Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Ciclo-Ii PDF
Estadistica Ciclo-Ii PDF
II CICLO
Cuaderno de Trabajo
II
PRESENTACIÓN
moderno, es necesario estar al tanto de los diversos aspectos que forman parte de
jurídico, social y cultural. Al estar mejor informado, el joven profesional podrá tomar
UNIDA.
LA VISIÓN
LA MISIÓN
"Promover la Educación Superior en todos los niveles formando profesionales capaces
de contribuir para el desarrollo social y económico de la región y del país, buscando
siempre la mejoría en la enseñanza, la viabilidad financiera y la satisfacción de sus
alumnos, así como la producción de conocimiento a través de las investigaciones y
servicios de extensión a la comunidad."
CAPACIDADES
• Identifica y utiliza las diferentes técnicas estadísticas que le permite recabar y
resumir información estadística en forma tabular y gráfica de acuerdo al tipo de
variable en estudio.
• Obtiene, interpreta y analiza adecuadamente los indicadores estadísticos de
tendencia central y de dispersión para una eficaz toma de decisiones.
• Aplica conceptos y teoremas de probabilidad, construye la variable aleatoria, define
modelos probabilísticos y determina el tamaño de muestra, enfocado a los entornos
empresariales.
• Gestiona y analiza datos relacionados con las distintas distribuciones de
probabilidad; así también aplica las herramientas estadísticas para tomar decisiones
en los procesos de producción y servicio de manera eficaz.
ACTITUDES
Integridad (ética)
Ecología y conservación.
Liderazgo.
Innovación y actitud emprendedora.
CAPACIDAD
CONTENIDOS PROCEDIMENTALES
CONTENIDOS CONCEPTUALES
Estadística es un término que es usado con mucha frecuencia para hacer referencia a
cualquier información o dato; sin embargo, la estadística es mucho más que la simple
colección de información ya que involucra todo un conjunto de procesos, que tiene
como objeto alcanzar un mayor conocimiento de una realidad que es desconocida y
sobre la cual se desea tomar decisiones.
Variables
Diagrama de
Distribución Barras
De Frecuencias
Continua Relativas Acumuladas
Gráfica de Pastel
Circulares
Discretas
Gráfica
Pictogramas
A. Población
Por ejemplo:
• Conjunto de familias de una ciudad.
• Conjunto de bombillas eléctricas producidas en un día.
B. Muestra
D. Parámetro
A. Estadística Descriptiva
Es la parte de la estadística que estudia un grupo de datos dado, sin inferir
sus conclusiones a un grupo mayor.
a) Variable
La variable es una característica de la población que se va a investigar y puede
tomar diferentes valores. Se clasifican en: cualitativas y cuantitativas.
a.1) Variable Cualitativa
Se dice que una variable es discreta si sólo asume valores enteros o mejor
dicho que varían de uno en uno, Por Ejemplo: El número de miembros de
una familia o el número de personas que habitan la casa; el número de
alumnos aprobados en una asignatura.
REDONDEOS DE DATOS.
Se usa generalmente para uniformizar datos de variable continua, aproximando a una
determinada cifra: milésimas, centésimas, décimas, unidades, decenas, centenas,
Técnica:
• Si la cifra a eliminar es 0, 1, 2, 3,4: se desecha la cifra.
• Si la cifra a eliminar es 6, 7, 8, 9: se desecha la cifra y se aumenta en una
unidad la cifra de orden superior. Si la cifra a eliminar es 5: se aplica el criterio
del “par más cercano”.
• Si el digito precedente es par, éste no se modifica.
• Si el dígito precedente es impar, éste será aumentado en una unidad.
E1). 47.340 => 47.34 E2). 7.730 => 7.73 E3). Elimina la última cifra
47.341 47.34 7.731 7.73 72.8 =>73
47.342 47.34 7.732 7.73 72.814 =>72.81
47.343 47.34 7.733 7.73 183.575 =>183.58
47.344 47.34 7.734 7.73
47.345 47.34 7.735 7.74
47.346 47.35 7.736 7.74
47.347 47.35 7.737 7.74
47.348 47.35 7.738 7.74
47.349 47.35 7.739 7.74
47.350 47.35 7.740 7.74
Ejemplo Nº 1
Generalizando:
A = {x1, x2, x3, .................. xi .................., xn }
B=
1,60 1,70 1,55 1,68 1,72 1,70 1,63 1,76 1,54 1,71
1,78 1,74 1,65 1,63 1,55 1,68 1,69 1,74 1,80 1,66
1,65 1,69 1,59 1,68 1,70 1,73 1,74 1,76 1,75 1,69
1,78 1,77 1,69 1,71 1,70 1,75 1,76 1,77 1,68 1,64
1,69 1,70 1,71 1,76 1,71 1,72 1,74 1,69 1,58 1,59
1,60 1,63 1,64 1,65 1,68 1,70 1,70 1,72 1,75 1,58
1,71 1,75 1,74 1,71 1,70 1,69 1,68 1,73 1,72 1,74
1,71 1,70 1,72 1,79 1,78 1,82 1,80 1,79 1,71 1,71
1,70 1,72 1,76 1,75 1,70 1,71 1,69 1,68 1,60 1,62
1,59 1,58 1,61 1,65 1,69 1,71 1,75 1,74 1,70 1,78
PRESENTACIÓN DE LA INFORMACIÓN
Clases Frecuencia(f)
(Alturas) (Nº de estudiantes)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 – 74 8
N = 100
Es el punto medio del intervalo de clase. Se obtiene como la semi- suma de los límites
de clases.
