1

I.E.
CÁRDENAS CENTRO

MÓDULO DE ESTADÍSTICA

CICLO V
GRADO DÉCIMO

2
 TABLA DE CONTENIDO

pág.

UNIDAD 1

1. POBLACIÓN, MUESTRA, VARIABLE ESTADÍSTICA: CUALITATIVA Y CUANTITATIVA 4

1.1. POBLACIÓN 4
1.2. LA MUESTRA 4
1.3. VARIABLE CUALITATIVA 4
1.4. VARIABLE CUANTITATIVA 4
2. ELABORACIÓN DE TABLAS DE DISTRIBUCIÓN DE FRECUENCIA CON DATOS AGRUPADOS 4
3. GRÁFICOS ESTADÍSTICOS: HISTOGRAMA, POLÍGONO DE FRECUENCIAS, OJIVA 5
3.1. HISTOGRAMA 5
3.2. POLÍGONO DE FRECUENCIAS 5
3.3. OJIVA 5

UNIDAD 2

1. MEDIDAS DE TENDENCIA CENTRAL CON DATOS AGRUPADOS: MEDIA ARITMÉTICA,

MEDIANA Y MODA 7
1.1. MEDIA PARA DATOS AGRUPADOS 7
1.2. MEDIANA PARA DATOS AGRUPADOS 7
1.3. LA MODA PARA DATOS AGRUPADOS 8
2. MEDIDAS DE DISPERSIÓN: RANGO, DESVIACIÓN MEDIA, VARIANZA, DESVIACIÓN TÍPICA
O ESTANDAR 8
2.1. RANGO 8
2.1.1. Rango para datos no agrupados 8
2.1.2. Rango para datos agrupados 8
2.1.3. Propiedades del Rango o Recorrido 9
2.2. DESVIACIÓN MEDIA 9
2.2.1. Propiedades 10
2.3. DESVIACIÓN TÍPICA 10
2.3.1. Cálculo de la desviación típica para datos no agrupados en clases 11
2.3.2. Cálculo de la desviación típica para datos agrupados en clases y agrupados por frecuencias 11
2.3.3. Propiedades 11
2.4. VARIANZA 11
2.4.1. Varianza para datos agrupados 12
2.4.2. Varianza para datos NO agrupados 12
2.4.3. Propiedades 13
3. ANÁLISIS DE RESULTADOS DE ENCUESTAS 14
4. NÚMERO ÍNDICE 14
4.1. APLICACIONES DE LOS NÚMEROS ÍNDICES 15
4.2. VENTAJAS DE LOS NÚMEROS ÍNDICES 15

EVALUACIÓN DE COMPETENCIAS 16

UNIDAD 3

1. TÉNICAS DE CONTEO 17
1.1. DIAGRAMA DE ÁRBOL 17

3
1.2. PRINCIPIO DE MULTIPLICACIÓN 17
1.3. COMBINACIONES Y PERMUTACIONES 18
1.3.1. Combinaciones 18
1.3.2. Permutaciones 18

EVALUACIÓN DE COMPETENCIAS 19

UNIDAD 4

1. CONCEPTO DE PROBABILIDAD 20
2. ESPACIOS MUESTRALES 20
3. CÁLCULO DE PROBABILIDADES 20
3.1. INDEPENDENCIA DE EVENTOS 21
3.1.1. Sucesos Excluyentes 21
3.1.2. Sucesos Independientes 21
3.1.3. Sucesos Dependientes 21

EVALUACIÓN DE COMPETENCIAS 22

BIBLIOGRAFÍA 24

4
 UNIDAD 1
1. POBLACIÓN, MUESTRA, VARIABLE ESTADÍSTICA: CUALITATIVA Y CUANTITATIVA

1.1. POBLACIÓN número de hermanos, número de discos vendidos,

número de pulsaciones.
Ess el conjunto de individuos, con alguna
característica común, sobre el que se hace un Una variable estadística cuantitativa es continua
estudio estadístico. cuando puede tomar todos los valores posibles de un
intervalo (es decir, se puede medir). Por ejemplo:
1.2. LA MUESTRA peso, talla, medida del salto de longitud.

Ess un subconjunto de la población, seleccionada de

modo que ponga de manifiesto las carac
características de
la misma, de ahí que la propiedad más importante de
las muestras es su representatividad.

El proceso seguido en la extracción de la muestra se

llama muestreo.

Cada uno de los aspectos que se desea conocer

acerca de la población se denomina variable
estadística. Las variables estadísticas pueden ser:

2. ELABORACIÓN DE TABLAS DE DISTRIBUCIÓN

DE FRECUENCIA CON DATOS AGRUPADOS

1.3. VARIABLE CUALITATIVA Es aquella distribución en la que la disposición

Sii se pueden observar o leer, pero no se pueden
contar o medir. Por ejemplo: color de pelo, lugar de
nacimiento, profesión.
1.4. VARIABLE CUANTITATIVA
Si se pueden
eden contar o medir. Por ejemplo: número de
hermanos, peso, número de discos vendidos, talla.
Las variables estadísticas cuantitativas pueden ser
discretas o continuas:
Una variable estadística cuantitativa es discreta
cuando sólo toma un número finito de valores
aislados (es decir, se puede contar). Por ejemplo:
tabular de los datos estadísticos se encuentran
ordenadoss en clases y con la frecuencia de cada
clase; es decir, los datos originales de varios valores
adyacentes del conjunto se combinan para formar un
intervalo de clase. No existen normas establecidas
para determinar cuándo es apropiado utilizar datos
agrupadosos o datos no agrupados; sin embargo, se
sugiere que cuando el número total de datos (N) es
igual o superior a 50 y además el rango o recorrido
de la serie de datos es mayor de 20, entonces, se
utilizará la distribución de frecuencia para datos
agrupados, también se utilizará este tipo de
distribución cuando se requiera elaborar gráficos
lineales como el histograma, el polígono de
frecuencia o la ojiva.

