que se consideren dos posibles eventos “as” y
“rey” con respecto a la extracción de una carta de una baraja (52 cartas).
Estos eventos son mutuamente excluyentes porque ninguna carta puede
ser al mismo tiempo as y rey, otro ejemplo sería obtener un as y un cinco
al lanzar un dado.

EVENTOS NO EXCLUYENTES
Dos o más eventos son no excluyentes cuando es posible que ocurran al
mismo tiempo Ejm:
Evento A: masculino
Evento B: menor de 30 años

No son mutuamente excluyentes porque una persona elegida al azar


podría estar en ambas categorías .
 En los dos eventos “as” y “oros”, estos eventos no son mutuamente
excluyentes porque una carta determinada puede ser al mismo
tiempo as y oro, sin embargo, esto no indica que todo as sea oro o
todo oro sea as.

EVENTOS COMPLEMENTARIOS
Dos eventos A y B son complementarios si son mutuamente excluyentes
y su unión es el espacio muestral. Es decir si A  B =  y A  B =  A
y B son eventos complementarios, y se puede expresar que:

Ac
A =B
Bc = A
B

DEFINICIÓN CLÁSICA DE PROBABILIDAD


Es una fracción cuyo numerador es el No de casos favorables y cuyo
denominador es el número total de los casos posibles.

66
Fórmula:
N ( A)
P( A) 
N( S )

Donde P(A)= Probabilidad de Ocurrencia del Evento A


N(A)= N° de casos Favorables de ocurrencia del evento A.
N(S) = Todos los casos posibles en el evento A.

E4: En una cantidad de cartas bien barajadas que contiene 4 ases y 48


cartas de otras tipo, la probabilidad de obtener 1 (as) en una sola
extracción es:

N  A
P(A) = = 4/52 = 1/13
N S 

E5: Aparte de los ejemplos dados tenemos:

Si se lanzan 3 monedas. Hallar:

a) El Espacio Muestral, b) P(A) = obtener exactamente 2 caras, c)


Exactamente 2 sellos y d) Exactamente 3 caras.

Solución

a) El Espacio Muestral () = {CCC CCS CSC SCC CSS SCS SSC SSS}

1/8 cada uno.

b) Evento A: obtener exactamente 2 caras.

A= { CCS, CSC. SCC}

1/8 1/8 1/8

P(A)3/8

c) Exactamente 2 sellos?
3/8

d) Exactamente 3 caras
1/8

PROBABILIDAD SUBJETIVA

CONSIDERACIONES GENERALES
1.La Probabilidad de ocurrencia de cada Punto Muestral, debe estar
entre 0 y 1.
0  P(A)  1

67
2.La Suma de las Probabilidades de todos los puntos Muestrales debe
ser igual a 1.
P(A) + P(A’) = 1
Es decir en una observación o experimento dados, el evento debe ocurrir
o No. Por ello la suma de la probabilidad de ocurrencia + la Probabilidad
de no ocurrencia siempre es igual a 1.

REGLAS DEPROBABILIDAD:SUMA Ó ADICIÓN DE


PROBABILIDADES

1. Para eventos mutuamente excluyentes es decir cuando no tiene


elementos comunes.

(AB = ):

A B  P(AB)=PA+PB

E6: Se extrae una carta de una baraja de 52, los eventos “as” (A) y “rey”
(R) son mutuamente excluyentes.

Hallar la probabilidad de extraer ya sea un as o un rey en una sola


extracción.

Solución

De: P(A o R) = P(A) + P(R) = 4/52 + 4/52 = 8/52 = 2/13

2. Reglas de Adición para eventos que no son mutuamente


excluyentes.

E7: Un cliente ingresa a una panadería. La Probabilidad de que


compre (a) pan es 0,60, b) Leche es 0,50 y c) Pan y leche es 0,30.
¿Cuál es la Probabilidad de que compre pan, leche o ambos?.

Solución

P(P) = 0,60 P(PL) = P(P) + P(L) – P(PL)


P(L) = 0,50 P(PL) = 0,60 + 0,50 – 0,30
P(PL) = 0,30 P(PL) = 0,80

E8: Cuando se extrae una carta de un mazo de 52 cartas, los


eventos “as” y una espada no son mutuamente excluyentes.
Hallar la Probabilidad de obtener un AS (A) o una Espada (E) o
ambos en una sola extracción.

68
Solución

P(AoE) = P(A) + P(E) – P(A y E)


= 4/52 + 13/52 – 1/52 = 16/52 = 4/13

EVENTOS DEPENDIENTES E INDEPENDIENTES

Dos eventos son independientes cuando la ocurrencia o no ocurrencia


de uno, no tiene ningún efecto sobre la probabilidad de ocurrencia del
otro. Y son dependientes cuando la ocurrencia o no ocurrencia de uno si
afecta la probabilidad de ocurrencia del otro evento.

E9: El lanzamiento de una moneda por dos veces se considera eventos


independientes, porque el resultado del primer lanzamiento no tiene
ningún efecto sobre las respectivas probabilidades de que ocurra una
cara o sello en el segundo lanzamiento.

E10: La extracción de dos cartas sin reemplazo de un mazo de barajas


son eventos dependientes, por que las probabilidades asociadas con la
segunda extracción dependen del resultado de la primera extracción.
Específicamente si saliera un as en la primera extracción entonces la
probabilidad de que salga as en la segunda extracción, es la razón del
número de ases que sigue habiendo en las barajas con respecto al
número total de cartas, o 3/51.

PROBABILIDAD CONDICIONAL

Definición:

Una medida de la probabilidad de que ocurra un evento particular, dado


el hecho que otro ya ha ocurrido o de que hay certeza de que ocurra, se
llama probabilidad condicional.

Para dos eventos A y B, dicha probabilidad se denota, siempre por P


(A/B) o P (B/A), lo que se lee como “la probabilidad de A, dado B” o “la
probabilidad de B, dada A” ya que la línea vertical quiere decir “dada” ó
“dado”.

Cuando dos eventos son dependientes usamos la siguiente fórmula de


probabilidad condicional.

P( AyB) P( A  B)
P( B / A)  
P( A) P( A)
Donde:

P(B/A) = Probabilidad de que ocurra el evento B dado que ocurre el


evento A.
<<B/A>> no es fracción.
P(AB) = Probabilidad conjunta de 2 eventos.

69
P(A) = Probabilidad simple no, condicional de un primer evento A.

PROBABILIDAD CONJUNTA:

Definición:
Una Medida de la Probabilidad del acontecer simultáneo de dos o más
eventos se llama probabilidad conjunta. Para los eventos A y B, esta
probabilidad se simboliza por P(AyB) o P(AB).

Solución

Consideramos los siguientes conjuntos.


 = 1, 2, 3, 4, 5, 6 espacio muestral.
A = 2, 4, 6 conjunto de resultados pares.
B = 4, 5, 6 conjunto de resultados mayores que 3.
AB =  4, 6 conjunto de resultados pares mayores que 3.
Como el dado es no cargado, asignamos a cada punto muestral una
probabilidad de 1/6.

P(A) = 3/6, P(AB) = 2/6 = 1/3.

De la fórmula de Probabilidad Condicional podemos determinar la


probabilidad de obtener un número > que 3 dado que es par.

P A  B  2 / 6 2
P  B / A   
P  A 3/ 6 3
Este resultado queda comprobado por el hecho que de los 3 resultados
pares 2, 4, 6 sólo 2 son mayores que 3.

TEMA N° 6 MULTIPLICACION DE PROBABILIDADES


REGLA DE LA MULTIPLICACIÓN (AB) : PARA EVENTOS
INDEPENDIENTES.

Los sucesos A y B se consideran independientes cuando la ocurrencia


de uno no influye sobre la probabilidad de ocurrencia del otro (Ejm.
Lanzar dos veces una moneda al aire). Esto significa de que lo que haya
ocurrido en A, la probabilidad asignada a B es siempre la misma. Por
Tanto:
P(B/A) = P(B)
Obtenemos la Fórmula:
P(AB) = P(A) .P(B)

E13: Cuál es la probabilidad de que en una familia con 2 hijos ambos


sean varones.

P(V1) = 0.5 P(V1V2) = P(V1) . P(V2)


P(V2) = 0.5 = (0.5) (0.5)
= 0.25 = 1/4

70
E14: Si se lanza dos veces una moneda la probabilidad de que ambos
eventos sean cara es:
P(AyB) = P(AB) = P(A). P(B) = ½ x ½ = ¼

Uso de Diagramas de árbol para eventos Independientes.

Útiles para ilustrar los posibles eventos asociados con observaciones o


ensayos secuenciales, del ejemplo anterior obtenemos:
Resultado Resultado Evento Probabilidad
Primer Lanzamiento 2do.Lanz. Conjunto Del Evento Conjunto

C1 y C2 1/4
1/2 C2
C1
1/2
1/2
S2 C1 y S2 1/4
S1 y C2 1/4
1/2 C2
1/2
S1
1/2 1/4
S2 S1 y S2

4/4 = 1.00

REGLA DE LA MULTIPLICACIÓN: PARA EVENTOS DEPENDIENTES.

Esta dada por la fórmula:


P(AB) = P(A) P(B/A)
Probabilidad Probabilidad Probabilidad
de ocurrencia de A. de B dado A.
conjunta
de A y B.

En Palabras: Expresa que la probabilidad de que ocurra A y B


es igual a la probabilidad de A multiplicada por la probabilidad
de que ocurra B, dado que A ha ocurrido.

Uso del Diagrama de Árbol para Eventos Dependientes.

E17: Una urna contiene 6 bolitas blancas y 4 negras, se


extraen 2 bolitas sucesivamente y sin restitución.
a) ¿Cuál es la probabilidad de que ambas bolitas sean
blancas?.
b) ¿Cuál es la probabilidad de que la primera sea blanca y la
segunda negra?.
c) ¿Cuál es la probabilidad de que la primera sea negra y la
segunda blanca?.
d) ¿Cuál es la probabilidad de que ambas sean negras?.

71
Solución

P(B 1 B 2 ) = P(B 1 ) . P(B 2 /B 1 )


= 6/10 . 5/9 = 30/90 = 1/3.

P(B 1 N 2 ) = P(B 1 ) . P(N 2 /B 1 )


= 6/10 . 4/9 = 24/90 = 4/15.

P(N 1 B 2 ) = P(N 1 ) . P(B 2 /N 1 )


= 4/10 . 6/9 = 24/90 = 4/15.

P(N 1 N 2 ) = P(N 1 ) . P(N 2 /N 1 )


= 4/10 . 3/9 = 12/90 = 2/15.

Resumen de Resultados:

Resultado Probabilidad Probabilidad Probabilidad


Posible Simple Condicional Conjunta
P(A  B)=P(A).P(B/A)
P(A) P(B/A)
B 1 B 2 P(B 1 )=6/10 P(B 2 /B 1 )=5/9 6/10.5/9=30/90
B 1 N 2 P(B 1 )=6/10 P(N 2 /B 1 )=4/9 6/10.4/9=24/90
N 1 B 2 P(N 1 )=4/10 P(B 2 /N 1 )=6/9 4/10.6/9=24/90
N 1 N 2 P(N 1 )=4/10 P(N 2 /N 1 )=3/9 4/10.3/9=12/90
1,00

Estos mismos resultados lo expresamos en el diagrama de


árbol siguiente.
Prob. Simple x Prob. Condicional = Prob. Conjunta

P(B2/B1)=5/9 B2 B1 y B2 (6/10 . 5/9) = 30/90


B1
B1 y N2 (6/10 . 4/9) = 24/90
P(B1)=6/10
P(N2/B1)=4/9
N2 N1 y B2 (4/10 . 6/9) = 24/90

P(B2/N1)=6/9 B2 N1 y N2 (4/10 . 3/9) = 12/90


P(N1)=4/10
N1
90/90 = 1,00
P(N2/N1)=3/9
N2

72
TALLER 04

ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN

GUÍA PRACTICA POR RESOLVER

Cálculo de Probabilidades

1. Se lanza un dado:
a) Enumérese los elementos del espacio muestral.
b) Enumérese los elementos de  contenido en el suceso de que el
resultado sea par.
c) Enumérese los elementos de  contenidos en el suceso de que el
resultado sea, mayor que 4.

2. Un experimento consiste en lanzar dos monedas simultáneamente.


a) Enumérese los elementos del espacio muestral.
b) Enumérese los elementos de  contenidos en el suceso de que salga
exactamente una cara.
c) Enumérese los elementos de  contenidos en el suceso de que salga
al menos una cara.

3. Se lanza un par de dados:


a) Enumérese los elementos del espacio muestral.
b) Enumérese los elementos contenidos en el suceso de que la suma de
los puntajes sea 9.
c) Enumérese los elementos contenidos en el suceso de que la suma
sea 4 ó 5.

4. Un experimento consiste en seleccionar tres piezas en un proceso


manufacturero y observar si son defectuosos D o no son defectuosos D’.
a) Enumérese todos los elementos del espacio muestral.
b) Enumérese los elementos contenidos en el suceso de que el número
de piezas defectuosas sea 1.
c) Enumérese los elementos contenidos en el suceso de que los
números de piezas defectuosas sea al menos 1.

5. Se lanza dos monedas. ¿ Cuál es la probabilidad de obtener.


a) Exactamente una cara?.
b) Por lo menos una cara?.
c) No obtener una cara?.

6. Se lanzan dos dados no cargados. ¿ Cuál es la probabilidad de obtener?.


a) 7?.
b) 7 u 11?.
c) Suma divisible por 3?.
d) No obtener 7?.

73
7. Se elige una carta de una baraja. ¿ Cuál es la probabilidad de que sea?.
a) Un as?.
b) Una espada?.
c) Un as o una espada?.
d) Un as o una carta roja?.
e) Una carta con una figura?.

8. La probabilidad de que llueva el 12 de octubre es 0,10; de que truene es


0,05 y de que llueva y truene es 0,03. ¿Cuál es la probabilidad de que
llueva o truene en ese día?.

9. En cierta zona de la ciudad, la probabilidad de que una persona tenga


televisor es 0,80; una máquina lavadora es 0,50 y que tenga ambos es
0,45. ¿Cuál es la probabilidad de que una familia tengan televisor o
máquina lavadora o ambas cosas?.

10. La probabilidad de que un vendedor de autos venda por lo menos 3 autos


en un día es 0,20. ¿ Cuál es la probabilidad de que venda 0, 1 ó 2 autos
en ese día?.