Los datos de cada clase se consideran que coincide con su correspondiente marca de
clases.
C =_____R_____
Nº de clases (k)
138 164 150 132 144 125 149 157 146 158
140 147 136 148 152 144 168 126 138 176
163 119 154 165 146 173 142 147 135 153
140 135 161 145 135 142 150 156 145 128
Histograma: Rectángulos de bases en el eje x, sus centros coinciden con los marcas de
clases y de longitud igual, cada altura es igual a su frecuencia f.
15
12
0
112,5 122,5 132,5 142,5 152,5 162,5 172,5
Marcas de Clase
k=7
Σf= n = 30
Metodología. - Podemos utilizar la siguiente
• Primero se determina el número de clases, de acuerdo a los datos que se
disponen, en este caso son 7 datos diferentes.
• En la primera columna se ordena en forma ascendente los datos u
observaciones que son diferentes.
• La segunda columna se utiliza para realizar el conteo de los datos que se
repiten (frecuencia)
• En la tercera columna, se indica el número de veces (frecuencia) que se repite
una clase.
1. Se resta el mínimo valor del máximo valor de la muestra, esta diferencia representa
el rango (R).
Una de las formas para determinar en cuantos intervalos se debe clasificar una
muestra, lo da la regla de Sturges:
K = 1 + 3.332 log n
Se recomienda que todos los intervalos deben ser del mismo tamaño a fin de tener
mejores resultados en los análisis de la muestra.
5. Los puntos medios de los intervalos de clase toman el nombre de marcas de clase,
que se obtiene sumando el límite inferior y superior de cada intervalo y dividiendo
entre dos.
Para n = 100
k = 1 + 3,332 log n
k = 1 + 3,332 log 100
k = 7,7
Consideramos el valor:
k =8
q1 = 1.54 Dato menor
q2 = 1.82 Dato mayor
q2 – q1
c = k
1,82 – 1,54
c = = 0,04,
7
Ejemplo de Aplicación:
Con los datos del Ejemplo Nº 2. Hallar el Histograma y Polígono de frecuencias
respectivos.
30 28
F A 26
25
r l
e u 20 17
c m
u n 15
10
e o 10 8
n s 6 5
c 5
i
a
s
1,56 1,60 1,64 1,68 1,72 1,76 1,80
Marcas de clase (Estaturas)
f R2 = 8
= 0,08 que puede expresarse como el 8% (frecuencia porcentual)
100
FA3 = f1 + f2 + f3
FA = f1 + f2 + f3 + .............. + fn
FA3 = 6 + 8 + 10 = 24
FA3 = 24
Interpretación:
Ejemplo:
FAR4 = 0,52
La gráfica que muestra las frecuencias acumuladas “mayor que” o las que son “menor
o igual que” toman el nombre de Polígono de Frecuencias Acumuladas u Ojivas.
Ejemplo:
n = 100 Σ f R =1ó100%
FA
P
100 100 100
o 95
94
r
86
c 80
e 76 78
n
“Menor o igual”
t 60
a 52
j 48
e 40
24 “Mayor que”
20 22
14
6 5
1,54 1,58 1,62 1,66 1,70 1,74 1,78 1,82
Intervalos de clase
INTRODUCCIÓN AL ANÁLISIS DE
DATOS – PRESENTACIÓN DE LA INFORMACIÓN
EJERCICIOS Y PROBLEMAS
ETTCPVAACEEPAAA
EEEPCAAVLVCEAEE
614627245686532
525756146459236
Organizar los datos en un cuadro de distribución de frecuencias.
9 8 7 8 4 3
2 1 0 5 3 2
1 1 7 3 2 8
7 6 6 4 3 2
2 0 9 4 6 9
6 9 4 3 5 7
3 2 1 4 4 2
17 15 78 21 10 32 7 65 18 87
4 22 34 42 9 9 82 79 98 4
44 65 62 77 81 81 45 37 83 44
77 13 41 16 13 13 82 37 5 54
7 67 88 41 22 22 92 16 67 85
8. Los siguientes datos constituyen las vidas útiles, en horas de una muestra
aleatoria de 60 bombillas de luz de 100 watts.
807 811 620 650 817 732 747 823 844 907
660 753 1050 918 857 867 675 880 878 890
881 872 869 841 847 833 829 827 822 811
766 787 923 792 803 933 947 717 817 753
1056 1076 958 970 776 828 831 781 1088 1082
832 863 852 788 980 889 1030 897 755 891
9. Las siguientes observaciones son los tiempos (en minutos) que tardan 30
personas en ser atendidas en un conocido Banco.
Tendencia Central
Datos no agrupados
Media Aritmética
Mediana
Moda
Media Geométrica
Datos agrupados
Mediana
Moda
CONCEPTOS RELACIONADOS
Simbología.- Fórmulas.
Σx
Σ
N
u= 1 xi = .............................. (2.1)
N N
i=1
Σx
Σ
n
x= 1 xi = .............................. (2.2)
n n
i=1
Propiedades:
Ejemplos:
x = Gs/. 33,500; x representa el salario medio por hora para los miembros
de esta planilla.
LA MEDIA PONDERADA
Fórmula:
up ó X P =
Σ(px) ..............(2.3)
Σp
donde:
p = factor de ponderación.
x = datos
Ejemplos
X P = Gs/. 38.670
Interpretación:
Si se elige al azar un vendedor se espera que cobre una comisión de: Gs/. 38.670 por
cada teléfono vendido.
2. Suponga que los costos de producción y las cantidades producidas por tres
sucursales A, B y C son:
Solución
X P = 1165,6 Gs.