5
La razón fundamental para utilizar la distribución de
frecuencia de clases es proporcionar mejor
comunicación
cación acerca del patrón establecido en los
datos y facilitar la manipulación de los mismos. Los
datos se agrupan en clases con el fin de sintetizar,
resumir, condensar o hacer que la información
obtenida de una investigación sea manejable con
mayor facilidad.
Ejemplo: Ejemplo, la siguiente tabla muestra las
notas que se sacaron 45 alumnos de un curso en su
última prueba:
sobre el eje OX, este será la base del rectángulo que
se dibuja sobre él con altura igual o proporcional a su
frecuencia absoluta. Como los intervalos son
consecutivos, los rectángulos quedan adosados. Si
se utilizaran rectángulos de amplitud diferente,
dif el
área del rectángulo es la que tendría que ser
proporcional a la frecuencia absoluta
correspondiente a ese intervalo. Se utiliza el
histograma acumulativo, si se utiliza la frecuencia
absoluta acumulativa.

Observa que en este caso las clases son las notas y

las frecuencias de clase son la cantidad de alumnos.

3.2. POLÍGONO DE FRECUENCIAS

Se utilizan para variables estadísticas cuantitativas,

discretas o continuas. Para una variable discreta,
el polígono de frecuencias se obtiene uniendo por
una poligonal, los extremos superiores de las barras.
3. GRÁFICOS ESTADÍSTICOS:
S: HISTOGRAMA, Para una variable continua,
continua el polígono de
POLÍGONO DE FRECUENCIAS, OJIVA frecuencias
uencias se obtiene uniendo por una poligonal los
puntos medios de la base superior de los polígonos
Representación gráfica de datos estadísticos. Las del histograma. Las escalas utilizadas para
tablas estadísticas representan toda la información representar los polígonos de frecuencias influyen
de modo esquemático y están preparadas para los mucho por el impacto visual de los mismos.
cálculos posteriores. Los gráficos estadísticos nos
transmiten
en esa información de modo más expresivo,
nos van a permitir, con un sólo golpe de vista,
entender de que se nos habla, observar sus
características más importantes, incluso sacar
alguna conclusión sobre el comportamiento de la
muestra donde se está realizando
ando el estudio.

Los gráficos estadísticos son muy útiles para

comparar distintas tablas de frecuencia. Los gráficos
estadísticos más usuales son:

3.1. HISTOGRAMA 3.3. OJIVA

Se utiliza para la representación de variables Su objetivo,

jetivo, al igual que el histograma y el polígono
cuantitativas continuas, cada intervalo se representa
r de frecuencias es representar distribuciones de

6
frecuencias de variables cuantitativas continuas, pero
sólo para frecuencias acumuladas.
No se utilizan barras en su confección, sino
segmentos de recta, por ello no sólo es útil para
representar una distribución de frecuencias sino
también cuando se quiere mostrar más de una
distribución o una clasificación cruzada de una
variable cuantitativa continua con una cualitativa o
cuantitativa discreta.
La diferencia con el polígono de frecuencia es que la
frecuencia acumulada no se plotea sobre el punto
medio de la clase, sino al final de la misma, ya que
representa el número de individuos acumulados
hasta esa clase. Como el valor de la frecuencia
acumulada es mayor a medida que avanzamos en la
distribución, la poligonal que se obtiene siempre va a
ser creciente y esa forma particular de la misma es la
que ha hecho que se le dé también el nombre de
ojiva.

ACTIVIDAD
Se ha realizado una encuesta a 20 personas sobre el número de veces, que en la semana, van al cine y se han
obtenido las siguientes respuestas:

Nº días (xi) fr. absoluta (ni)

0 1
1 2
2 4
3 7
4 1
5 1
6 3
7 1
Total 20

Realiza el diagrama de barras, el polígono de frecuencias y el diagrama de sectores correspondiente.

7
 UNIDAD 2

1. MEDIDAS DE TENDENCIA CENTRAL CON
DATOS AGRUPADOS: MEDIA ARITMÉTICA,
MEDIANA Y MODA
Cuando se trabaja con datos que han sido
agrupados en una distribución de frecuencias, no se
sabe con certeza los valores individuales de cada
dato. Por lo que se utilizan métodos alternos para
aproximar los valores de las medidas descriptivas.
1.1. MEDIA PARA DATOS AGRUPADOS
Al calcular la media para datos agrupados, se
supone que las observaciones en cada clase son
iguales al punto medio de la clase:

1.2. MEDIANA PARA DATOS AGRUPADOS

Primero se encuentra la clase mediana, la cual es la clase cuya frecuencia acumulada es mayor o igual a n/2 y
puede determinarse mediante la siguiente fórmula:

8
1.3. LA MODA PARA DATOS AGRUPADOS
Es la observación que ocurre con mayor frecuencia, por lo que es necesario identificar la clase modal, esta se
localiza encontrando la clase que tenga más frecuencia.

2. MEDIDAS DE DISPERSIÓN: RANGO, 2.1. RANGO

DESVIACIÓN MEDIA, VARIANZA, DESVIACIÓN
TÍPICA O ESTANDAR
Con las medidas de centralización y posición
podemos conocer los valores centrales de un
conjunto de datos y la distribución de éstos. Uno de
los objetivos de las medidas de tendencia central es
la de sintetizar la información de los datos, pero
estas medidas por sí solas no bastan para ver su
grado de significación, veámoslo con un ejemplo.
Es la medida de variabilidad más fácil de calcular.
Para datos finitos o sin agrupar, el rango se define
como la diferencia entre el valor más alto (Xn ó
Xmax.) y el más bajo (X1 ó Xmin) en un conjunto de
datos.
2.1.1. Rango para datos no agrupados
R = Xmáx.-Xmín = Xn-X1