11. La probabilidad de que la señora hablantina reciba a lo más 5 llamadas


telefónicas en un día es 0,20; y por lo menos 9 llamadas telefónicas en un
día es 0,50. ¿Cuál es la probabilidad de que la señora hablantina reciba 6,
7 ú 8 llamadas en un día?.

12. Una caja contiene 100 tubos de televisor. La probabilidad de que haya al
menos un tubo defectuoso es 0,05 y de que tenga al menos dos tubos
defectuosos es 0,01. ¿Cuál es la probabilidad de que la caja contenga:
a) Ningún tubo defectuoso?.
b) Exactamente un tubo defectuoso?.
c) A lo más un tubo defectuoso?.

Cálculo de Probabilidades Regla de la Multiplicación

13. Dado que p(A) = 0,50 y p(AB) = 0,30, encontrar p(B/A) =

14. De los estudiantes de una universidad, el 35% son varones y el 8% son


varones que estudian contabilidad. Si se elige un estudiante al azar y éste
resulta ser varón. ¿Cuál es la probabilidad de que estudie contabilidad?.

15. Una urna contiene 7 bolas blancas y 5 negras, si se saca dos bolas.¿Cuál
es la probabilidad de que las dos sean blancas si:
a) Se extrae sin restitución.
b) Se extrae con restitución.

16. La urna A contiene 5 bolitas blancas y 7 rojas y la urna B contiene 3


bolitas blancas y 6 rojas. Se saca una bolita de la urna A y una de la urna
B. ¿Cuál es la probabilidad de que las dos bolitas sean blancas?.

74
17. La urna A contiene 4 bolitas blancas y 6 rojas, la urna B contiene 3
bolitas blancas y 5 rojas y la urna C 7 blancas y 7 rojas. Se saca
una bolita de cada urna. ¿Cuál es la probabilidad de que sean las
tres del mismo color?

18. Se sacan dos cartas , sin restitución, de una baraja de 52 cartas.


¿Cuál es la probabilidad de que:
a) La primera carta sea un as y la segunda un 5?.
b) Se obtenga un as y un 5?.
c) Ninguna de las dos cartas sea as?.
d) Ninguna de las cartas sea as ni 5?.

19. Se sacan dos cartas sin restitución de una baraja de la cual se han
eliminado previamente las cartas con figuras. ¿Cuál es la
probabilidad de que la suma de los puntos de las cartas sea 19?.

20. Se sacan 5 cartas sin restitución de una baraja. ¿Cuál es la


probabilidad de que:
a) Las primeras tres cartas sean reynas y las dos ultimas reyes?.
b) Sólo las tres primeras cartas sean reinas?.
c) Las tres primeras cartas sean reinas?.

21. Se extraen cartas sucesivas y sin restitución una baraja. ¿Cuál es la


probabilidad de que:
a) La primera reyna aparezca en la tercera extracción?.
b) Aparezca una reyna en la tercera extracción?.

22. Se lanza un dado tres veces. ¿Cuál es la probabilidad de que:


a) La suma de los puntos sea 3 ó 4?.
b) La suma de los puntos obtenidos sea mayor que 4?.

75
TEMA N° 7
DISTRIBUCIONES DE PROBABILIDADES

DISTRIBUCIONES DE PROBABILIDAD

VARIABLES VARIABLES
DISCRETAS CONTINUAS

Normal
Binomiales

Poisson

CONCEPTOS RELACIONADOS

Esperanza Matemática

Valor Esperado

76
ESPERANZA MATEMÁTICA (VALOR ESPERADO O PROMEDIO)

Así como en los conjuntos de datos muéstrales y poblacionales ya


estudiados; es útil también describir una variable aleatoria en términos
de su media

El Valor Esperado.-

Es la Media (A Largo Plazo) de una variable aleatoria x y se denota


mediante E(x). Usado también para analizar juegos al azar, esperar una
ganancia y otros.

Fórmula: E(x) = x P(x)

Donde: E(x) = Valor esperado de una variable aleatoria discreta.


xP(x) = Valor Ponderado

E2: Considerando el Nº de caras que puede resultar al lanzar 3


monedas simultáneamente. Los ocho resultados posibles de este
experimento aparecen a continuación en el lado izquierdo.

Resultado Nº de Caras Probabilidad


SSS 0 1/8
CSS 1 1/8
SCS 1 1/8
SSC 1 1/8
SCC 2 1/8
CSC 2 1/8
CCS 2 1/8
CCC 3 1/8

Designando cada número posible de caras por x y su probabilidad por


P(x), enumeramos en la tabla de la derecha todos los números posibles
de caras con sus respectivas probabilidades. Observamos que hay
mayor posibilidad de obtener 1 o 2 caras que 0 y 3.
Supongamos ahora que las tres monedas se lanzan un número infinito
de veces. Si bien en este número infinito de ensayos esperamos obtener
un promedio de 1,5 caras por lanzamiento.

Este promedio “A largo plazo” de 1,5 caras por lanzamiento se llama


esperanza matemática.

X (número de caras) P(x) xP(x)


0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 3/8
12
xP( x) 
8

77
 E(x) = xP(x)
= 12/8
= 1,5 caras.

E3: Con base en la tabla del 1er. ejemplo, hallar el valor esperado de la
variable aleatoria. (Promedio de alquiler diario de camionetas)

Solución

Cálculo del valor esperado para la demanda de camionetas.


Demanda Posible Probabilidad Valor Ponderado
X P(x) xP(x)
3 0,06 0,18
4 0,14 0,56
5 0,24 1,20
6 0,28 1,68
7 0,20 1,40
8 0,08 0,64
1,00 E(x) = 5,66

Se espera alquilar diariamente en promedio 5,66 camionetas.

E4: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita
de la caja si ésta es negra Ud. gana $2, pero si es blanca usted pierde
$1. ¿Cuál es la esperanza matemática de este juego?

Solución

Designamos por x toda posible ganancia o pérdida y por P(x) la


probabilidad respectiva, calculamos la esperanza matemática:

X(Cantidad de ganancia P(x) xP(x)


o pérdida)
+ $2 3 6
10 10
- $1 7 7

10 10
1
xP(x) =  = -0,1
10

Interpretación:

La esperanza matemática de este juego es una pérdida de $0,10.


Suponiendo que se haga este juego varios miles de veces. Cada vez se
ganará $2 o perderá $1. Sin embargo en esos miles de juegos se puede
esperar una pérdida promedio de $0,10 por juego.

78
5.3 LA DISTRIBUCIÓN BINOMIAL

Es una distribución discreta de Probabilidad para aplicarla a diversos


modelos de toma de decisiones. Siempre y cuando se ajuste a un
proceso Bernoulli

Fórmula de Distribución Binomial:

Para determinar la Probabilidad de un Nº determinado de éxitos x.


P(x/n,p) = n Cxpxqn-x

n!
= p xqn x
x!(n  x)!
Donde:
n!
nCx = C xn = Coeficiente Binomial =
x!( n  x )!
(x) = Nº específico de éxitos
(n) = Nº de ensayos u observaciones
(p) = Probabilidad de éxito en c/u de los ensayos.
q = 1-p = Probabilidad de fracaso en cualquier ensayo.

El Símbolo n! Se lee “n factorial” donde 0! = 1 => 3! = 3x2x1

E5:La Probabilidad de que un gerente de compras elegido al azar realice


una compra es de 0.20. Si un vendedor visita a 6 gerentes de compras,
hallar la probabilidad de que realice exactamente 4 ventas.

Solución

Datos:
P = 0.20 n=6
q = 1-0.20 = 0.80 x=4

P(x=4/n=6, p=0.20) = 6C4(0.20)4(0.80)6-4

6!
= (0.20) 4 (0.80) 2
4!(6  4)!

6 x5 x 4 x3 x 2
= (0.0016)(0.64)
(4 x3x 2)( 2)

= 0.01536 0.015

E6: En relación con el ejemplo anterior, hallar la probabilidad de que el


vendedor logre 4 o más ventas.

79
Solución

P(x  4/n = 6, P = 0,20) = P(x = 4) + P(x =5) + P(x=6)


= 0,01536 + 0,001536 + 0,000064
= 0,016360  0,017
En donde:

P(x=4) = 0,01536 (Ejemplo anterior)

6!
P(x=5) = 6C5 (0,20)5 (0,80)1 = (0,20)5(0,80)
5! 1!
= 6(0,00032) (0,80) = 0,001536

6!
P(x=6) = 6C6(0,20)6(0,80)0 = (0,000064)(1)
6! 0!
= (1) (0,000064) = 0,000064

Uso de las Tablas de Probabilidades Binomiales

Como el uso de la fórmula binomial implica una cantidad


considerable de cálculos cuando la muestra es relativamente
grande. Por tanto usamos las tablas de probabilidades binomiales.

E7: Si la probabilidad de que un gerente de compras elegido al azar


realice una compra es de 0,20.
Hallar la probabilidad de que un vendedor que visita a 15 gerentes
realice menos de 3 ventas:

Solución

Sabemos:
P(x < 3, n = 15, p = 0,20) = P(x  2)
= P(x = 0) + P(x =1) + P(x = 2)
= 0,0352 + 0,1319 + 0,2309 (Ver Apéndice 2)
= 0,3980  0,40

Ejemplo de Aplicación:

Según una revista estudiantil, el 45% de los que terminaron los


ciclos en la Universidad trabajan durante el verano con el objeto de
ganar dinero para pagar el importe de la enseñanza del curso
siguiente. Si se eligen al azar 30 estudiantes. ¿Cuál es la
probabilidad de que: a) 13 trabajan en el verano, b) ninguno trabaja,
c) mas de 23 trabajan.

Solución

a) Localizamos en la tabla el valor de n = 30, p = 0,45 y para x = 13


obtenemos un valor de 0,1433, es decir existen 14,33% de
80
probabilidad de que 13 de los 30 estudiantes trabajen en verano
para ganarse el dinero de la enseñanza.
b) Con n=30 y p=0,45, la tabla indica de que la probabilidad de que
no trabaje ninguno es p(x=0) = 0,0000.
c) Se observa que la probabilidad de que mas de 23 estudiantes
trabajen es de P(x >23) / n =30, p = 0,45 = 0000.

Interpretación: Es bastante imposible que no trabaje ninguno o


trabajen todos los estudiantes.

E8:Ejemplo caso en que p > 0,50

INSTALAR CIRCUITOS ELÉCTRICOS

Considérese un caso en el que la probabilidad de éxito en cualquier


ensayo, p, es mayor de 0,50, que es el valor más alto del apéndice. Un
trabajador instala correctamente circuitos impresos con p = 0,95. Si se
instalan 20 circuitos.

a) ¿Cuál es la probabilidad de que precisamente 16 se instalen en forma


correcta?.

Solución
n  20 

x  16  no contiene valor para p  0,95
p  0,95

La respuesta deseada se puede encontrar si se modifica la


pregunta en términos de fracaso en lugar de éxito.

El trabajador no instala correctamente los circuitos el 5% del tiempo.


Si ahora leemos p como la probabilidad de fracaso en cualquier
ensayo. Podemos hallar en la columna p = 0,05 una probabilidad de
obtener precisamente cuatro circuitos defectuosos como 0,0133. Esto
implica también una probabilidad de obtener 16 circuitos perfectos.

Es decir:
n = 20
p( x=4/n=20, p=0,05) = 0,0133
x=4

b) Cuál es la probabilidad de obtener al menos cuatro circuitos instalados


incorrectamente. ¿Y la de obtener a lo sumo tres circuitos defectuosos?

Solución
Obtener al menos 4 circuitos defectuosos = P(x=4) + P(x=5) + ... +
P(x=20) circuitos defectuosos, ésto suma según tabla 0,0133 + 0,0022
+ 0,0003 = 0,0158, del mismo modo.

81
P(a lo sumo 3 circuitos defectuosos), se encuentra como la suma de
las probabilidades de obtener 0, 1, 2 y 3 circuitos defectuosos, es decir
0,3583 + 0,3774 + 0,1887 + 0,0596 = 0,9842.

Observamos que la suma de ambas respuestas suman 1,00.

Es decir: P(x4/n=20, p=0,05) = 1–P(x3/n=20, p=0,05)

5.4 LA DISTRIBUCIÓN POISSON

La Distribución Poisson se utiliza para determinar la probabilidad de que


ocurra un número designado de eventos, cuando éstos ocurren en un
continuo de tiempo o espacio. (Por ejemplo en un intervalo de tiempo) en
vez de ocurrir en ensayos u observaciones fijas como en el proceso
Bernulli.

Ejm. La entrada de llamadas en un conmutador telefónico.


Se consideran:
a) Los eventos son independientes
b) El proceso es estacionario (permanece constante de un ensayo a
otro)

Sólo se requiere un valor para determinar la probabilidad de que ocurra


un número designado de eventos en un proceso de Poisson:
Este es el número promedio a largo plazo de eventos para el tiempo o
dimensión específico de interés. Esta media es  la letra griega
“lambda”

La fórmula para determinar la probabilidad de un Nº determinado de


éxitos N en una distribución de Poisson es:
x e  
P(x/) =
x!
Donde: e = constante = 2.7183 (base de los logaritmos naturales)
e- = Valores de la tabla
x = Nº especifico de éxitos.

E9: Un departamento de reparación de maquinaria recibe un promedio


de cinco solicitudes de servicio por hora. La probabilidad de que se
reciban exactamente tres solicitudes en una hora seleccionada al azar
es:

Solución

53 e5 (125) (0.00674)


P(x=3/=5.0) =   0.1404
3! 3x 2 x1
E10: Puede determinarse la respuesta del ejemplo anterior utilizando el
apéndice 4 de probabilidades Poisson?.

82
Solución

P(x=3/=5.0) = 0.1404
Nota 1: Cuando lo que interesa es la probabilidad de “x o mas” o “x o
menos”. Se aplica la regla de adición para eventos mutuamente
excluyentes.

E11: Si en un Dpto. de reparación de maquinaria se recibe un promedio


de 5 solicitudes de servicio por hora, hallar la probabilidad de que se
reciban menos de 3 llamadas en una hora elegida al azar.

