ESTADISTICA - Probabilidades PDF

Excelencia Académica
INDICE
UNIDAD ACADÉMICA I
ESTADÍSTICA – GENERALIDADES
1. Definición de Estadística 07
2. Clases de Estadística 08
3. Conceptos Básicos 08
4. Variable y tipos 10
5. Regla de Redondeo 14
6. Notación Científica 15
7. Cifras Significativas 15
8. Sumatoria 16
UNIDAD ACADÉMICA II
ORGANIZACIÓN DE DATOS Y GRÁFICOS

1. Tabla de Frecuencia 19
2. Clases de Frecuencias 20
3. Tabla de Frecuencia para Variables Cualitativas 21
4. Tabla de Frecuencia para Variables Cuantitativas 21
5. Construcción de Intervalos o Reducción de Datos 23
6. Gráficos 28
7. Clases de Gráficos 28
8. Análisis Exploratorio de Datos 31
UNIDAD ACADÉMICA III
MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (I)

1. La Medida o Promedio Aritmético 37
2. Mediana 39
3. La Moda 43
4. Relación Entre en Promedio Aritmético, Mediana y Moda 47
UNIDAD ACADÉMICA IV
MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (II)

1. Media Geométrica 53
2. Media Armónica 55
3. Relaciones Entre los Promedios 56
4. Cuarteles 57
5. Deciles 58
6. Percentiles 58
7. Aplicación de Cuartiles, Deciles y Percentiles 59
5
UNIDAD ACADÉMICA V
DISPERSIÓN, ASIMETRÍA Y APUNTAMIENTO
1. Medidas de Dispersión o Variabilidad 065
2. Rango 066
3. Desviación Media 066
4. Varianza 068
5. Desviación Estándar 070
6. Características de la Varianza y Desviación Estándar 071
7. Coeficiente de Variación 072
8. Variable Estandarizada 073
9. Medida de Asimetría 073
Medida de Apuntamiento 076
UNIDAD ACADÉMICA VI
CORRELACIÓN Y REGRESIÓN
1. Correlación 079
2. Coeficiente de Correlación 080
3. Regresión 082
4. Serie de Tendencia Rectilínea 082
5. Serie de Tendencia Parabólica 084
6. Aplicación de la Ecuación Exponencial 087
UNIDAD ACADÉMICA VII

PROBABILIDAD (I)
1. Introducción a la Teoría de la Probabilidad 091
2. Concepto de Probabilidad 091
3. Experimento 092
4. Espacio Muestral 092
5. Evento o Suceso 093
6. Análisis Combinatorio 098
7. Factorial de un Número 101
8. Permutación 101
9. Variación 104
10. Combinación 105
11. Diagramas de Árbol 106
UNIDAD ACADÉMICA VIII

PROBABILIDAD (II)
1. Definición Clásica de Probabilidades 111
2. Probabilidad de Frecuencia Relativa 115
3. Probabilidad Subjetiva 118
4. Probabilidad Frente a “Apuestas” 118
5. Probabilidades de Espacios Muestrales Finitos 119
6. Probabilidad Condicional 121
7. Sucesos Independientes 124
8. Teorema de Bayes 125
6
ESTADÍSTICA – GENERALIDADES
Este primer fascículo esta diseñado para ayudar al lector a hacerse una idea de la
estadística, para que sepa los principales conceptos, variables y sus tipos, regla de
redondeo, notación científica y cifras significativas.
Hoy las estadísticas están presentes en casi todas las profesiones, se han convertido en
una herramienta de suma utilidad.
Al finalizar el estudio del presente fascículo el estudiante:
- Define la estadística y conoce sus clases.

- Conceptúa lo que es población, muestra, parámetro, estadígrafo y dato.
- Define lo que es una variable, conoce y determina sus tipos.
- Aplica la regla de redondeo y las cifras significativas; así como, la notación científica.
- Resuelve problemas de sumatoria.
1. Definición de Estadística
La Estadística es la ciencia de la:
- Sistematización, recogida, ordenación y presentación de datos referentes a un
fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con el
objeto de
(Descriptiva)
- deducir las leyes que rigen esos fenómenos,
(Probabilidad)
- y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u
obtener conclusiones
(Inferencia)
Definiciones etimológicas:
El origen etimológico de la palabra “estadística”, no está bien determinado. Para algunos
viene de la voz griega STATERA que significa “Balanza, equilibrio”, otros dicen que
7
deriva del latín STATUS que significa “situación” mientras que algunos autores afirman
que procede del alemán STAAT cuyo significado es “Estado” por su función de registrar:
población, nacimiento, defunción, etc. Y finalmente, otros autores dicen que proviene de
una voz italiana STATISTA que significa “estadista” y que acuño Gottfried Achenwall
(1719 – 1772), un profesor en Marlborough y Gottingen.
2. Clases de Estadística
Estadística Descriptiva y Deductiva
Es la Estadística que únicamente se ocupa de describir y analizar un conjunto
determinado sin extraer ningún tipo de conclusión o inferencia sobre un conjunto
mayor.
El análisis se limita a si mismo a los datos coleccionados. Las gráficas, las tablas y
diagramas que muestran los datos y facilitan su interpretación son ejemplos de
este tipo de Estadística.
Estadística Inferencial o Inductiva

Es la Estadística que estudia las condiciones bajo las cuales tales inferencias son
válidas, para cuyo estudio se requiere un alto nivel de conocimiento de estadística
descriptiva, probabilidades y matemáticas.
Comprende la teoría de estimación, prueba de hipótesis y análisis de varianza.
Aquí, la influencia estadística incluye generalizaciones y afirmaciones sobre
probabilidades de su validez.
3. Conceptos Básicos
Población
Es el conjunto mayor o colección completa de todos los elementos que posee al
menos una característica común observable, cuyo estudio nos interesa o acerca de
los cuales se desea información.
La población puede ser según su tamaño de dos tipos:
- Población Finita: cuando se tiene un número determinado de elementos.
Ejemplo. El conjunto de todos los alumnos de la UPLA
- Población Infinita: Cuando el número de elementos es indeterminado o tan

grande que pudiesen considerarse infinitos.
8
Ejemplo. El conjunto de Insectos

El conjunto de estudiantes
Tamaño de la población: es el número total de elementos que tiene la población

estudiada y se denota con la letra “N” (ene mayúscula).
Muestra
Es un subconjunto de la población a la cual se le efectúa la medición con el fin de
estudiar las propiedades con el fin de estudiar las propiedades de la población de
la cual es obtenida.
Ejemplo. Un grupo de alumnos del total de estudiantes de la UPLA.
Tamaño de la muestra: Es el número de elementos de la muestra y se denota con
la letra “n” (ene minúscula).
Parámetro
Es un número que describe alguna característica de la población o medida de
resumen de una población. Se considera como un valor verdadero de la
característica estudiada y para determinar su valor es necesario utilizar la
información poblacional completa y por lo tanto la decisión se toma con
certidumbre total.
Los parámetros se representan con letras griegas.
Ejemplo: La media aritmética con “µ”
La desviación estándar con “σ”
Estadígrafo o Estadístico
Es el número que describe alguna característica de la muestra o medida de resumen de
una muestra y la toma de decisión contiene un grado de incertidumbre.
La estadística se representa con letras latinas.
Ejemplo: La media aritmética con “ x ”
Dato
Es el valor, respuesta o registro que adquiere una característica o variable
asociada a un elemento de la población o muestra, como resultado de la
observación, entrevista o recopilación en general. Puede ser un símbolo, una
palabra o un número.
9
Los datos pueden ser:
A. Según su naturaleza
a. Datos cuantitativos: Consiste en números que representan conteos o

mediciones.
Ejemplo. El número de soldados del Perú
La talla de los estudiantes de la UPLA
b. Datos Cualitativos: Se pueden dividir en diferentes categorías que se

distinguen por alguna característica no numérica.
Ejemplo. Los grados del ejército
Los colores del arco iris
B. Según su procedencia.
a. Datos Primarios: Son aquellos que se obtienen directamente de la misma
realidad, sin sufrir ningún proceso de elaboración previa.
Ejemplo: Lo que se recoge directamente de un muestreo o de un censo.
b. Datos Secundarios: Son registros escritos que proceden tambien de un
contacto con la práctica, pero que ya han sido recogidos y muchas veces
procesados por los investigadores.
Ejemplo: Lo que se obtiene de textos, revistas, etc.
4. Variable
Es una característica estudiada de las unidades estadísticas (elementos de la población)
Tipos de Variable
Según la Naturaleza de la Variable
a) Variables Cualitativas
Cuando expresan una cualidad, característica o atributo, sus datos se expresan
mediante palabras, no es numérica.
Ejemplo: Estado civil, lugar de nacimiento, profesiones, causas de accidentes,
colores, etc.
10
b) Variables Cuantitativas
Cuando el valor de la variable se expresa por una cantidad, es de carácter
numérico. El dato o valor puede resultar de la operación de contar o medir.
Ejemplo: Número de hijos, ingresos, talla, peso, producción, edad, utilidades,
etc.
Las variables cuantitativas pueden ser Discretas y Continuas
b.1. Variable Discreta
Cuando el valor de una variable resulta de la operación de contar, su valor
está representado solo por números naturales (entero positivo).
Ejemplo: Número de hijos, habitaciones por vivienda, población por país.
Etc.
b.2. Variable Continua
Cuando la variable es susceptible de medirse, es toda variable cuyo valor
se obtiene por medición o comprobación con una unidad o patrón de
medida. Se expresa por cualquier número real.
Ejemplo: Área de terreno, ingresos monetarios, peso, estatura, tiempo,
etc.
Según la relación entre variables
a) Variables Dependientes
Son aquellas que se explican por otras variables, son los efectos o resultados
respecto a los cuales hay que buscar su motivo, causa o razón de ser.
Ejemplo: El consumo. Esta variable depende de los ingresos personales.
La producción. Esta variable depende del tiempo (año, meses, etc.)
b) Variables Independientes
Son las variables explicativas o predictivas, cuya asociación, relación o
influencia en la variable dependiente se pretende descubrir en la investigación.
También, son causas o antecedentes.
Ejemplo: Los ingresos personales, relacionado con el consumo.
El tiempo, relacionado con la producción.
c) Variables intervinientes o interferentes

Son aquellas que coparticipan con la variable independiente condicionando el
comportamiento de la variable dependiente.
11
Ejemplo: El caso del Presupuesto familiar que es una variable dependiente,

con relación a los ingresos que es una variable independiente y con
otras variables que serían la conducta de consumo, edad de la
familia, etc. Éstos últimos son variables intervinientes.
Según la escala de medición
a) Variables Nominales
Son aquellas variables que establecen la distinción de los elementos en
diversas categorías, sin explicar algún orden entre ellas.
Ejemplo: Sexo, estado civil, profesiones, lugar de nacimiento, deportes de
práctica.
b) Variables Ordinales
Son aquellas variables que implican orden entre sus categorías, están referidas
a un orden de jerarquía, donde la categoría expresa una posición de orden.
Ejemplo: Grado de instrucción, clases sociales, rango de agresividad, orden
de mérito, etc.
c) Variable de Intervalo
Son aquellos que suponen a la vez orden y grados de distancia iguales entre
diversas categorías, pero no tienen origen natural, sino convencional, tiene un
cero relativo.
Ejemplo: Coeficiente de inteligencia, temperatura, puntuación obtenida en una
escala, etc.
d) Variables de Razón
Estas variables comprenden a la vez todos los casos anteriores, distinción,
orden, distancia y origen único natural; el valor se expresa con un número real,
tiene un cero absoluto.
Ejemplo: Accidentes de tránsito, edad, peso, ingresos, número de hijos, etc.
12
Según Amplitud de las Unidades de Observación
a) Variables Individuales
Son referidas a características de individuos o personas, una empresa, centro
educativo, etc. Son variables para estudio de casos, donde se pueden
subdividir en variables públicas y privadas.
a.1. Variables Públicas

Son aquellas en que los valores individuales son conocidos por otras
personas y se saben que son conocidos.
Ejemplo: Edad, sexo, ocupación, estado civil, etc.
a.2. Variables Privadas
Son aquellos valores individuales que pueden ser conocidos por otros,
una vez averiguados.
Ejemplo: Coeficiente de inteligencia, opiniones frente a la política,
conducta de consumo, etc.
b) Variables Colectivas
Son aquellas que se refieren a características de las unidades cuando estas
son colectivas, conjuntos o grupos (ciudades, empresas, escuelas, etc.)
Ejemplo: Tasa de mortalidad, urbanización, tasa de crecimiento demográfico,
escolaridad, etc.
Las variables dependientes en un momento o caso pueden ser variables independientes y

viceversa.
1.1
Determinar la clase de variable que nos dan los datos de las siguientes fenómenos o
hechos:
13
a) Temperatura.
b) Razas.
c) Nacionalidad.
d) Precio del dólar en un mes.
e) Número de habitaciones por familia.
5. Regla de Redondeo
Cuando el número que se quiere redondear le sigue una cifra mayor que 5, este tomará
el valor inmediato superior.
Ejemplo:
57,8  58 (redondear al entero)
1,036  1,04 (redondear a 2 decimales)
Cuando al número que se quiere redondear le sigue una cifra menor que 5, se quedará
en el mismo valor.
Ejemplo:

Cuando al número que se quiere redondear le sigue una cifra igual que 5, se tomará dos
criterios:
a) Si la cifra es par, queda sin alterar. En la
Ejemplo: práctica
por lo
general,
24,5  24 (redondear al entero) cuando a la
cifra que se
desea
137,6125  137,612 (redondear a 3 decimales) redondear
b) Si la cifra es impar, pasa al inmediato superior. le sigue 5
Ejemplo:
14

6. Notación Sistémica o Científica

La notación científica se utiliza cuando una información es seguida o antecedida de
ceros.
Ejemplos:
80000000  8  10 7
930000000  9,3  10 8 La
0,00038  3,8  10 4 notación
científica
0,000000567  5,67  10 7
solo tiene
80000000  80  10 6 (no es notación científica ) un entero
7. Cifras Significativas
Son los dígitos que no precisan una medición, se consideran como cifras significativas
los ceros a la derecha; no así los ceros a la izquierda.
Ejemplo:
1,630  4 cifras significativas
1.2
1. Redondear al entero
a) 4,97 b) 38,49 c) 127,511

d) 36,59 e) 288,71
2. Redondear a un decimal
a) 36,55 b) 123,45 c) 0,06
3. Redondear a 3 decimales
a) 0,0034 b) 137,0056 c) 0,01351
15
4. Realizar la notación científica de:

a) 7 000 000 b) 9 430 000
c) 0,002 937 d) 0,000 005
5. Cuántas cifras significativas tienen los siguientes números:

a) 23,000 2 b) 0,23
c) 90,000 00 d) 0,000 895 4
8. Sumatoria
Es un operador que representa una suma de términos cuyos elementos se encuentran
formados de acuerdo a una ley dada.
NOTACIÓN: El operador sumatoria vienen representado por la letra griega sigma (∑ )
Ejemplo:
7
a) Desarrollar:  ax a
a 4
La expresión dada tiene la siguiente lectura: “Sumatoria de “a” por “x” elevado a la
“a”, variando “a” desde 4 hasta 7”.
7
 ax a  4 x 4  5 x 5  6 x 6  7 x 7
a4
4
  1 x k 1
k
b) Desarrollar:
k 0
La expresión dada tiene la siguiente lectura: “Sumatoria de -1 elevado a la k por x

elevado a la (k+1), variando k desde 0 hasta 4”.
4
  1k x k 1   10 x 0 1   11 x11   12 x 2 1   13 x 3 1   14 x 4 1
k 0
 x   1 x 2   12 x 3   13 x 4   14 x 5

 x  x 2  x3  x 4  x5
3
n
c) Desarrollar:   k  a n  k
k  0 
La expresión dada tiene la siguiente lectura: “Sumatoria del coeficiente binómico “n”
sobre “k” por “a” elevado a la “n-k”, variando k desde 0 hasta 3”.
16
3
n n n n n
  k a n  k   0 a n  0   1 a n 1   2 a n  2   3 a n  3
k  0         
1.3
9
1. Desarrollar  by b
b 3
6
2. Desarrollar   2 P 1 y P 1
P 1
4
M 
3. Desarrollar   x c M  x
M 0 
En este fascículo estudiamos la definición de Estadística como ciencia y sus clases, como la
Estadística Descriptiva y la Estadística Inferencial. También se analizó los conceptos
básicos de población, muestra, parámetro, estadígrafo y dato; asimismo, de variable y sus
tipos.
Luego se planteó la Regla de Redondeo, la Notación científica y cifras significativas.
AVILA A., Roberto. Estadística Elemental. Editorial R.A. Lima, 1998.
CAPUÑAY C. Abelino. Sumatoria y Binomio de Newton. Editorial Ingeniería. Lima 1984.
JONSON, Robert. Estadística Elemental, Editorial Trillas. 2ª edición. México. 1991.
MOOD, Alexander M. Introducción a la Teoría Estadística. Editorial Aguilar. Madrid 1972.
MOYA, Rufino. Estadística Descriptiva. Editorial San Marcos. Lima 1991.
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2ª
Edición. Lima 1993.
17
En el siguiente fascículo estudiaremos la organización de datos a través de la Tabla de

Frecuencias, la interpretación de los cuadros y los gráficos.
Se desarrollará los pasos para elaborar una tabla de Frecuencia.
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Determinar la clase de variable que nos dan los datos de los siguientes fenómenos o
hechos:
a) Colores b) Nivel de desempleo
c) Accidentes de Tránsito d) Orientación en el tiempo
2. De los siguientes enunciados. ¿Cuál probablemente exija el empleo de la Estadística
Descriptiva y cuál de la Estadística Inferencial?
a) En un campeonato de fútbol se desea conocer el promedio de goles de los equipos
que participan.
b) Un comité para la prevención de la contaminación del aire, analiza la disminución del
tráfico automotriz y el grado de polución.
c) Un psicólogo estudia el efecto de la asesoría personal sobre el rendimiento de un
estudiante.
d) Un Economista registra el crecimiento de la población en un área determinada.
3. Redondear los siguientes números a las cifras significativas siguientes:
a) 23,5 a 2 cifras significativas
b) 0,0008532 a 1 cifra significativa
c) 0,05 a un decimal y una cifra significativa
d) 90000455 a 7 cifras significativas
4. Desarrollar:
7 5 6
M 
a)  abcx a y b)   3N x N  2 c)   Y k MY
a2 N 3 M 1  
5. ¿Por qué la Estadística es probabilística e Inferencial?