Consideremos las notas de dos grupos de 50 Ejemplo:

alumnos, en el primero 25 alumnos obtienen un 10 y
25 un 4, en el segundo los 50 alumnos obtienen un
7. Si calculamos la media en ambos conjuntos es la
misma (7), si sólo nos fijamos en la media podemos
afirmar que los dos grupos de alumnos son
bastantes buenos, pero lo cierto es que en el primer
grupo hay 25 alumnos que han obtenido una nota
excelente y 25 con mala nota, mientras que en el
segundo todos los alumnos han sacado una buena
nota.
La media para el primer grupo es menos
representativa que para el segundo. Hemos visto un
ejemplo, bastante exagerado para comprobar que las
medidas de tendencia central necesitan un
complemento, una medida que nos permita otorgar
mayor o menor representatividad estas medidas.
Se tienen las edades de cinco estudiantes
universitarios de Ier año, a saber: 18,23, 27,34 y 25.,
para calcular la media aritmética (promedio de las
edades, se tiene que:
R = Xn-X1 ) = 34-18 = 16 años
Con datos agrupados no se saben los valores
máximos y mínimos. Si no hay intervalos de clases
abiertos podemos aproximar el rango mediante el
uso de los límites de clases. Se aproxima el rango
tomando el límite superior de la última clase menos
el límite inferior de la primera clase.
2.1.2. Rango para datos agrupados
R= (lim. Sup. de la clase n – lim. Inf. De la clase 1)
Ejemplo:
Si se toman los datos del ejemplo resuelto al
construir la tabla de distribución de frecuencia de

9
las cuentas por cobrar de Cabrera’s y puesto que no cuenta con los demás valores de
Asociados que fueron los siguientes: la variable. Por tal razón, siempre existe el peligro
de que el recorrido ofrezca
Clases P.M. fi fr fa↓ fa↑ fra↓ fra↑ una descripción distorsionada de la dispersión.
Xi • En el control de la calidad se hace un uso
extenso del recorrido cuando la distribución a
7.420 – 14.628 10 0.33 10 30 0.3 1.00 utilizarse no la distorsionan y cuando
21.835 3 el ahorro del tiempo al hacer los cálculos es un
factor de importancia.
21.835 – 29.043 4 0.13 14 20 0.4 0.67
36.250 6
2.2. DESVIACIÓN MEDIA
36.250 – 43.458 5 0.17 19 16 0.6 0.54
50.665 3 En teoría, la desviación puede referirse a cada una
de las medidas de tendencia central: media, mediana
50.665 – 57.873 3 0.10 22 11 0.7 0.37 o moda; pero el interés se suele centrar en la medida
65.080 3 de la desviación con respecto a la media, que
llamaremos desviación media.
65.080 – 72.288 3 0.10 25 8 0.8 0.27
79.495 3 Puede definirse como la media aritmética de las
desviaciones de cada uno de los valores con
79.495 – 86.703 5 0.17 30 5 1.0 0.17 respecto a la media aritmética de la distribución, y de
93.910 0
indica así:
Total XXX 30 1.00 XXX XX XX XXX
Nótese que se toman las desviaciones en valor
X X
absoluto, es decir, que la fórmula no distingue si la
El rango de la distribución de frecuencias se calcula diferencia de cada valor de la variable con la media
así: es en más o en menos.

R= (lim. Sup. de la clase n – lim. Inf. De la clase 1) Ya se habrá advertido que esta expresión sirve para
calcular la desviación media en el caso de datos sin
= (93.910 – 7.420) = 86.49 agrupar.

2.1.3. Propiedades del Rango o Recorrido: Veamos un ejemplo: Se tiene los valores 2, 2, 4, 4,
5, 6, 7, 8, 8. Averiguar la desviación media de estos
valores.
• El recorrido es la medida de dispersión más
sencilla de calcular e interpretar puesto que x x−x x
simplemente es la distancia entre los
valores extremos (máximo y mínimo) en una 2 -3 3
distribución 2 3 3
• Puesto que el recorrido se basa en 4 -1 1
los valores extremos éste tiende s ser errático. No 4 -1 1
es extraño que en una distribución 4 -1 1
de datos económicos o comerciales incluya a 5 0 0
unos pocos valores en extremo pequeños o 6 1 1
grandes. Cuando tal cosa sucede, entonces el 7 2 2
recorrido solamente mide la dispersión con 8 3 3
respecto a esos valores anormales, ignorando a 8 3 3
los demás valores de la variable. DM = 1,8
• La principal desventaja del recorrido es que sólo
está influenciado por los valores extremos,,

10
Veamos ahora cómo se calcula la desviación media
en el caso de datos agrupados en intervalos.
La desviación media viene a indicar el grado de
concentración o de dispersión de los valores de la
variable. Si es muy alta, indica gran dispersión; si es
muy baja refleja un buen agrupamiento y que los
valores son parecidos entre sí.

La desviación media se puede utilizar como medida

Donde observamos que ahora las desviaciones van
multiplicadas por las frecuencias de los intervalos
correspondientes. Además, las desviaciones son de
cada centro, o marca de clase, a la media aritmética.
Es decir,
de dispersión en todas aquellas distribuciones en las
que la medida de tendencia central más
significativas haya sido la media.
2.2.1. Propiedades

Nos da la media de la dispersión de los

datos.
Intervienen para su cálculo todos los datos.
Cada vez que insertemos un dato nuevo se
Ejemplo: modificará.
Al intervenir un valor absoluto los cálculos
Para hallar la desviación media de la siguiente tabla son complicados.
referida a las edades de los 100 empleados de una A mayor concentración de los datos entorno
cierta empresa: a la media menor será su valor.
DM es no negativa
Clase ni DM=0 si y sólo si todos los valores son
16-20 2 coincidentes.
20-24 8
24-28 8 2.3. DESVIACIÓN TÍPICA
28-32 18
32-36 20
Con la varianza se elevan al cuadrado las unidades
36-40 18 de medida, sería interesante tener una medida de
40-44 15 dispersión con las mismas unidades de la media y
44-48 8 los datos, esto lo podemos conseguir haciendo la
48-52 3 raíz cuadrada positiva de la varianza, a la que
Veamos cómo se procede: llamaremos desviación típica.
Clase ni xm ni ⋅ xm x−x ni ⋅ x − x Es sin duda la medida de dispersión más importante,
16-20 2 18 36 16,72 33,44 ya que además sirve como medida previa al cálculo
20-24 8 22 176 de otros valores estadísticos.
24-28 8
28-32 18 La desviación típica se define como la raíz cuadrada
de la media de los cuadrados de las desviaciones
32-36 20
con respecto a la media de la distribución. Es decir,
36-40 18
40-44 18
44-48 8
48-52 3
100 Para datos sin agrupar