Solución

P(x < 3/ = 5.0) = P(x  2) = P(x=0) + P(x=1) + P(x=2)


= 0.0067 + 0.0337 + 0.0842
= 0.1246 Respuesta.
Donde:
P(x=0/=5.0) = 0.0067
P(x=1/=5.0) = 0.0337 Apéndice 4
P(x=2/=5.0) = 0.0842

Como se supone que un proceso Poisson es estacionario, se concluye


que la media del Proceso es siempre proporcional a la longitud del
continuo del tiempo o espacio.

Nota 2: Si se tiene disponible una media para una longitud de tiempo,


puede determinarse la media para cualquier otro periodo de tiempo que
se requiere.

Esto es importante porque el valor de  que se utiliza debe aplicarse al


periodo de tiempo pertinente.

 = Promedio por periodo de tiempo o espacio.

E12: En promedio, 12 personas hacen preguntas cada hora a un


consultor de decoración en una tienda de telas. Calcular la probabilidad
de que tres o más personas acudan a un periodo de 10 minutos (1/6 de
hora).

Solución

Dado x = Nº de Personas
Promedio por horas = 12

 = promedio por 10 minutos = 12/6 = 2.0

P(x  3/=2) = P(x=3/=2.0)+P(x=4/=2.0) + P(x=5/=2.0) + ...


= 0.1804 + 0.902 + 0.0361 + 0.0120 +0.0034 +
0.0009 + 0.0002 = 0.3232.

83
En donde: Del apéndice 4 obtenemos:

P(x=3)/ = 2.0 = 0.1804


P(x=4)/ = 2.0 = 0.0902
P(x=5)/ = 2.0 = 0.0361
P(x=6)/ = 2.0 = 0.0120
P(x=7)/ = 2.0 = 0.0034
P(x=8)/  = 2.0 = 0.0009
P(x=9)/  = 2.0 = 0.0002
------------
0.3232

También se puede calcular así: más corto


P(x  3) = 1 – P(x < 3/=2.0)
= 1 – (P(x=2/=2.0)+ P(x=1/=2.0) + P(x=0/=2.0))
= 1 – (0.2707 + 0.2707 + 0.1353)
= 1 – (0.6767)
= 0.3233

TALLER 05
ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN

GUÍA DE PRACTICAS (Problemas Propuestos)

DISTRIBUCIONES DE PROBABILIDADES

A. Valor Esperado

1. Se ha determinado que el número de camiones que llegan cada


hora a un almacén tiene la distribución de probabilidad que se
muestra en la tabla dada.

Calcule: a) El número esperado de llagada x, por hora.

Número de Camiones 0 1 2 3 4 5 6

Probabilidad P(x) 0.05 0.10 0.15 0.25 0.30 0.10 0.05

2. Las ventas por hora de una máquina automática pueden se 20,


21 o 22 cajetillas de cigarrillos con probabilidades de 0,3; 0,5; y
0,2 respectivamente. ¿Cuál es la venta por hora esperada para
esta máquina?

3. Una urna contiene 5 bolitas negras y 8 blancas. Se saca una


bolita de la urna si esta es negra usted gana 15 soles, pero si es
blanca usted pierde 13 soles. ¿Cuál es el Valor Esperado de
este juego?.
84
B. Distribución Binomial

4. Dada la distribución binomial con p = 0,25 y n = 7, utilícese la


fórmula y la tabla de distribución binomial para determinar.

a) P(X  2) c) P(X  4)
b) P(X = 2) d) P(X = 4)

5. Dada la distribución binomial con p = 0,85 y n = 9, utilícese la


tabla de distribución binomial para determinar:

a) P(X  7) c) P(X  5)
b) P(X = 7) d) P(X = 5)

6. Dada la distribución binomial con p = 0,35 y n = 8, utilícese la


formula y la tabla de distribución binomial para determinar:

a) P(X = 0) c) P(X < 3)


b) P(X = 3) d) P(X  3)

7. Dada la distribución binomial con p = 0,70 y n = 20, utilícese la


tabla de distribución binomial para determinar:

a) P(X = 0) c) P(X > 3)


b) P(X = 12) d) P(X  3)

8. Debido a las elevadas tasas de interés, una empresa reporta


que el 30% de sus cuentas por cobrar de otras empresas están
vencidas. Si un contador toma una muestra aleatoria de cinco de
esas cuentas.
Determine la probabilidad de cada uno de los siguientes
eventos, utilizando la fórmula de la probabilidad binomial:
a. Ninguna de las cuentas está vencida
b. Exactamente 2 cuentas están vencidas.
c. La mayor parte de las cuentas están vencidas.
d. Exactamente el 20% de las cuentas están vencidas.

C. Distribución Poisson

9. El número promedio de los homicidios en cierta metrópoli es de


2 por día. Utilizando la distribución de Poisson, determínese la
probabilidad de que en un día dado haya.
a. No más de 3 homicidios.
b. Exactamente 3 homicidios

10. El promedio anual de terremotos en Chile es de 0,5. Utilícese la


distribución de Poisson para determinar la probabilidad de que
no haya terremotos en Chile en los 3 años.

85
11. El Promedio mensual de incendios grandes en una ciudad es de
1.5. Utilícese la distribución de Poisson para determinar la
probabilidad de que haya exactamente un incendio grande en
un periodo de dos meses.

12. La mesa conmutadora del Gran Hotel Emperador recibe un


promedio de 10 llamadas telefónicas por minuto. Utilícese la
distribución de Poisson para determinar la probabilidad de que
lleguen exactamente 4 llamadas en un periodo de 30 segundos.

13. El número promedio de fallas en un rollo de un cierto tipo de


papel mural es de 2.5. Utilícese la distribución de Poisson para
determinar la probabilidad de que un rollo tenga 4 o más fallas.

86
UNIDAD III:
DISTRIBUCIÓN NORMAL, DISTRIBUCIÓN DE LA MEDIA MUESTRAL

CONTENIDOS PROCEDIMENTALES

Formula y soluciona problemas de las Distribuciones Normal y Muestral


aplicadas a su profesión.
Interpreta gráficos de las Distribuciones respectivas
Formula preguntas relacionadas con su profesión , aplicaciones actuales y
futuras.
Elabora los datos de entrada y salida por computadora.

CONTENIDOS ACTITUDINALES

Evalúa adecuadamente las Distribuciones Relacionadas con sus usos . Asume


con actitud de colaboración y respeto al grupo asignado
Valora con propiedad las implicancias para el desarrollo de su profesión de las
distribuciones estudiadas

CONTENIDOS CONCEPTUALES

TEMA N° 10 DISTRIBUCION NORMAL


TEMA N° 11 DISTRIBUCION DE LA MEDIA MUESTRAL
TEMA N° 12 DISRRIBUCION DE LAS PROPORCIONES

87
DISTRIBUCIÓN PARA VARIABLES
CONTINUAS

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN DE LA MEDIA
MUESTRAL Y
DE PROPORCIONES

88
TEMA N°10

DISTRIBUCIÓN DE PROBABILIDADES PARA VARIABLES ALEATORIAS


CONTINUAS

Distribución Normal

E13: Para la distribución continua de probabilidad de la figura dada,


la probabilidad de que un embargue seleccionado al azar tenga un
peso neto entre 6000 y 8000 kilogramos es igual a la proporción del
área total bajo la curva que se encuentre bajo el área sombreada.
Es decir se define que el área total bajo la función de densidad de
probabilidad es igual a 1, y se puede determinar la proporción de
esta área que se encuentra entre dos puntos determinados.

f(x)

Peso, Kg
2000 4000 6000 8000 10000 12000

Existen diversas distribuciones continuas de probabilidades


comunes que son aplicables como modelos a una amplia gama de
variables continuas en determinadas circunstancias. Existen tablas
de Probabilidades para esas distribuciones estándar para
determinar las áreas bajo la curva de probabilidad para estas
distribuciones (con la distribución normal).

La Distribución Normal de Probabilidad

Es una distribución continua de probabilidad que es al mismo


tiempo, simétrica y mesokúrtica definidas en él capitulo 3. Se
describe a la curva de probabilidad que representa a la distribución
normal como una campana.
f(x)

89
Uso de las Tablas de Distribución Normales

Las tablas de las probabilidades normales se basan en una


distribución específica: la Distribución Normal Estándar.

Esta es una distribución normal en la que u = 0 y  = 1. Cualquier


valor x de una población con distribución normal estándar
equivalente, z, mediante la fórmula.
xu
Z

En el apéndice 5 se obtienen las posiciones de área para diversos
intervalos de valores para la distribución normal estándar, en donde
el límite inferior del intervalo es siempre la media.

Aquí se transforman los valores designados de la variable x en


valores normales estándar.

E14: Se ha ajustado el proceso de fabricación de un tornillo de


precisión de manera que la longitud promedio de los tornillos sea u
= 13.0 cm.

Por supuesto, no todos los tornillos tienen una longitud exacta de 13


centímetros, debido a fuentes aleatorias de variabilidad. La
desviación estándar de la longitud de los tornillos es  = 0,1 cm. y
se sabe que la distribución de las longitudes tienen una forma
normal. Determine la probabilidad de que: un tornillo elegido al azar
tenga una longitud de entre 13,0 y 13,2 cm., e ilustre la proporción
del área bajo la curva normal asociada con este valor de
probabilidad.
De la figura (a)

E15: Del problema anterior ¿Cuál es la probabilidad de que la


longitud del tornillo exceda de 13,25 cm?. Ilustre la proporción del
área bajo la curva normal correspondiente a este caso.

E16: Del problema anterior, ¿Cuál es la Probabilidad de que la


longitud del tornillo este entre 12,9 y 13,1. ¿Ilustre la proporción de
área bajo la curva normal correspondiente a este caso.

E17: Del problema E16, ¿Cuál es la probabilidad de que la longitud


de los tornillos se encuentren entre 12, 8 y 13,1 cm.? Ilustre la
proporción del área bajo la curva normal para este caso.

90
Solución

u = 13,0
 = 0,1
P(12,8  x  13,1)

Si
xu
Z

12,8 13,0 13,1

De la figura: X1 X2

X1  u
12,8  13,0
Z1     2,0
 0,1
X  u 13,1  13,0
Z2  2    1,0
 0,1

P(12,8  X  13,1) = P(-2,0  Z  +1,0) = 0,4772 + 0,3413 = 0,8185

E18: Del Prob. E16: ¿Cuál es la probabilidad de que la longitud del


tornillo este entre 13,1 y 13,2 cm.? Ilustre la proporción del área
bajo la curva normal muy importante para este caso.

E19:La Distribución Normal de trabajadores de una Industria tiene u


= 50 años y  = 5 años, 20 % de los trabajadores están bajo una
cierta edad. ¿Cuál es la edad?.

E20: La estatura media de los soldados de un regimiento es de 170


cm., 10% de estos soldados miden mas de 175 cm. Si tiene una
distribución Normal. ¿Cuál es ?

TALLER 6
ACTIVIDAD APLICATIVA AUTOEVALUACIÓN

Distribución Normal

14. La estatura de los soldados de un regimiento está distribuida


normalmente con una media de 69 pulgadas y una desviación
estándar de 2 pulgadas.
a. ¿Cuál es la probabilidad de que un soldado mida mas de 72
pulgadas?
b. ¿Cuál es el porcentaje de soldados cuyas estaturas están
entre 69 y 73 pulgadas?
c. Si para la realización de una cierta misión, un soldado debe
estar en el 20% de los de mayor estatura, ¿Cuál es la
estatura mínima para participar en esta misión?.

91
15. Un rodamiento es considerado defectuoso y por lo tanto es
rechazado si su diámetro es mayor que 2.02 pulgadas o menor
que 1,98 pulgadas. ¿Cuál es el número esperado de
rodamientos rechazados si los diámetros de una partida de
10,000 rodamientos están distribuidos, normalmente con una
media de 2 pulgadas y una desviación estándar de 0.01
pulgadas?.

16. Los puntajes finales en un curso de Psicología están distribuidos


normalmente con una media de 60 y una desviación estándar
de 10.

a. Si el puntaje mínimo para aprobar es 48, ¿Cuál es el


porcentaje de fracasos?
b. Si han de aprobar el 80% de los estudiantes, ¿Cuál debe
ser el puntaje mínimo aprobatorio?

17. En una industria alimenticia se comercializa harina en paquetes


de “PESO NETO 500 grs.”. El proceso automático de llenado
de los paquetes puede regularse de modo que la cantidad
media de harina por paquete puede ajustarse al nivel que se
desee. Suponiendo que la cantidad de harina por paquete se
distribuye normalmente con una desviación estándar de 0,2
onzas.

a. ¿A qué nivel debe ajustarse el llenado medio de modo que


solo el 0,001 de los paquetes tengan un peso neto inferior a
12 onzas?
b. ¿A qué nivel debe ajustarse el llenado medio de modo que
solo el 0,05 de los paquetes tengan un peso neto superior a
12,4 onzas?.

18. El peso medio de una piña en una partida grande es de 5 libras.


El 10% de las piñas pesan menos de 4 libras. Suponiendo que
los pesos están distribuidos normalmente. ¿Cuál es la
desviación estándar de la partida?.

19. Un estudio reporta los salarios iniciales anuales de los


contadores recientemente egresados, y los promediaba en
22500 soles, con una desviación estándar de 2250 soles. Si los
salarios siguen una distribución normal. ¿Cuál es la
probabilidad y los porcentajes de que un recién egresado gane:

a) más de 21,000 soles


b) menos de 25000 soles
c) entre 24000 y 26000 soles
d) como mínimo 20000 soles?

92
SOFTWARE ESTADÍSTICO (Aplicación por Computadora)

DISTRIBUCIÒN NORMAL

Caso Estudio 1:

LA TELEFÓNICA tiene un programa de entrenamiento para mejorar la calidad


de las habilidades de supervisión de los supervisores .Un estudio de los
participantes indica que el tiempo medio usado para completar el programa es
de 500 horas, y que esta variable aleatoria normalmente distribuida tiene una
desviación estándar de 100 horas.¿ Cuál es la probabilidad de que un
participante elegido al azar requiera entre 500 y 650 horas para completar el
programa de entrenamiento?