6. De 4 Ejemplos de variable discreta
7. De 4 Ejemplos de Variable continua
18
ORGANIZACIÓN DE DATOS Y GRÁFICAS

Los datos recogidos sobre una variable conducen, muchas veces, a una gran cantidad de
números que presentados directamente dificultan su interpretación. Este problema se evita
si la información se presenta en las llamadas TABLAS DE FRECUENCIA. Estas tablas
permiten analizar la distribución de los elementos de la población de acuerdo al carácter en
estudio y ayudan en la búsqueda del modelo teórico que mejor ajustará a los datos. A partir
de la tabla de frecuencia se puede hacer representaciones gráficas.
- Organiza datos originales en una distribución de frecuencia.

- Representa la distribución de frecuencia en graficas.
- Interpreta las frecuencias relativas y absolutas.
- Desarrolla una representación de “tallo y hoja”.
1. Tabla de Frecuencia
Representación organizada de los datos que muestra el número de observaciones del
conjunto de datos que caen dentro de cada conjunto de clases mutuamente excluyentes
La tabla de frecuencia consta de:
a) Clase y Marca de Clase

Clase
Esta constituido por números o descritos por algún atributo cualitativo o cuantitativo
de muestras de objetos. La información conforme a características cualitativas son:
raza, religión y sexo. Así mismo, puede estar formado por intervalo de clase.
Marca de Clase ( Xi )
Es la semisuma del limite inferior ( Li ) y limite superior ( Ls ) de cada intervalo de
clase.
Li  Ls
Xi 
2
19
Los atributos cualitativos y cuantitativos deben ser exhaustivos y mutuamente excluyentes.

b) Frecuencia
Es el número de observaciones provenientes del conjunto de datos que caen dentro
de cada una de las clases. Si podemos determinar la frecuencia con que ocurren los
valores en cada clases de un conjunto de datos, estaremos en condiciones de
construir una distribución de frecuencia.
2. Clases de Frecuencias
a) Frecuencia Absoluta Simple ( fi )
Es el número de observaciones que presentan una modalidad perteneciente a la
clase.
b) Frecuencia Absoluta Acumulada ( Fi )
Representación tabular de los datos que muestra cuantas observaciones se hallan
encima o debajo de ciertos valores. Estas son ascendente y descendente.
- Frecuencia Absoluta Acumulada Ascendente ( F(1) )
Sirven para decir si son iguales o menores.
- Frecuencia Absoluta Acumulada Desscendente ( F( 2) )
Sirven para decir si son iguales o mayores

c) Frecuencia Relativa Simple ( hi )
Son datos que muestran la fracción del conjunto total de datos que caen dentro de
cada conjunto de clases mutuamente excluyente.
d) Frecuencia Relativa Acumulada ( Hi )
Es el tanto por uno de los elementos de la población que están en alguna clase y que
presentan una modalidad inferior o superior a la clase. Estas son ascendente y
descendente.
- Frecuencia Relativa Acumulada Ascendente ( H (1) )
Nos indica la fracción de los datos que son iguales o menores.

- Frecuencia Relativa Acumulada Descendente ( H ( 2) )
Indica la fracción de los datos que son iguales o mayores.
20
e) Frecuencia Porcentual ( Pi )
Es el producto de las frecuencias relativas por 100.
3. Tabla de Frecuencia para Variables Cualitativas
Clase fi hi Pi (%)
C1 f1 h1 P1
C2 f2 h2 P2
C3 f3 h3 P3
   
Cm fm hm Pm
Total n 1.00 100
Ejemplo:
Consideremos la muestra formada por 50 personas y en esta, la variable sexo. Si se
observa que hay 30 varones y 20 mujeres, podemos trasladar esta información a la
siguiente tabla de frecuencias.
Clase fi hi Pi (%)
Varón 30 0.6 60
Mujer 20 0.4 40
Total 50 1.0 100
4. Tabla de Frecuencia para Variables Cuantitativas

Clase fi hi F(1) F( 2) H(1) H ( 2)
C1 f1 h1 F(11)  f1 F(12 )  n H (11)  h1 H (12 )  1.0
C2 f2 h2 F(12)  f1  f 2 F( 22 )  n  f1 H (21 )  h1  h 2 H (22 )  1.0  h1
C3 f3 h3 F(13)  F(11)  f 3 F( 32 )  F( 22 )  f 2 H (31)  H (21)  h3 H (32 )  H (22 )  h2
      
Cm fm hm F(1m)  n F(m2 )  f m H (m1)  1.0 H (m2 )  hm
Total n 1.0
Ejemplo: Caso cuantitativo discreto
Para estudiar la producción de artículos de una fábrica se tomaron 100 lotes de 250
artículos cada uno. El número de artículos defectuosos en cada lote fue como sigue:
1 4 3 5 5 2 5 4 2 3 5 3 5
1 3 5 3 3 7 5 2 4 5 8 3 4
2 3 8 5 7 7 4 3 3 4 5 5 5
4 2 3 3 2 4 1 5 4 4 2 2 5
5 2 4 3 4 4 6 5 5 2 6 4
6 2 4 6 5 2 4 7 6 2 3 6
4 4 1 3 3 2 1 5 8 6 4 4
5 6 4 5 3 3 4 4 7 6 6 4
21
Xi fi hi Pi (%)
1 5 0,05 5
2 14 0,14 14
3 18 0,18 18
4 25 0,25 25
5 20 0,20 20
6 10 0,10 10
7 5 0,05 5
8 3 0,03 3
Total 100 1.00 100
Ejemplo: Caso cuantitativo continúo

Se desea estudiar la cantidad de kilómetro que recorre un automóvil modelo A por cada
galón de gasolina que consume; para tal fin se anotaron las distancias recorridas por 36
automóviles de tal modelo usando un galón de gasolina. Los resultados, en kilómetros
fueron así:
34,51 31,54 35,40 38,24 34,60 38,20 35,61 36,70

35,47 31,60 36,57 34,50 37,85 33,15 30,16
36,96 35,93 33,80 36,80 33,29 36,88 34,00
40,00 31,57 37,10 32,91 36,23 34,90 33,00
33,20 36,20 30,00 34,55 33,98 38,10 36,00
Distancia Recorrida Xi fi hi Pi (%)
[ 30,00 - 31,25 [ 30,6250 2 0,0556 5,6

[ 31,25 - 32,50 [ 31,8750 3 0,0833 8,3
[ 32,50 - 33,75 [ 33,1250 5 0,1389 13,9
[ 33,75 - 35,00 [ 34,3750 8 0,2222 22,2
[ 35,00 - 36,25 [ 35,6250 7 0,1944 19,4
[ 36,25 - 37,50 [ 36,8750 6 0,1667 16,7
[ 37,50 - 38,75 [ 38,1250 4 0,1111 11,1
[ 38,75 - 40,00 ] 39,3750 1 0,0278 2,8
TOTAL 36 1,0000 100
fi = Cantidad de Autos
Li  Ls
Xi  Marca de Clase
2
22
Por convención, cada intervalo es tomado cerrado por la izquierda y abierto por la derecha,
a excepción del último, que es cerrado en ambos extremos.
5. Construcción de Intervalos o Reducción de Datos
Regla:
1. Ordenamiento de datos (según magnitud) en forma creciente o decreciente.
2. Determinar
- Valor máximo ( X max )
- Valor mínimo ( X min )
3. Calcular el Rango( R )
R  X max X min  1 para variable discreta

R  X max  X min para variable continua
4. Determinar el numero de clases o intervalos (m)
- Método de STURGES ( n  50 )
m  1 3,322 log(n)
- Método de PORTUGAL
(50  n  100)
m  1,8914 3,991 log(n)
(n  100)
m  2,766 5,815 log(n)
- Método de la RAIZ
m  2,5 4 n
23
m n
m debe ser entero (   ), si sale decimal se redondea.
5. Calcular la amplitud Interválica ( a )

R
a
m
6. Corrección ( D )
D  (m * a)  R
Si el resultado de D es:
 0 
  Se Continua
 0 
 0

Se rehace (En la amplitud interválica se redondea por exceso)
7. Intervalo de Clase
Ii  X min  a
Ejemplo:
Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA siguientes;
dados en metros:
1,73 1,80 1,70 1,74 1,87 1,59

1,70 1,87 1,72 1,70 1,75
1,71 1,87 1,70 1,78 1,75
1,70 1,87 1,71 1,71 1,75
1,60 1,55 1,65 1,60 1,86
1,65 1,55 1,60 1,85 1,73
1,61 1,55 1,67 1,82 1,57
1,64 1,55 1,68 1,80 1,75
A continuación vamos a aplicar la regla para construir los intervalos y elaborar la

tabla de frecuencia.
Regla:
24
1º. Ordenamiento de Datos

Se obvia por ser una muestra pequeña
2º. Determinar
X max  1.87 mt
X min  1.55 mt
3º Calcular el Rango ( R )
R  X max  X min (variable continua).
R  1,87 1,55  0,32
4º Determinar el numero de clases; ( m ) por ser n <50 aplicamos el método de

STURGES
m  1  3 , 322 log n
m  1  3 , 322 log 41
m  1  3 , 322 (1 , 613 )
m  6 ,4
m  6 ( Tiene que ser entero )
También, se puede aplicar el método de la RAIZ, por ser muestra pequeña
m n m  2,5 4 n
m  41  6,4 m  2,5 4 41  6,3
m  6 (entero) m  6 (entero )
5º Calcular la Amplitud Interválica ( a )

R
a
m
0,32
a  0,0533  0,053 (regla redondeo )
6
a  0,053
6º Corrección ( D )
25
D  (m  a )  R
D  (6  0,053)  0,032
D  0,318  0,32
D  0,002 ( Se rehace por ser negativo)
Entonces se corrige a  0,054
D  (6  0,054)  0,32
D  0,324  0,32
D  0,004 (es positivo se continua)
El valor 0,004 se distribuye en la variable máximo y mínimo (se suma y se resta
para ampliar el rango)
-0,002 +0,002
1,548 1,55 1,87 1,872
R=0,324
1,548 1,872
Teniendo los datos siguientes se elabora la tabla de frecuencia:
X min  1,548 mt
X max  1,872 mt
a  0,054 mt
m6
7º Intervalo de Clase
I i  X min a
I1  1,548  0,054
I1  1,602
Talla(Intervalo) Tabulación fi hi F(1) F( 2) H(1) H ( 2) Xi

[ 1.548 - 1.602 [ ||||| |||| 9 0.22 9 41 0.22 1.00 1.575
[ 1.602 - 1.656 [ |||| 4 0.10 13 32 0.32 0.78 1.629
[ 1.656 - 1.710 [ ||||| || 7 0.17 20 28 0.49 0.68 1.683
[ 1.710 - 1.764 [ ||||| | 11 0.27 31 21 0.76 0.51 1.737
[ 1.764 - 1.818 [ ||| 3 0.07 34 10 0.83 0.24 1.791
26
[ 1.818 - 1.872 ] ||||| || 7 0.17 41 7 1.00 0.17 1.845

TOTAL 41 1.00
Tabulación: es ubicar los datos de la muestra en la clase interválica correspondiente.
2.1
1. Los hábitos de trabajo de la mano de obra( llevan trabajo a casa) en Huancayo se

muestran a continuación:
c b a b a c b c a a
a b a a a d d a b b
b a c b d b b c b b
a b b c c a c a c a
c a d b a d a d d a
Donde a= Nunca, b= Menos de una vez al mes, c= Una vez al mes, d= todos los días.
Construya un cuadro que presente la información recolectada.
LLEVAN EL TRABAJO A CASA Nº de trabajadores ( fi ) hi pi
Nunca
Menos de una vez al mes
Una vez al mes
Todos los días
TOTAL
2. En una muestra de 40 pequeñas empresas se recoge información a cerca del número de
trabajadores en cada una de ellas. Los datos fueron los siguientes:
16 15 14 14 14 13 13 14 14 15 12 15 16 12 12 13 14
17 15 13 14 13 13 14 14 15 17 16 18 13 13 14 14 15
16 15 14 16 15 14
Complete la siguiente tabla de frecuencias.
Número de Trabajadores Empresas( fi ) hi pi

12
13
14
15
16
27
17
18
Totales
3. En el departamento de producción de una fábrica los sueldos mensuales de los

empleados son los siguientes
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
224 340 558 460 560 607 382 667 512 492
450 530 501 417 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
Complete la siguiente tabla de frecuencias
Empleado
Xi
Sueldo Mensual Conteo s F(1) hi H(1) pi
TOTAL
6. Graficas
Es otra forma de presentar los datos referentes a un fenómeno.
Una grafica es el idioma universal que bien presentado e ilustrado evita la fraseología.
En estadística se emplea una diversidad de tipos de graficas, cuya forma dependerá de
la naturaleza de los datos y de los objetivos de la presentación. Antes de elegir el tipo de
grafico conviene imaginarse de antemano, el grafico a construir que en general debe
tener rasgos simples y de fácil comprensión.
7. Clases de Graficas
Grafica de Coordenadas Ortogonales o Cartesianos
a) Diagrama de Segmentos
28
100
80
60
40
20
b) Histograma
50
40
30
20
10
0
c) Polígono de Frecuencia
Marca de clas
50
40
30
20
10
0
d) Polígono de Frecuencia Acumulada u OJIVA
100
80
60
40 Punto de equ
20
0
0 2 4 6
e) Diagrama de Barra
- Simple
- Compuesta
- Agrupadas
Simple
29
100
80
Cantidad
60
40
20
0
Compuesta
120
100 Demanda de Alg
80 Exportación
Cantidad
60 Demanda Interna
40 Producción
20
0
1995 2000
Agrupadas
45
40
35
30
Asistencia al
Cantidad
25
Varon Mujer
20
15
10
5
0
2000 2001
Grafica No Ortogonales
a) De Superficie Circular o Torta
30
Costa
10%
Selva
60%
Sierra
30%
b) Pictórica
40
20
10
0 10 20 30 40 50
Con los problemas de la actividad 2.1 elaborar graficas
8. Analisis Exploratorio de Datos
El Diagrama de Tallo y Hoja

Un método para iniciar el análisis exploratorio de los datos, que proporcione información
rápida, visual y es relativamente nueva, es el Diagrama de Tallo y Hoja. Esta
representación se basa en la ordenación de los datos a manera de grafico, pero sin
llegar a ello, utilizando las decenas y las unidades.
Ejemplo:
Los siguientes datos son las calificaciones obtenidas en una prueba de Historia:
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86
31
La representación del tallo y hoja se elabora de manera que las decenas se pondrán en
una columna, en forma vertical y las unidades a la derecha:
6 1 6 4
7 8 0 4 2 3 6 0 7
8 3 8 1 3 6
9 3 7 1
10 0
Para entender un poco mas, hemos de decir que le primer renglón que dice 6|1 6 4
quiere decir que entre la lista de datos se encuentran los valores 61, 66, 64.
La representación de Tallo y Hoja, donde cada renglón es una posición de tallo y cada digito
de la derecha es una hoja.
Reforzamiento del Aprendizaje
1. Dado la siguiente tabla de frecuencia que significa:
a) f 3 d) F(42 )
b) h4 e) H(61)
c) F(15) f) H (52)
TABLA DE FRECUENCIA DE SALARIOS POR TRABAJADOR
i Salario(Intervalo) fi hi F(1) F( 2) H(1) H ( 2)