DM = 6,09

11
 Donde:

Para datos agrupados
2.3.1. Cálculo de la desviación típica para datos
no agrupados en clases. Veamos la fórmula
anterior aplicada a un caso concreto.
Hallar la desviación típica de la serie: 5, 8, 10, 12, 16.
I: amplitud de la clase
D: distancia en clases desde cada una en concreto a
la clase que contiene a la media supuesta A.
Ejemplo:
Las alturas en cm de un grupo de 103 personas se
distribuyen así:

x−x x−x
x 2 Clases f
150 – 155 3
5 -5,2 27,04 155 – 160 6
8 -2,2 4,84 160 – 165 12
10 -0,2 0,04 165 – 170 18
12 1,8 3,24 170 – 175 25
16 5,8 33,64 175 – 180 17
180 – 185 10
Primero hallamos x = 10,2 185 – 190 7
190 – 195 4
Luego S = 13,76 = 3,71 195 – 200 1
103
2.3.2. Cálculo de la desviación típica para datos Resp: S = 9,56
agrupados en clases y agrupados por
frecuencias. Método largo: Se aplica la siguiente 2.3.3. Propiedades
fórmula

S=
∑ fx 2 Tiene la misma unidad que los datos y que la
media.
N Siempre es positiva, será cero si y sólo si
todos los datos son coincidentes.
Donde x = x m − x y f es la frecuencia absoluta de Es la medida de dispersión más usada.
Es invariante ante cambios de origen.
cada intervalo. Si se produce un cambio de escala la nueva
desviación típica es igual a la anterior
Método abreviado o corto: La fórmula a utilizar es:
multiplicada por el cambio.
Si se produce simultáneamente un cambio de
∑ fd  ∑ fd 
2 2
origen y escala en los datos, sólo el cambio de
S=I −  escala afectará a la desviación típica.
N  N 
 

2.4. VARIANZA

La desviación media es una medida de dispersión de
datos correcta pero presenta un inconveniente y es
la complejidad de manipulación al intervenir valores
absolutos. Sería conveniente encontrar otra medida
que no presente el problema inicial (que no se
compensen las dispersiones negativas con las
positivas) y cuyo manejo se hace más sencillo. Otra
forma de evitar la compensación de dispersiones es
elevar al cuadrado la diferencia y es más sencillo
trabajar con cuadrados que con valores absolutos,

12
teniendo en cuenta esta consideración La varianza es la media aritmética del
introduciremos el concepto de varianza. cuadrado de las des
desviaciones
viaciones respecto a la
media de una distribución estadística.

La varianza se representa
presenta por .

2.4.1. Varianza para datos agrupados

Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son
equivalentes a las anteriores.

2.4.2. Varianza para datos NO agrupados

Ejemplo:

Calcular la varianza de la distribución:

9, 3, 8, 8, 9, 8, 9, 18

13
2.4.3. Propiedades

Como sumamos cuadrados la varianza siempre es positiva y será nula cuando todos los valores de la
variable sean coincidentes y por tanto iguales a la varianza.
Al elevar al cuadrado elevamos la unidad de medida de las observaciones al cuadrado.
Al elevarse al cuadrado las desviaciones aquellos valores más alejados de la media afectarán mucho a la
varianza.
Es invariante ante cambios de origen.
Si se produce un cambio de escala la nueva varianza es igual a la anterior multiplicada por el cuadrado
del cambio.
Si se produce simultáneamente un cambio de origen y escala en los datos, sólo el cambio de escala
afectará a la varianza.

EJERCICIOS
1) Sumando 5 a cada número del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que ambos
conjuntos de números tienen la misma desviación típica pero diferentes medias ¿cómo están relacionadas las
medias?.

2) Multiplicando cada número 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto 11, 17, 9 7, 19
15. ¿Cuál es la relación entre la desviación típica de ambos conjuntos? ¿Y entre las medias?

3) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. ¿Cuál es el valor de la media de X?.

4) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9 respectivamente.
¿Para cual de las dos variables el valor de la media es más representativo?

5) La distribución de edades del Censo Electoral de Residentes a 1 de enero de 1.999 para 2 comunidades
autónomas X y Y, en tantos por cien es la siguiente:

Edades X Y
16–18 3.54 4.35
18–30 21.56 29.99
30–50 31.63 35.21
50–70 28.14 21.97
70–90 15.12 8.48

a) Representa sobre los mismos ejes de coordenadas los histogramas de la distribución de la edad para
las dos CC.AA. (emplea distinto trazo o distintos colores). ¿Qué conclusiones obtienes a la vista de los
histogramas?
b) Calcula la edad mediana para las dos comunidades. Compáralas. ¿Qué indican estos resultados?
c) Qué comunidad tiene mayor variabilidad en la distribución de su edad?