SOLUCIÓN UTILIZANDO EL PROGRAMA ESTADÍSTICO MINITAB 15

1.- Abrir el Minitab. Clic en Graph

2.- Colocarse en el siguiente Menú y opciòn: GraphProbability


DistributionPlot: Ver gráfica en clase

3.- Se despliega la ventana de ProbabilityDistributionPlots:


Clic en View Probability
Clic OK :Ver gráfica en clase

4.- Seleccionar Distribución Normal


Introducir los valores de la Media (Mean) y la Desviación Estàndar (Standard
deviation): Ver gráfica en clase

5.- Clic en ShadedArea,


Seleccionar X Value, clic en Middle y proporcionar los valores de X1 Y X2.
Clic OK: Ver gráfica en clase

6.- Minitab despliega la grafica de la distribución normal con el valor de la


probabilidad sombreado: Ver gráfica en clase

la probabilidad de que un participante elegido al azar se tome entre 500 y 650


horas para completar el programa de entrenamiento es de 0.433.

Caso Estudio 2

Una empresa Auditora realiza estudios especiales de Investigación Científica,


dichos estudios se distribuyen normalmente con una duración media de 820
horas (desde el inicio hasta el término de dichos estudios). Con una desviación
estándar de 42 horas. ¿Cuál es la probabilidad de que un estudio elegido al
azar requiera entre 820 y 855 horas para concluirlo?

93
TEMA N°11

DISTRIBUCIÓN DE LA MEDIA MUESTRAL

ORG ANIGRAMA

DISTRIBUCIONES MUESTRALES

De Medias Muestrales De Proporciones Muestrales

Distribución Muestral Regla de


dela Media proporciones
Error Estándar Muestrales.
Muestral Error Estándar de la
De la Media Proporción.
Aplicación a Aplicación a
Distribución Normal Distribución Normal

Factor de Corrección Factor de


por población finita Corrección
Por población finita.
Teorema del Limite
Teorema del Central.
Limite Central

94
Debido a factores como tiempo y costo, se estiman los parámetros
poblacionales desconocidos por ejemplo la media (u) examinando
la información de la muestra ( x ) de la población, la cual debe ser
representativa de la población objeto del estudio.

Por ejemplo, si deseamos hallar el interés hacia el estudió por


parte de los estudiantes universitarios de un facultad; en este caso
la población más importante es la recolecci ón de respuestas de los
estudiantes de la facultad sobre el interés hacia el estudio.
Aquí tomaremos una parte de esta población (muestra), y la
usaremos para normar el interés de los estudiantes hacia el
estudio.

Si nos basamos en las respuestas de miemb ros de otras fuentes u


otras instituciones obtendremos sobre todo respuestas sesgadas
(visión distorsionada de las actitudes de las actitudes de los
estudiantes en conjunto) o desviadas a favor del estudio.

CONSIDERACIONES GENERALES

Si obtenemos muestras aleatorias de una población, éstas por su


naturaleza propia no se pueden predecir, sólo se pueden hacer
afirmaciones probabilísticas sobre una población cuándo se usan
muestras representativas de la misma.

Para cualquier tamaño de muestra n, tomado de una misma población


con media (u), los valores de la media muestral x , varían de una muestra
a otra. Esta variabilidad sirve de base para la distribución muestral.

Si estudiamos un estadístico como la media muestral ( x ), a partir de las


medidas en muestras aleatorias, tendremos que enlistar la distribución
de los valores posibles de este estadístico asociados a su probabilidad
respectiva.

DISTRIBUCIÓN MUESTRAL DE LA MEDIA

E1: Si tenemos una población de N=4, que indican los ingresos anuales
de 4 analistas de sistemas 10, 20, 30 y 40 (en miles de soles)
a.- Calcular la media de la población (u)
b.- La desviación estándar poblacional ( )
c.- Si tomamos muestras aleatorias de tamaño n=2 hacer una lista de
todos los pares posibles de las diferentes muestras de la media.

95
Para cada uno de los pares identificados, calcule la media muestral x
con su respectiva probabilidad, y demuestre que la media de todas las
medias muestrales posibles (u x ) es igual a la media de la población (u)
de donde se seleccionaron las muestras.

ERROR ESTÁNDAR MUESTRAL DE LA MEDIA ( x ) S x

La Distribuciónmuestral de las medias Muestrales tiene una desviación


estándar, a esta desviación estándar de la distribución de todas las
medias Muestrales también se le denomina error estándar de la media
el cual mide la dispersión de las observaciones individuales (medias
muestrales) en torno a la media de las medias muestrales u x = u,
también indica la precisión de la media muestral.

Fórmula del error estándar:

x  x
2 2

x    
Ns  Ns 

donde:

 x = error estándar de la media

Como la fórmula dada requiere mucho cálculo aritmético también


podemos hallar el error estándar así; para una población tenemos:

x 
n
Error Estándar Estimado
S
Sx 
n

MUESTRAS DE POBLACIONES FINITAS – FACTOR DE


CORRECCIÓN

Cuando se muestra a partir de una población finita (no infinita) se debe


incluir un factor de corrección en la fórmula para el error estándar de la
media como regla general, la corrección es despreciable y puede
omitirse cuando n < 0,05 N es decir cuando el tamaño de la muestra es
menos del 5% del tamaño de la población.

Fórmula del error estándar de la media incluyendo el factor de corrección


por población finita:

 N n
x 
n N 1

96
E2: Del primer ejemplo demostraremos que al utilizar las dos fórmulas
del error estándar dadas, el resultado es el mismo.

INTERPRETACIÓN: las 6 medias Muestrales posibles tienen una media


= 25 = ux = u, las cuales tienden apartarse de 25 en 6,45.

E3: Un contador toma una muestra aleatoria de tamaño n =16 de un


conjunto de N = 100 cuentas por cobrar. No se conoce la desviación
estándar de los montos de las cuentas por cobrar para el total de las 100
cuentas. Sin embargo, la desviación estándar de la muestra es S =
$57.00. Hallar el error estándar para la distribución muestral de la Media.

Solución

s N n 57 100  16 57 84
sx   
n N 1 16 100  1 4 99

 14,25 0,8484  14,25(0,9211)  13,13

En el ejemplo dado se estima el error estándar de la media con base en


la desviación estándar muestral, y se requiere utilizar el factor de
corrección por población finita por que no es cierto que n < 0,05 N, es
decir 16 > 0,05(100)

El error estándar de la Media ofrece la base principal para la inferencia


estadística con respecto a la media de una población que se desconoce.
En este capítulo un teorema de la estadística usado para hallar la
utilidad del error estándar de la media es:

TEOREMA DEL LIMITE CENTRAL – DISTRIBUCIÓN NORMAL EN


DISTRIBUCIÓN MUESTRAL DE LA MEDIA

TALLER 8

E4: Un Contador – Auditor toma una muestra de tamaño n = 36 de una


población de 1000 cuentas por cobrar. El valor promedio de las cuentas
por cobrar de la población es u = $2600 con una desviación estándar
poblacional de  = $450. ¿Cuál es la probabilidad de que la media
muestral sea inferior a $2500?

E5: Con referencia al ejemplo anterior. ¿Cuál es la probabilidad de que


la media muestral se encuentre a no más de $150 de la media de la
población?

E6: En un estudio para comparar la producción promedio mensual en


miles de unidades producidas por COCA-COLA y KOLA REAL se
usará una muestra aleatoria de 20 y 25 trabajadores de c/u de las

97
empresas . Se sabe que la producción por trabajador siguen una
distribución normal. El promedio de la producción de todos los
trabajadores de COCA_COLA es de 100 unidades y su desviación
estándar es de 14.142, mientras que el promedio de la producción de
todos los trabajadores KOLA REAL es de 85 unidades y su desviación
estándar es de 12.247 unidades. Si y representan el promedio
muestral de la producción de los 20 y 25 trabajadores respectivamente.
Encuentre la probabilidad de que el promedio de las unidades
producidas por los 20 trabajadores sea al menos 20 unidades más que
el de los 25 trabajadores.

Solución:

Datos:

1 = 100 unidades; 2 = 85 unidades ; 1 = 14.142 unidades; 2


= 12.247 unidades ; n1 = 20 trabajadores; n2 = 25 trabajadores;
=?

Por lo tanto, la probabilidad de que el promedio de las unidades


producidas de la muestra de trabajadores de COCA-COLA sea al
menos 20 unidades más que el de la muestra de los trabajadores de
KOLAREAL es 0.1056.

98
TEMA N° 12

DISTRIBUCIONES MUESTRALES DE PROPORCIONES

Las distribuciones Muestrales de proporciones son usadas en muchos


casos, sobre todo cuando se trata de hallar si una observación cumple o
no una determinada característica.

Por ejemplo, los políticos no siempre desean saber cuantas personas


votarán por ellos, sino que porcentaje de la gente lo hará, es decir en
lugar de medias Muestrales, nos encontramos con proporciones
Muestrales.

CALCULO DE UNA PROPORCIÓN MUESTRAL DE ÉXITOS – MEDIA


DE LAS PROPORCIONES MUESTRALES.

Utilizamos la siguiente fórmula:


S
p
n
donde :
p = proporción muestral de éxitos.
S = número de éxitos en una muestra.
n = datos de la muestra.

E6: Un político entrevista a 500 sufragantes, si sólo 200 de ellos votaron


por él, hallar la proporción muestral de éxitos.

Solución
S 200
Sabemos: P    0,40
n 500
Nota: Tal como estudiamos en distribución muestral donde u x (media de
todas las medias Muestrales) = u(media de la población).
En este caso: P = 
Donde:
P = media de las proporciones Muestrales.
 = proporción de la población.

CALCULO DEL ERROR ESTÁNDAR DE LA PROPORCIÓN

Utilizamos la siguiente fórmula:


 (1   )
P 
n

TEOREMA DEL LIMITE CENTRAL – DISTRIBUCIÓN NORMAL


P ARA PROPORCIONES MUESTRALES

La distribución de proporciones Muestrales se aproximará a


una Distribución Normal cumpliendo el Teorema del Límite

99
Central aplicado a la distribución de proporciones Muestrales.
Aquí se debe cumplir lo siguiente:
n> 50 y
Tanto n  como n(1-) son mayores que 5.

PARA UNA POBLACIÓN FINITA


Se debe cumplir que n > 0,10N, para utilizar el factor de corrección por
población finita:

 (1   ) N  n
P 
n N 1

E7: Un médico administra un medicamento a N = 5 pacientes. Los


resultados de cada paciente son respectivamente muere, vive, vive,
muere, muere. Hallar la media de todas las proporciones Muestrales, si
se toman muestras de tamaño n = 2. También hallar el error estándar de
las proporciones muestrales.

Solución
Las muestras posibles de tamaño n = 2 y la proporción de
éxitos (vive), se indican en la tabla siguiente.
Se cumple también 5C2 = 10. M = muere, Vive = V.
Ns = Nº de muestras posibles = 10
S
Sabemos: p 
n
Donde:
p = proporción muestral de éxitos.
S = proporción de éxitos en una muestra.
n = 2.
Proporción de
Muestra
Éxitos P
M1 V2 0,5
M1 V3 0,5
M1 M4 0,0
M1 M5 0,0
V2 V3 1,0
V2 M4 0,5
V2 M5 0,5
V3 M4 0,5
V3 M5 0,5
M4 M5 0,0
P = 4,0

P
 P  4  0,40
Ns 10
donde:
p = proporciones.
p = media de todas las proporciones.
Ns = Nº de muestras posibles.

100
Es decir P (media de todas las proporciones ) es igual a u(media de la
población) = 0,40.

Cálculo del error Estándar de las Proporciones Muestrales.

 (1   ) N  n (0,4)(0,6) 5  2
P    0,3
n N 1 2 5 1

E8: Con referencia al problema E7. Si él médico administra el


medicamento a muchos pacientes, de los cuales viven  = 45%. Si se
elige una muestra de 80 pacientes. ¿Cuál es la probabilidad que vivan
mas de 40?.

APLICACIÓN ESTADÍSTICA

¿Podrá Pedro ir a Hawai?

Clairol vende un producto popular ideado para que las personas


parezcan más atractivas. Según la empresa el 75% de todos los clientes
potenciales con quienes se establece contacto por correo, compran el
producto.

Pedro envía 200 cartas en las que ofrece vender el producto. Tiene que
hacer 160 ventas. Como mínimo para financiar el viaje que tiene
programado a Hawai.

¿Cuál es la probabilidad de que lo consiga?

TALLER 9

ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN


DISTRIBUCIONES MUESTRALES

1. Se sabe que la vida útil promedio de los focos de transparencias


es  = 9000 horas, con una desviación estándar de 500 horas.
Determine el valor esperado y el valor estándar de la distribución
muestral de la media, con un tamaño de muestra de n = 25.
Interprete el significado de los valores calculados.

2. Para una población grande de saldos de cuentas que tienen


distribución normal, se tiene un saldo promedio de  = $
150,000.00, con desviación estándar  = $ 35,000 cuál es la
probabilidad de que una cuenta muestrada al azar tenga un saldo
que excede de $ 160,000.
3. Con referencia al problema anterior, ¿cuál es la probabilidad de
que la media de una muestra aleatoria de n = 40 cuentas exceda
de $ 160,000?

101
4. De un estudio contable se toma alzar una muestra de 500
empleados de un número mayor a ellos. Los trabajadores realizan
labores a destajo y se encuentran que el producto medio de pago
por cliente es de 2000 nuevos Soles, con una desviación
estandarmuestral S=200 Nuevos Soles. Hallar el pago promedio a
destajo para todos los empleados de la empresa, con un intervalo
de confianza del 90%.

5. El banco de Crédito toma una muestra n = 600 de una población


de 1200 clientes que cuentan con tarjeta de crédito, el valor
promedio de los créditos es de 3200 con una desviación estandar
poblacional de 600 Nuevos Soles . Hallar la probabilidad de que la
media muestral sea superior a 3350 Nuevos Soles.

6. Para ilustrar el significado de la distribución muestral de la media


se hace referencia a una población altamente simplificada.
Suponga que una población consta solamente de cuatro valores: 3,
5, 7 y 8. Calcule (a) la media de la población , y (b) la desviación
estándar de la población .

7.- Para la población que se describió en el problema anterior,


suponga que se toma muestras aleatorias simples de tamaño n =
2, de esa población. En cada una de las muestras, antes de elegir
el segundo elemento muestral, no se reemplaza el primer elemento
escogido.
a) Hacer una lista de todos los pares posibles que puede
constituir una muestra.
b) Para cada uno de los pares identificados en (a), calcule la
media muestral X y demuestre que la media de todas las
medias muestrales posibles  x es igual a la media de la
población de donde se seleccionaron las muestras.