Interpretación:
El costo de producción promedio por artículo, para la empresa es de 1.165 Gs. por
cada unidad producida.
LA MEDIANA
Características:
Cálculo de la Mediana:
Si "n" es impar.
Med = n y n +1 (2.5)
2 2
Si "n" es par.
Ejemplos
1): Los siguientes datos se refieren al número de clientes atendidos durante los últimos
11 días en una tienda de artefactos. Calcule e interprete la mediana.
12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Solución
n + 1 = 12 = 6
2 2
Me = 11
Interpretación:
Solución
3, 4, 5, 5, 6, 7, 8, 9 y con n = 8 se tiene:
n= 4
2
n + 1= 4 + 1 = 5
2
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 28
Me = 5+6 = 5,5
2
El valor de la mediana se encuentra entre los valores cuarto y quinto de este conjunto
ordenado, es decir 5 y 6 en este caso, la mediana es 5.5.
MODA
N = Nº de datos de la Población.
n = Nº de datos de la muestra.
Ambas fórmulas señalan que cada punto medio de cada clase (Xc), se multiplica por la
frecuencia de clase correspondiente (f), luego se suman estos productos (Σ) para
después dividir esta suma entre el número total de observaciones (Σf) representadas
en la distribución de frecuencias.
Ejemplos
Total 60 Σ(fx)=1575
Solución
Σ fx 1575
x = n = 60 = 26,25
x = 26,25
Interpretación:
Número de Marca de
Salario Mensual (fx)
Trabajadores (f) Clase (x)
Gs/.2.400.000-2.599.000 7 2.499.500 Gs/. 17.496.500
2.600.000 – 2.799.000 20 2.699.500 53.990.500
2.800.000 – 2.999.000 33 2.899.500 95.683.500
3.000.000 – 3.199.000 25 3.099.500 77.487.500
3.200.000 – 3.399.000 11 3.299.500 36.294.500
3.400.000 – 3.599.000 4 3.499.500 13.998.000
Solución
Interpretación:
Fórmula Utilizada:
faA = La frecuencia acumulada de la clase que precede (antes) a la clase que contiene la
mediana.
Ejemplo
Solución
Fórmula Utilizada:
d1
Mo = LI + ( ) C ............................................ (2.9)
d1 + d2
Donde:
LI = Límite exacto inferior de la clase que contiene la moda.
d1 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase
precedente.
d2 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase
siguiente.
C = Tamaño de intervalo de clase.
Ejemplo
1): Con referencia a los datos agrupados de la tabla 2.3. Hallar la moda.
Solución
La clase ó intervalo que contiene el mayor número de observaciones (frecuencia), es el
que corresponde a 2800 – 2999 (clase modal).
Para hallar el valor de la moda es esta clase:
d1 13
Mo = LI + ( )i = 2799500 + ( )200 = Gs / .2796,26
d1 + d 2 13 + 8
Interpretación:
Ejemplos
a) Segundo Cuartil.
b) Segundo Decil
c) Punto Percentil 40.
Solución
Siendo n = 15:
a) Q2 = X[2n/4 + ½] = X[2x15/4 + ½] = X8 = 5300
E14: Con referencia a la siguiente tabla la cual indica el tiempo requerido para
auditar saldos de cuentas.
En la misma tabla calculamos fa. En primer lugar, calculamos la clase que tiene el
punto de interés 3n/4 = 3x50/4 = 37,5 (Quinta clase) de acuerdo con las frecuencias
acumuladas.
Luego según fórmula:
Conclusión:
49,5 es el límite exacto inferior de la clase que contiene la medición 3n/4 ó 37.5, por
tanto el cuartil 3 se encuentra en el quinto intervalo y su valor es 53,25 min.
LA MEDIA GEOMÉTRICA ( xg )
Fórmula
n
xg = x1 . x2 . x3 . x4 . .................... xn ....................... (2.16)
Donde:
x = n valores de una serie
Ejemplo
1): La siguiente tabla muestra la tasa de aumento en las ventas durante los últimos
meses. Calcule e interprete la tasa media mensual.
Solución
La tasa 2.6 % también se puede expresar como 0,026 y como se refiere a un aumento a
partir de 100%, el factor de variación será 1,026 (1 representa el 100%, aumento
representa >1) para los otros datos se procede igual.
Reemplazando en la fórmula:
xg = n x1 . x2 . x3 . x4 . .................... xn ; para n = 5
5
xg = 1,14390337
Interpretación:
Fórmula:
1 ............................................ (2.17)
Xh =
∑1 / x
n
Donde:
xh = Media armónica
Ejemplo
1): Los siguientes datos registran el tiempo medio que utilizan 4 clientes al
realizar una compra de un artefacto doméstico. Calcule e interprete el tiempo
medio.
Cliente A B C D
Tiempo
(Minutos) 45 38 52 40
Solución
Para n = 4
Reemplazando en la fórmula
4 4 x88920
Xh = =
1
+
1
+
1
+
1 1976 + 2340 + 1710 + 2223
45 38 52 40
X h = 43,117953 min.
EJERCICIOS Y PROBLEMAS
240, 240, 240, 240, 240, 240, 240, 240, 255, 255, 265, 265,
280, 280, 290, 300, 305, 325, 330 y 340.
2, 0, 0, 3, 3, 12, 1, 0, 8, 1, 0, 5, 1.
Calcule: a) la media, b) la mediana, y c) la moda. Para el número de accidentes
por área.