14
3. ANÁLISIS DE RESULTADOS DE ENCUESTAS
Una vez concluidas las etapas de colección y
procesamiento de datos se inicia con una de las más
importantes fases de una investigación: el análisis de
datos. En esta etapa se determina como analizar los
datos y que herramientas de análisis estadístico son
adecuadas para éste propósito. El tipo de análisis de
los datos depende al menos de los siguientes
factores.
a) El nivel de medición de las variables (los niveles
de medición fueron explicados en la sección 2.4 del
capítulo II).
b) El tipo de hipótesis formulada (ver sección 2.2,
capítulo II).
c) El diseño de investigación utilizado indica el tipo
de análisis requerido para la comprobación de
hipótesis.
El análisis de datos es el precedente para la
actividad de interpretación. La interpretación se
realiza en términos de los resultados de la
investigación. Esta actividad consiste en establecer
inferencias sobre las relaciones entre las variables
estudiadas para extraer conclusiones y bivariado o trivariado dependiendo de la cantidad de
recomendaciones (Kerlinger, 1982). La interpretación
se realiza en dos etapas:
a) Interpretación de las relaciones entre las variables
y los datos que las sustentan con fundamento en
algún nivel de significancia estadística.
b) Establecer un significado más amplio de la
investigación, es decir, determinar el grado de
generalización de los resultados de la investigación.
Las dos anteriores etapas se sustentan en el grado
de validez y confiabilidad de la investigación. Ello
15
implica la capacidad de generalización de los
resultados obtenidos.
“Analizar significa establecer categorías, ordenar,
manipular y resumir los datos,” (Kerlinger, 1982, p.
96). En esta etapa del proceso de investigación se
procede a racionalizar los datos colectados a fin de
explicar e interpretar las posibles relaciones que
expresan las variables estudiadas.
El diseño de tablas estadísticas permite aplicar
técnicas de análisis complejas facilitando este
proceso. El análisis debe expresarse de manera
clara y simple utilizando lógica tanto inductiva como
deductiva.
Los resultados de una investigación basados en
datos muestrales requieren de una aproximación al
verdadero valor de la población (Zorrilla, 1994). Para
lograr lo anterior se requiere de una serie de técnicas
estadísticas. Estas técnicas se derivan tanto de la
estadística paramétrica como de la estadística no
paramétrica. La primera tiene como supuestos que la
población estudiada posee una distribución normal y
que los datos obtenidos se midieron en una escala
de intervalo y de razón. La segunda no establece
supuestos acerca de la distribución de la población
sin embargo requiere que las variables estudiadas se
midan a nivel nominal u ordinal (ver Weiers, 1993).
Las tablas diseñadas para el análisis de datos se
incluyen en el reporte final y pueden ser útiles para
analizar una o más variables. En virtud de éste último
criterio el análisis de datos puede ser univariado,
variables que se analizan.
4. NÚMERO ÍNDICE
Un número índice es una medida estadística que
permite caracterizar la evolución de una magnitud
(simple, como el precio del pan, o compuesta, como
el PIB) en dos instantes o períodos de tiempo
distintos “0” y “t”. Se suelen representar mediante
una letra afectada por un subíndice (que indica el
instante o período que se toma como base o
referencia) y un superíndice (que indica el otro
instante o período de tiempo al que se refiere el Ejemplo: un comerciante ha registrado las
número índice). siguientes ventas anuales. Tomando como base el
año 1980
Un Número índice es un valor representativo que
indica las variaciones de una o más variables en un
periodo dado con respecto a un periodo base.

Año 1980 1981 1982 1983 1984

Ventas ($) 200.000 250.000 200.000 190.000 220.000
Cálculo de un índice de ventas
Año Razón Cambio de un decimal Índice multiplicado x 100
1980 200.000/200.000 1.00 100
1981 250.000/200.000 1.25 125
1982 200.000/200.000 1.00 100
1983 190.000/200.000 0.95 95
1984 220.000/200.000 1.10 110

4.1. APLICACIONES DE LOS NÚMEROS ÍNDICES
Los números índices
son muy versátiles, lo
que los hace aplicable
a cualquier ciencia o
campo de estudio.
Esencialmente se
usan para hacer
comparaciones.
En educación se pueden usar los números índices
para comparar la inteligencia relativa de estudiantes
en sitios diferentes o en años diferentes.
Los gerentes se valen de los números índices como
parte de un cálculo intermedio para entender mejor
otra información.
Los índices estaciónales sirven para modificar o
mejorar las estimaciones del futuro.
En el campo donde los números índices son de
mayor utilidad es, en la economía, ya que esta se
vale de indicadores económicos, para estudiar las
situaciones presentes y tratar de predecir las futuras,
dichos indicadores económicos en esencia son
números índices, ejemplo de ello son IPC, PNI,
deflactor implícito del PNI, entre muchos otros.

4.2. VENTAJAS DE LOS NÚMEROS ÍNDICES
Un índice muestra el cambio en porcentajes del año
base.
Si no existiera cambio alguno, el numerador y el
denominador serian iguales.
Un número índice puede representar cambios en
muchas cantidades.
Un número índice facilita comparar los cambios en
diferentes tipos de información.
Como los números índices muestran cambios en
porcentaje, más bien que cambios aritméticos, el
tamaño de la información y las unidades de medición
no son importantes.
ANALIZA
2 situaciones en las que pueden ser útil el número
índice. Relaciona los ejemplos.