8. Para la situación de muestreo que se describió en los problemas


anteriores, calcule el error estándar de la media determinando la
desviación estándar de las seis medias muestrales posibles que se
identificaron en el problema anterior, con respecto a la media
poblacional . Después calcule el error estándar de la media con
base en la  que se conoce y, tratándose de un muestreo en una
población finita, utilice la fórmula apropiada y verifique que los dos
valores del error estándar sean iguales.

9. Uno de los principales fabricantes de televisores compra los tubos


de rayos catódicos a dos compañías. Los tubos de la compañía A
tienen una vida media de 7.2 años con una desviación estándar de
0.8 años, mientras que los de la B tienen una vida media de 6.7
años con una desviación estándar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la
compañía A tenga una vida promedio de al menos un año más que
la de una muestra aleatoria de 40 tubos de la compañía B.

102
UNIDAD IV

ESTIMACIÓN CON INTERVALOS DE CONFIANZA, PRUEBA DEHIPÓTESIS

ORGANIGRAMA

ESTIMACIONES CON INTERVALOS


DE CONFIANZA – PRUEBA
DE HIPOTESIS

Intervalos Prueba
De Confianza De Hipótesis

Estimación Medias
Puntual Poblacionale
s

Medias Estadísticos
Poblacionales utilizados

Distribución
t de
Student

Entre
Dos Medias
Poblacionales

103
CONTENIDOS PROCEDIMENTALES

Interpreta y aplica los intervalos de Confianza y Prueba de Hipótesis


Elabora un resumen de las principales aplicaciones en la toma de decisiones
de Empresa

Formula evidencias de las distintas formas de aplicar estas herramientas


estadísticas en el marco empresarial, contable y en el Desarrollo de Tesis.
En forma grupal determinan la regla de decisión en el Contraste de Hipótesis

CONTENIDOS ACTITUDINALES

Valora con propiedad, los resultados de la teoría y problemas expuestos de


Intervalos de Confianza y Prueba de Hipótesis en su profesión.
Distingue los métodos, procedimientos y técnicas del Contraste de Hipótesis,
Acepta formar parte del grupo asignado con actitud de ayuda en el desarrollo
de los problemas.

CONTENIDOS CONCEPTUALES

TEMA N° 13 INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL


TEMA N° 14 DISTRIBUCION T DE STUDENT
TEMA N° 15 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE
DOS MEDIAS POBLACIONALES
TEMA N° 16 PRUEBA DE HIPOTESIS

104
ESTIMACIONES CON INTERVALOS DE
CONFIANZA, PRUEBA DE HIPOTESIS

INTERVALOS DE CONFIANZA PARA


LA MEDIA POBLACIONAL,

DISTRIBUCIÓN T DE STUDENT
DIFERENCIA DE MEDIAS

PRUEBA DE HIPOTESIS
JI-CUADRADA

105
TEMA N° 13
INTERVALOSDE CONFIANZA PARA LA MEDIA POBLACIONAL

En este capítulo aprenderemos a determinar intervalos de confianza de medias


poblacionales, proporciones poblacionales prueba de hipótesis, errores Tipo I y
II así como intervalos de confianza y prueba de hipótesis con dos poblaciones.

Los intervalos de confianza son utilizados para tomar numerosas decisiones


relacionadas con la empresa; del mismo modo se estudiará la probabilidad de
que una hipótesis sea cierta.

Muchos problemas de las empresas exigen comparar dos poblaciones con el


objeto de tomar decisiones correctas, estas se tomarán en las circunstancias
en las cuales es esencial efectuar las comparaciones y el modo adecuado de
efectuarlas.

ESTIMACIÓN PUNTUAL – INTERVALOS DE CONFIANZA.

E1: La dueña de una tienda, elige una muestra de n = 500 clientes, si x


= 37,30 soles (consumo medio de la muestra); este valor seria la
estimación puntual de la media poblacional.
Una estimación de intervalo es la que define un intervalo dentro del cual
puede estar el parámetro desconocido.

La dueña de la tienda puede pensar que el promedio (u) de la población


puede estar entre 36 y 39 soles. Donde el intervalo suele ir acompañado
de una afirmación sobre el nivel de confianza (95%) que se asigna a su
precisión. Por ello se llama intervalo de confianza.
Relación de Estimadores Puntuales Utilizados:

Parámetros de Población

Media, u x
 
Diferencia entre las medias de 2 poblaciones u1 – u2 x1  x2
I. Proporción,  p̂
Diferencia entre las propiedades de  
p1  p2
dos poblaciones; 1 - 2
s2
Varianza, 2
s
Desviación Estándar, 

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL


UTILIZANDO LA DISTRIBUCION NORMAL

E2: En una semana determinada, se elige al azar una muestra de 300


empleados de un número muy grande de ellos que trabajan en una
empresa manufacturera. Los trabajadores realizan una labor a destajo y
se encuentra que el promedio de pago por pieza trabajada es de x
=1800, con un desviación estándar muestral de S = $140. Hallar el pago
promedio a destajo para todos los empleados de la empresa, con una

106
estimación por intervalo que permite tener una confianza del 95% de que
ese intervalo incluye el valor de la media poblacional.

TALLER 10
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

E3: En una encuesta política obtienen volantes que votaran por su


partido en las próximas elecciones, en la cual se recopila una muestra
aleatoria de 550 volantes, de un conjunto de 2000; el promedio del gasto
es S/5250, con una desviación estándar de S/2575, utilizando un
intervalo de confianza de 90%. hallar el monto promedio de gastos de
los 2000 volantes

E4: Si la desviación Estándar  de la vida útil de focos especiales es =


0,500, no conocemos el promedio de vida útil. Si la distribución de la
vida útil de los focos es normal. Para una muestra de n =15, la vida útil
promedio es x = 8900 hrs. Construir intervalos de confianza para
estimar la media de la población.

a) Con el 95%
b) Con el 90% de confianza.

E5: Un analista de investigación de mercados recopila datos de una


muestra aleatoria de 100 clientes, de un conjunto de 400 clientes que
adquirieron equipo especial”. Las 100 personas gastaron un promedio x
= $ 24570 en la tienda, con una desviación estándar de:

S = $6,600. Utilizando un intervalo de confianza del 95%. Estime:

a) El monto promedio de las compras para los 400 clientes.


b) El monto total en dólares para las compras realizadas por los 400
clientes.

TEMA N° 14

INTERVALO DE CONFIANZA PARA LA MEDIA CON DESVIACIÓN


ESTANDAR () DESCONOCIDA – DISTRIBUCIÓN t DE STUDENT.

Cuando hay que tomar una muestra pequeña (n<30), la distribución


normal no siempre es la adecuada; Aquí es donde utilizamos una
distribución alternativa, llamada distribución t de Student (o simplemente
distribución t), la que debe cumplir las siguientes condiciones.
 La muestra es pequeña.
 La  es desconocida.
 La distribución debe ser normal.

107
Así mismo, la distribución t, tiene una media igual a cero, es simétrica
respecto de la media y se extiende de -  a +  .
Cálculo del Estadístico (t)
Se calcula como el estadístico Z.
Su formula es:
xu
t
Sx

CALCULO DEL INTERVALO DE CONFIANZA PARA ESTIMAR LA


MEDIA DELA POBLACIÓN u PARA MUESTRAS PEQUEÑAS.

Despejando u de la fórmula dada obtenemos:

S
x  t gl S x  x  t gl
n

Donde los grados de libertad gl<>df = n-1

TALLER 11
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

E5: Hallar t con un intervalo de confianza del 90, 95 y 99% y una


muestra de 20 observaciones.

E6: Un supervisor toma una muestra aleatoria de 12 sobres de cocoa en


una planta empaquetadora. El peso neto de los sobres de cocoa es el
que reporta la tabla siguiente:

Determinar:

a) El peso neto de la cocoa que se empaqueta en cada sobre.


b) La Desviación EstándarMuestral.
c) Si el peso de la cocoa empaquetado tiene distribución normal,
estimar el peso promedio por sobre de cocoa utilizando un intervalo
de confianza del 95%.

Gramos por 15,7 15,8 15,9 16,0 16,1 16,2


sobre
Número de sobres 1 2 2 3 3 1

Solución

x por sobre Nº de sobres Total x X2 por sobre X2 Total


15,7 1 15,7 246,49 246,49
15,8 2 31,6 249,64 499,28
15,9 2 31,8 252,81 505,62
16,0 3 48,0 256,00 768,00
16,1 3 48,3 259,21 777,63
108
16,2 1 16,2 262,44 262,44
n = 12 x=191,6 x2=3059,46
Reemplazando en las fórmulas:

a) x 
 x  191,6  15,97  x  15,97 gr
n 12

n  x 2  ( x ) 2 12(3059,46  (191,6) 2 )
b) S  
n(n  1) 12(11)

 0,0224  0,15  S  0,15gr.

S  0,15 
c) x  t gl S x  15,97  t11  15,97  2,201 
n  12 

 15,97  15,97  2,201(0,043)

 15,88 a 16,06 grs.

INTERPRETACIÓN:
El peso promedio por sobre se encuentra ente 15,88 y 16,06 grs

TEMA N°15

INTERVALO DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS MEDIAS


POBLACIONALES UTILIZANDO LA DISTRIBUCION NORMAL.

Existen numerosas ocasiones en que las empresas tienen que tomar


decisiones las cuales se centran en las diferencias que puedan existir
entre dos poblaciones, por lo cual se han desarrollado procedimientos
estadísticos cuyo objetivo es contrastar la diferencia entre dos medias
poblacionales o dos proporciones poblacionales.
Por ejemplo, existe una diferencia significativa entre la duración media
de las baterías para autos fabricadas por BATERIAS CAPSA y las que
produce BATERIAS DELCO, así como la diferencia entre los niveles
saláriales en dos empresas. Como se indico anteriormente en 8,1, el
estimador no sesgado de (u1 – u2) es ( x1  x 2 ). El intervalo de confianza
se construye de manera similar como se estima el de la media, así el
error estándar de la distribución muestral que corresponde en este caso
es el de la diferencia entre medias. El uso de la distribución normal se
basa en las mismas condiciones que para el caso de la distribución
muestral de la media ( en este caso existen dos medias).
Fórmulas para estimar la diferencia entre las medias de dos
poblaciones, con intervalos de confianza.

u1 – u2 = ( x1  x 2 )  z x1  x2

109
u1 – u2 = ( x1  x 2 )  zS x1  x2
Fórmula del Error Estándar de la Diferencia entre dos medias.

Cuando se conocen las desviaciones estándar de las dos


poblaciones.

 x  x   x2   x2
1 2 1 2

Cuando no se conocen las desviaciones estándar de las dos


poblaciones, el error estándar estimado para distribución normal es:

S x1  x2  S x21  S x22

En éstas dos fórmulas dadas como hemos visto anteriormente, podemos


incluir la posibilidad de utilizar los factores de corrección por población
finita cuando sea apropiado.

E6: El salario anual promedio para una muestra de n = 30 empleados de


una empresa industrial grande es x = S/. 28000, con una desviación
estándar de S/. 1400. En otra empresa grande, una muestra aleatoria de
n =40 empleados tiene un salario promedio anual de S/. 27000, con
desviación estándar muestral de S = S/. 1000. Hallar el intervalo de
confianza del 99% para estimar la diferencia entre los niveles anuales de
salarios en las dos empresas.

Solución

Sabemos:
Int. del 99% = ( x1  x 2 )  Z S x  x
1 2

S x1  x2  S  S
2
x1
2
x2

En donde:

x1  x 2 = S/. 28000 – S/. 27000 = S/. 1000

Z = 2,58

S1 1400 1400
S x1     255,60
n1 30 5,477

S2 1000 1000
S x2     158,11
n2 40 6,325

110
S x1  x2  (255,60)2  (158,11)2  300,55

Reemplazando Tenemos:
Int. del 99% = S/. 1000  2,58 (300,55)
= 1000 – 775,4 a 1000 + 775,4
= 225 a 1775
Es decir: 225  u1 – u2 1775

INTERPRETACIÓN:
Puede estimarse que el salario anual promedio de la primera empresa
es mayor que el correspondiente a ala segunda en una cantidad que va
de S/. 225 a S/. 1775 con una confianza del 99% en una estimación por
intervalo.

TALLER 12
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

E1: Una revista describía una prueba por Daniel S.A. para comparar la
eficacia de dos tipos de fertilizantes químicos. Se trataron 50 hectáreas
con cada uno de los tipos . Los incrementos de producción por hectárea
de trigo dieron medias de x1 = 14,2 litros para el fertilizante 1 y de x2 =
17,5 litros para el fertilizante 2. Las desviaciones estándar de ambos
fertilizantes eran de  1 =1,92 y  2 =2,05. Calcular el intervalo de
confianza del 99% para estimar la diferencia de la eficacia en los dos
fertilizantes.

E2 Un contador toma una muestra de 49 clientes de una empresa


industrial que pagan al crédito donde el valor promedio de estos son
$1750 con un desviación estándar de $630 , y en la otra empresa
comercial en una muestra de 64 clientes el promedio de personas que
pagan a crédito es de $1130 con una desviación estándar muestral de
$570 .
calcular el intervalo de confianza del 99% para estimar la diferencia entre
la cantidad de clientes que pagan al crédito.

SOFTWARE ESTADISTICO (APLICACIÓN POR COMPUTADORA)

CASO ESTUDIO 1.
En una Empresa Auditora un contador toma una muestra promedio de 36
cuentas por cobrar diferentes de valor 2.6 mill. de soles. Encuentre el intervalo
de confianza del 95% para la media poblacional suponiendo que la desviación
estándar de la población es de 0,3 mill. de soles.

SOLUCION CON MINITAD 15


1. - Se colocan los datos.(Ver grafico en clase)
2. - Poner en stat-basic statics-1-sample z.(Ver grafico en clase)

111
3. - Colocar los datos.(Ver grafico en clase)
4.- Luego aparecerán los resultados pedidos en la pregunta.(Ver grafico en
clase)
TEMA N°16

PRUEBA DE HIPÓTESIS

¿Qué es una hipótesis?


- Hipótesis: enunciado acerca de una población elaborada con el
propósito de ponerse a prueba.
- Ejemplos de hipótesis acerca de un parámetro de población son:
 La media mensual de ingresos para contadores es $ 3625
 El 20 % de los delincuentes juveniles son capturados y sentenciados
a prisión.