1 [ 82 - 89 [ 4 0.05 4 80 0.05 1.00
2 [ 89 - 96 [ 6 0.08 10 76 0.13 0.95
3 [ 96 - 103 [ 9 0.11 19 70 0.24 0.87
4 [ 103 - 110 [ 13 0.16 32 61 0.40 0.76
5 [ 110 - 117 [ 15 0.19 47 48 0.59 0.60
6 [ 117 - 124 [ 13 0.16 60 33 0.75 0.41
7 [ 124 - 131 [ 12 0.15 72 20 0.90 0.25
32
8 [ 131 - 138 [ 5 0.06 77 8 0.96 0.10

9 [ 138 - 145 ] 3 0.04 80 3 1.00 0.04
TOTAL 80 1.00
Respuesta:
a) f3 = Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos soles.
f3 = Hay 9 trabajadores que tienen un salario de 96 a 102.99 nuevos soles.
b) h4 = El 16% de los trabajadores ganan de 103ª 109.99 nuevos soles.
c) F(15) = 47 trabajadores ganan menos de 117 nuevos soles.
d) F(42) = 61 trabajadores ganan más o igual a 103 nuevos soles.
e) H(61) = 75% de los trabajadores ganan menos de 124 nuevos soles.
f) H (52) = 60% de los trabajadores ganan más o igual que 110 nuevos soles.
2. Una distribución de frecuencia consta de 5 intervalos de igual amplitud y de ella se

conoce los siguientes datos: n=110; limite inferior de la 1ª clase 12.5; f4-f5=10; f4-f1=0;
f2=f4; f1=f5 y L4f4=975, donde L4 es el limite superior de la cuarta clase.
Elaborar la tabla de frecuencia
i Intervalo fi hi Pi %
1 [ 12.5 - 17.5 [ 20 0.1818 18.18
2 [ 17.5 - 22.5 [ 30 0.2727 27.27
3 [ 22.5 - 27.5 [ 10 0.0909 9.091
4 [ 27.5 - 32.5 [ 30 0.2727 27.27
5 [ 32.5 - 37.5 ] 20 0.1818 18.18
TOTAL 110 1.0000 100.00
Si f 4  f 5  10 y f1  f 5  f 4  f1  10
Si f 4  f 3  f1  0  f 4  f1  f 3  10
Si f 3  10  f1  f 2  f 4  f 5  100
Si f1  f 5 y f 2  f 4  f1  f 4  f 4  f1  100
33
Entonces:
2 f 4  2 f1  100
2( f 4  f1 )  100
f 4  f1  50
Si f 4  f1  50 y f 4  f1  10  f 4  30
Si f 4  f 2  f 2  30
Luego f1  f 5  20
975
Si L4 f 4  975  L4   32.5
30
Entonces
R4  32.5  12.5  20.0
20
a 5
4
Luego los intervalos de clases son:

12.5 + 5 = 17.5
17.5 + 5 = 22.5
22.5 + 5 = 27.5
27.5 + 5 = 32.5
32.5 + 5 = 37.5
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
34
En el siguiente fascículo se calculará los estadígrafos de posición o de tendencia central y

se explicara las características y empleo de estas medidas.
Nº 2
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Se realiza una encuesta a los alumnos de la UPLA acerca de la preferencia de marcas

de gaseosas, los resultados fueron los siguientes:
PE IK KR PE PE IK IK PE CC CC
IK PE IK IK PE PE KR CC IK KR
O KR CC KR IK PE PE IK O CC
PE O PE PE CC CC KR CC PE IK
IK IK CC PE KR IK IK PE PE CC
Donde
IK= Inca Kola PE= Pepsi O= otras
CC= Coca Cola KR= Kola Real
a) Construya una tabla de frecuencia

b) ¿Qué porcentaje de estudiantes de la UPLA prefiere Kola Real?
c) ¿Cuántos estudiantes prefieren otras gaseosas?
d) Realizar un tipo de grafico
2. los siguientes datos muestran velocidades en km/h de 48 carros que pasaron por un
punto de control de velocidad.
60 30 31 60 45 34 54
38 35 27 45 40 45 83
30 40 46 105 29 102 60
82 72 63 36 70 31 81
65 80 25 70 108 24 85
45 120 65 39 83 72 60
70 100 55 50 64 61
a) Elabore una tabla de frecuencia.
b) Que significa: f 4 ; h5 ; F(13) ; F(52 ) ; H(41) ; H(51)
c) Represente la tabla mediante un polígono de frecuencia
35
3. Los puntajes de una aprueba de aptitud se tabularon en una distribución de frecuencias

de 6 intervalos de amplitud constante. Si las marcas de clases del segundo y cuarto
intervalo son 40 y 80, las frecuencias relativas están relacionadas de la siguiente
manera: del primero es igual al sexto intervalo, la tercera y quinta frecuencia son iguales,
la cuarta frecuencia es igual a 0.25, del segundo intervalo es igual al cuarto menos el
primero, el tercer intervalos es igual al primero mas 0.10 y la frecuencia absoluta
acumulada del sexto intervalo es igual a 60.
Completar la distribución de frecuencias.
36
37
MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (I)

En el fascículo anterior aprendimos a construir tablas y gráficos donde se usaba datos
brutos. Las representaciones resultantes de las distribuciones de frecuencia nos permitieron
discernir las tendencias y patrones de datos.
Los valores mas caracterizados corresponden a la parte central de la distribución, pero entre
ellas iniciamos en este fascículo la Media o promedio aritmético, la mediana y la moda.
- Calcula e interpreta la media aritmética, la mediana y la moda.

- Explica las características y propiedades de las medidas.
- Relación de media, la mediana y la moda.
Las medidas de centralización son valores que tienden a situarse en el centro del conjunto
de datos ordenados según magnitud.
1. La Media o Promedio Aritmético

La media es el valor representativo de la serie; pudiera decirse que es el punto de
equilibrio o centro de gravedad de la serie.
Se representa por x para una muestra y  para la población
La Media simple
n
x i
x1  x2  x3    xn
x i 1

n n
Ejemplo:
x: 18, 24, 45, 12, 89, 12
18  24  45  12  89  12
x  33.33
6
38
La Media Ponderada
n
x f i i
x i 1
n
Ejemplo:
x: es la talla de 65 obreros de una empresa, se quiere saber cual es la estatura
promedia.
i X i (metros) fi xi f i
1 1.55 3 4.65
2 1.60 8 12.8
3 1.65 22 36.3
4 1.70 17 28.9
5 1.75 10 17.5
6 1.80 5 9.00
65 109.15
n
x f i i
x i 1
n
109.15
x  1.679  1.68 mt.
65
El promedio de la estatura de los obreros de la empresa, es de 1.68 metros.
Propiedades de la Media Aritmética

a) La media de una constante es la misma constante.
cc
b) La media del producto de una constante por una variable es igual al producto de la
constante por la media de la variable.
cx  c x
c) La media de una variable mas o menos una constante, es igual a la media de la
variable mas o menos la constante.
xc  xc
d) La media de la suma o diferencia de dos o mas variables e igual a la suma o
diferencia de las medias de cada una de las variables.
x y  x y
39
3.1
1. Las edades de los componentes de una familia de 7 miembros, es como sigue: 52, 42,
26, 24, 13, 8 y 1 años, se pide determinar el promedio de edad de esta familia.
2. Hallar el salario promedio correspondiente a los trabajadores de cierta fabrica,
extrayendo datos de la tabla de frecuencia:
i Salario(S/.) fi xi xi f i
1 [ 70 - 80 [ 20
2 [ 80 - 90 [ 30
3 [ 90 - 100 [ 60
4 [ 100 - 110 [ 90
5 [ 110 120 [ 100
6 [ 120 130 [ 85
7 [ 130 140 [ 70
TOTAL
2. Mediana
La mediana es el punto medio de un conjunto de datos; o es aquel valor de la variable
que divide al conjunto de valores en dos partes iguales.
Características de la Mediana
a) Localiza mejor el centro de distribución para lo cual es necesario ordenar.
b) Su cálculo es fácil y poco sensible a los valores extremos.
c) Puede ser calculado inclusive cuando los intervalos son abiertos.
d) Pueden ser calculados cuando las variables son cualitativos, susceptibles de
ordenar de acuerdo a alguna propiedad, categoría, etc.
e) No puede ser manejada algebraicamente para cálculo posteriores.
f) Se halla inclusive cuando las amplitudes son diferentes.
La Mediana simple o No Agrupados
a) Datos Impar
Me  x n  1
2
40
Ejemplo:
Se tiene los gastos de 7 personas siguientes:
x: s/. 120, s/. 140, s/. 100, s/. 150, s/. 145, s/. 135, s/. 160
Calcular la mediana.
Solución
PASOS:
1º. En la mediana se ordenan los datos:
x: s/. 100, s/. 120, s/. 135, s/. 140, s/. 145, s/. 150, s/. 160
2º. En datos impar se toma el valor centradle acuerdo a la formula.
Me  x n 1  x 7 1  x 4  S / . 140
2 2
Interpretación: el 50% gastan menos de s/140 y el otro 50% restante gasta

mas de s/140
b) Datos Par
1 
Me   x n  x n 2 
2 2 2 
Ejemplo:
Se tiene los pesos de 8 personas siguientes:
x: 70, 65, 83, 62, 94, 75, 79, 86 kg
Calcular la mediana.
Solución
PASOS:
1º. Se ordenan los datos
x: 62, 65, 70, 75, 79, 83, 86, 94 kg
2º. Se aplica la formula
1  1 
Me   x n  x n 2    x 8  x 8 2 
2 2 2 
2 2 2 
1 1
Me  x4  x5   75  79
2 2
154
Me   77 Kg
2
41
Interpretación: el 50% de personas pesan menos de 77kg y el restante

50% pesan mas de 77kg.
La Mediana Agrupada o Ponderado

n
 Fk(11)
Me  Li  a 2
fk
Li = limite inferior de la clase mediana
a = intervalo de clase
n = número de elementos (tamaño de la muestra)
Fk(11) = frecuencia absoluta acumulada ascendente anterior a la clase mediana.

fk = frecuencia absoluta de la clase mediana.
Pasos Para Hallar la Mediana

n
1º. Determinar la clase mediana, a través del cociente de cuyo resultado se la
2
ubica en la frecuencia acumulada absoluta ascendente F (1) , que le contenga
mas próximo.
2º. determinar la amplitud del Intervalo “ a ”, restando el Limite superior menos el

Limite inferior de la clase mediana.
a  Ls  Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente
inmediato.
a  X i 1  X i
3º. Determinar en la clase mediana el Límite inferior del intervalo o clase.

Li  Ls
Si solo tuviera la marca de clase x i entonces el límite inferior seria:
a
Li  Xi 
2
x i = valor de la marca de clase de la clase mediana.
a = amplitud del intervalo
42
4º. Determinar la Frecuencia Acumulada Absoluta ascendente anterior a la clase

(1)
mediana Fk 1
5º. Determinar la frecuencia absoluta simple de la clase mediana f k
6º. Remplazar los valores en la formula de la mediana.
Ejemplo:
Se tiene la tabulación de los pesos en kg., de 110 obreros de una fabrica se pide
determinar la mediana.
Peso
fi F(1)
xi
50 5 5
55 15 20
60 28 48  Fk(11)
65 22 70 Clase mediana
70 19 89
75 11 100
80 10 110
110
n
 Fk(11)
Me  Li  a 2
fk
PASOS
n 110
1º.   55
2 2
55 esta contenido F(1)  70 este determina la clase mediana.
2º. a  xi 1  xi  x11  x1  x 2  x1
a  55  50  5
a
3º. Li  xi 
2
5
Li  65   65  2.5
2
Li  62.5 Kg
4º. Fk 1  48
(1)
43
5º. f k  22
55  48
6º. Me  62.5  5
22
Me  64.09  64.1 Kg
Interpretación: el 50% de los obreros pesan menos de 64.1 kg y el otro 50% de

los obreros pesan mas de 64.1 kg
3.2
1. Hallar la mediana de los salarios mensuales de 6 trabajadores:

s/1000, s/1300, s/1100, s/1150, s/1200, s/970
2. hallar la mediana de las alturas de 100 alumnos de la UPLA
Altura (m)
fi F(1)
Intervalo
[ 1.57 - 1.61 [ 4
[ 1.61 - 1.65 [ 28
[ 1.65 - 1.69 [ 43
[ 1.69 - 1.73 [ 18
[ 1.73 - 1.77 ] 7
TOTAL 100
3. La Moda
La moda es el valor de la variable que mayor veces se repite o con mayor frecuencia
sucede.
Un grupo de datos puede tener una moda, dos modas, etc. En tales casos la distribución
se llama, respectivamente, unimodal, bimodal, etc. También, la moda puede no existir,
en caso de haber valores que se repitan.
3.1. La Moda Serie Simple

Ejemplo:
Hallar la moda de los números: 2, 2, 3, 4, 5, 5, 5, 5, 6, 6, 7
44
El número que más veces se repite es 5. Por consiguiente, 5 es la moda

(unimodal).
Ejemplo:
Hallar la moda de los números 2, 3, 4, 5, 6, 7, 8
Ningún número se repite más que los otros. Por consiguiente, no hay moda.
Ejemplo:
Las calificaciones de un estudiante en 8 asignaturas fueron: 6, 5, 7, 6, 8, 5, 9, 10
Hallar la moda de las calificaciones.
Las calificaciones que más veces se repiten son 5 y 6. Por consiguiente, 5 y 6 son
las calificaciones moda (bimodal)
3.2. La Moda serie Ponderada o agrupada:
1
Mo  Li  a
1   2
Li = Limite inferior de la clase modal

a = Amplitud del intervalo de clase
1 = Variación 1
2 = Variación 2
Pasos Para Hallar la Moda
1º. Determinar la clase modal, a través de la frecuencia absoluta simple mayor.

2º. Determinar la amplitud del intervalo “ a ” restando el limite superior menos el limite
inferior de la clase modal.
a  Ls  Li
O si se tuviera la marca de clase, restar una de ella con respecto al siguiente
inmediato.
a  X i 1  X i
3º. Determinar en la clase modal el limite inferior de la clase.
45
Li  Ls
Si solo tuviera la marca de clase x i entonces el límite inferior seria:
a
Li  Xi 
2
x i = valor de la marca de clase de la clase modal.
a = amplitud del intervalo
4º. Determinar la variación 1, 1 , restando el valor de la frecuencia absoluta simple de la

clase modal menos la frecuencia de la clase anterior inmediata.
 1  f Mo  f Mo 1
5º. Determinar la variación 2,  2 , restando el valor de la frecuencia absoluta simple de

la clase modal menos la frecuencia de la clase posterior inmediata.
 2  f Mo  f Mo 1
6º. Remplazar los valores en la formula.