16
 EVALUACIÓN DE COMPETENCIAS
1. Qué son los fenómenos aleatorios
a) Los que no sabemos lo que va a resultar
b) Un conjunto de posibles resultados.
c) Los que sabemos lo que va a resultar a priori
d) Un conjunto total de fenómenos
2. Qué es probabilidad
a) Es el resultado de un suceso aleatorio
b) Es dar la medida al resultado de un suceso
aleatorio
c) Es la medida del resultado de un suceso
simple
d) Es el resultado de un suceso simple.
3. Una permutación es:
a) La cuasi varianza de un suceso normal y
creciente.
b) Un elemento cuya varianza es infinito
c) Un conjunto de n elementos que se pueden
ordenar
d) La cuasi varianza de un suceso aleatorio
4. La varianza nos mide:
a) Alrededor de la cuasi varianza
b) Nos mide la exactitud de la muestra
c) La variabilidad de la variable alrededor de la
media
d) Nos mide la linealidad del espacio muestral.
5. En un espacio muestral la moda será:
a) El valor medio de todos los datos
b) El valor que más veces se repita
c) El valor situado en la mitad de la muestra
d) La media entre el primer y el último valor.
6. Las medidas de posición son:
a) Varianza, moda y cuasi varianza
b) Moda, varianza y mediana
c) Moda, media y mediana
d) Media, mediana y desviación típica.
7. Quién nos medirá la simetría de
distribución?
a) El 1er coeficiente de Ficher
b) Las medidas de dispersión
c) Los cuartiles.
d) El 2º coeficiente de Ficher
8. En las medidas de dispersión si la variabilidad
es muy grande:
a) La media no tiene trascendencia
b) Los datos están ordenados de forma
creciente
c) La media es siempre cero
d) El espacio muestral es infinito no numerable.
9. Qué otro nombre recibe la curva normal de
media?:
a) Curva de Laplace
b) Curva Normal
c) Curva de Gauss
d) Curva de Tipificación.
10. En una variable tipificada:
a) La media es la mitad de la varianza.
b) La media es cero
c) La varianza es cero
d) La media es la unidad
11. Cómo definirías la mediana:
a) El valor cuadrado de la moda
b) El valor de la variable que hace que la
frecuencia condicionada sea 0.5
c) Ajustar la moda al valor 0.5.
d) Tipificar una variable aleatoria
12. Qué es lo que mide la relación entre las
variables?:
a) Coeficiente de determinación
b) Correlación
c) Coeficiente de correlación lineal.
d) Regresión
13. Qué estudia la correlación?:
a) La dependencia al exponencial de las
variables.
una
b) La relación lineal de las variables
c) La interdependencia de las variables
d) La recta de regresión de las variables
17
 UNIDAD 3
1. TÉNICAS DE CONTEO. Si el número de posibles
resultados de un experimento es pequeño, es
relativamente fácil listar y contar todos los posibles
resultados. Al tirar un dado, por ejemplo, hay seis
posibles resultados. Si, sin embargo, hay un gran
número de posibles resultados tales como el número
de niños y niñas por familias con cinco hijos, sería
tedioso listar y contar todas las posibilidades.
Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3
niños y 2 niñas, 2 niños y 3 niñas, etc. Para facilitar
esta tarea existen las técnicas de conteo
1.1. DIAGRAMA DE ÁRBOL
Un diagrama de árbol es una representación gráfica
de un experimento que consta de r pasos, donde
cada uno de los pasos tiene un número
núme finito de
maneras de ser llevado a cabo.
Ejemplo:
Se lanza una moneda, si sale águila se lanza un
dado y si sale sol se lanza la moneda de nuevo.
18
EJERCICIO
Un hombre tiene tiempo de jugar ruleta cinco veces
como máximo, él empieza a jugar con un dólar, d
apuesta cada vez un dólar y puede ganar o perder
en cada juego un dólar, él se va a retirar de jugar si
pierde todo su dinero, si gana tres dólares (esto es si
completa un total de cuatro dólares) o si completa los
cinco juegos.
ULTIPLICACIÓN
1.2. PRINCIPIO DE MULTIPLICACIÓN
Si hay m formas de hacer una cosa y hay n formas
de hacer otra cosa, hay m x n formas da hacer
ambas cosas.
En términos de fórmula.
fórmula Número total de arreglos =
mxn
Esto puede ser extendido a más de dos eventos.
Para tres eventos, m, n, y o:
o
Número total de arreglos = m x n x o
Ejemplo:
Un vendedor de autos quiere presentar a sus clientes
todas las diferentes opciones con que cuenta: auto
convertible, auto de 2 puertas y auto de 4 puertas,
cualquiera de ellos con rines deportivos o estándar.
estándar
¿Cuántos diferentes arreglos de autos y rines puede
ofrecer el vendedor?
Para solucionar el problema podemos emplear la
técnica de la multiplicación, (donde m es número de
modelos y n es el número de tipos de rin).
Número total de arreglos = 3 x 2
No fuee difícil de listar y contar todos los posibles
arreglos de modelos de autos y rines en este
ejemplo. Suponga, sin embargo, que el vendedor
tiene para ofrecer ocho modelos de auto y seis tipos
de rines. Sería tedioso hacer un dibujo con todas las
posibilidades.
ades. Aplicando la técnica de la
multiplicación fácilmente realizamos el cálculo:
Número total de arreglos = m x n = 8 x 6 = 48
1.3. COMBINACIONES Y PERMUTACIONES Ejemplo:

1.3.1. Combinaciones. Las combinaciones son muy
parecidas a los arreglos, con la diferencia de que en
los conjuntos que se forman no importa el orden de
manera que { , , } y { , , }. El número de
combinaciones de an elementos que puedo hacer de
un total de m elementos será:
m!
Cnm =
n !i( m − n ) !
Ejemplo:
Si se quiere formar un equipo de trabajo formado por
2 personas seleccionadas de un grupo de tres (A, B
y C). Si en el equipo hay dos funciones diferentes,
entonces si importa el orden, los resultados serán
permutaciones. Por el contrario si en el equipo no
hay funciones definidas, entonces no importa el
orden y los resultados serán combinaciones. Los
resultados en ambos casos son los siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
1.3.2. Permutaciones. La técnica de la permutación
es aplicada para encontrar el número posible de
arreglos donde hay solo un grupo de objetos.
Tres componentes electrónicos - un transistor, un
capacitor, y un diodo - serán ensamblados en una
tablilla de una televisión. Los componentes pueden
ser ensamblados en cualquier orden. ¿De cuantas
diferentes maneras pueden ser ensamblados los tres
componentes?
Las diferentes maneras de ensamblar los
componentes son llamadas permutaciones, y son las
siguientes:
TDC DTC CDT
TCD DCT CTD
Permutación: Todos los arreglos de r objetos
seleccionados de n objetos posibles
La fórmula empleada para contar el número total de
diferentes permutaciones es:
n P r = n!
(n – r )!
Donde:
nPr es el número de permutaciones posible
n es el número total de objetos
r es el número de objetos utilizados en un mismo
momento
n P r = n! = 3! = 3 x 2 = 6
(n – r )! ( 3 – 3 )!