¿Qué es una prueba de hipótesis?


Prueba de hipótesis: procedimiento basado en la evidencia muestral y en
la teoría de probabilidad que se emplea para determinar si la hipótesis
es un enunciado razonable y no debe rechazarse o si no es razonable y
debe ser rechazado.

Prueba de Hipótesis.

Paso 1: Plantear la hipótesis nula y alterna

Paso 2 : Seleccionar un nivel de significancia

Paso 3: Identificar el valor estadístico de prueba

Paso: 4 Formular una regla de decisión

Paso 5 : Tomar una muestra, llegar a una decisión

No rechazar la hipótesis nula Rechazar la hipótesis nula y


aceptar la alterna

Prueba de significancia de una cola


Una prueba es de una cola cuando la hipótesis alterna, H1, establece una
dirección, como:
H0: el ingreso medio de las mujeres es menor o igual al ingreso medio de
los hombres.
H1: el ingreso medio de las mujeres es mayor que el de los hombres.
112
Prueba de significancia de dos colas:
Una prueba es de dos colas cuando no se establece una dirección
específica de la hipótesis alterna H1, como:
H0:el ingreso medio de las mujeres es igual al ingreso medio de los
hombres
H1: el ingreso medio de las mujeres no es igual al ingreso medio de los
hombres.

E1: Un Fabricante de “Crispy”un nuevo alimento para el desayuno, esta


preocupando por el peso medio de cereales que se envasa en sus cajas.
Estas anuncian un peso neto de 36 onzas. Si el fabricante desea realizar
la prueba de hipótesis aun nivel de significancia del 5%. Si se elige al
azar una muestra de x = 37,6 onzas y una desviación estándar de S = 3
onzas. Determinar el sistema de hipótesis y realizar la prueba

Solución

u = 36 onzas
 = 5%
x = 37,6
S = 3 onzas
n = 100 95%
Ho: u = 36 Rechazo
H1: u  36 /2 = 0,025

Sabemos:
xCR  uH  ZSx 35,41 uH=36 36,59
= 36  (1,96)(0,3)
= 36  0,588
35,41 hasta 36,59

INTERPRETACIÓN.

Como la media muestral x = 37,6 la cual está sobre 36,59; entonces se


rechaza la hipótesis nula. Es improbable que u = 36, soló hay una
probabilidad del 2,5% de que una muestra diera un media mayor que
36,59.

TALLER 13
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN

E2: Un contador piensa que el número medio de días necesarios para


realizar un trabajo debe ser u = 27. Si la media es menor que 27, el
contador teme que el trabajo se ejecute con descuido de calidad,
mientras que una media por encima de 27 puede dar lugar a unos
gastos innecesarios. Se eligen al azar 50 trabajos con objeto de probar
(contrastar esta afirmación).
113
Se encuentra que la media es x =25,3 días, con una desviación estándar
S = 2,1 días. El contador desea probar (contrastar) la hipótesis con nivel
de significancia del 1% (99% de confianza). Determinar el sistema de
hipótesis y realizar la prueba. Si rechaza la Hipótesis nula, el contador
tendrá que volver a valorarel proceso de trabajo para garantizar que se
siguen procedimientos adecuados

Solución

u = 27
n = 50
x = 25,3
S = 2,1 Rechazo
 = 1% Ho:0,99 /2 = 0,005
Ho: u = 27 0,4950
H1: u  27 26,23 uH=27 27,77

Z = 0,99:2 = 0,4950 = 2,58

E3. El Administrador de una comunidad informa a una empresa que para


construir un centro comercial el ingreso promedio por hogar es de $3000. si los
ingresos siguen distribución normal con S = $411.95, después de un previo
estudio, se encuentra que el ingreso promedio por hogar para una muestra
aleatoria de 15 hogares es $2910.pruebe la hipótesis con alfa = 5%

E4. Si la vida útil de las focos de una marca específica es cuando menos
4200 hrs. La vida útil promedio para una muestra aleatoria de n = 10
focos es x  4000 hrs. con desviación estándar muestral S = 200hrs.
Si tiene vida útil D. normal – probar la hipótesis con alfa = 5%
Solución
n = 10 Ho:  4200 hrs.
H1: < 4200
tCRÍTICA (gl = 9, x = 0,05) = -1,833
S 200 200
Sx     63,3hrs.
n 10 3.16
x   0 4000  4200
 CAL    3,16
Sx 63.3

HO
Acepta
HI

114
tCAL = -3,16 tCRITICO = -1,833
Interpretación: Se rechaza Ho, se acepta H1 de que 1< 4200
LA PRUEBA ESTADÍSTICA DE JI – CUADRADA
PRUEBAS PARA LA INDEPENDENCIA DE DOS VARIABLES
CATEGÓRICAS (PRUEBAS PARA TABLAS DE CONTINGENCIAS)

Las “pruebas de independencia” implican dos variables categóricas y lo que se


prueba es la suposición de que las variables son estadísticamente
independientes. Pero el problema que nos interesa es saber si las dos
variables son estadísticamente dependientes o que están relacionadas.
Como se trabaja con dos variables, se anotan las frecuencias observadas (f o) y
esperadas (fe) en una tabla de clasificación doble o Tabla de contingencias.

Mediante la expresión r x c se definen las dimensiones de este tipo de Tablas,


en donde r indica el número de renglones (filas) y c el número de columnas.

Pero la Ji – cuadrada nos permite también comparar dos atributos (variables)


para determinar si hay alguna relación entre ellos. Consideremos, por ejemplo,
que un especialista en marketing quisiera determinar si hay alguna conexión
entre los niveles de renta de los consumidores y su preferencia por el producto
que él vende. Este procedimiento implicaría comparar dos atributos: rentas y
preferencias. La comparación de dos atributos para determinar si son
independientes se realiza analizando la diferencia entre frecuencias
observadas reales y frecuencias esperadas.

El cálculo de la JI cuadrada (x2) para el análisis de una tabla de contingencia


también es fácil de hallarla e interpretarla usando el programa apropiado de
alguno de los paquetes estadísticos como el SAS, Minitab, SPSS y otros.

PRESENTACIÓN: EJEMPLO PARA SER APLICAD CON LA PRUEBA


ESTADISTICA DE JI-CUADRADA

EJEMPLO DEL TIPO 1: Este es un ejemplo del formato mas resumido de


una tabla de contingencia donde se consideran las dos variables, se trata
de una tabla de contingencia de 2 x 2.

CUADRO 1

Jabón
Ingresos Total
B1 B2
A1 40 60 100
A2 110 90 200
Total 150 150 300

En el Cuadro 1

115
Observamos en los totales de las filas (renglones) y columnas que:
150 + 150 = 300 personas
100 + 200 = 300 Personas
100 tienen ingresos A1, y
200 tienen ingresos A2
También
150 usan jabón B1, y
150 usan jabón B2
Resultando:

CUADRO 2

Jabón
Ingresos Total
B1 B2
A1 100
A2 200
Total 150 150 300

Investigando (Por encuesta, entrevista)


Se encontró que 40 de los 100 tienen renta A1 y jabón B1, entonces sin
necesidad de investigar se halla automáticamente que 100 – 40 – 60
Del mismo modo se determina los valores de 110 y 90
frfc
Utilizando fe =
n
ygl = (r – 1 ) (c – 1)
Donde: fe = Frecuencia esperada
fr = Es la frecuencia total de una fila determinada
fe = Es la frecuencia total de una columna determinada
gl = Grados de libertad

frfc 100 x150


fe1 =   50
n 300

frfc 100 x150


fe2 =   50
n 300

frfc 200 x150


fe3 =   100
n 300

frfc 200 x150


fe4 =   100
n 300

Obtenemos:
CUADRO 3

Ingresos Jabón Total

116
B1 B2
A1 40 (50) 60 (50) 100
A2 110 (100) 90 (100) 200
Total 150 150 300
PRUEBA DE HIPÓTESIS NULA DE INDEPENDENCIA PARA LOS DATOS
DE LA TABLA ANTERIOR UTILIZANDO UN NIVEL DE SIGNIFICANCIA DEL
5%

FORMULADE JI CUADRADA:
( f  fe )
X2 =  0
fe
Donde:
fe = Frecuencia esperada
f0 = Frecuencia observada
Hipótesis nula = H0 = No existe una relación estadísticamente significativa
entre los ingresos de una persona y la clase de jabón que
usa. Por tanto son independientes.
Hipótesis alterna: HA = Existe una relación estadísticamente significativa entre
los ingresos de una persona y la clase de jabón que usa por tanto son
dependientes.

gl = (r – 1) (c – 1) = (2 – 1 ) (2 – 1) = 1
( f  fe )
X2 =  0
fe

(40  50) 2 (60  50) 2 110  100) 2 (90  100) 2


X2 =    6
50 50 100 100

En la tabla de la Ji cuadrada (X2), y para un nivel de significancia de 5 por


ciento hallamos 3.841 entonces como la estadística de prueba de 6 excede el
valor crítico de 3.841. Por ello se rechaza la hipótesis Nula de independencia y
se concluye que existe una relación estadísticamente significativa entre
los ingresos de una persona y la clase de jabón que usa.

TALLER 14

ACTIVIDAD APLICATIVA AUTOEVALUACION


ESTIMACIONES CON INTERVALOS DE CONFIANZA – PRUEBA DE
HIPOTESIS
COMPLEMENTARIOS CON EL TALLER ANTERIOR.

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL


UTILIZANDO LA DISTRIBUCIÓN NORMAL

1. Un fabricante desea estimar el nivel mensual medio de producción de


su empresa, si toma una muestra de n = 100 y una media muestralde

117
x = 112 toneladas, con  = 50 toneladas y un intervalo de confianza
del 95%. Este promedio mensual será.

2. Si la media muestral es 42,5, construir un intervalo de confianza del


90% para la media poblacional si n = 81 y  = 15,3.

3. Con la información del problema anterior, construir un intervalo de


confianza del 99%. ¿Por qué es diferente?

4. Una muestra de 100 observaciones tiene una media de 16,3 ¿cuál


será el intervalo de confianza de 95% si = 3,7?

5. Construir el intervalo de confianza del 95% con la información del


problema anterior si ahora  = 5,7.
Explicar la diferencia.

6. Si la desviación estándar S de la vida útil de focos especiales es 500,


con distribución normal, para una muestra de n = 15, la vida útil
promedio x = 8900 hrs.

a) Constrúyase el intervalo de confianza del 95% para estimar la


media de la población y compare ese intervalo con la respuesta
que obtuvo en el problema E3 (a).
b) Constrúyase el intervalo de confianza del 90% para estimar la
media de la población y compare este intervalo con la respuesta
dada al problema E3(b).

7. El JaponésTaguchi inventó el concepto de función de pérdida de


calidad (FPC), que establece una relación directa entre el costo de la
calidad y la varianza del proceso de producción. IBM y otras
empresas norteamericanas han adoptado la enseñanza de Taguchi
para reducir costos sin disminuir la calidad del producto. Una muestra
de medidas de costo para nuevo coprocesador de IBM ha arrojado
una pérdida de 212,10 dólares con una desviación estándar de 57,10
dólares.

a) Construir e interpretar un intervalo de confianza del 99% si el


tamaño muestral era de 500 coprocesadores.
b) Construir e interpretar un intervalo de confianza del 99% si el
tamaño muestral era de 100.
c) Explicar por que el segundo intervalo es más extenso si el nivel de
confianza de los 2 es de 99%.

8. En una empresa constructora, un contrato establece que en un


determinado tipo de trabajo se debe gastar una media de 1150
dólares. Para ahorrar tiempo, el tribunal sólo convocó a los directores
de 12 agencias gubernamentales para declarar en relación con las
cuentas de gasto de la empresa. Si de las declaraciones se dedujo
una media de 1275 dólares y una desviación estándar de 325 dólares

118
¿apoyaría un intervalo de confianza del 95% la postura de la
empresa? (La cual fue causada por inflar los gastos de contratos de
construcción).
Las cuentas de los gastos siguen distribución normal.

PRUEBA DE HIPÓTESIS

9. Un auditor desea probar el supuesto de que el valor promedio de toda


las cuentas por cobrar en una empresa determinada es 260 000 soles,
tomando una muestra de n = 36 y calculando la media muestral, desea
rechazar el valor supuesto de 260 000 soles solo si la media muestral lo
contradice en forma clara, por lo que debe (darse el beneficio de la
duda) al valor hipotético en el procedimiento de prueba. Hallar las
hipótesis nula y alternativa para esta prueba.

10.Con referencia al problema 9, determinar los valores críticos de la


media muestral para probar la hipótesis con un nivel de significancia del
5%. Sabiendo que a la desviación estándar de las cuentas por cobrar es
 = 43 000.

11.Con referencia a los 2 problemas anteriores suponga que la x = 240


000.
Determine si se debe aceptar o rechazar la hipótesis nula.

12 Con referencia a los problemas anteriores partimos de la hipótesis


nula que la media de todas las cuentas por cobrar es de cuando menos
260 000 soles, probar la hipótesis con un nivel de significancia del 5%.

119
APENDICE II: DISTRIBUCION BINOMIAL

120
APENDICE II: DISTRIBUCION BINOMIAL (CONT)

121
122
APENDICE II: DISTRIBUCION BINOMIAL (CONT)

123
APENDICE II: DISTRIBUCION BINOMIAL (CONT)

124
APENDICE II: DISTRIBUCION BINOMIAL (CONT)

125
APENDICE II: DISTRIBUCION BINOMIAL (CONT)

126
APENDICE IV: DISTRIBUCION DE POISSON

127
APENDICE IV: DISTRIBUCION DE POISSON

128
APENDICE IV: DISTRIBUCION DE POISSON (CONT)

129
DISTRIBUCION DE POISSON (CONT)

130
APENDICE IV: DISTRIBUCION DE POISSON (CONT)

131
APENDICE IV: DISTRIBUCION DE POISSON (CONT)

132
APENDICE V: DISTRIBUCION NORMAL

133
APENDICE VI DISTRIBUCION t DE STUDENT

134
EJERCICIOS Y PROBLEMAS ADICIONALES

Aproximaciones.

0.9845 aproximar a milésimos:………………………..