La Media Ponderada
10. Suponga que los precios al menudeo de determinados artículos han sufrido los
cambios que se muestran en la tabla siguiente. Determine el cambio porcentual
promedio de los precios al menudeo con referencia al promedio de gastos que
se indica en la tabla.
Tabla (d) Cambios en los precios al menudeo de algunos artículos durante un año.
Artículo Aumento Gasto Mensual Promedio
Porcentual (Antes del Aumento)
Leche 10% Gs/. 2000,00
Carne Molida -6 3000,00
Ropa -8 3000,00
Gasolina 20 5000,00
11. Con referencia a la tabla (c) la cual muestra la distribución de frecuencias por el
pago mensual alquiler de departamento.
Determinar el alquiler mensual promedio en término de: 1) Media (u), Mediana
(Med), c) Moda (Mo), interprete su respuesta:
Solución
Nota:
Gs/. 499.50 es el límite exacto, inferior de la clase que contiene a la medición N/2 es
decir, la centésima medición.
Gs/. 499,50 es el límite exacto inferior de la clase que contiene la frecuencia más
alta.
12. Las siguientes cifras son los importes del consumo en dólares de quince
personas en un restaurante en orden ascendente; 10, 10, 25, 25, 25, 35, 40, 53,
90, 125, 135, 245, 275, 309, 410. Determinar:
80,6; 89,9; 101,4; 102,6; 115,0; 120,1; 123,4; 126,3; 131,8; 138,6; 151,6 y 160,5.
Determine:
a) El primero, segundo y tercer cuantil.
b) El segundo decil.
14. Hallar la media geométrica de una serie 18, 21, 23, 24 y 22 tomada en este
orden.
ORGANIGRAMA
VARIACIÓN (DISPERSIÓN)
Datos No Agrupados
Rango (Amplitud)
Desviación Media
Datos Agrupados
Rango (Amplitud)
CONCEPTOS RELACIONADOS
Ejemplo:
Conocidos los porcentajes o notas (x) de 80 estudiantes de Métodos Cuantitativos 1 se
les puede disponer formando una distribución de frecuencias que da una idea más
ordenada de las características de la variable x (calificación o puntos).
⇒ 1ro se le calcula la media de la variable x. Con este valor se puede representar la
distribución de frecuencias.
Si los puntajes (Notas) son muy altos con respeto a la media la variabilidad será
grande.
Si los puntajes (Notas) son muy próximos a la media, la variabilidad será pequeña.
La Medida de esta variabilidad es lo que se llama Medidas de Variación o Dispersión.
Solución
R = My – Mn = 16 – 5 = 11,0 unidades.
Solución
Para A: 93-25 = 68 puntos
Para B: 73 – 66 = 7
LA DESVIACIÓN MEDIA
Incluye todos los datos. Es la media de las desviaciones a partir de algún valor central.
Tal como la media o la mediana de una distribución.
Cuando se refiere a la Media como valor central se tiene la Desviación Media es decir
alrededor de la Media.
Solución
Σx 50 + 55 + 60 + 70 + 75 + 80 390
1) x = = = = 65
n 6 6
15 + 10 + 5 + 5 + 10 + 5 60
⇒ = = 10
6 6
Σ x−u
D M Poblacional =
N
Ejemplo 4: Para los datos de ventas de aparatos eléctricos que se dieron en el E1,
hallar la Desviación Media (DM).
Solución
Σx 5 + 8 + 8 + 11 + 11 + 11 + 14 + 16
1ro u = = = 10,5
n 8
X x-u |x-u|
5 5-10,5=-5,5 5,5
8 8-10,5=-2,5 2,5
8 8-10,5=-2,5 2,5
11 11 -10,5=0,5 0,5
11 11 -10,5=0,5 0,5
11 11 -10,5=0,5 0,5
14 14 -10,5=3,5 3,5
16 16 -10,5=5,5 5,5
Total 21,0
Σ x−u 21,0
⇒ DM = = = 2,625 = 2,6 unidades
N 8
Interpretación:
LA DESVIACIÓN ESTÁNDAR
Debido a que se dificulta la interpretación del significado del valor de una varianza,
porque las unidades en que se expresa son valores al cuadrado.
Σ( x − u ) 2
Desviación Estándar Poblacional σ =
N
Σ( x − x ) 2
Desviación Estándar Muestral s =
n −1
X x-u (x-u)2
5 -5,5 30,25
8 -2,5 6,25
8 -2,5 6,25
11 0,5 0,25
11 0,5 0,25
11 0,5 0,25
14 3,5 12,25
16 5,5 30,25
∑ Total 86,00
Σ( x − u ) 2 86
Desviación Estándar σ = = = 10,75 = 3,3unidades
N 8
Para no realizar el cálculo de c/u de las desviaciones con respecto a la Media Grupal,
existen fórmulas abreviadas equivalentes, las cuales son:
Σx 2 − Nu 2
Varianza Poblacional: σ =
2
N
Σx 2 − Nu 2
Desviación Estándar Poblacional: σ =
N
Σx 2 − n x
2
Varianza Muestral: s 2 =
n −1
Σx 2 − n x
2
Desviación Estándar Muestral: s =
n −1
x x2
5 25
8 64
8 64
11 121
11 121
11 121
14 196
Σx 2 − Nu 2 968 − 8(10,5) 2
σ= = = 10,75 = 3,3 unidades
N 8
(1) Asimétrica
x (2) Asimétrica
x (3) Simétrica
x
Negativa Positiva (Insesgada)
(Esta sesgada (Sesgada hacia
hacia la izquierda) la derecha)
f f f
x x x
(1) Platikúrtica (2) Leptokúrtica (3) Mesocúrtica
EL COEFICIENTE DE VARIACIÓN (C.V.)