Ejemplo:
Las temperaturas tomadas en la ciudad de Huancayo, cada semana, durante un año,
hallar la temperatura Moda.
Temperaturas fi
(ºC)
5 12
10 8
15 16 Clase modal
20 7
25 5
30 4
1
Mo  Li  a
1   2
PASOS
1º. La clase modal queda determinada por la frecuencia absoluta simple que mas
veces se repite, en este caso es 16.
46
2º. a  xi 1  xi  x31  x3  x 4  x3
a  20  15  5
a
3º. Li  xi 
2
5
Li  15   15  2.5
2
Li  12.5 º C
4º.  1  f Mo  f Mo 1
1  16  8
1  8
5º.  2  f Mo  f Mo 1
 2  16  7
2  9
6º. Reemplazando en la fórmula
8
Mo  12.5  5
89
Mo  14.85 º C
Interpretación: la temperatura que mayor veces se repite en el año es 14.85ºC
Cuando en una frecuencia absoluta simple ( f i ) existen 2 o mas frecuencias mayores
iguales, se toma cualquiera para determinar la clase modal.
3.3
1. Al finalizar sus estudios de Derecho, 60 estudiantes tenían 22 años, 50 tenían 23

años, 17 tenían 24años, y 8 tenían 25 años. Hallar la moda de las edades.
2. Hallar la moda del cuadro siguiente:
47
Intervalo fi
[ 220 - 240 [ 48
[ 240 - 260 [ 60
[ 260 - 280 [ 60
[ 280 - 300 ] 30
TOTAL 198
4. Relacion Entre el Promedio Aritmético, Mediana y Moda
a) Para curvas de frecuencias unimodales que sean ligeramente asimétricas, se tiene la

siguiente relación empírica:
x  Mo  3( x  Me)
b) Cuando la curva de frecuencia es unimodal y simétrica:
x  Me  Mo
c) La Media aritmética esta influenciada por los valores extremos, en cambio la
Mediana y la Moda no lo están.
d) Una curva de distribución solo tiene una x y una Me , pero puede tener mas de una
Mo .
Reforzamiento de Aprendizaje
1. La inversión anual ( en niveles de soles) de un grupo de pequeñas empresas de la

ciudad fueron:
10 38 30 16 25 30 30 18 23 25 38
13 21 14 27 14 13 18 30 25 18 37
12 10 15 20 28 26 10 17 26 28
17 14 19 22 11 15 20 39 23 38
Calcular:
a) Media
b) Mediana
c) Moda
48
Solución
Tenemos que desarrollar una tabla de frecuencia
1º. R  X max  X min

R  39  10  29
2º. m  1 3.322 logn
m  1 3.322 log42
m  6 .4  6
R 29
3º. a  
m 6
a  4 . 83
4º. D  (m  a)  R
D  (6  4.83)  29
D  28 .98  29   0 .02
Por ser negativo se rehace
Entonces a  4 . 84
D  (6  4.84)  29
 0.02
D  29.04  29  0.04
 0.02
-0,002 +0,002
9.98 10 39 39.02
Resumen:
X min  9.98
X max  39.02
a  4.84
m6
Tabla de Frecuencia
49
Intervalo Tabulación fi F(1) Xi X i fi
[ 9.98 - 14.82 [ ||||| 10 10 12.40 124.00

[ 14.82 - 19.66 [ ||||| |||| 9 19 17.24 155.16
[ 19.66 - 24.5 [ ||||| | 6 25 22.08 132.48
[ 24.5 - 29.34 [ ||||| ||| 8 33 26.92 215.36
[ 29.34 - 34.18 [ |||| 4 37 31.76 127.04
[ 34.18 - 39.02 ] ||||| 5 42 36.60 183.00
TOTAL 42 937.04
Luego, calculamos:
a) La Media
n
x f i i
x i 1
En la tabla determinamos x f i i
937.04
x
42
x  22.31 miles de soles
Interpretación: la inversión anual de las pequeñas empresas de la ciudad fue de

22.31 (miles de soles) = s/22,310.00
b) La Mediana
n
 Fk(11)
Me  Li  a 2
fk
n 42
  21 Determina la clase mediana en F(1) de la tabla que es 25
2 2
a  4.84
Li  19.66
Fk(11)  19
fk  6
50
2119
Me  19.66  4.84
6
Me  21.27 miles de nuevos soles
Interpretación: el 50% de las pequeñas empresas invierten menos de s/21,270.00 y

el otro 50% invierten más de s/21,270.00
c) La Moda
1
Mo  Li  a
1   2
Determinamos la clase modas en f i mayor = 10
a  4.84
Li  9.98
1  10  0  10
 2  10  9  1
10
Mo  9.98  4.84
10  1
Mo  14.38 miles de soles
Interpretación: la inversión mas frecuente es de 14.38 (miles de soles) =

s/14,380.00

51
En el siguiente fascículo continuamos con medidas de posición, como otros promedios,

cuartiles, deciles y percentiles.
Nº 3
Nombre____________________________________________________________
Apellidos_________________________________________Fecha ______________
Ciudad _______________________________________Semestre______________
1. En el departamento de producción de una fábrica tienen los siguientes sueldos hasta

fines del mes de julio.
Sueldo Mensual (S/.) Empleados
485 - 585 15
585 - 685 25
685 - 785 30
785 - 885 20
885 - 985 5
985 - 1085 5
TOTAL
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
d)
2. Los siguientes datos dan las cantidades gastadas (en nuevos soles) en alimentación de
una muestra de familia.
22.7 7.6 29.5 15.19 31.9
19.9 26.6 16.2 27.9 23.2
24.6 30.9 5.0 32.1 4.0
47.4 24.0 17.0 15.1 18.8
29.9 34.2 43.4 57.0 12.3
33.7 27.1 36.3 25.0
17.7 27.9 20.5 32.5
27.8 42.9 18.1 32.0
29.7 19.2 10.0 30.3
23.5 11.6 29.4 33.5
52
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
3. De un total de 100 números, 15 eran 4; 45 eran 5; 25 eran 6; 15 eran 7

Calcular:
a) La Media
b) La Moda
c) La Mediana
53
MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (II)

Continuando con las medidas de tendencia central, en el presente fascículo se desarrolla
otros tipos de promedios como la geométrica y la armónica, luego complementaran con
otras medidas como cuartiles, deciles y percentiles cuyos valores dividen a la distribución en
grupos de igual numero de términos.
- Identifica y aplica los medios geométricos y armónica.

- Reconoce y calcula los conceptos de cuartil, decil y percentil.
1. Media Geométrica
El promedio geométrico se usa cuando hay que promediar razones o proporciones.
Asimismo, se aplica cuando en la serie interviene el factor tiempo, como sucede en el
cómputo de intereses; en el cálculo de números índices y en series que presentan una
progresión geométrica.
La media geométrica de una serie de n números es la raíz enésima del producto de
dichos números.
Xg  n x1  x 2  x 3   x n
Ejemplo:
Hallar la media geométrica de los números 3, 9 y 27
X g  3 3  9  27
X g  3 729
Xg  9
Para simplificar los cálculos es necesario aplicar logaritmos (recuérdense que con
logaritmos, la multiplicación se transforma en suma y la raíz en división).
54
Media Geométrica Serie Simple

n
 log x i
X g  anti log i 1
n
Ejemplo:
x: 2, 4, 6, 8, 10
xi log xi
2 0.30103
4 0.60206
6 0.77815
8 0.90309
10 1.00000
Total 3.58433
3,58433
X g  anti log
5
X g  anti log 0.71687
X g  5.21
La Media Geométrica serie Ponderada
n
 (log x ) f i i
X g  anti log i 1
n
Ejemplo:
En un examen de Psicología, 6 alumnos obtuvieron un 3; 8 obtuvieron un 4; 13 un
5; 8 un 6; 5 un 7; 3 un 8 y 1 un 9.
Hallar la media geométrica.
Calificación Alumnos
log xi (log xi ) f i
xi fi
3 6 0.47712 2.86272
4 8 0.60206 4.81648
5 13 0.69897 9.08661
6 8 0.77815 6.22520
7 5 0.84510 4.22550
8 3 0.90309 2.70927
9 1 0.95424 0.95424
Total 44 30.88002
55
30.88002
X g  anti log
44
X g  anti log 0.70182
Xg  5
4.1
1. Las velocidades de 100 metros planos de 6 estudiantes de una clase son: 11.6; 12.4;
11.8; 13.5; 13.0; 12.8 segundos. Hallar la media geométrica de las velocidades.
2. Cuatro grupos de estudiantes, formados por 2, 10, 12, 10 alumnos, registraron una
media de pesos de 65, 70, 75 y 80kg, respectivamente. Hallar la media geométrica de
los pesos de los estudiantes.
3. En una fábrica hay 50 empleados, 30 de los cuales son casados y 20 solteros. Si el

salario mensual de un empleado casado es de s/1200 y el de un soltero s/1000 ¿Cuál es
la media geométrica del salario de un empleado de la fábrica?
2. Media Armónica
Es el reciproco del promedio aritmético de los recíprocos de los valores de la serie.
Se utiliza para promediar velocidades y cuando los datos de la serie siguen una
progresión armónica.
2.1. La Media Armónica Serie Simple

1
 n 1 
  xi 
X a   i 1 
 n 
 
Ejemplo:
x: 2, 4, 6, 8, 10
xi xi1 1.142 
1
Xa  
2 0.500  5 
4 0.250
5
6 0.167 Xa 
8 0.125 1.142
56
10 0.100
Total 1.142
2.2. La Media Armónica Serie Ponderada
1
 n 1 
  xi f i 
X a   i 1 
 n 
 
Ejemplo
xi fi xi1 xi1 f i
3 8 0.333 2.664
6 22 0.167 3.674
9 30 0.111 3.330
12 25 0.083 2.075
15 5 0.067 0.335
Total 90 12.078
1
12.078 
Xa   
 90 
90
Xa 
12.078
X a  7.45
4.2
Hallar la media armónica de los problemas de la actividad 4.1
3. Relaciones Entre los Promedios

El promedio aritmético esta más influenciado por los elementos grandes de la serie, que
el promedio geométrico y el promedio armónico.
Los tres promedios quedan ordenados por su magnitud del siguiente modo.
x  X g  Xa
57
4. Cuartiles
Los cuartiles, son tres valores que dividen la distribución (ordenada en forma creciente)
en cuatro grupos de igual número de términos. El primer valor se denomina primer cuartil
( Q1 ) y los otros segundo cuartil ( Q 2 ) y el tercer cuartil ( Q3 ). El segundo cuartil es igual a
la mediana.
O sea Q2  Me
Cuartiles Serie Simple
a) Primer Cuartil
n 1
Q1 
4
n es el número de términos
b) Segundo Cuartil
n 1
Q2 
2
c) Tercer Cuartil
3(n  1)
Q3 
4
Ejemplo:
x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26
11  1
Q1  = 3º término de la serie
4
Q1  6
11  1
2
Q2  14
3 (11  1)
4
Q3  21
58
Cuartiles Serie Ponderada
a) Primer Cuartil
n
 Fk(11)
Q1  Li  a 4
fk
b) Segundo Cuartil (Mediana)
n
 Fk(11)
Q2  Li  a 2
fk
c) Tercer Cuartil
3n
 Fk(11)
Q3  Li  a 4
fk
Los pasos de solución de los problemas de cuartiles, son iguales a los aplicados
para obtener la mediana.
5. Deciles
Llámese deciles a 9 valores que se dividen la distribución (ordenada en forma creciente)
en 10 grupos de igual número de términos.
Para Deciles de serie ponderada, la formula es:

dn
 Fk(11)
Dd  Li  a 10
fk
La solución es igual a los pasos de la Mediana
6. Percentiles
Los percentiles son 99 valores que se dividen la distribución (ordenada en forma
creciente) en 100 grupos de igual numero de términos.
Para percentiles de serie ponderada la formula es:
59
pn
 Fk(11)
Pp  Li  a 100
fk
La solución es igual a los pasos de la Mediana
7. Aplicación de Cuartiles, Deciles y Percentiles

Se tiene los sueldos mensuales de 60 empleados del departamento de ventas de una
compañía de seguros, cuya Tabla de Frecuencia es:
Sueldo Mensual
xi fi F(1)
(S/.)
[ 319 - 369 [ 344 4 4
[ 369 - 419 [ 394 8 12
[ 419 - 469 [ 444 12 24
[ 469 - 519 [ 494 11 35
[ 519 - 569 [ 544 10 45
[ 569 - 619 [ 594 9 54
[ 619 - 669 ] 644 6 60
TOTAL 60
Halla:
a) Cuartil 1
b) Cuartil 3
c) Decil 3
d) Decil 8
e) Percentil 27
f) Percentil 83
g) Percentil 1
Solución
a) Cuartil 1
- Hallamos la clase cuartil 1
60
n 60
  15
4 4
La clase se ubica en la frecuencia acumulada 24 por contener a 15
a  50
Li  419
Fk(11)  12
f k  12
n
 Fk(11)
Q1  Li  a 4
fk
60
 12
Q1  419  50 4
12
Q1  431.50 Nuevos soles
b) Cuartil 3
- Hallamos la clase cuartil 3

3n 3 (60)
  45
4 4
a  50
Li  519
Fk(11)  35
f k  10
3n
 Fk(11)
Q3  Li  a 4
fk
3 (60)
 35
Q3  519  50 4
10
Q3  569.00 nuevos soles
c) Decil 3
- Hallamos la clase decil 3

3n 3 (60)
  18
10 10
61
a  50
Li  419
Fk(11)  12
f k  12
3n
 Fk(11)
Dd  Li  a 10
fk
3(60)
 12
D3  419  50 10
12
D3  444.00 Nuevos soles
d) Decil 8
- Hallamos la clase decil 8

dn 8 (60)
  48
10 10
a  50
Li  569
Fk(11)  45
fk  9
dn
 Fk(11)
Dd  Li  a 10
fk
8(60)
 45
D8  569  50 10
9
D8  585.67 Nuevos soles
e) Percentil 27
- Hallamos la clase percentil 27
pn 27 (60)
  16.20
100 100
La clase se ubica en la frecuencia acumulada 24 por contener a 16.20
62
a  50
Li  419
Fk(11)  12
f k  12
pn
 Fk(11)
Pp  Li  a 100
fk
27(60)
 12
P27  419  50 100
12
P27  436.50 Nuevos soles
f) Percentil 83
pn 83 (60)
  49.80
100 100
a  50
Li  569
Fk(11)  45
fk  9
pn
 Fk(11)
Pp  Li  a 100
fk
83(60)
 45
P83  569  50 100
9
g) Percentil 1
pn 1 (60)
  0.60
100 100
a  50
Li  319
Fk(11)  0
fk  4
63
pn
 Fk(11)
Pp  Li  a 100
fk
1(60)
0
P1  319  50 100
4

En el siguiente fascículo estudiaremos las medidas de variabilidad o estadígrafos de

dispersión, medidas de asimetría y de apuntamiento, sus conceptos, fórmulas y solución de
problemas.
64
Nº 4
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Dado la distribución de frecuencia de alturas de 449 plantas en centímetros.

f i
Clases fi
[ 45 - 50 [ 2
[ 50 - 55 [ 7
[ 55 - 60 [ 18
[ 60 - 65 [ 36
[ 65 - 70 [ 59
[ 70 - 75 [ 74
[ 75 - 80 [ 88
[ 80 - 85 [ 72
[ 85 - 90 [ 44
[ 90 - 95 [ 30
[ 95 - 100 [ 11
[ 100 - 105 [ 5
[ 105 - 110 ] 3
TOTAL 449
En forma hipotética calcular:

a) Media geométrica
b) Media armónica
c) Media aritmética
d) Cuartil 1
e) Cuartil 3
f) Decil 4
g) Decil 7
h) Percentil 2
i) Percentil 93
j) La Moda y Cuartil 2
65
MEDIDAS DE DISPERSIÓN, ASIMETRÍA Y APUNTAMIENTO
Una de las características común a todas las poblaciones es la variabilidad, dispersión o

falta de uniformidad de datos de los individuos que constituyen las poblaciones.
Para conocer el tipo de curva de una distribución, es necesario calcular tres valores. El
primero es la medida del grado en que los datos de la distribución discrepan del valor central
o promedio, esto se consigue con la determinación de la Desviación Estándar. El segundo
valor es la medida del grado de asimetría de la distribución, o sea la falta de equilibrio sobre
el promedio aritmético. El tercer valor es la medida de la Kurtosis o grado de concentración
en los valores centrales de la curva.
- Calcula varias medidas de dispersión para datos simples y agrupados.