3.9855 aproximar a milésimos:………………………..
1,445 aproximar a centenas con un decimal:…………

El Número de habitantes de cada una de 40 viviendas son:

5, 6, 1, 7, 3, 1, 4, 8, 2, 3,5,7,1,3,4,5,6,8,3,4,5,2,5,4
6,7,2,3,5,4,6,4,3,2,6,4,3,4,5,6.
Determinar su media aritmètica, su mediana y su moda.

3. Para la siguiente distribución

CLASES FRECUENCIAS f

(Alturas cm.) (Nº Niños)

118-127 4
128-137 7
138- 147 16
148-157 19
158-167 5
168-177 6
178-187 3

Determine: a) Los límites reales de clase.


b) Las frecuencias acumuladas relativas porcentuales.
c) La clase media
d) La curva de frecuencia acumuladas menor o igual.

4. Para la distribución de frecuencia de la pregunta 3 determine:


a) La media aritmetica.
b) El decil 9.

5.- En la tabla se enlistan los tiempos requeridos para la conclusiòn de una


tarea de ensamble para una muestra de 30 empleados que presentaron su
solicitud de ascenso a un puesto de ensamble de preciciòn . Supongamos que
nos interesa organizar estos datos en cinco clases de igual tamaño. Determine
el tamaño del intervalo correspondiente, redondeando el intervalo a enteros y
elabore la distribución de frecuencias para toda las clases y fijando en 9
minutos el limite nominal inferior de la primera clase.

135
136
Tiempos de ensamble de 30 empleados, en minutos
10 14 15 13 17 16 12 14 11 13 15 18 9 14 14 9 15 11
13 11 12 10 17 16 12 11 16 12 14 15.

6.- Elabore una distribución de frecuencias acumuladas, con la distribución


obtenida en la pregunta 1, empleando limistes exactos para identificar cada
clase e incluya en la tabla tanto frecuencias acumuladas como porcentajes
acumulados y trace la ojiva de porcentajes acumulados y determine:

a)¿En que punto percentil se encontraría un tiempo de ensamblé de 15


minutos?

b)¿Cuál es el tiempo de ensamble de 20º Percentil de la distribución?

7.- Un experto en normas laborales observa, en una muestra, la cantidad de


tiempo requerida para la elaboración de 10 cartas comerciales en una oficina,
con los siguientes resultados, enlistados en orden ascendente de acuerdo con
el minuto mas cercano: 5, 5, 5, 7, 9, 14, 15, 15, 16, 18. Determine a) Rango, b)
El Rango del 70% central y c) La desviación media.

8.- Con la distribución obtenida en la pregunta 1. Determine la media y la


varianza.

9.- Con distribución obtenida en la pregunta 1 determine la coeficiente de


asimetría de Pearson

10.- Los pesos en libras de 40 estudiantes están en la distribución:

CLASES f
118 – 126 3
127 – 135 5
136 – 144 9
145 – 156 12
154 – 162 5
163 – 171 4
172 – 180 2

Determine: a) La desviación estándar

b) El coeficiente de variación

11.- Se tienen las Siguientes notas de 38 estudiantes:

1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0
5 7 4 8 0 5 3 8 1 9 2 5 7 0 7 0 5 9 8
1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 2 0 1 1
0 5 3 2 9 6 2 9 0 8 1 4 6 3 2 0 8 2 0

137
Programe por MINITAB:
a) La construcciòn de un histograma
b) El calculo de la mediana

12.- de 50 focos, la probabilidad de que haya al menos uno quemado es 0.06;


de que al menos dos focos estén quemados es 0.02. Determina la probabilidad
de que:

a) Ningún foco quemado


b) Exactamente dos focos quemados

13.-La ventas por hora de una maquina automática pueden ser de 5, 8, 11, 13,
15 o 20
Gaseosas de ½ litro con las probabilidades de 0.4, 0.3, 0.1, 0.1, 0.005, 0.05
Respectivamente. Determine la venta esperada a liquidar de las 14:00 horas a
las 22:00 horas.

14.- Debido a la elevada tasa de interés, una empresa reporta que el 20% de
sus cuentas por cobrar están vencidas. Si un contador toma una muestra
aleatoria de 6 de estas cuentas. Determine la probabilidad de cada uno de los
siguientes eventos con la distribución Binomial:

a) Exactamente 3 cuentas están vencidas


b) Exactamente el 100% de las cuentas están vencidas

15.- Se ha determinado que el número de clientes que llegan cada hora a una
tienda tiene la distribución de probabilidad que se muestra en la tabla:

Numero clientes X 0 1 2 3 4 5 6

Probabilidad P(X) 0.03 0.07 0.10 0.15 0.25 0.20 0.20

Calcule el número de clientes esperando promedio que llegue a la tienda por


hora.

16.- El promedio anual de incendios grandes es una ciudad es de 8. Utilice la


distribución de Posición para determinar la probabilidad de que haya
exactamente dos incendios grandes en un periodo de tres meses.

17.-Las remuneraciones de los trabajadores de una empresa se distribuyen


normalmente, con una media de S/1250.00 mensual y una desviación
estándar de S/150.00. Determine que porcentaje de los trabajadores que tienen
sus remuneraciones entre S/900.00 y S/1500.00 mensuales.

18.- Durante una semana determinada, se estima que la probabilidad de que el


precio de una acción especifica aumente0 es 0.30, permanezca sin cambios es
0.20 y se reduzca es 0.50.
a) Determina la probabilidad de que el precio de la acción
aumente o permanezca sin cambio.

138
b) Determina la probabilidad de que el precio de acción cambie
durante la semana.

19.- El diámetro medio interior de una muestra de 300 tubos producidos por
una fabrica es de 0.530 pulgadas y la desviación estándar es de0.0005
pulgadas. El uso de los tubos permitirá una tolerancia de 0.522 a 0.538
pulgadas; de otro moto se considera defectuosos. Determina el porcentaje de
tubos defectuosos suponiendo que los tubos producidos se distribuyen
normalmente.

20.- En unas elecciones, una de los candidatos obtuvo el 45 % de los votos.


Halla la probabilidad de que en un muestreo de 300 votantes elegidos al azar,
saliera mayoria a su favor.

21.- Con referencia a la siguiente tabla determina la probabilidad que una


familia elegida al azar tenga ingresos,

a) Entre S/. 23000 y S/. 29999


b) Menores S/. 39999.5

Ingreso anual de 500


Familias
Categoría Rango de Ingreso Numero de
Familia
1 Menor de S/. 1800 60
2 S/. 1800 – S/. 22999 100
3 S/. 23000 – S/. 29999 160
4 S/. 33000 – S/. 39999 140
5 S/. 40000 y mas 40

22.- Si la probabilidad de que un individuo sufra una reacción negativa ante


una inyección de cierto suero es 0.002.
¿Halla la probabilidad de entre 3000 individuos, más de 3 de ellos sufran
reacciones negativas, suponiendo una distribución de poisson?

23.-Las lámparas que fabrica cierta empresa tiene una vida media de 1500
horas y una desviación estándar de 100 horas.
¿Halla la probabilidad de que una muestra aleatoria de 25 lámparas tenga una
vida media entre 1450 y 1600 horas?

24.- ¿Cual es la probabilidad de que un elemento elegido entre un inventario de


cinescopios tenga una vida en almacén entre 3 y 9 semanas? Se sabe que las
vidas siguen una distribución normal con una media de 5 semanas y una
desviación estándar de 3 semanas.

25.- La distribución normal del peso de los estudiantes de una universidad es


en promedio 65 Kg., con una desviación estándar de 5 Kg.
¿Determina los pesos límites del 90 % central alrededor del peso promedio?

139
26.- en un Bufete de abogados hay 6 socios. A continuación se indica el
numero de casos que cada miembro llevo a la corta en el mes pasado.

Números de
Socios
Casos
Ruud 3
Austin 6
Sass 3
Palmer 3
Wilhelms 0
Schueller 1

a) Determina la media y el error estándar poblacionales.


b) Determina la distribución de muestreo de medias de tamaño 2,
el valor medio y error estándar de las medias muéstrales.

27.- Suponiendo que usted en un agente de compras de un supermercado y


que toma una muestra aleatoria de 12 alubias en una planta envasadora. el
peso neto de las alubias al vació de cada lata aparece en la tabla. Determine:

a) El peso neto medio de las alubias envasadas en cada lata de


esta muestra.
b) La desviación estándar de la muestra.
c) Suponiendo que los pesos netos por lata tiene una distribución
normal, estime el peso medio por lata de alubias envasadas
con un intervalo de confianza de 90 %.

Onzas por latas 15.7 15.8 15.9 16.0 16.1 16.2


Números de latas 1 2 2 3 3 1

28.- Un contador piensa que el número medio de días necesarios para realizar
un trabajo debe ser U = 27 si la media es menor que 27, el contador teme que
l trabajo se ejecuta con descuido de calidad, mientras que una media por
encima de 27 puede dar lugar a unos gastos innecesarios.
Se Eligio al azar 50 trabajos con objeto de probar (contrastar esta afirmación).
Se encuentra que la media es x = 26.7 días, con una desviación estándar S
=2.1 días, el contador desea probar (contraste) la hipótesis con nivel de
significancia de 10% (90% de confianza). Determina el sistema de hipótesis y
realizar la prueba. Si rechaza la hipótesis nula, el contador tendrá que volver a
valorar el proceso de trabajo para garantizar que se siguen procedimientos
adecuados.

140
APLICACIÓN CON EL PROGRAMA DE MINITAB
DISTRIBUCION NORMAL

1. Un contador quiere saber el porcentaje de los costos de los insumos que


tiene una empresa en el proceso de producción. El costo promedio esta
estimado en $ 26234 dólares anuales. Suponga que se aplica una
distribución a los costos y que la desviación estándar es de $ 5000
dólares. ¿Cuál es el porcentaje que se obtiene al tener costos
mayores a $ 3500 dólares?

 Abrir el Minitab. Clic en Graph (Grafica).


 Colocarse en el siguiente Menú y opción:
GraphProbabilityDistributionPlot (Grafica de distribución de
Probabilidad).
 Se despliega la ventana de ProbabilityDistributionPlots (parcelas de
distribución de probabilidad).
 Clic en View Probability (ver probabilidad).
 Clic en Ok.
 Seleccionar Distribucion Normal
 Introducir los valores de la Media (mean), en este caso la Media es
de $ 26234 dólares
 Y la desviación estándar (Standarddesviation), este caso la
desviación estándar es de $ 5000 dólares.
 Al introducir estos datos tanto la Media y la desviación estándar se
desplego una grafica.

Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009

0.00008

0.00007

0.00006
Densidad

0.00005

0.00004

0.00003

0.00002

0.00001
0.05
0.00000
26234 34458
X

 Double-click en Shaded Area (area sombreada).


 SelccionarXvalue (valor X), además hacer clic en “cola a la” y
proporcionar los valor de X, es decir $ 35000dólares.
 Clic en Ok.
141
 Minitab despliega la grafica de la distribución normal con el
valor de la probabilidad sombreado. En este caso la grafica
muestra que la probabilidad es 0.03978 ó 3.978%

Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009

0.00008

0.00007

0.00006
Densidad

0.00005

0.00004

0.00003

0.00002

0.00001
0.03978
0.00000
26234 35000
X

2. Un contador quiere saber el porcentaje de los costos de los insumos que


tiene una empresa en el proceso de producción. El costo promedio esta
estimado en $ 26234 dólares anuales. Suponga que se aplica una
distribución a los costos y que la desviación estándar es de $ 5000
dólares.
 Abrir el Minitab. Clic en Graph (Grafica).
 Colocarse en el siguiente Menú y opción:
GraphProbabilityDistributionPlot (Grafica de distribución de
Probabilidad).
 Se despliega la ventana de ProbabilityDistributionPlots (parcelas
de distribución de probabilidad).
 Clic en View Probability (ver probabilidad).
 Clic en Ok.
 Seleccionar Distribución Normal.

 Introducir los valores de la Media (mean), en este caso la Media


es de $ 26234 dólares
 Y la desviación estándar (Standard desviation), este caso la
desviación estándar es de $ 5000 dólares.
 Al introducir estos datos tanto la Media y la desviación estándar
se desplego una gráfica.

142
Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009

0.00008

0.00007

0.00006
Densidad

0.00005

0.00004

0.00003

0.00002

0.00001
0.03978
0.00000
26234 35000
X

 Double-click en Shaded Area (area sombreada).


 SelccionarXvalue (valor X), además hacer clic en “cola a la” y
proporcionar los valor de X, es decir $ 20000 dólares.
 Clic en Ok.
 Minitab despliega la grafica de la distribución normal con el valor
de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es 0.1062 ó 10.62%

Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009

0.00008

0.00007

0.00006
Densidad

0.00005

0.00004

0.00003

0.00002

0.00001 0.1062

0.00000
20000 26234
X

3. El área de contabilidad de una empresa tiene registrada $25000 dólares


en promedio de cuentas por cobrar con una desviación estándar de
$3000 dólares. Suponga que se hace distribución normal. ¿Cuál es la
probabilidad por lo menos cobre $30000 dólares de las cuentas por
cobrar?

143
 Abrir el Minitab. Clic en Graph (Grafica).
 Colocarse en el siguiente Menú y opción:
GraphProbabilityDistributionPlot (Grafica de distribución de
Probabilidad).
 Se despliega la ventana de ProbabilityDistributionPlots (parcelas de
distribución de probabilidad).
 Clic en View Probability (ver probabilidad).
 Clic en Ok.
 Seleccionar Distribución Normal
 Introducir los valores de la Media (mean), en este caso la Media es
de $ 25000 dólares
 Y la desviación estándar (Standard desviation), este caso la
desviación estándar es de $ 3000 dólares.
 Al introducir estos datos tanto la Media y la desviación estándar se
desplego una grafica.

Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014

0.00012

0.00010
Densidad

0.00008

0.00006

0.00004

0.00002
0.05
0.00000
25000 29935
X

 DobleClic en Shaded Area (áreasombreada).


 SelccionarXvalue (valor X), además hacer clic en “cola a la” y
proporcionar los valor de X, es decir $ 30000 dólares.
 Clic en Ok.

 Minitab despliega la grafica de la distribución normal con el valor


de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es0.04779 ó 4.779%

144
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014

0.00012

0.00010
Densidad

0.00008

0.00006

0.00004

0.00002
0.04779
0.00000
25000 30000
X

4. El área de contabilidad de una empresa tiene registrada $25000 dólares


en promedio de cuentas por cobrar con una desviación estándar de
$3000 dólares. Suponga que se hace distribución normal. ¿Cuál es la
probabilidad de que cobre entre $25000 dólares y 27500 dólares de
las cuentas por cobrar?