δ 500 300
CV ( A) = = = 0,033 y CV ( B) = = 0,060
u 15000 5000
Interpretación: El Precio de la acción B ha sido casi 2 veces más variable que la acción
A.
(Con respecto al precio promedio para c/u de las 2).
Su fórmula:
3(u − Me)
Asimetría Poblacional:
δ
3( x − Me)
Asimetría de la Muestra:
S
Para una distribución simétrica, el valor del coeficiente de asimetría siempre es = 0,
porque la media y la mediana son iguales.
Para una distribución con asimetría (+), la x es siempre > que la Med. => Asimetría =
(+).
Para una distribución con asimetría (-) la x es siempre < que la Med. => Asimetría =
(-).
u = x =10.5 =
∑ x = 84 = 10,5
n 8
X4 + X5
Me = X (5 8 8 11 11 11 14 16) =
2
11 + 11
Me = = 11
2
σ = 3,3
3(u − Med ) 3(10,5 − 11,0)
Asimetría = = = −0,45
σ 3,3
(El grado en que están sesgados se refleja en este valor)
Así, la distribución de las unidades vendidas tiene una ligera asimetría negativa, es
decir, está sesgada hacia la izquierda.
Asimetría Negativa
EL RANGO Y LOS RANGOS MODIFICADOS PARA DATOS AGRUPADOS.
Para datos agrupados en una Distribución. De Frecuencias el Rango (R): Limite Exacto
Superior de la clase (intervalo) más alto Ls(A) y el límite exacto inferior de la clase
(Intervalo) más baja LI (B)
Así: R= Ls (A)- LI (B)
Para los datos agrupados en una distribución de frecuencias, se asume que el punto
medio de cada clase (Intervalo), representa a todas las mediciones incluídas en esa
clase (intervalo); es igual que el cálculo de la media para datos agrupados.
Fórmula empleada:
DMPOBLACIONAL =
∑ [( f ) x − u ]
N
Ejemplo 9: Para los datos de salarios mensuales del problema anterior calcular la
Desviación Media.
Solución
Se asume que el punto medio de clase (intervalo) representa a todas las mediciones
incluidas en esa clase.
Fórmulas Empleadas:
∑ [ f (x − u ) ]
2
Varianza Poblacional: σ 2
=
N
∑ [ f (x − x ) ]
2
Varianza Muestral: S
2
=
n −1
∑ [ f (x − u ) ]
2
∑ [ f (x − x ) ]
2
Ejemplo 10: Para los datos de salarios diarios que se presentan a continuación.
Hallar la Desviación Estándar muestral
Salario
Mensual
Pto. Medio
de clase
(f) Nº de
Trabajadores
f(x) x−x (x − x )
2
f (x − x )
2
(Intervalo)x
2400 2599 2499,50 7 17496,50 -450 1417500
2600 2799 2699,50 20 53990,00 -250 202500 1250000
2800 2999 2899,50 33 95683,50 -50 62500 82500
3000 3199 3099,50 25 77487,50 150 2500 562500
3200 3399 3299,50 11 36294,50 350 22500 1347500
3400 3599 3499,50 4 13998,00 550 122500 1210000
302500
Total: 100 294900,50 Total: 5870000
Solución
Varianza Poblacional: σ
2
=
∑ ( f x ) − Nu
2 2
N
∑( f x )− nx
2 2
Varianza Muestral: S =
2
n −1
∑ ( fx ) − n x
2 2
Ejemplo 11: Del problema anterior calcular la Desviación Estándar resultante probando
de esta manera la respuesta, usando fórmulas abreviadas.
875825025 − 100(2949 )
2
S= = 243,50
100 − 1
2. Una empresa fabrica clavos que se venden por cajas. Para una muestra de 40
cajas, se observaron los siguientes números de clavos por caja.
Nùmero de clavos 18 19 20 21 22
Nùmero de Cajas 4 9 15 10 2
3. Calcule la Desviación Media para los siguientes datos: 1000, 1000, 2500, 2500,
2500, 3500, 4000, 5300, 9000, 12500, 13500, 24500, 27500, 30900 y 41000.
4. Calcular la desviación estándar muestral para los datos del problema anterior
utilizando:
a) La Fórmula de Desviaciones y b) La Fórmula abreviada alternativa, y
demuestre que las respuestas son iguales.
SEMANA 6, UNIDAD I
TEMA 6-AV1: EXAMENES PARCIALES
CONTENIDOS PROCEDIMENTALES
CONTENIDOS ACTITUDINALES
CONTENIDOS CONCEPTUALES
ORGANIGRAMA
PROBABILIDAD
Subjetivo
Regla de la
Multiplicación
Probabilidad
Condicional
CONCEPTOS RELACIONADOS
RELACIONES
ENTRE SUCESOS
Mutuamente
Excluyentes
Independientes
Y dependientes
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 58
Complementarios
PROBABILIDAD
DEFINICIÓN
EVENTO
EVENTOS NO EXCLUYENTES
Dos o más eventos son no excluyentes cuando es posible que ocurran al
mismo tiempo. Ejemplo:
Evento A: masculino
Evento B: menor de 30 años
EVENTOS COMPLEMENTARIOS
Dos event os A y B son complementarios si son mutuamente excluyentes
y su unión es el espacio muestral. Es decir si A ∩ B = ∅ y A ∪ B = Ω ⇒
A y B son eventos complementarios, y se puede expr esar que:
A
Ac = B
Ejemplo 1: En una cantidad de cartas bien barajadas que contiene 4 ases y 48 cartas de
otras tipos, la probabilidad de obtener 1 (as) en una sola extracción es:
N( A)
P(A) = = 4/52 = 1/13
N (S )
a) El Espacio Muestral,
b) P(A) = obtener exactamente 2 caras,
c) Exactamente 2 cruz y
d) Exactamente 3 caras.