RESUELVE

Juanita invito a sus amigos a cenar. Juanita tiene 10 amigos, pero solo tiene 6 lugares en la mesa.

a) ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados.
b) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados.
c) Dos de sus amigos son un feliz matrimonio, Juanita decidió sentarlos a la mesa juntos. ¿De cuantas maneras
los puede sentar a la mesa?, si no le importa como queden acomodados los demás.
d) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás.
e) Dos de sus amigos son enemigos, Juanita no los quiere sentar juntos a la mesa. ¿De cuantas maneras los
puede sentar a la mesa?, si no le importa como queden acomodados los demás.
f) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás.

19
 EVALUACIÓN DE COMPETENCIAS

1. Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de
computadoras. ¿De cuantas maneras diferentes pueden ser arregladas las 8 máquinas en los tres espacios
disponibles?

2. El profesor quiere saber ¿cuántas series de 2 letras se pueden formar con las letras A, B, C, si se permite la
repetición?

3. En una compañía se quiere establecer un código de colores para identificar cada una de las 42 partes de un
producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una
tenga una combinación de 3 colores diferentes. ¿Será adecuado este código de colores para identificar las 42
partes del producto?

4. En una escuela primaria de la ciudad, imparte clase la maestra Bety. Ella es feliz enseñando al grupo de tercer
grado, que está compuesto por 15 niñas y 12 niños. Bety propone a los niños formar una mesa directiva del grupo
formada por cinco de ellos. La mesa directiva estaría formada por un presidente, un secretario, un tesorero, y dos
vocales.

a) ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos.

b) Bety piensa que como hay más niñas que niños la mesa directiva debe integrarse por 3 niñas y 2 niños. ¿De
cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos.

c) La maestra Susana (la de cuarto) le sugiere que solo el puesto de presidente sea para niñas y los otros 4
puestos sean para niños. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden
asignados los otros puestos.

d) El profesor de educación física ( Ramón ) dice que todos los puestos deben de ser para niños, pero podría
dársele el puesto de secretaria a una niña. ¿De cuantas maneras puede formar la mesa directiva?, si le importa
como queden asignados los otros puestos.

e) En el grupo de tercer grado hay 4 reprobados (3 niños y una niña) y la maestra Bety decidió que ellos no
pueden formar parte de la mesa directiva. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa
como queden asignados los puestos.

f) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de
tercer grado, quede integrada por puras niñas? Sin importar como queden asignados los puestos.

g) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de
tercer grado, quede integrada por puros niños? Sin importar como queden asignados los puestos.

h) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de
tercer grado, el presidente, secretario y tesorero sean niños y las dos vocales niñas? Sin importar como queden
asignados los puestos.

20
 UNIDAD 4

1. CONCEPTO DE PROBABILIDAD espacio muestral en este caso es un conjunto de dos

La probabilidad nos sirve para medir la frecuencia
con que ocurre un resultado de entre todos los
posibles en algún experimento.
2. ESPACIOS MUESTRALES
elementos.
Smoneda = {que salga cara, que salga sello}
Si en lugar de una moneda, lanzamos un dado
entonces el espacio muestral tendrá seis elementos,
uno correspondiente a cada cara del dado:

Sdado = {1; 2; 3; 4; 5; 6}
El espacio muestral (lo abreviamos simplemente
como S) es un conjunto formado por todos los Y si lanzamos el dado y la moneda al mismo tiempo
resultados posibles de algún experimento, por el espacio muestral estará conformado por pares
ejemplo, si lanzamos una moneda al aire (a esto ordenados de la forma:
llamamos experimento), existen solo 2 posibilidades,
que salga cara o que salga sello. Por lo tanto el

Smoneda+dado = (cara; 1); (cara; 2); (cara; 3); (cara; 4); (cara; 5); (cara; 6);
(sello; 1); (sello; 2); (sello; 3); (sello; 4); (sello; 5); (sello; 6)

3. CÁLCULO DE PROBABILIDADES salga el dos), mientras que los casos posibles (n)
son seis (puede salir cualquier número del uno al
La probabilidad de ocurrencia de un determinado seis).
suceso podría definirse como la proporción de veces Por lo tanto:
que ocurriría dicho suceso si se repitiese un
experimento o una observación en un número
grande de ocasiones bajo condiciones similares. Por
definición, entonces, la probabilidad se mide por un
número entre cero y uno: si un suceso no ocurre (o lo que es lo mismo, 16,6%)
nunca, su probabilidad asociada es cero, mientras
que si ocurriese siempre su probabilidad sería igual a
uno. Así, las probabilidades suelen venir expresadas b) Probabilidad de que al lanzar un dado salga un
como decimales, fracciones o porcentajes. número par: en este caso los casos favorables (f)
son tres (que salga el dos, el cuatro o el seis),
mientras que los casos posibles (n) siguen siendo
El método más utilizado en probabilidad es aplicando
seis.
la Regla de Laplace: define la probabilidad de un
suceso como el cociente entre casos favorables y Por lo tanto:
casos posibles.