- Explica las características, uso de las medidas de dispersión.
- Calcula y explica el uso del coeficiente de variación.
- Calcula, explica y determina los coeficientes de Asimetría y Apuntamiento.
1. Medidas de Dispersión o Variabilidad

Las medidas de dispersión dan idea de la separación de los datos numéricos alrededor
de un valor medio (estadígrafos de posición), ó mide el grado de concentración o
dispersión de los valores.
Clases de Medidas de Dispersión que estudiaremos:
A. Dispersión Absoluta
a) Rango
b) desviación Media
c) Varianza
d) Desviación estándar
B. Dispersión Relativa
66
a) Coeficiente de Variación
b) Variable Estandarizada
2. Rango (R)
El rango o recorrido es la diferencia entre los valores extremos, máximo y mínimo.
R  X max  X min
Ejemplo:
Hallar el rango de la siguiente serie de números: 4, 5, 7, 9.9, 10, 12, 15
R  15  4
R  11
La dispersión de los datos será mayor cuanto mayor sea el recorrido. El rango no es una
buena medida de dispersión, puesto que basta con que un dato se aleje mucho de la media
para que el rango resulte muy afectado, ya que únicamente depende de dos valores, sin que
influyan para nada los datos restantes.
3. Desviación Media (DM)

La desviación media es una buena medida de dispersión.
Desviación Media Simple

n
x i x
DM  i 1
(Valor Absoluto)
n
xi = elementos o la observación
x = media
n = número de elementos
Ejemplo:
Hallar la desviación media de las tallas 1.47; 1.58; 1.60; 1.62; 1.53 metros.
Hallamos:
67
1.47  1.58  1.60  1.62  1.53

x
5
x  1.56
1.47  1.56  1.58  1.56  1.60  1.56  1.62  1.56  1.53  1.56
DM 
5
 0.09  0.02  0.04  0.06   0.03
DM 
5
0.09  0.02  0.04  0.06  0.03 0.24
DM  
5 5
DM  0.048 metros
Desviación Media Ponderada

n
x i  x fi
DM  i 1
n
Ejemplo:
Xi  peso Kg fi xi f i xi  x xi  x f i
40 4 160 5.88 23.52

43 5 215 2.88 14.40
46 8 368 0.12 0.96
49 6 294 3.12 18.72
52 3 156 6.12 18.36
Total 26 1193 75.96
Hallamos:
1º.
n
x i fi
x i 1
n
1193
x  45.88 Kg
26
2º.
68
x i  x fi
DM  i 1
n
75.96
DM 
26
DM  2.92 Kg
4. Varianza
La varianza es la medida del cuadrado de la distancia promedio entre las media y cada
elemento de la población.
Varianza Simple
a) Varianza de una Población

N
 x  
2
i
2  i 1
b) Varianza de una Muestra
 x  x
n
2
i
S2  i 1
Ejemplo:
Calcular la varianza de 4, 5, 6, y 7.
x
x i
n
4  5  6  7 22
x   5.5
4 4
 x  x
n
2
i
S2  i 1
69
S2 
4  5.52  5  5.52  6  5.52  7  5.52
4
2.25  0.25  0.25  2.25 5
S2  
4 3
S  1.25
2
Varianza Ponderada
a) Varianza de Una Población
 x   
N
2
i fi
  2 i 1
b) Varianza de Una Muestra
 x  x fi
n
2
i
S2  i 1
para n  30
n
 x  x fi
n
2
i
S2  i 1
para n  30
n 1
Ejemplo:
Talla(mts)
xi
fi xi f i xi  x xi  x 2 x i  x fi
2
1.52 3 4.56 -0.08 0.0064 0.0192

1.56 5 7.80 -0.04 0.0016 0.0080
1.60 9 14.40 0 0 0
1.64 6 9.84 0.04 0.0016 0.0096
1.68 4 6.72 0.08 0.0064 0.0256
Total 27 43.32 0.0624
70
x f i i
43.32
x i 1
  1.60
n 27
 x  x fi
n
2
i
S2  i 1
por ser n  30
n 1
0.0624 0.0624
S2  
27  1 26
S  0.0024 metros
2
5. Desviación Estandar
Es la Raíz cuadrada positiva de la varianza; una medida de la dispersión, expresada en
las mismas unidades que los datos originales y no en las unidades cuadradas de la
varianza.
En general, la Desviación Estándar es la raíz cuadrada de la varianza.
   2 para población
S  S 2 para muestra
Ejemplo: (de los ejemplos de la varianza)
S  S2
S  1.25
S  1.12
Ejemplo:
S  S2
S  0.0024
S  0.049 metros
71
Las formulas de las Desviación Estándar son iguales a la Varianza pero aplicándole la raíz
cuadrada.
6. Características de la Varianza y Desviación Estandar

a) Son siempre un valor positivo.
b) Son influenciado por todos los valores de la muestra o población.
c) Mayor influencia ejercen los valores extremos que los que están próximo a los
promedios.
d) Si en una distribución normal se levanta una ordenada a uno y otro lado del
promedio a una distancia igual a la desviación estándar.
x  S  68.26%
x  2 S  95.46%
x  3S  99.73%
El porcentaje de esos valores quedan incluidos dentro de estos límites.
e) La varianza y la desviación estándar de una constante es cero.
f) La desviación estándar del producto de una constante por una variable, es igual al
producto de la constante tomada en valor absoluto por la desviación estándar de la
variable.
g) La varianza del producto de una constante por una variable, es igual al cuadrado de
la constante por la varianza de las variables.
h) La desviación estándar de la suma de una variable y una constante, es igual a la
desviación estándar de las variables.
i) La varianza de una función lineal, es igual a la constante al cuadrado por la varianza
de la variable.
7. Coeficiente de Variación (CV)
Es una medida relativa de dispersión, semejante entre las distribuciones, que expresa la
desviación estándar en un porcentaje de la media.

CV  100 para población

CV 
S
100 para muestra
x
72
Ejemplo:
Si la desviación estándar de la población P es 5 y media población es 40 el coeficiente
de variación es:
5
CV  100
40
CV  12.5%
8. Variable Estandarizada
La variable estandarizada se calcula:
xi  
Zi  para población

xi  x
Zi  para muestra
S
Ejemplo:
En un examen de Estadística, la nota media fue de catorce y la desviación estándar de
1.6. Determinar las variables estandarizadas para los valores o notas de X: 12, 17, 20,
13
xi  
Zi 

12 14  2
Z1    1.25
1.6 1.6
17  14 3
Z2    1.87
1.6 1.6
20 14 6
Z3    3.7
1.6 1.6
13 14 1
Z1    0.625
1.6 1.6
La variable estandarizada se aplica en la probabilidad de la Distribución Normal.
73
5.1
1) Las ventas diarias (miles de dólares) de una tienda de artefactos eléctricos es:
Ventas Dias
i
xi fi F
(
Calcular:
[ 20 - 24 [ 9 a) Rango
[ 24 - 28 [ 12 b) Desviación Media
[ 28 - 32 [ 8 c) Desviación Estándar
[ 32 - 36 [ 3 d) Varianza
[ 36 - 40 [ 3 e) coeficiente de Variación
[ 40 - 44 ] 2
TOTAL 37
2) Las estaturas de 12 estudiantes de una clase son: 165, 160, 164, 155, 160 y162 cm.
Calcular:
a) Rango
b) Desviación Estándar
c) Coeficiente de Variación
9. Medida de Asimetría
La medida o estadígrafo de asimetría indica el grado de deformación de la curva de
frecuencia, puede ser inclinada a la derecha o izquierda. La curva de frecuencia puede
ser simétrica, caso determinado por la posición de la media, mediana y moda (
x  Me  Mo )
Tipo de Medida de Asimetría.
a) Curva asimétrica positiva o con cola a la derecha, hay predominio de los

valores menores.
74
100
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
f x
b) Curva asimétrica negativa o con cola a la izquierda, indica predominio de los

valores mayores.
100
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
c) Curva simétrica o campana de GAUSS (curva teórica de análisis).
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
Coeficiente de Asimetría de PEARSON

a) En función de la moda.
x  Mo
As1 
S
x = Media aritmética
75
Mo = Moda
S = desviación estandar
Resultados:
- Si el valor es cero, la curva es simétrica.
- Si el valor es igual a  0 . 1 , la curva es asimétrica moderada positiva o
negativa.
- Si el valor es igual a  0 . 3 , la curva es asimétrica muy marcada positiva o
negativa.
- Si el valor es igual a  1 , la curva es asimétrica máxima positiva o negativa.
Ejemplo:
La media de los salarios es s/.109.50, la moda s/.108.30 y su desviación
estándar s/.4,00 calcular el coeficiente de asimetría
109.50  108.30
As1 
4.00
As1  0.3
Como el valor es positivo es una curva asimétrica positiva muy marcada.
b) En Función de la Mediana
3( x  Me)
As2 
S
x = Media aritmética
Me = Mediana
S = desviación estandar
Resultados:
- Si el valor es igual a cero, la curva es simétrica.
- Si el valor es mayor que cero, la curva es asimétrica positiva.
- Si el valor es menor que cero, la curva es asimétrica negativa.
Ejemplo:
La media de los pesos de los trabajadores de una fabrica es de 68kg, la
mediana 71kg y la desviación estándar de 3.5kg. Calcular el coeficiente de
asimetría.
76
3(68  71)  9
As2  
3.5 3.5
As2  2.57
Como el valor es menor que cero, la curva es asimétrica negativa.
10. Medida de Apuntamiento

La medida de apuntamiento o estadígrafo de Kurtosis es el grado de deformación
vertical de una curva de distribución de frecuencia. Se analiza comparando la curva de
distribución con una curva normal o campana de Gauss.
Tipos de Curvas de Distribución
a) Leptokurticas (LK)
Es cuando su elevación es muy pronunciada o sea superior a la curva normal.
Se presenta cuando la desviación estándar de dicha distribución es mínima.
b) Mesokurticas (MK)
Es cuando la elevación es la de una curva normal.
c) Platikurticas (PK)
Es cuando la elevación es inferior o queda por debajo de una curva normal, se
presentan cuando la desviación estándar de la distribución es relativamente
grande.
140
120 LK
100
80 MK
60
40
PK
20
0
0 0.5 1 1.5
Coeficiente de Kurtosis
Q3  Q1
K
2P90  P10 
Q3 = Cuantil 3
Q3 = Cuantil 1
P90 = Percentil 90
P10 = Percentil 10
Resultados
El valor de K no pasa de 1 tampoco puede ser negativo.
77
PK MK LK
0 1
8
1
4
3
8
1
2
Si K esta de cero a1/8 la curva es platikurtica

Si K esta de 1/8 a 3/8 la curva es mesokurtica
Si K esta de 3/8 a1/2 la curva es leptokurtica
Ejemplo:
Se tienen las tallas de los estudiantes de la UPLA, cuyos cuartiles 1 y 3 son 1.575 y
1.725 metros, respectivamente, y los percentiles calculados son: P90 = 1.77m y P10
=1.53m Calcular el coeficiente de kurtosis.

1.7525  1.575 0.15
K 
21.77  1.53 0.48
K  0.3125
El valor se encuentra en intervalo de mesokurtosis
5.2
La inversión anual (miles de dólares) de un grupo de empresarios de Huancayo, fueron:
12 10 16 28 32 18 40
14 16 27 13 19 38 18
13 32 22 31 10 37
18 15 24 14 23 36
42 14 27 28 21 37
22 19 15 17 29 25
Determinar e interpretar.
a) Coeficiente de Kurtosis
b) Coeficiente de Pearson
- Por la moda
- Por la mediana
78

En el siguiente fascículo estudiaremos las relaciones que existen entre variables y los
ajustes de curvas para poder inferenciar.
Nº 5
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. El consumo mensual de agua en m3 de 80 familias se tabuló en una distribución de

frecuencias de 7 intervalos de amplitud iguales a 3, siendo la marca de clase del cuarto
intervalo igual a 19. Si las frecuencias del primer y tercer intervalo son iguales al 5% y 15%
del total respectivamente, y si la quinta frecuencia porcentual acumulada es 85% del total.
Calcule e interprete:
a) Rango.
b) Desviación Media.
c) Varianza.
d) Desviación Estándar.
e) Coeficiente de Variación.
f) Coeficiente de Asimetría de Pearson.
g) Coeficiente de Kurtosis.
79
CORRELACIÓN Y REGRESIÓN
En el presente fascículo se estudiara el caso en el que tomar dos variables o características,
una puede ser considerada como independiente y la otra como dependiente de la anterior.
Por medio de la correlación se puede estudiar la interrelación entre dos características con
el fin de medir el grado de asociación que existe entre ellos.
Con frecuencia se desea saber si las variaciones de una característica provocan variaciones
en la magnitud de otra característica, esta se puede representar de acuerdo a su tendencia:
lineal o parabólica, finalmente, se estudiará la aplicación de la ecuación exponencial.
- Define, calcula e interpreta al coeficiente de correlación.

- Calcula, interpreta e infiere las tendencias de las variables o características.
- Calcula e interpreta la aplicación de la ecuación exponencial.
1. Correlación
Se llama correlación entre las variables a la relación que existe entre las variables de
una distribución bidimensional.
Dependiendo de esta aproximación de la nube de puntos a la recta de regresión,
tendremos tres clases de correlación.
a) Correlación Positiva
Es cuando al aumentar una variable, la otra también aumenta. La recta de regresión
en este caso es una recta creciente.
y
300
250
200
150
100
50
0
0 0.5 1 1.5x
80
b) Correlación negativa
Es cuando aumentan una de las variables, la otra disminuye. En este caso la recta
de regresión es decreciente.
y
300
250
200
150
100
50
0
0 0.5 1
x
1.5
c) Correlación Nula
Se da cuando no hay dependencia de ningún tipo entre las variables.
y
250
200
150
100
50
0
0 0.5 1
x
1.5
2. Coeficiente de Correlación
Trata de determinar matemáticamente la existencia de la relación entre dos factores o
fenómenos, averiguar si uno de ellos influye en el otro o si no hay ninguna relación o
dependencia entre un hecho y el otro.
Ejemplo:
Se trata de establecer si están relacionados:
- El alcoholismo y la criminalidad
- El analfabetismo y el bajo ingreso.
- La temperatura veraniega y enfermedades intestinales.
- La edad y la presión arterial.
81
 x  y 
 ( xy )  n
r
 x  2
 y 
2
x 2

n
y 2

Donde:
r = Coeficiente correlación
x = Variable independiente
y = Variable dependiente
n = numero de datos
Resultados:
El coeficiente de correlación varía de los valores  1 para la correlación perfecta al valor
cero, para ausencia absoluta de correlación.
Ejemplo:
Hallar la correlación entre los siguientes datos referentes a edades y presión sanguínea
de un grupo de mujeres.
Edad Presión Sanguínea

n xy x2 y2
x y
1 56 147 8232 3136 21609
2 42 125 5250 1764 15625
3 72 160 11520 5184 25600
4 36 118 4248 1296 13924
5 63 149 9387 3969 22201
6 47 128 6016 2209 16384
7 55 150 8250 3025 22500
8 49 145 7105 2401 21025
9 38 115 4370 1444 13225
10 42 140 5880 1764 19600
11 68 152 10336 4624 23104
12 60 155 9300 3600 24025
Total 628 1684 89894 34416 238822
Aplicando la formula
82
6281684
89894 
r 12
34416 
6282 238822 
16842
12 12
1765
r
1550.7 2501
r  0 .896
Interpretación: existe una fuerte relación entre la edad y la presión sanguínea por que
0.896 esta cerca de 1
6.1
Experimentalmente se han encontrado las siguientes cifras, durante el proceso de estudio

del secado de cierta madera por el método del vapor recalentado, el tiempo ha sido medido
en medias horas.
Tiempo Contenido de humedad
x y
0 50%
1 34%
2 24%
3 18%
4 14%
5 11%
Calcular e interpretar el coeficiente de correlación.
3. Regresión
Proceso general de predecir una variable a partir de otra con medios estadísticos,
usando datos anteriores.
Regresión Lineal
Línea ajustada a un conjunto de puntos de datos para estimar la relación entre dos
variables.
4. Series de Tendencia Rectilinea

y  a  bx Ecuación General
83
y = variable dependiente
x = variable independiente
ayb = parámetros
Para hallar los parámetros a y b, aplicamos:
a
 y  b x
n
n xy   y  x
b
n x 2   x  x
Ejemplo:
En el cuadro representa las ventas anuales el los años indicados.
Años 1998 1999 2000 2001 2002 2003
Venta (millones de soles) 4 6 8 10 12 14
Año Ventas Anuales (millones de soles)

x1 xy x2
x y
1998 4 1 4 1
1999 6 2 12 4
2000 8 3 24 9
2001 10 4 40 16
2002 12 5 60 25
2003 14 6 84 36
54 21 224 91
- Los años con la finalidad de reducir números grandes se remplaza por la serie
correlativa de 1 al…, siempre que los años seas correlativo de 1 en 1.
- Definir siempre, que variable es dependiente e independiente.
- Graficar los datos, con la finalidad de determinar la tendencia de la serie.
Para encontrar los parámetros a y b determinamos los componentes de las fórmulas en

el cuadro y luego planteamos la ecuación general.
84
6224  54(21)
b
6(91)  21(21)
1344  1134 210
b 
546  441 105
b2
54  2(21)
a
6
54  42 12
a 
6 6
a2
Ecuación general
y  a  bx
y  2  2x
Si uno desea proyectar las ventas, por ejemplo al 2005, se hace lo siguiente.
y 2005  2  2(8)
Como se denota en el cuadro:
Al 2001 le corresponde el 4
Al 2004 seria el 7
Al 2005 es el 8
y 2005  2  2(8)  18
Interpretación: las ventas al 2005 seria de 18 millones de soles.
5. Serie de Tendencia Parabólica