Solución
a) El Espacio Muestral (Ω) = {CCC CCZ CZC ZCC CZZ ZCZ ZZC ZZZ}
⇒ P(A)3/8
c) Exactamente 2 cruces?
3/8
d) Exactamente 3 caras
PROBABILIDAD SUBJETIVA
CONSIDERACIONES GENERALES
1. La Probabilidad de Ocurrencia de cada Punto Muestral, debe estar entre 0 y 1.
0 ≤ P(A) ≤ 1
2. La Suma de las Probabilidades de todos los puntos Muestrales debe ser igual a 1.
P(A) + P(A’) = 1
Es decir en una observación o experimento dados, el evento debe ocurrir o No. Por ello
la suma de la probabilidad de ocurrencia + la Probabilidad de no ocurrencia siempre es
igual a 1.
REGLAS DE PROBABILIDAD
(A∩B = ∅):
A B ⇒ P(A∪B)=PA+PB
Ejemplo: Se extrae una carta de una baraja de 52, los eventos “as” (A) y “rey” (R) son
mutuamente excluyentes.
Solución
Solución
Ejemplo 2: Cuando se extrae una carta de un mazo de 52 cartas, los eventos “as” y una
espada no son mutuamente excluyentes.
Hallar la Probabilidad de obtener un AS (A) o una Espada (E) o ambos en una sola
extracción.
Solución
Definición
Una medida de la probabilidad de que ocurra un evento particular, dado el hecho que
otro ya ha ocurrido o de que hay certeza de que ocurra, se llama probabilidad
condicional.
Para dos eventos A y B, dicha probabilidad se denota, siempre por P (A/B) o P (B/A), lo
que se lee como “la probabilidad de A, dado B” o “la probabilidad de B, dada A” ya que
la línea vertical quiere decir “dada” ó “dado”.
P ( AyB) P( A ∩ B)
P( B / A) = =
P ( A) P( A)
Donde:
PROBABILIDAD CONJUNTA
Definición
Una medida de la probabilidad del acontecer simultáneo de dos o más eventos se
llama probabilidad conjunta. Para los eventos A y B, esta probabilidad se simboliza por
P(AyB) o P(A∩B).
Solución
P( A ∩ B ) 2 / 6 2
P (B / A) == =
P ( A) 3/ 6 3
Este resultado queda comprobado por el hecho que de los 3 resultados pares 2, 4, 6
sólo 2 son mayores que 3.
SEMANA 8, UNIDAD II
TEMA 8: MULTIPLICACIÓN DE PROBABILIDADES
Ejemplo 1: ¿Cuál es la probabilidad de que en una familia con 2 hijos ambos sean
varones?
Útiles para ilustrar los posibles eventos asociados con observaciones o ensayos
secuenciales, del ejemplo anterior obtenemos:
Resultado Resultado Evento Probabilidad
1er Lanzamiento 2do. Conjunto del Evento Conjunto
Lanzamineto
C1 y C2 1/4
1/2 C2
C1
1/2
1/2
S2 C1 y S2 1/4
S1 y C2 1/4
1/2 C2
1/2
S1
Material exclusivo para los alumnos
1/2de la UNIDA. Prohibida su reproducción
1/4 Página 64
S2 S1 y S2
4/4 = 1.00
REGLA DE LA MULTIPLICACIÓN: PARA EVENTOS DEPENDIENTES.
Solución
Resumen de Resultados:
1. Se lanza un dado:
a) Enumérese los elementos del espacio muestralΩ.
b) Enumérese los elementos de Ω contenido en el suceso de que el resultado
sea par.
c) Enumérese los elementos de Ω contenidos en el suceso de que el resultado
sea, mayor que 4.
12. Una caja contiene 100 tubos de televisor. La probabilidad de que haya al menos
un tubo defectuoso es 0,05 y de que tenga al menos dos tubos defectuosos es
0,01. ¿Cuál es la probabilidad de que la caja contenga:
a) ¿Ningún tubo defectuoso?
b) ¿Exactamente un tubo defectuoso?
c) ¿A lo más un tubo defectuoso?
14. De los estudiantes de una universidad, el 35% son varones y el 8% son varones
que estudian Contabilidad. Si se elige un estudiante al azar y éste resulta ser
varón. ¿Cuál es la probabilidad de que estudie Contabilidad?
18. Se sacan dos cartas, sin restitución, de una baraja de 52 cartas. ¿Cuál es la
probabilidad de que:
a) ¿La primera carta sea un as y la segunda un 5?
b) ¿Se obtenga un as y un 5?
c) ¿Ninguna de las dos cartas sea as?
d) ¿Ninguna de las cartas sea as ni 5?
19. Se sacan dos cartas sin restitución de una baraja de la cual se han eliminado
previamente las cartas con figuras. ¿Cuál es la probabilidad de que la suma de los
puntos de las cartas sea 19?
20. Se sacan 5 cartas sin restitución de una baraja. ¿Cuál es la probabilidad de que:
a) ¿Las primeras tres cartas sean reinas y las dos últimas reyes?
b) ¿Sólo las tres primeras cartas sean reinas?
c) ¿Las tres primeras cartas sean reinas?