 Abrir el Minitab. Clic en Graph (Grafica).


 Colocarse en el siguiente Menú y opción:
GraphProbabilityDistributionPlot (Grafica de distribución de
Probabilidad).
 Se despliega la ventana de ProbabilityDistributionPlots (parcelas
de distribución de probabilidad).
 Clic en View Probability (ver probabilidad).
 Clic en Ok.
 Seleccionar Distribución Normal
 Introducir los valores de la Media (mean), en este caso la Media
es de $ 25000 dólares Y la desviación estándar (Standard
desviation), este caso la desviación estándar es de $ 3000
dólares.

 Al introducir estos datos tanto la Media y la desviación estándar


se desplego una grafica.

145
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014

0.00012

0.00010
Densidad

0.00008

0.00006

0.00004

0.00002
0.05
0.00000
25000 29935
X

 DobleClic en Shaded Area (áreasombreada).


 SelccionarXvalue (valor X), además hacer clic en middle (medio) y
proporcionar los valor de X1 y X2, es decir $25000 y $27500
dólares respectivamente.
 Clic en Ok.
 Minitab despliega la grafica de la distribución normal con el valor
de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es 0.2977 ó 29.77%

Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014

0.2977
0.00012

0.00010
Densidad

0.00008

0.00006

0.00004

0.00002

0.00000
25000 27500
X

5. El monto de dinero que se les pide en las solicitudes de préstamos en


Down River Federal Savings tiene una distribución normal, una media de
$70,000 y un desviación estándar de $20,000. Esta mañana se recibió

146
una solicitud de préstamos. ¿Cuál es la probabilidad de que el monto
solicitado sea 80,000 o mayor?
𝑥−𝜇
𝜇 = 70,000 𝑧=
𝜎
𝜎 = 20,000
𝑝(𝑥 ≥ 80,000)
80,000−70,000 10,000
𝑧= = 20,000 = 0,50 =La probabilidad acumulada es de 0,1915
20,000
𝑝(𝑥 ≥ 80,000) = 0.5000 − 0,1915 = 0,3085

Rpta: 𝑝(𝑥 ≥ 80,000)z=0,50 entonces por la tabla de distribución normal


es igual a 0,1915 de manera que 0,500-0,1915=0,3085 es la
probabilidad de que z sea mayor a 0,50 y por lo tanto de que x sea
mayor a 80,000.entonces 61,7% de los recibirá en prestamos
los$80,000.

 Abrir el Minitab, y clic en Graph.

 Colocarse en el siguiente menú y opción:


GraphProbabilityDistributionPlot

147
 Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK

 SelccionarX Distributions normal


Introducir los valores de la media(Mean) y la desviación estándar
(standardderivation)

148
 Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x ₁ y x₂
Clic en OK

 Minitab despliega la grafica de Minitab con el valor de la probabilidad


sombreada

Distribution Plot
Normal, Mean=70000, StDev=20000

0.000020

0.000015
Density

0.000010

0.000005 0.3085

0.000000
7000080000
X

6. Tel ComSatellite presta servicios de comunicación a los negocios del


area metropolitana de Chicago los funcionarios de la compañía han
aprendido que la transmisión satélite promedio es de 150 segundos,
con la desviación estándar 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 tarifa que maximice la
utilidades corporativas. TelCom debe determinar que tan probable es
que algunas llamadas se presentan. El director de servicios desea que
usted proporcione estimados de la probabilidad de que una llamada
dure entre 125 y 150 segundos.

Resolución

149
𝜇 = 150 Segundos
𝜎 = 15 Segundos
𝑝(125 ≥ 𝑥 ≥ 150)
125−150
𝑍= =-1,67
15
Rpta : 𝑝(125 ≤ 𝑥 ≤ 150)Z=-1,67 pero por la tabla de distribución
da una área de 0,4525. Por tanto la probabilidad de que una
transmisión dure entre 125 y 150 segundos es 45,25%

Solucion utilizando programa minitab 16

 Abrir el Minitab,y clic en Graph.

 Colocarse en el siguiente menú y opción:


GraphProbabilityDistributionPlot

150
 Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK

 SelecionarDistribucion normal
Introducer los valores de la media(Mean) y la desviaciones andar
(standardderivation)

 Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x ₁ y x₂
Clic en OK

151
 Minitab despliega la grafica de minitab con el valor de la probabilidad
sombreada

Distribution Plot
Normal, Mean=150, StDev=15
0.030

0.025

0.020 0.4522
Density

0.015

0.010

0.005

0.000
125 150
X

7. La compañía Grear Tire Company ha fabricado un nuevo neumático


que será vendido por una cadena nacional de tiendas de descuento.
Como este neumático es un producto nuevo, los directivos de Grear
piensan que la garantía de duración será un factor importante en la
aceptación de neumático. Antes de finalizar la póliza de garantía, los
directivos necesitan información probabilística acerca de x=duración
del neumático en numero de millas.

De acuerdo con las pruebas realizadas al neumático. Los ingenieros de


Grear estiman que la duración media en millas es 𝜇 = 36500 millas y que
las desviaciones estándar es 𝜎 = 5000. Además, los datos recogidos
indican que es razonable suponer una distribución normal. ¿Qué porcentaje
de los neumáticos se espera que duren más de 40000 millas?

Solución
𝜇 = 36500 𝑚𝑖𝑙𝑙𝑎𝑠
𝜎 = 5000 𝑚𝑖𝑙𝑙𝑎𝑠
𝑝(𝑥 ≥ 40000)
Para que x=40000, se tiene
𝑥 − 𝜇 40000 − 36500 3500
𝑧= = = = 0,70
𝜎 5000 5000
152
Rpta:𝑝(𝑥 ≥ 40000),z=0,70 entonces por la tabla de distribución normal es
igual a 0,7580 de manera que 1000-0,7580=0,2420 es la probabilidad de
que z sea mayor a 0,70 y por lo tanto de que x sea mayor a
40000.entonces 24,2% de los neumáticos durara más de 40000 millas.

Solución utilizado el programa minitab 16

 Abrir el Minitab,y clic en Graph.

 Colocarse en el siguiente menú y opción:


GraphProbabilityDistributionPlot

153
 Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK

 SelecionarDistribucion normal
Introducir los valores de la media(Mean) y la desviación estándar
(standardderivation)

 Clic en ShadedArea
Seleccionar x vakue, clic en ightTail.y proporcional los valores de x
Clic en OK

 Minitab despliega la grafica de minitab con el valor de la probabilidad


sombreada

154
Distribution Plot
Normal, Mean=36500, StDev=5000
0.00009

0.00008

0.00007

0.00006
Density

0.00005

0.00004

0.00003

0.00002
0.2420
0.00001

0.00000
36500 40000
X

DISTRIBUCION MUESTRAL
1. Un asistente contable necesita conocer la probabilidad de que la media
muestral de los precios de carpetas sea mayor que 10.5 soles,
considerando que el tamaño muestral es 25 y la población es de 2000.
Sabiendo que los precios se distribuyen (poblacionalmente) con u = 10
soles con una desviación estándar poblacional de  = 1.5 soles.

Solución

La media muestral se distribuye con media=10 y desviación= 1.5/5= 0.3


(formula)
Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 10, desviación 0.3
Área sombreada. Valor de x
Cola derecha
Escribir 10.5
Aceptar

Respuesta: 0.04779= 4.779%

155
Gráfica de distribución
Normal, Media=10, Desv.Est.=0.3
1.4

1.2

1.0
Densidad

0.8

0.6

0.4

0.2
0.04779
0.0
10 10.5
X

2. Un supervisor necesita evaluar si los productos terminados no presentan


defectos en el momento de llevarlos al inventario. Él sabe que el
porcentaje de fallas se distribuye normalmente con media 5 y desviación
de 1 (ambos en porcentajes). Determine la probabilidad que una
muestra recogida al azar de los inventarios presente en promedio menos
del 4.5% de defectos, sabiendo que la muestra que se desea vender es
de tamaño 16 y que la población en el inventario es de 10000 productos.

Solución

La media muestral se distribuye con media=5 y desviación= 1/4= 0.25


(formula)

Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 5, desviación 0.25
Área sombreada. Valor de x
Cola izquierda
Escribir 4.5
Aceptar

Respuesta: 0.02275= 2.75%

156
Gráfica de distribución
Normal, Media=5, Desv.Est.=0.25
1.8

1.6

1.4

1.2
Densidad

1.0

0.8

0.6

0.4

0.2
0.02275
0.0
4.5 5
X

3. Un analista de crediticio desea conocer la situación financiera de un


grupo de potenciales clientes. Sabe que el promedio de ingresos de la
población es de 2000 soles y se tiene una desviación de salarios de 600
soles. Determine la probabilidad de que el salario promedio de un grupo
de 36 personas escogidas al azar de toda la población (N= 1000 000)
sea superior a 2100 soles.

Solución

La media muestral se distribuye con media=2000 y desviación= 600/6=


100 (formula)
Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 2000, desviación 100
Área sombreada. Valor de x
Cola derecha
Escribir 2100
Aceptar

Respuesta: 0.1587= 15.87%

157
Gráfica de distribución
Normal, Media=2000, Desv.Est.=100

0.004

0.003
Densidad

0.002

0.001
0.1587

0.000
2000 2100
X

4. La empresa ABC recoge información acerca de sus clientes y determina


que en conjunto el volumen de ventas presenta un valor promedio de
4000 soles y una desviación de 2400 soles y el número total de clientes
es de 4000. Sin embargo, en un incendio se quemó mucha
documentación y solo se pudo recoger esa información, un asistente
contable necesita determinar cuál es la probabilidad de que las ventas
promedio hechas a 100 clientes escogidos al azar esté entre 3900 y
4200 soles.

Solución

La media muestral se distribuye con media=4000 y desviación=


2400/10= 240 (formula)
Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 4000, desviación 240
Área sombreada. Valor de x
Centro
Escribir 3900 4200
Aceptar

Respuesta: 0.4592= 45.92%

158
Gráfica de distribución
Normal, Media=4000, Desv.Est.=240
0.0018
0.4592
0.0016

0.0014

0.0012
Densidad

0.0010

0.0008

0.0006

0.0004

0.0002

0.0000
39004000 4200
X

5. Un estudio determinó que el promedio de los activos de un grupo de


empresas que listan en la Bolsa de Valores de Lima asciende a 45
millones de soles con una desviación de 9 millones. Se sabe que hay
169 empresas que listan en bolsa, determine la probabilidad que el
promedio de los activos de una muestra de tamaño 25 esté entre 42 y
44.5 millones.

Solución

La media muestral se distribuye con media=45 y desviación= (9/raíz


(25))* raíz ((169-25)/(169-1))= 1.667 (formula con factor de corrección)

Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 45, desviación 1.667
Área sombreada. Valor de x
Centro
Escribir 42 44.5
Aceptar

Respuesta: 0.3462= 34.62%

159
Gráfica de distribución
Normal, Media=45, Desv.Est.=1.667
0.25

0.20

0.15
Densidad

0.3462

0.10

0.05

0.00
42 44.545
X

6. Una empresa de contadores auditores realiza estudios de investigación


,con una duración media de 520 horas(desde el inicio hasta culminar
dichos estudios),si están distribuidos normalmente con una desviación
estándar de 37 horas ¿Cuál es la de que un estudio elegido al azar
requiera entre 520 a 570 horas para completarlo ?
 Abrir el minitab – click en graph
 Colocarse en el siguiente Menú y opción :graphprobability
distributionplot

 Tenemos la ventana de probabilitydistributionplots


- Click view probability
- Clik en ok
160
 Seleccionar Distribución Normal
- Introducir los valores de la media (mean)
- Introducir la desviación estándar

Gráfica de distribución
Normal, Media=520, Desv.Est.=37
0.012

0.010

0.008
Densidad

0.006

0.004

0.002
0.05
0.000
520 580.9
X

 Click en shaded área


-Seleccionar X value
-Click en centro
-Click en middle y proporcionar los valores de X1 Y X2
- Click en OK

 En minitab se despliega la grafica de la distribución normal con el valor


de la probabilidad sombreada

161
 Obtemos la probabilidad

162
FUENTES DE INFORMACIÓN
Básica
1. - Anderson, D., Sweeney, D. y Willians, T. (2008). Estadística para
administración y economía (10a. ed.). México: Thomson Learning.
2.- Berenson, M.yLevine. D. (1991). Estadística para administración y
economía: conceptos y aplicación. México: McGraw-Hill.
3.- Kazmier,L. (2006). Estadística aplicada a la administración y a la economía
(4a. ed.). México: McGraw-HiIl.
4.- Levine, R. (2004). Estadística para administración y economía(7a. ed.).
México: Pearson Educación.

Complementaria
5.- Anderson, D., Sweeney y D., Willians,T. (2009). Estadística para
administración y economía. México: Thomson.
6.- Arnaldos, F. (2003). Estadística descriptiva: para economía y administración
de empresas. Madrid: Thomson Editores.
7.-Avila, R. (2000). Estadística elemental. Lima: RA.
8.-Kohler, H. (1996). Estadística para negocios y economía, México:
Continental.
9.-Martínez, C. (2002). Estadística y muestreo. Bogotá: ECOE.
10.- Romero, F. (2000). Estadística para ti: aplicada a la investigación. Lima:
(s.n.).
11.- Spiegel, R. (2009).Estadística (4a. ed.). México: McGarw-Hill.
12.- Webster , A. (2000). Estadística aplicada a los negocios y la economía.
Bogotá: McGraw-Hill.

FUENTES ELECTRONICAS:
Curso virtual: estadística (s.f.), de http://www.iific.edu.pe/

SOFTWARE ESPECIALIZADO:
MINITAB - SPSS – EXCEL

LIBROS CUYA COMPRA SE ESTÀ SOLICITANDO A LA USMP:


1.-Fadil, Z. (2004). Estadística general aplicada.: Fondo Educativo
Interamericano
2.-Hanke, J. y Reitsch, A. (2004). Estadística para negocios. Madrid: McGraw-
Hill
3.-Levin, R. y Rubin, D. (2004). Estadística para administración y economía (7a.
ed.) México: Pearson Educación

163