Si después de graficar una serie estadística en un plano coordenado y unir los diversos
puntos, observamos que ha formado una figura parabólica, la ecuación de ajuste será.
y  a  bx  cx 2 Ecuación General
Para hallar los parámetros aplicamos.
85
a
 y  c x 2
b
 xy
x 2
n x y   x  y
2 2
c
n x   x  x4 2 2
Ejemplo:
Las paredes de un horno de una ladrillera varia de espesor y con el auxilio de un
pirómetro se han encontrado las siguientes temperaturas.
Temperatura
Espesor de la pared
(En centenar ºC)
(dm) x y
0 1.0
1 1.3
2 2.0
3 3.1
4 4.6
5 6.5
1º. Graficamos
7
6
5
4
3
2
1
0
0 0.5 1 1.5
1 2 3 4 5 6
Es una parábola
2º Aplicamos la ecuación
y  a  bx  cx 2
3º Hallamos los parámetros a, b y c, a partir de los datos y componentes de las

ecuaciones.
86
Espesor Temperatura
n
y
xy x2 x2y x4
x
1 0 1.0 0 0 0 0
2 1 1.3 1.3 1 1.3 1
3 2 2.0 4.0 4 8.0 16
4 3 3.1 9.3 9 27.9 81
5 4 4.6 18.4 16 73.6 256
6 5 6.5 32.5 25 162.5 625
Total 15 18.5 65.5 55 273.3 979
n x 2 y   x 2  y
c
n x 4   x 2  x 2
6( 273 .3)  55(18.5)

c
6(979 )  55(55)
1639.8  1017.5 622.3
c 
5874.0  3025.0 2849.0
c  0 . 22
a
 y  c x 2
n
18.5  0.22(55)
a
6
18.5  12.1 6.4
a 
6 6
a  1 .1
b
 xy
x 2
65.5
b
55
b  1 .2
Luego
y  1.1  1.2 x  0.22 x 2
87
Ahora si queremos saber cuanto seria la temperatura en una pared de 9dm.
y  1.1  1.2(9)  0.22(9) 2

y  1.1  10.8  17.82
y  29.72
Interpretación: en un horno de 9 dm. De grosor de la pared, la temperatura se elevaría

a 29.72 centenares de ºc
6.2
La densidad del agua “d” varia con la temperatura “t” (en grados centígrados), tal como se
muestra en el cuadro.
t d Hallar e interpretar
0 0.9998 a) El coeficiente de correlación.
5 0.9999 b) Cuanto seria la densidad del agua a una
10 0.9997 temperatura de 30ºc
15 0.9992
20 0.9983
25 0.9971
6. Aplicación de la Ecuación Exponencial
Caso Población
Pt  Po 1  r 
t
Pt = población final
Po = población año base
r = tasa de crecimiento medio poblacional

t = número de periodos
Deducción de Formulas
Pt
rt 1
P0
log Pt  log Po
t
log(1  r )
88
La tasa de crecimiento medio r puede ser negativo, si una ciudad baja su población.
Caso de Interés Compuesto
M  C1  i 
n
M = Monto
C = Capital
i = Tasa de intereses
n = numero de periodos
Ejemplo:
La población del departamento de Junín hipotéticamente en 1983 fue 849300
habitantes y en 1998 fue de 1010700 habitantes. ¿Cuánto seria la población en el
2005?
1º Hallamos la tasa de crecimiento medio.
t  1998  1983  15
Pt  1010700
Po  849300
Pt
rt 1
Po
1010700
r  15 1
849300
r  0.0117 ( se multiplica por 100)
r  1.17% de crecimiento promedio anual
2º Proyectamos
t  2005  1998  7
Pt  1010700
Po  0.0117
Pt  Po 1  r 
t
P2005  10107001  0.0117 

7
P2005  1096439 habitantes
89
Luego, la población crece a 1.17% promedio anual y en el 2005, Junín tendría

109643 habitantes.

En el siguiente fascículo iniciamos el estudio de la teoría de la probabilidad, conceptos

básicos; análisis combinatorio y diagrama de árbol.
90
Nº 6
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Los gastos de publicidad de una empresa y las ventas efectuadas vienen dadas por la
siguiente tabla(los datos están expresados en millones de nuevos soles).
Publicidad 1 2 5 6 7 9 12 14
Venta 10 12 15 16 17 18 22 24
a) Obtenerla recta de regresión.

b) Calcular e interpretar el coeficiente de correlación.
c) Calcular las ventas estimadas si se invierten 10 millones de nuevos soles en
publicidad.
2. Demostrar que la correlación es perfecta entre el tiempo y el capital de s/1,00 impuesto a

una tasa de interés del 6% anual a interés compuesto.
Año 1 2 3 4 5 6 7
Monto a interés
1.00 1.060 1.124 1.191 1.262 1.338 1.419
compuesto
3. La población de Jauja hipotéticamente fue de 42350 habitantes en 1993 y para el año

2000 tuvo 38970 habitantes.
a) ¿Cuánto ha sido su tasa de crecimiento medio anual?

b) ¿Cuánto seria la población en el año 2006?
91
PROBABILIDAD (I)
El propósito de este fascículo es determinar los modelos matemáticos que permita descubrir
concretamente las pruebas regidas por el azar y que proporcione un apoyo teórico en el
tratamiento de la Estadística Inferencial.
En esta primera parte nos orientaremos a la teoría de la probabilidad, a los principales
conceptos y al análisis combinatorio.
- Define lo que es probabilidad.

- Explica los términos experimento, espacio muestral y evento.
- Maneja los principios de probabilidad.
- Cuenta el número de subconjunto que se puede armar a partir de un conjunto.
- Analiza y calcula problemas de permutación, variación y combinación.
1. Introducción a la Teoría de la Probabilidad
Jacob Bernoulli, Abraham de Moure, Thomas Bayes y Joseph Lagrange inventaron

fórmulas y técnicas de probabilidad. En el siglo XIX Pierre Simon, Marquis de Laplace,
unificó esas primeras ideas y formuló la primera teoría general de la probabilidad.
La teoría de la probabilidad fue aplicada con buenos resultados a las mesas de juegos y,
lo que es más importante para nuestro estudio con el tiempo, también se aplicó a otros
problemas socioeconómicos. La teoría matemática de la probabilidad constituye el
fundamento de las aplicaciones estadísticas tanto en la investigación social como en la
toma de decisiones.
2. Concepto de Probabilidad
La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se expresan
como fracciones o como decimales entre 0 y 1. Asignar una probabilidad de cero
92
significa que algo nunca ocurrirá; una probabilidad de 1 indica que algo sucederá
siempre.
La noción de probabilidad viene de la necesidad de medir de alguna manera la certeza o
la duda de que algún suceso ocurra o no.
El fin de la teoría de probabilidades es examinar las formas y los medios de obtener esas
medidas de certeza, así como encontrar los métodos para combinarlos cuando
intervienen varios sucesos en un experimento.
3. Experimento
Experimento es la prueba, ensayo u observación de un hecho o fenómeno.
Los experimentos pueden ser
3.1. Experimento Determinístico

Es cuando anticipadamente sabemos lo que va a ocurrir, o sea donde entra la
voluntad del hombre, el resultado puede determinarlo, la persona.
Ejemplos:
- Cuando se lanza una flecha hacia arriba, se sabe que va a caer.
- Cuando se suma números pares, el resultado será también un número par.
3.2. Experimento Aleatorio

Son aquellos cuyos resultados no pueden predecirse antes de su realización. Son
experimentos que no dan siempre el mismo resultado al repetirlos en las mismas
condiciones. En este experimento no funciona la voluntad del hombre.
Ejemplos:
- Cuando lanzamos un dado, no sabemos que numero va a salir.
- Predecir la duración de una conversación telefónica.
- Lanzar un proyectil hacia un blanco determinado, no sabemos si dará en el
blanco.
4. Espacio Muestral ( S ) (Ω)
Espacio muestral es el conjunto de todos los resultados posibles de un experimento
aleatorio.
93
Ejemplo:
- Experimento E: lanzar un dado
Espacio Muestral S: {1, 2, 3, 4, 5, 6}
- E: lanzar dos monedas
S:{(cara, cara), (sello, sello), (cara, sello), (sello, cara)}
- E: elegir una persona en la calle, en cuanto a su estado civil
S:{casado, soltero, viudo, divorciado, conviviente}
5. Evento o Suceso (A)

El evento o suceso es el resultado de cada una de las realizaciones del experimento
aleatorio; o sea, un resultado que presenta cierto atributo o característica que nos
interesa para su análisis.
El evento o suceso en un subconjunto del Espacio Muestral.
Ejemplos:
- Al lanzar una moneda y un dado, obtener cara y un número par.
Suceso A= {(c, 2), (c, 4), (c, 6)}
- Al lanzar dos dados, dé como resultado 7.
A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}
- De un grupo de personas A, B; C; D, elegir una comisión de tres personas en el que
este A.
A= {(ABC), (ABD), (ACD)}
- De cuatro libros A, B, C, D, se quieren guardar en un estante, donde C siempre este
ultimo.
A= {ABDC, ADBC, DABC, BADC, BDAC, DBAC}
Cualquier suceso que sea igual al conjunto vació se llama suceso imposible, y por tanto,
será un suceso que no se produce nunca. Cualquier suceso que sea igual al espacio
muestral se llama suceso seguro (es el suceso que ocurre siempre).
Ejemplos:
- En el lanzamiento de una moneda:
94
Obtener cara y sello es un suceso imposible.

Obtener cara o sello es un suceso seguro.
- En el lanzamiento de un dado:
Obtener un número negativo es un suceso imposible
Obtener un número menor que siete es un suceso seguro.
7.1
Realizar 10 ejemplos de experimentos aleatorios con un suceso y determinar su espacio

muestral y el suceso o evento por extensión.
5.1. Operaciones con Eventos o Sucesos
En el conjunto de todos los eventos o sucesos del espacio muestral, se pueden

definir operaciones entre los eventos.
Estudiaremos brevemente las siguientes operaciones:
a) Reunión o Unión de Eventos

Es designado por A  B, es el evento que esta formado por los elementos del
espacio muestral que están en A, en B o en ambos eventos a la vez.
A B
AB
b) Intersección de Eventos
Es la designación por A  B o AB, es el evento formado por los elementos
comunes a A y B.
95
A B
AB
c) Complemento de un Evento
El complemento de A se denota con A ,A’ o A c , se define con el evento
formado por los elementos del espacio muestral que no están en A.
El evento A se realiza cuando el evento A no se realiza.
c
A ,A’ o A
Ejemplos:
En el experimento aleatorio lanzar un dado, sean los sucesos:
K: obtener número par
L: obtener múltiplo de 3
Ω= {1, 2, 3, 4, 5, 6}
K= {2, 4, 6}
L= {3, 6}
Se tiene:
KL = {2, 3, 4, 6}
KL = {6}
K =K’ = {1, 3, 5}
L = L’ = {1, 2, 4, 5}
Decimos que dos sucesos A y B son incompatibles si no pueden verificarse

simultáneamente, es decir, si AB = Ø
96
5.2. Propiedades
a) Asociatividad
A  (B  C) = (A  B)  C
A  (B  C) = (A  B)  C
b) Conmutatividad
AB = BA
AB = BA
c) Simplificación
A  (B  A) = A
A  (B  A) = A
d) Idempotencia
AA = A
AA = A
e) Complementación
A  A’= Ω
A  A’= Ø
f) Universal e Ínfimo
AΩ = Ω
AΩ = A
AØ = A
AØ = Ø
g) Distributiva
A  (B  C) = (A  B)  (A  C)
A  (B  C) = (A  B)  (A  C)
h) Leyes de Morgan
(A  B)’=A’  B’
(A  B)’=A’  B’
7.2
Se lanzan 2 monedas. Sean:
97
A = {salgan 2caras}
B = {salgan 2 sellos}
C = {salgan una cara y un sello}
Obtener los siguientes sucesos:
a) A  B b) A  C c) A-B
d) A’ e) C’ f) (A  B)’
g) A  B  C h) A  B  C
5.3. Relaciones Entre Sucesos O Eventos
a) Inclusión de Suceso
Diremos que el suceso A esta incluido en B si todas las ocurrencias de A esta
incluido en B si todas las ocurrencias de A son también ocurrencias de B, se
escribe
AB
Ejemplo:
A= {1, 2, 3}
B= {1, 2, 3, 4, 5, 6} AB
b) Suceso Mutuamente Excluyente

Dos sucesos A y B son mutuamente excluyentes cuando no tiene ocurrencias
comunes. Se escribe:
AB = Ø
Ejemplo:
No puede ocurrir que un abogado sea analfabeto.
Abogados y analfabetos son sucesos excluyentes.
c) Suceso Mutuamente Exhaustivo

Dos sucesos A y B son mutuamente exhaustivos cuando son a la vez
mutuamente excluyentes y complementarios. Entonces diremos:
A y B son mutuamente exhaustivos sí solo sí: A  B = Ø  A  B = Ω
d) Partición de Sucesos
98
Diremos que el espacio muestral esta particionado en A1, A2, A3, etc. .Sí solo sí
cumple las siguientes condiciones:
1º A1 ≠ Ø, A2 ≠ Ø, A3 ≠ Ø, …
Esto quiere decir que tiene ocurrencias
2º A1  A2 = Ø, A1  A3 = Ø, A2  A3 = Ø, …
O sea que no comparten ocurrencias, no tienen elementos comunes.
3º A1  A2  A3…= Ω
Es la unión de todos al unir todos los elementos y dar como resultado el
espacio muestral.
A1 A2
A3
A4 …
Ω
e) Potencia de un Suceso o Algebra de Elemento (2S)

2 S  A A  S 
Ejemplo:
Experimento= {lanzar una moneda}
S    c, s
2S  22  4
 2 S   , c, s, c, s
6. Analisis Combinatorio
Es una parte del algebra que estudia los distintos grupos que se pueden formar con
cierto numero de objetos, atendiendo a determinados criterios.
Principios
a) Principio de Adición
99
Consiste en que dado dos o más sucesos mutuamente excluyente puede ocurrir de
la primera o segunda forma.
A B
#A = m #B = n
Ocurrencia de A o B = m+n maneras
Ejemplos:
- Se viaja de Lima a Huancayo, hay 2 compañías aéreas y 12 empresas terrestres.
M=2, n=12
Hay 14 formas de viajar (son excluyentes o mutuamente excluyentes).
- Para ir de un punto de la ciudad a otro hay avenidas y jirones que son

excluyentes.
Si hay 5 avenidas y 2 jirones de cuantas maneras se puede desplazar.
Avenidas m=5
Jirones n=2
m+n = 5+2 = 7 maneras
b) Principio de Multiplicación
#A = m y #B = n
Ocurrencia de A y B = m
Ejemplos:
- Se quiere combinar 4 chompas y 2 faldas de diferentes colores, donde:
A = 4 chompas (azul, negra, blanca, verde)

B = 2 faldas (roja, marrón)
m × n = 4 × 2 = 8 formas diferentes de combinar
- Cuantos números pares de 3 cifras diferentes, se pueden formar con los dígitos
2, 3, 4, 5, y 6.
100
3 4 3
Dígitos pares
Restamos un dígito (Un dígito par se ubica al

final)
Restamos dos dígitos del total
La cantidad de número de 3 cifras diferentes es: 3 × 4 × 3 = 36
- Dado los dígitos 0, 3, 5, 6, 8:
 Cuantos números de 4 cifras se pueden escribir
5 6 6 6
El cero no
puede ubicarse 5 × 6 × 6 × 6 =1080
 Cuantos números de 4 cifras múltiplos de 5 se pueden escribir
5 6 6 2
El cero no 2 dígitos múltiplo

puede ubicarse de 5 (el 0 y 5)
5 × 6 × 6 × 2 =360
 Cuantos números de 4 cifras impares se pueden escribir
5 6 6 3
El cero no Ubicación de los

puede ubicarse impares
101
7.3
1. Con los 10 dígitos (0, 1… 9)

a) Cuantos números de 3 cifras se pueden escribir.
b) Cuantos números de 3 cifras múltiples de 5 se pueden escribir.
2. Un producto se vende en 3 mercados: en el primer mercado se tiene disponible 5

tiendas, en el segundo mercado 4 y en el tercer mercado 6 tiendas, ¿De cuantas
maneras puede venderse el producto?
3. Una persona puede viajar de una ciudad A a otra B de 5 formas y de B a C de 6 formas

diferentes. ¿De cuantas formas puede ir de A a C pasando por B?
7. Factorial de un Número
Se llama factorial de un numero “m” o “m factorial” al producto de los m factores
decrecientes a partir de m hasta 1.
Se designa por: !
m factorial= m!
Ejemplo:
5! = 5 × 4 × 3 × 2 × 1 = 120
3! = 3 × 2 × 1 = 6
OBSERVACIÓN
0!=1
8. Permutación
Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de
un grupo, por lo tanto, se distingue de los otros en el orden.
Ejemplo:
Calcular las posibles formas en que se pueden ordenar a, b y c
Hay 6 posibles agrupaciones: (a, b, c), (a, c, b), (b, a, c), (c, a, b), (c, b, a)
102
8.1. Permutación Ordinaria
Pm = m!
Ejemplos:
- Cuantos números de 4 cifras diferentes se pueden escribir con los dígitos 3, 4,
5y6
P4 = 4! = 4 × 3 × 2 × 1
P4 = 24
- De cuantas maneras diferentes pueden colocarse, en un estante 5 libros

diferentes de Estadística y tres de Biología.
a) Si no hay ninguna condición sobre las ubicaciones.

b) Si los libros de cada curso deben estar juntos.
c) Si solo los libros de Biología deben estar juntos.
Solución:
a) Pm = m!
P8 = 8! = 8 × 7 × 6 ×5 × 4 × 3 × 2 × 1
P8 = 40320 maneras
b) Libros de Estadística P5 (bloque)

Libros de Biología P3 (bloque)
Entre grupos de libros de Estadística y de Biología. P2
P5 × P3 × P2 = 5! 3! 2! = 120 × 6 × 2 = 1440
c) Los libros de Biología permutan entre 3 y forman un solo bloque P3
Los libros de Estadística permuta entre los 5 y también permuta con el

bloque de Biología. P6
P5 × P6 = 3! 3! = 6 × 7202 = 4320
103
8.2. Permutación Circular

PmC = (m-1)!
Se refiere al cambio de posición pero en una circunferencia.