21. Se extraen cartas sucesivas y sin restitución una baraja. ¿Cuál es la probabilidad
de que:
a) ¿La primera reina aparezca en la tercera extracción?
b) ¿Aparezca una reina en la tercera extracción?
DISTRIBUCIONES DE PROBABILIDAD
VARIABLES VARIABLES
DISCRETAS CONTINUAS
Normal
Binomiales
Poisson
CONCEPTOS RELACIONADOS
Esperanza Matemática
Valor Esperado
Este promedio “A largo plazo” de 1,5 caras por lanzamiento se llama esperanza
matemática.
Ejemplo 2: Con base en la tabla del primer ejemplo, hallar el valor esperado de la
variable aleatoria. (Promedio de alquiler diario de camionetas)
Solución
Cálculo del valor esperado para la demanda de camionetas.
Demanda Posible Probabilidad Valor Ponderado
X P(x) xP(x)
3 0,06 0,18
4 0,14 0,56
5 0,24 1,20
Ejemplo 3: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita de la caja
si ésta es negra Ud. gana $2, pero si es blanca usted pierde $1. ¿Cuál es la esperanza
matemática de este juego?
Solución
Interpretación:
LA DISTRIBUCIÓN BINOMIAL
n!
n = p xqn− x
x!(n − x)!
Donde:
n!
nCx = C xn = Coeficiente Binomial =
x!(n − x)!
(x) = Nº específico de éxitos
(n) = Nº de ensayos u observaciones
(p) = Probabilidad de éxito en c/u de los ensayos.
q = 1-p = Probabilidad de fracaso en cualquier ensayo.
Solución
Datos:
P = 0.20 n=6
q = 1-0.20 = 0.80 x=4
6!
= (0.20) 4 (0.80) 2
4!(6 − 4)!
= 0.01536 ≅ 0.015
Solución
6!
P(x=5) = 6C5 (0,20)5 (0,80)1 = (0,20)5(0,80)
5! 1!
= 6(0,00032) (0,80) = 0,001536
6!
P(x=6) = 6C6(0,20)6(0,80)0 = (0,000064)(1)
6! 0!
= (1) (0,000064) = 0,000064
Solución
Sabemos:
P(x < 3, n = 15, p = 0,20) = P(x ≤ 2)
= P(x = 0) + P(x =1) + P(x = 2)
= 0,0352 + 0,1319 + 0,2309 (Ver Apéndice 2)
= 0,3980 ≅ 0,40
Solución
Ejemplo 3
Considérese un caso en el que la probabilidad de éxito en cualquier
ensayo, p, es mayor de 0,50, que es el valor más alto del apéndice. Un
trabajador instala correctamente circuitos impresos con p = 0,95. Si se
instalan 20 circuitos.
Solución
n = 20
x = 16 no contiene valor para p = 0,95
p = 0,95
La respuesta deseada se puede encontrar si se modifica la pregunta en
términos de fracaso en lugar de éxito.
Solución
LA DISTRIBUCIÓN POISSON
Ejemplo 1:
Un departamento de reparación de maquinaria recibe un promedio de cinco
solicitudes de servicio por hora. La probabilidad de que se reciban exactamente tres
solicitudes en una hora seleccionada al azar es:
Solución
53 e −5 (125) (0.00674)
P(x=3/λ=5.0) = = = 0.1404
3! 3 x 2 x1
Ejemplo 2:
Solución
P(x=3/λ=5.0) = 0.1404
Nota 1: Cuando lo que interesa es la probabilidad de “x o mas” o “x o menos”. Se aplica
la regla de adición para eventos mutuamente excluyentes.
Ejemplo 3:
Si en un departamento de reparación de maquinaria se recibe un promedio de 5
solicitudes de servicio por hora, hallar la probabilidad de que se reciban menos de 3
llamadas en una hora elegida al azar.
Solución
Ejemplo 4:
En promedio, 12 personas hacen preguntas cada hora a un consultor de decoración en
una tienda de telas. Calcular la probabilidad de que tres o más personas acudan a un
periodo de 10 minutos (1/6 de hora).
Solución
Dado x = Nº de Personas
Promedio por horas = 12
TALLER 05
ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
DISTRIBUCIONES DE PROBABILIDADES
A. Valor Esperado
Número de Camiones 0 1 2 3 4 5 6
2. Las ventas por hora de una máquina automática pueden se 20, 21 o 22 cajetillas
de cigarrillos con probabilidades de 0,3; 0,5; y 0,2 respectivamente. ¿Cuál es la
venta por hora esperada para esta máquina?
3. Una urna contiene 5 bolitas negras y 8 blancas. Se saca una bolita de la urna si
esta es negra usted gana 15 Gs, pero si es blanca usted pierde 13 Gs. ¿Cuál es el
Valor Esperado de este juego?.
B. Distribución Binomial
a) P(X ≥ 2) c) P(X ≥ 4)
b) P(X = 2) d) P(X = 4)
a) P(X ≤ 7) c) P(X ≤ 5)
b) P(X = 7) d) P(X = 5)
8. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus
cuentas por cobrar de otras empresas están vencidas. Si un contador toma
una muestra aleatoria de cinco de esas cuentas.
C. Distribución Poisson
EXAMEN FECHA
AV2
AV2E
CONTENIDOS PROCEDIMENTALES
• Formula y soluciona problemas de las Distribuciones Normal y Muestral aplicadas a
su profesión.
• Interpreta gráficos de las Distribuciones respectivas.
• Formula preguntas relacionadas con su profesión, aplicaciones actuales y futuras.
• Elabora los datos de entrada y salida por computadora.