(o lo que es lo mismo, 50%)

Condiciones importantes
Ejemplos:
Para poder aplicar la Regla de Laplace el
a) Probabilidad de que al lanzar un dado salga el experimento aleatorio tiene que cumplir dos
número 2: el caso favorable (f) es tan sólo uno (que requisitos:

21
a) El número de resultados posibles (sucesoso
eventos) tiene que ser finito. Si hubiera infinitos
resultados, al aplicar la regla "casos favorables
dividido por casos posibles" el cociente siempre sería
cero.
b) Todos los sucesos o eventos tienen que tener la
misma probabilidad. Si al lanzar un dado, algunas
caras tuvieran mayor probabilidad de salir que otras,
no podríamos aplicar esta regla.
A la regla de Laplace también se le denomina
"probabilidad a priori", ya que para aplicarla hay que
conocer antes de realizar el experimento cuales son
los posibles resultados y saber que todos tienen las
mismas probabilidades.
Cuando se realiza un experimento aleatorio un
número muy elevado de veces, las probabilidades de
los diversos posibles sucesos empiezan a converger
hacia valores determinados, que son sus respectivas
probabilidades.
22
3.1. INDEPENDENCIA DE EVENTOS
Existen relaciones entre los sucesos:
3.1.1. Sucesos Excluyentes. Dos o más sucesos
serán excluyentes si solo uno de ellos puede ocurrir
en un experimento, por ejemplo al lanzar una
moneda, si sale cara entonces no puede salir sello y
viceversa, por lo tanto estos sucesos son
excluyentes.
3.1.2. Sucesos Independientes. Dos o más
sucesos son independientes cuando la ocurrencia de
uno, no afecta la ocurrencia del o los otros. Por
ejemplo en el lanzamiento del dado y la moneda si
sale cara o sale sello, no afecta en ninguna medida
el número que salga en el dado, por lo tanto estos
sucesos son independientes.
3.1.3. Sucesos Dependientes. Dos o más sucesos
son dependientes cuando la ocurrencia de alguno de
ellos sí afecta la ocurrencia de los otros. Por ejemplo
si tengo un saco con 2 bolas negras y una bola roja,
el suceso de sacar la bola roja me impedirá sacar
una bola roja en el siguiente intento pues en el saco
solo hay 2 bolas negras, en este caso esos sucesos
son dependientes.
 EVALUACIÓN DE COMPETENCIAS
1. El siguiente gráfico circular muestra como
Jorge ganó $ 600.000 durante sus vacaciones:

Cuál es la medida del ángulo central de la

sección que lleva por nombre quehaceres?
a) 30º b) 60º c) 90º d) 120º
2. El diagrama de Venn muestra los resultados de
una encuesta en la que les preguntaron a 100
personas si se informan de las noticias leyendo
los periódicos o mirando televisión.
4. Una familia necesitó $100.000 para hacer un
paseo. La mitad se gastó en carne y lo que
quedó se repartió de esta forma: a) la mitad en
vinos y bebidas, b) un cuarto en frutas y c) el
resto en verduras. ¿Cuál(es) de las siguientes
afirmaciones se desprende(n) de la información
dada?.
I) El gasto de carne fue equivalente al doble
de lo ocupado en vinos y bebidas.
II) En frutas y verduras se gastó lo mismo
que para vinos y bebidas.
III) El 25% del total se ocupó en las frutas y
verduras.

a) Sólo II. c) I y II. e) I y III.

¿Cuál es la probabilidad de que una persona
seleccionada al azar de esta encuesta no elija a la
televisión como una fuente de información de las
noticias?
b) II y III d) I, II y III.
5. En un equipo de ″A″ jugadores (con pelo negro
y rubio) ″B″ de ellos son rubios. Entonces el
porcentaje que tiene pelo negro es:

a) 15 c) 55 a) b)
100 100

b) 35 d) 75 c) 100 (A + B) % d)
100 100
3. Los puntos del gráfico indican la cantidad de e) Ninguna de las anteriores.
cajas de cierto fármaco vendidas durante los seis
primeros meses de un año. ¿Cuál es la cantidad 6. Una persona que participa en un concurso,
promedio de cajas vendidas durante ese debe responder Verdadero o Falso a una
período? afirmación que se le hace en cada una de seis
etapas. Si la persona responde al azar, la

23
probabilidad de que acierte en las seis etapas es I) La probabilidad de que la flecha caiga en el
de: 1
número 1 es .
1 1 2
a) d) II) La probabilidad de que la flecha caiga en el
2 32
1
1 1 número 2 es .
b) e) 4
6 64 III) La probabilidad de que la flecha caiga en el
2
1 número 2 ó en el 3 es
c) 3
12
a) Sólo I
7. Se lanzan dos dados, uno a continuación del
otro. Sabiendo que la suma de los puntos b) Sólo II
obtenidos es 6, la probabilidad de que en un
c) Sólo III
dado aparezca un 2 es:
d) Sólo I y II
2 1
a) d) e) Sólo I y III
5 3
2 1
b) e) 9. De una tómbola se saca una de 30 bolitas
36 6 numeradas de 1 a 30. ¿Cuál es la probabilidad de
que el número de la bolita extraída sea múltiplo
5 de 4?
c)
36
23 30
a) d)
30 7
8. En la figura
4 30
b) e)
30 23
7
c)
30

se tiene una ruleta en que la flecha puede indicar

cualquiera de los 4 sectores y ella nunca cae en
los límites de dichos sectores. ¿Cuál(es) de las
siguientes proposiciones es(son) verdadera(s)?

24
 BIBLIOGRAFÍA

http://html.rincondelvago.com/sistemas-digitales.html
http://es.wikipedia.org/wiki/Tridimensional
http://tdd.elisava.net/coleccion/12/cross-es
http://www.desarrolloweb.com/articulos/332.php
http://www.aulaclic.es/dreamweaver-cs5/t_2_2.htm#ap_02_02
http://web.educastur.princast.es/ies/aramo/departamentos/mate/complejos/complejos%20_1.htm
http://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml#centiles
http://www.ematematicas.net/estadistica/medidas/index.php?tipo=ej_dispersion
http://www.ematematicas.net/parit.php
http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm
http://www.mitecnologico.com/Main/TecnicasDeConteo
http://tratamientodedatos.wordpress.com/2011/03/07/medidas-de-tendencia-central-para-datos-no-agrupados-y-
agrupados/
http://www.monografias.com/trabajos43/medidas-dispersion/medidas-dispersion2.shtml
http://www.eumed.net/libros/2006c/203/2n.htm

PAREDES NUÑEZ, Pamela; RAMÍREZ PANATT Manuel. Apuntes de Preparación para la Prueba de Selección
Universitaria Matemática.Chile. 2009.

25