Se toma cualquier punto de referencia por que no hay centro.
Ejemplo:
De cuantas formas diferentes pueden sentarse 10 ministros alrededor de una mesa
si:
a) Si pueden sentarse de cualquier forma.
b) Dos ministros determinados deben estar juntos.
c) Dos ministros determinados no deben estar juntos.
Solución
a) PmC = P10C = (10-1)! = 9! = 362880 formas
b) Dos ministros siempre juntos se considera como 1. Pero permutan en ellos P2 y

luego permutan con los 8 restantes formando como si fueran 9 ministros.
P9C  P2  (9  1)!  2! 8! 2! 80640 formas
c) P10 C  P9 C  P2   362880  80640  282240
8.3. Permutación con Repetición

m!
Pmm1m2 
m1! m2 !
m = total de elementos
Repetición: Por que los elementos pueden entrar varias veces en las
agrupaciones.
Ejemplo:
- Cuantos numeros de cuatro cifras se pueden escribir con dos 5 y dos 7
4! 24
Pmm1 ,m2  P24, 2    6 maneras
2! 2! 4
104
Por extensión:
5775 7557
5757 7575
5577 7755
- Cuantos signos diferentes, cada una de 6 banderas, colocadas en línea vertical

pueda formarse con un conjunto de 4 banderas rojas y 2 banderas blancas.
6! 720 720
P46, 2     15 maneras
4! 2! 24  2 48
9. Varicación
Es una forma de permutación, en el cual no interviene todos los elementos.
9.1. Variación Simple o General

m!
Vnm 
(m  n)!
m = todos los elementos
n = parte de m
Ejemplos:
- De cuantas maneras diferentes se pueden presentar a, b, c y d tomados de dos
en dos.
4! 24
V24    12 maneras
(4  2)! 2
- De un conjunto de 6 candidatos, de cuantas maneras se pueden elegir 3,

Presidente, secretario y tesorero.
6! 720
V36    120 maneras
(6  3)! 6
9.2. Variación con Repetición
Vnm r  m n
Ejemplos:
105
- De cuantas maneras diferentes pueden presentarse a, b, y c tomados de dos

en dos con repetición.
V23 r = 32 = 9 maneras
- Cuantos números de dos cifras, con repetición se pueden escribir con 5, 6, 7 y
8
V42 r = 42 = 16 maneras
10. Combinación
Son ciertos arreglos que se hacen con una parte del total de elementos, en el cual no
interesa el orden, o sea un grupo del otro se diferencia de elemento en elemento.
10.1. Combinación Simple O General

m!
C nm 
n!( m  n )!
m = total de elementos
n = parte de m
Ejemplos:
- En una reunión hay 15 personas. Cuantos apretones de manos se darán al
saludarse todos ellos entre sí.
15! 15! 15  14  13   210

C215      105apretones
2!(15  2)! 2! 13! 2  1  13   2
(se puede simplificar)
- En una reunión hay 10 varones y 6 damas. De cuantas maneras pueden

colocarse en una fila de grupo de 5; de los cuales 3 sean varones y 2 mujeres.
Solución:
Forma de escoger varones C 310
Forma de escoger damas C 26

En la fila se pueden permutar entre 5 P5
= C3  C 2  P5 !
10 6
Total de maneras
10! 6!
=   5!
3!(10  3)! 2!(6  2)!
106
= 120  15  120  216
10.2. Combinación Con Repetición
(m  n  1)!
Cnm r 
(m  1)! n!
Ejemplo:
- Cuantas combinaciones con repetición, obtendremos dados 4 símbolos
diferentes, tomados de tres en tres.
( 4  3  1)! 6! 720
C34 r   
( 4  1)! 3! 3! 3! 36
 20 combinaciones
11. Diagramas de Arbol

Un diagrama de árbol es el dibujo que se usa para enumerar todos los resultados
posibles de una serie de experimentos en donde cada experimento puede suceder en un
número finito de maneras. La construcción de diagramas de árbol se ilustra en los
siguientes ejemplos.
Ejemplo:
Marcos y Enrique intervienen en un torneo de tenis. La primera persona que gane dos
juegos seguidos o que complete tres gana el torneo. El diagrama siguiente muestra los
posibles resultados del torneo.
M M
M M M
E E
E E
M M
M M
E E E
E E
107
Nótese que hay 10 puntos finales que corresponden a los 10 resultados posibles del
torneo:
MM, MEMM, MEMEM, MEMEE, MEE, EMM, EMEMM, EMEME, EMEE, EE

El recorrido desde el principio del árbol a los puntos finales indica quién ganó cada juego
en el torneo individual.
7.4
1. A una reunión asistieron, 2 damas y 3 caballeros.

a) ¿De que maneras pueden sentarse en una fila?
b) ¿De cuantas maneras se pueden sentar alrededor de una mesa circular?
c) ¿De cuantas maneras pueden sentarse si las damas se sientan juntas y los
caballeros también?
d) ¿De cuantas maneras pueden sentarse si las damas se sientan juntas y los
caballeros también, pero alrededor de una mesa circular?
e) ¿De cuantas maneras pueden sentarse en fila si las damas siempre están juntas?
2. En una carrera de caballos participan 19 ejemplares, si se trata de que usted acierte los
tres primeros puestos en la clasificación final. ¿De entre cuantas posibilidades tendría
que escoger una?
3. Con 6 consonantes y 5 vocales diferentes. ¿Cuántas palabras pueden formarse, que

consta de tres consonantes y tres vocales?. NO interesando que las palabras así
formadas tengan significado.
4. Un estudiante tiene que contestar 8 de 10 preguntas en un examen.

a) ¿De cuantas maneras tiene que escoger?
b) ¿De cuantas maneras, si las tres primeras son obligatorias?
d) ¿De cuantas maneras, si tiene que contestar 4 de las 5 primeras preguntas?
5. De un total de 5 preguntas teóricas y 7 preguntas prácticas, un estudiante debe resolver

2 de teoría y 3 de práctica.
a) ¿De cuantas formas puede escoger?
108
b) ¿De cuantas formas si debe resolver obligatorio una pregunta practica?

c) ¿De cuantas maneras debe escoger si dos preguntas teóricas determinadas no
deben resolver?
7.5
1. Se corre una carrera en la que dan premios a los dos primeros participantes que crucen
la línea de la meta. Si hay cuatro corredores (K, L, M, N)
¿De cuantas maneras diferentes pueden repartirse las copas los participantes?

GALDOS, L. Dominando las Matemáticas: Calculo y Estadística II y III, tomo 15 y 16,
Edición El Popular, Lima-Perú, 2005.
LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Colección Serie Schaum. Colombia.
1970
En el siguiente fascículo, continuaremos con la teoría de probabilidades y estudiaremos:

probabilidad método clásico, método de la frecuencia relativa, probabilidad condicional y
teorema de BAYES.
109
Nº 7
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. El testigo de un atropello recuerda que la placa del auto tiene 65 dígitos diferentes y
solamente ha memorizado los tres primeros que son: 3, 4, 7, …¿ Cuantos números de
placas diferentes tendrá que investigar la policía?
2. Siete varones y cinco mujeres van a formar comités de 6 personas. ¿De cuantas
maneras pueden formarse si:
a) En el comité hay tres mujeres?

b) Cuando como mínimo 3 mujeres?
3. En un examen de Estadística, un estudiante debe responder 6 preguntas de 10 dadas.

¿De cuantas maneras diferentes debe escoger si debe responder por lo menos 2 de las
5 primeras preguntas?
4. Un club de voley cuenta con 12 jugadoras. ¿De cuantas maneras diferentes puede
formar un equipo el entrenador, sabiendo que siempre tiene que estar Rosa que es la
preparadora?
5. En una reunión hay tres jóvenes y tres señoritas.

a) ¿De cuantas maneras diferentes pueden sentarse en una banca, tanto los jóvenes
como las señoritas si deben estar juntos?
b) ¿De cuantas maneras diferentes pueden sentarse si solamente las señoritas deben
estar juntas?
d) ¿de cuantas maneras diferentes pueden sentarse en una banca si los jóvenes
ocupan los lugares pares?
6. Una joven tiene 6 amigas, de las cuales invitará para su cumpleaños solamente a tres
¿De cuantas maneras debe hacer la invitación, ni dos de ellas solamente pueden asistir
juntas.
7. Tres señoritas Maria, Magna y Maritza, compiten en un curso de belleza. Los premios
solamente son otorgados a solas que ocupen el primer y segundo lugar.
a) Liste los elementos del espacio muestral correspondiente al experimento al “Elegir

las dos ganadoras”
b) Liste el Evento o suceso “Magna y Maria ganan los premios”.
110
111
PROBABILIDAD (II)
Vivimos en un mundo donde somos incapaces de pronosticar el futuro con absoluta certeza.
La necesidad de sortear la incertidumbre nos lleva a estudiar y aplicar la teoría de la
probabilidad.
En este fascículo continuamos con la teoría de probabilidades a través del método clásico,
método de frecuencia relativa, Método subjetivo y probabilidades frente a apuestas y de
espacios muestrales finitos.
- Describe los enfoques clásicos de frecuencia relativa y subjetiva para probabilidad.

- Define los términos de probabilidad condicional, frente a apuestas y de espacios
muestrales finitos.
- Calcula posibilidades utilizando el teorema de Bayes.
1. Definición Clásica De Probabilidades

Si un espacio muestral tiene n eventos sencillos o elementales, todos igualmente
factibles, posibles o equiprobables entonces las probabilidad del evento A es igual al
número de casos favorables (elementos de A) sobre el numero de casos posibles
(elementos del espacio muestral)
Número de casos favorables # A

P A   
Número de casos posibles #
Ejemplo:
- Al lanzar un dado cual es la probabilidad de obtener un número par.
Ω = S = {1, 2, 3, 4, 5 ,6}  #S = 6
A = {2, 4, 6}  #A = 3
#A 3 1
P A    ó 0.5
#S 6 2
112
- En una urna hay 3 bolas negras y 4 bolas rojas. Si se extrae una bola al azar. ¿Cuál
es la probabilidad de que esta sea roja?
S= {N, N, N, R, R, R, R}
A= {R}
#A 4
P A   ó 0.57
#S 7
Axiomas de Probabilidad
a) La probabilidad de cualquier evento es un número no negativo

0  P( A)
b) La probabilidad del espacio muestral es 1

P( S )  1
c) La probabilidad de un evento vacío es igual a cero

P()  0
d) Si A y B son dos eventos mutuamente excluyentes; esto es si:

A B  
Entonces:
P( A  B)  P( A)  P(B)
Teoremas de Probabilidad.
a) La probabilidad del complemento de un evento es igual a unión menos la

probabilidad de dicho evento.
P( A' )  1  P( A)
b) Si Ay B  2 S (algebra de los elementos) y A  B entonces:
113
P(B)  P( A)
c) Si Ay B  2 S entonces
P( A  B)  P( A)  P( A  B)
d) Si Ay B  2 S entonces
P( A  B)  P( A)  P(B)  P( A  B)
Ejemplos:
- Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
P ( A)  0.20
P ( B )  0.30
P ( A  B )  0.10
S A B
0.10
0.10 0.20
Hallar:
a) P(A' )
b) P( A'  B' )
c) P( A'  B' )
d) P( A'  B)
e) P( A  B' )
f) P( A'  B)
Solución:
a)
P( A' )  1  P( A)
 1  0.20
 0.80
b)
P( A'  B' )
De la ley de Morgan
114
A'B'  ( A  B)'
 P( A'B' )  P( A  B)'
Pero de:
P( A  B)'  1  P( A  B)
 1  0.40
 0.60
c) P( A'  B' )
P( A' B' )  P( A' )  P( B' )  P( A' B' )
 0.80  0.70  0.60
 0.90
Otra forma de obtener:

De la ley de Morgan
P ( A' B ' )  P ( A  B )'

 1  P( A  B)
 1  0.10
 0.90
d) P( A'  B)
P ( A' B)  P( A' B ) significa iguales

 P( B  A)  P ( B )  P ( A  B ) teorema
 0.30  0.10
 0.20
e) P( A  B' )
P( A  B' )  P( A  B)  P( A)  P( A  B)
 0.20  0.10
 0.10
f) P( A'  B)
P( A'  B)  P( A' )  P( B)  P( A'B)
 0.80  0.30  0.20
 0.90
115
8.1
Sean A y B cualesquiera, tal que:
P( A  B)  3 4
P( A' )  23
P( A  B)  1
4
Hallar:
a) P(B)
b) P( A  B' )
c) P( A'B' )
d) P( A'  B)
2. Probabilidad De Frecuencia Relativa

Cuando nos planteamos ciertas preguntas
¿Cuál es la Probabilidad de vender 2 cocinas en esta semana o de vender una cocina y
una refrigeradora?
¿Cuál es la probabilidad de que Rubén apruebe la asignatura de Estadística?
Para contestar estas dos preguntas no nos sirve la definición clásica, en este caso
necesitamos más información, para lo cual recurrimos a otros tipos de definiciones, por
ejemplo, a la definición por frecuencia relativa, la cual se define de la siguiente manera:
Sea A  2 S
A pertenecer al algebra de elementos.

La frecuencia absoluta ( fi ) es el número de veces que ocurre este evento en una serie
de n repeticiones similares del experimento y denotamos por f A , entonces la frecuencia
fA
relativa ( h i ) del evento A esta dado por: hA   P(A)
n
Luego:
1º 0  h A  1
116
2º La frecuencia relativa de todo el espacio muestral será:

fS n
hS   1
n n
3º h A B  h A  hB
Ejemplos:
- Al escoger al azar un trabajador de la tabla ¿Cuál es la probabilidad de que este
gane de S/205 a S/233?
Tabla de Frecuencia de Salarios de Trabajadores

i Salario fi hi
1 [ 163 - 177 [ 4 0.06
2 [ 177 - 191 [ 6 0.08
3 [ 191 - 205 [ 9 0.12
4 [ 205 - 219 [ 13 0.18
5 [ 219 - 233 [ 15 0.21
6 [ 233 - 247 [ 13 0.18
7 [ 247 - 261 ] 12 0.17
TOTAL 72 1
P ( 4   5 )  P ( 4 )  P ( 5 )
 h4  h5
 0.18  0.21
 0.39  39%
La probabilidad de encontrar un trabajador que ganes de s/205 a s/233 es del 39%
- El siguiente cuadro contiene la clasificación de 321 obreros de una empresa

respecto a dos características:
1º El numero de años que están trabajando en la empresa.
2º Su respuesta a la pregunta “Desea usted ir a la huelga para obtener un

aumento de salario”.
Respuesta Número de Años de la Empresa Total
117
Menos Más de
1a3 4 a 10
de 1 año 10
Si 27 54 137 28 246
No 14 18 34 3 69
No se 3 2 1 0 6
Total 44 74 172 31 321
A B C D
¿Cuál es la probabilidad de que un trabajador seleccionado al azar:

a) Tenga de 1 a 3 años en la empresa.
b) Haya contestado “si” a la pregunta.
c) Contesto “si” y esta trabajando en la empresa de 1 a 3 años
d) Contesta “si” y pertenece por lo menos 4 años a la empresa.
Solución:
Para facilitar la solución ponemos letras mayúsculas a las filas y columnas.
74
a) P( B)   0.2305  23.05%
321
246
b) P( M )   0.7663  77%
321
54
c) P(M  B)   0.1682  17%
321
d)
PM  C  D   PM  C   M  D 
 P( M  C )  P( M  D)
137 28
 
321 321
165
  0.514  51.4%
321
8.2
En una encuesta se determino que la probabilidad de que una persona consuma el producto
A es 0.5, que consuma B es 0.37, que consuma el producto C es 0.3, que consuma A y B es
0.12 que consuma solamente A y C es 0.08, que consuma solamente B y C es 0.05 y que
consuma solamente C es 0.15 ¿Calcular la probabilidad de que una persona escogida al
azar consuma:
118
a) Solamente consuma el producto B

b) Por lo menos dos de los productos
c) Exactamente dos productos
d) Que consuma A o B pero no C
3. Probabilidad Subjetiva
En la vida diaria hay ciertas preguntas que se hacen ciertos especialistas.
Ejemplo:
a) Un medico investigador dirá que al término de esta década se va a obtener una
vacuna contra el SIDA.
b) Un ingeniero de la NASA dirá que dentro de 20 años estaremos viajando a Venus.
Este tipo de probabilidad no se puede contestar con la definición clásica ni con la de

frecuencia relativa, porque no dio anteriormente y el enfoque es subjetivo por que hay
una sola oportunidad de ocurrencia de este evento.
La probabilidad subjetiva de la ocurrencia de un evento A es un numero asignado por un

individuo de acuerdo a las evidencias que dispone otra persona con otras evidencias
podría asignar a la ocurrencia del mismo evento A, otra probabilidad diferente (número
diferente al anterior).
4. Probabilidad Frente a Apuestas

Sea A un evento cualquiera. Si las a apuestas a favor de A son de 5 a 3, esto significa
que la probabilidad de A es:
5 a 3 a favor de A
5 5
P ( A)  
53 8
Interpretación: de 8 ocurrencias, 5 es a favor de A.
Ejemplo:
En una carrera de caballos, el caballo A tiene la apuesta 3 a 5, mientras que el caballo B
tiene 1 a 4 ¿Cuál es la probabilidad de que cualquiera de estos dos caballos gane?.
119
3 3
P( A)  
35 8
1 1
P( B)  
1 4 5
Pero como son mutuamente excluyentes
P ( A  B )  P ( A)  P ( B )
3 1
 
8 5
23
  0.575  57.5%
40
8.3
En una carrera de autos, el auto K tiene las apuestas 5 a 1 en su contra, mientras que el
auto M las tiene 9 a 1 en su contra. ¿Cuál es la probabilidad de que cualquiera de estos
autos gane?
5. Probabilidades De Espacios Finitos
Otro método para asignar probabilidades en espacios muestrales finitos.
S  W1 , W 2 , W3 , W n 
donde n =finito
 n

Se asigna a cada W i una probabilidad Pi , tal que la probabilidad de P

W   1 , la
i 1
i
suma de las probabilidades asignados a los elementos y espacio muestral es la unidad,

además cada uno es mutuamente excluyente y relativamente exhaustivo.
Ejemplo:
En el hipódromo los caballos A, B, C, D compiten en una carrera. A tiene 2 veces mas
probabilidad de ganar que B; B tiene 2 veces mas probabilidad que C y C tiene 2 veces
mas probabilidad que D.
a) Cuales son las probabilidades de ganar de cada uno de los caballos.
b) Cual es la probabilidad de que B o C gane.
Solución:
S= {gana A, gana B, gana C, gana D}
Este espacio muestral lo reemplazamos por:
120
S= { W1 , W 2 , W3 , W 4 }
a) P (W1 )  P (W 2 )  P (W3 )  P (W 4 )  1
Pero
P(W4 )  x
P(W3 )  2 x
P(W2 )  4 x
P(W1 )  8 x
x  2 x  4 x  8x  1
15 x  1
1
x
15
Todos tienen la misma capacidad de ganar, así tenemos:
1
P(W4 )   0.067  7%
15
P(W3 )  2 x  2  115   215  0.13  13%
P(W2 )  4 x  4 415   215  0.27  27%
P(W1 )  8 x  8 815   215  0.53  53%
b)
P(W2  W3 )  P(W2 )  P (W3 )
4 2
15 15
6
  0.4  40%
15
8.4
En una competencia participan 3 jóvenes 4 señoritas y 2 niños. Si los jóvenes tienen el

doble de habilidad de las señoritas y estas el triple de habilidad de los niños. ¿Cuál es la
probabilidad de que:
121
a) Gane un joven
b) Gane una señorita
c) Gane un niño
d) Gane un niño o una señorita
6. Probabilidad Condicional
Mide la proposición de veces que ocurre B de entre las que ha ocurrido A.
Sea A un suceso cuya probabilidad es distinta de creo; y sea B cual suceso: se llama
probabilidad de B condicionado a A al cociente:
PB A  P(PA(A)B)
6.1. Axiomas
I) Para cualquier suceso E
PE A  P(PE(A)A)  0
Por ser cociente de números no negativos.
II) Sean B y C dos sucesos incompatibles ( B C  ) . Entonces:

P BC
A
  PB P(CA)  A
PB  A  C  A

P ( A)
   
PB PC
A A
III)
P  A  PP(A)A  PP(( AA))  1
Por ser   A  A
122
6.2. Probabilidad de la Intersección de dos sucesos.
Consecuencia:
 A
P ( A  B )  P  A  P B
Ejemplo:
En una encuesta que se hace a 112 personas sobre el color de los ojos se obtiene
la siguiente tabla de resultado.
Asunto Ojos Azules Ojos Negros Total

(A) (N)
Varones (V) 20 30 50
Mujeres (M) 22 40 62
Total 42 70 112
Si la elección se hace sin condiciones, la probabilidad de elegir una persona con

los ojos azules es:
42 3
P( A)  
112 8
De elegir una persona con los ojos negros será:
70 5
P( N )  
112 8
Sin embargo, si la elección la hacemos solo entre los varones, la probabilidad de
ojos azules y los ojos negros respectivamente son:
20 2 30 3
P( A)   y P( N )  
50 5 50 5
Lo anterior se denota que son probabilidades calculadas sobre el conjunto de los
varones, se escribe P A V  que se lee “Probabilidad de A condicionada a V”; por lo

tanto, las condicionadas son:
 
PA 
V 5
2
 
PN 
V 5
3
Considerando lo anterior se dan otras probabilidades condicionadas, ejemplo:
123
 M   62
PA
22 11

31
P V  
30 3

N 70 7
Luego, podemos ver:
 
PA 
V
2
5
50 25
P(V )  
112 56
20 5
P A  V   
112 28
Entonces:
P A  V 
 
PA 
V P V 
5
5(56) 2
 28  
25 25(28) 5
56
 
PA 
V
2
5
- Se extraen dos cartas de una baraja de 52. Calcular la probabilidad de que

ambas cartas sean reyes.
Solución:
Hacemos A al evento que “la primera carta es un rey” y B al evento que “la
segunda carta es un rey”, nos piden calcular que A  B o sea “ambas cartas
son reyes”.
P( A  B)  P( A)  P B A
4 3
 
52 51
1

221
La probabilidad es de 1
221
8.5
124
1. Una urna contiene 10 bolas rojas y 6 negras. Se sacan dos bolas sin posibilidad de
reemplazarlo. ¿Cuál es la probabilidad de que la segunda bola sea negra si se sabe que
la primera ha sido negra?
2. Calcular la probabilidad de obtener cuatro 2 al lanzar cuatro dados.
7. Sucesos Independientes
Se dice que un suceso B es independiente de otro A cuando P B  A  PB es decir, el
suceso A no influya en B por lo tanto: diremos que A y B son independientes cuando
ocurre que:
P( A  B)  P( A)  P( B)
Ejemplo:
Se extraen sucesivamente y con devolución dos bolas de una bolsa que contiene 4 bolas
enumeradas del 1 al 4. Sea A el suceso de “obtener numero par en la primera
extracción” y B el suceso “de extraer la segunda bola sea impar” ¿Son A y B
independientes?
Solución:
Se tiene que verificar que:
P( A  B)  P( A)  P( B)
1
P( A) 
2
1
P( B) 
2
Los casos favorables de A  B “par en la primera e impar en la segunda” es:

A  B  2,1, 2,3, 4,1, 4,3
En total son 4 casos de un total de VR4, 2  4 2  16 casos posibles, por tanto
125
4 1
P( A  B)  
16 4
Luego
1 1 1 1
P( A  B)      P( A)  P( B)
4 2 2 4
Los sucesos son independientes.
8. Teorema De Bayes
El teorema de Bayes viene a seguir el proceso inverso al teorema de probabilidad total.
El teorema de Bayes dice:
P 
Ai 
 Ai 
P ( Ai )  P B
 B 
 P ( A )  P B A 
n
i
i 1 i
Donde:
Ai , A2 ,  , An son sucesos tales que
A1  A2    An  E , siendo E el espacio muestral
Y donde Ai  A j   si i  j , y V es un suceso del que se conocen las
probabilidades condicionales P B  , además de conocerse las probabilidades


 Ai 
P  Ai  .
Ejemplo:
El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieva: probabilidad de 30%
c) Si hay niebla: probabilidad de 20%
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente

es la siguiente:
a) si llueve: probabilidad de accidente 10%
b) si nieva: probabilidad de accidente 20%
c) si hay niebla: probabilidad de accidente 5%
126
Resulta que efectivamente ocurre un accidente y como no estábamos en la ciudad no

sabemos que tiempo hizo. El teorema de Bayes nos permite calcular estas posibilidades.
1) Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se

denomina “Probabilidad a priori” (lluvia con el 60%, nieve con el 30% y niebla con el
10%).
2) Una ves que incorporamos la información de que ha ocurrido un accidente, las
probabilidades del suceso a cambian, son probabilidades condicionadas P  AB  que se
denominan “Probabilidades a posteriori”.
Solución:
Aplicamos la formula:
P 
Ai 
 Ai 
P ( Ai )  P B
 B 
 P ( A )  P B A 
n
i
i 1 i
a) La probabilidad de que estuviera lloviendo

0.50  0.20
P 
Ai
 B  (0.50  0.20)  (0.30  0.10)  (0.20  0.05)
 0.714
La probabilidad de que efectivamente estuviera lloviendo el día del accidente

(probabilidad posteriori) es del 71.4%
b) Probabilidad de que estuviera nevando

0.30  0.10
P 
Ai

 B  (0.50  0.20)  (0.30  0.10)  (0.20  0.05)
 0.214
127
La probabilidad de que estuviera nevando es 21.4%
c) Probabilidad de que hubiera niebla
0.20  0.05
P 
Ai
 B  (0.50  0.20)  (0.30  0.10)  (0.20  0.05)
 0.071
La probabilidad de que hubiera niebla es del 7.1%
8.6
Un laboratorio somete a los choferes que cometen accidentes de tránsito a un test de

“dopaje etílico”. Se ha determinado que:
- Cuando el chofer está ebrio, el test proporciona resultado positivo en el 95% de los
casos.
- Cuando el chofer no está ebrio, el test proporciona resultado negativo en el 94% de
los casos.
- El 2% de los conductores que cometen accidentes manejan ebrios.
¿Cuál es la probabilidad de que el chofer esté ebrio dado que el resultado fue positivo?

GALDOS, L. Dominando las Matemáticas: Calculo y Estadística II y III, tomo 15 y 16,
Edición El Popular, Lima-Perú, 2005.
LIPSCHUTZ, S. Probabilidad. Editorial McGraw Hill. Colección Serie Schaum. Colombia.
1970
128
Nº 8
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. 10 libros son colocados aleatoriamente en un estante. Determinar la probabilidad que 4

libros determinados sean colocados juntos.
2. En una carrera de caballos, el caballo Q tiene la apuesta 7 a 2 , en su contra, mientras
que el cabalo R 8 a 5, en su contra¿ Cual es la probabilidad que cualquiera de esto
gane?
3. Una clase consta de 10 varones y 20 mujeres de los cuales, la mitad de los varones y la
mitad de las mujeres viven en Huancayo. Hallar la probabilidad que una persona
escogida al azar sea un varón o sea de Huancayo.
4. Sean los eventos A y B
P ( A)  1
2
P( A  B)  5
8
Hallar:
a) P( A'  B' )
b) P( A'  B)
5. Una compañía comercial tiene 130 sucursales localizados en las tres regiones naturales
del país, se dedican a la venta de diversos artículos, tales como aparece en el cuadro.
Se selecciona al azar una sucursal para colocar en el mercado un nuevo producto que
puede ser vendido por cualquiera de las sucursales.
Hallar la probabilidad que las sucursales seleccionadas no esten localizada en la selva o
vendan repuestos
Regiones Autos Repuestos Artefactos Total

Costa 50 20 30 100
Sierra 10 5 10 25
129
Selva 1 0 4 5
Total 61 25 44 130
130

ESTADISTICA - Probabilidades PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ESTADISTICA - Probabilidades PDF

Cargado por

Copyright:

Formatos disponibles

Excelencia Académica

ORGANIZACIÓN DE DATOS Y GRÁFICOS

UNIDAD ACADÉMICA III

MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (I)

MEDIDAS DE POSICIÓN O DE TENDENCIA CENTRAL (II)

UNIDAD ACADÉMICA VII

UNIDAD ACADÉMICA VIII

Al finalizar el estudio del presente fascículo el estudiante:

- Define la estadística y conoce sus clases.

Estadística Inferencial o Inductiva

- Población Infinita: Cuando el número de elementos es indeterminado o tan

Ejemplo. El conjunto de Insectos

Tamaño de la población: es el número total de elementos que tiene la población

Los datos pueden ser:

a. Datos cuantitativos: Consiste en números que representan conteos o

b. Datos Cualitativos: Se pueden dividir en diferentes categorías que se

Según la Naturaleza de la Variable

c) Variables intervinientes o interferentes

Ejemplo: El caso del Presupuesto familiar que es una variable dependiente,

Según la escala de medición

Según Amplitud de las Unidades de Observación

a.1. Variables Públicas

Las variables dependientes en un momento o caso pueden ser variables independientes y

74,3  74 (redondear al entero)

85,5  86 (redondear al entero)

1,315  1,32 (redondear a 2 decimales)

6. Notación Sistémica o Científica

a) 4,97 b) 38,49 c) 127,511

4. Realizar la notación científica de:

5. Cuántas cifras significativas tienen los siguientes números:

La expresión dada tiene la siguiente lectura: “Sumatoria de -1 elevado a la k por x

 x   1 x 2   12 x 3   13 x 4   14 x 5

AVILA A., Roberto. Estadística Elemental. Editorial R.A. Lima, 1998.

CAPUÑAY C. Abelino. Sumatoria y Binomio de Newton. Editorial Ingeniería. Lima 1984.

JONSON, Robert. Estadística Elemental, Editorial Trillas. 2ª edición. México. 1991.

MOOD, Alexander M. Introducción a la Teoría Estadística. Editorial Aguilar. Madrid 1972.

MOYA, Rufino. Estadística Descriptiva. Editorial San Marcos. Lima 1991.

En el siguiente fascículo estudiaremos la organización de datos a través de la Tabla de

5. ¿Por qué la Estadística es probabilística e Inferencial?

ORGANIZACIÓN DE DATOS Y GRÁFICAS

- Organiza datos originales en una distribución de frecuencia.

a) Clase y Marca de Clase

Los atributos cualitativos y cuantitativos deben ser exhaustivos y mutuamente excluyentes.

Sirven para decir si son iguales o menores.

- Frecuencia Absoluta Acumulada Desscendente ( F( 2) )

Sirven para decir si son iguales o mayores

Nos indica la fracción de los datos que son iguales o menores.

Indica la fracción de los datos que son iguales o mayores.

4. Tabla de Frecuencia para Variables Cuantitativas

Ejemplo: Caso cuantitativo continúo

34,51 31,54 35,40 38,24 34,60 38,20 35,61 36,70

Distancia Recorrida Xi fi hi Pi (%)

[ 30,00 - 31,25 [ 30,6250 2 0,0556 5,6

5. Construcción de Intervalos o Reducción de Datos

R  X max X min  1 para variable discreta

4. Determinar el numero de clases o intervalos (m)

m debe ser entero (   ), si sale decimal se redondea.

5. Calcular la amplitud Interválica ( a )

1,73 1,80 1,70 1,74 1,87 1,59

A continuación vamos a aplicar la regla para construir los intervalos y elaborar la

1º. Ordenamiento de Datos

4º Determinar el numero de clases; ( m ) por ser n <50 aplicamos el método de

También, se puede aplicar el método de la RAIZ, por ser muestra pequeña