CONTENIDOS ACTITUDINALES
• Evalúa adecuadamente las Distribuciones Relacionadas con sus usos. Asume con
actitud de colaboración y respeto al grupo asignado.
• Valora con propiedad las implicancias para el desarrollo de su profesión de las
distribuciones estudiadas
CONTENIDOS CONCEPTUALES
Distribución Normal
f(x)
Peso, Kg
2000 4000 6000 8000 10000 12000
x−u
Z=
σ
u = 13,0
σ = 0,1
P(12,8 ≤ x ≤ 13,1)
Si
x−u
Z=
σ
12,8 13,0 13,1
De la figura:
X1 X2
X1 − u
12,8 − 13,0
Z1 = = = − 2,0
σ 0,1
X − u 13,1 − 13,0
Z2 = 2 = = + 1,0
σ 0,1
6. Del ejercicio 4 ¿Cuál es la probabilidad de que la longitud del tornillo este entre
13,1 y 13,2 cm? Ilustre la proporción del área bajo la curva normal muy
importante para este caso.
7. La Distribución Normal de trabajadores de una industria tiene u = 50 años y σ =
5 años, 20 % de los trabajadores están bajo una cierta edad. ¿Cuál es la edad?.
8. La estatura media de los soldados de un regimiento es de 170 cm., 10% de
estos soldados miden más de 175 cm. Si tiene una distribución Normal. ¿Cuál
es σ?
a) ¿A qué nivel debe ajustarse el llenado medio de modo que solo el 0,001 de
los paquetes tengan un peso neto inferior a 12 onzas?
b) ¿A qué nivel debe ajustarse el llenado medio de modo que solo el 0,05 de los
paquetes tengan un peso neto superior a 12,4 onzas?
5. El peso medio de una piña en una partida grande es de 5 libras. El 10% de las piñas
pesan menos de 4 libras. Suponiendo que los pesos están distribuidos
normalmente. ¿Cuál es la desviación estándar de la partida?
El término análisis de regresión simple indica que el valor de una variable dependiente
se estima con base en un variable independiente, o de predicción. El análisis de
regresión múltiple, se ocupa de la estimación del valor de una variable dependiente
con base en dos o más variables independientes.
Los supuestos generales bajo el Modelo del Análisis de Regresión que se presentan en
este capítulo son:
1. La variable dependiente es una variable aleatoria y
2. Las variables independientes y dependientes se asocian linealmente.
El supuesto 1) indica que aunque los valores de la variable independiente pueden
controlarse, los valores de la variable dependiente deben obtenerse mediante el
proceso de muestreo aleatorio.
Si el análisis de regresión se realiza la estimación por intervalos o por prueba de
hipótesis tres supuestos necesarios adicionales que son 3) las varianzas de las
distribuciones condicionales de la variable dependiente, dados diferentes valores de la
variable independiente, son iguales; 4) las distribuciones condicionales de la variable
dependiente, dados diferentes valores de la variable independiente, siguen una
distribución normal en la población de valores, y 5) los valores observados de la
variable dependiente son independientes entre sí.
DIAGRAMA DE DISPERSION
Un diagrama de dispersión es una grafica en la que cada punto trazado representa un
par de valores observados de las variables independientes y dependiente. El valor de la
variable independiente X se identifica respecto del eje horizontal , mientras que el
valor de la variable dependiente Y se identifica respecto del eje vertical.
La forma de la relación representada por el diagrama de dispersión puede ser
curvilínea más que lineal. Aunque el análisis de regresión de relaciones curvilíneas
escapa al interés de este manual. En el caso de relaciones no lineales, un enfoque
frecuente consiste en determinar un método de transformación de valores de una o
ambas variables a fin de que la relación de los valores transformados sea lineal. Asi, el
análisis de regresión lineal puede aplicarse a los valores transformados, y los valores
estimados de la variable dependiente pueden transformarse a la escala de medición
original.
Un ejemplo de relación curvilínea seria la relación entre los años desde la constitución
de una empresa y el nivel de ventas, dado que en cada año el nivel de ventas se haya
incrementado en el mismo porcentaje en comparación con el año precedente. La curva
resultante con una pendiente creciente indicaría una así llamada relación exponencial.
Si el diagrama de dispersión indica en general. Una relación lineal, se ajusta una línea
recta a los datos. La ubicación precisa de esta línea es determinada por el método de
mínimos cuadrados. Tal como se ilustra en el ejemplo 3, una línea de regresión con
pendiente positiva indica una relación directa entre las variables, una pendiente
negativa indica una relación inversa entre las variables y una pendiente de cero indica
que las variables no tienen relación entre sí. Además, el grado de dispersión vertical de
los puntos trazados respecto de la línea de regresión indica el grado de relación entre
las dos variables.
Ejemplo 3
La figura F1 incluye varios diagramas de dispersión y sus líneas de regresión asociadas
en demostración de varios tipos de relaciones entre las variables.
Yi = β0 + β1Xi + εi (F.1)
Los parámetros βo y β1 del modelo de regresión lineal se estiman con los valores de b0
y b1, que se basan en los datos muéstrales. Así, la ecuación de regresión lineal basada
en datos muestrales que se usa para estimar un solo valor (condicional) de la variable
dependiente, donde el “sombrero” sobre la Y indica que se trata de un valor estimado,
es:
Ŷ = b0 + b1X (F.2)
Una vez formulada la ecuación de regresión, puede servir para estimar el valor de la
variable dependiente dado el valor de la variable independiente. Sin embargo, esta
estimación solo debe realizarse dentro del rango de los valores de la variable
independiente originalmente muestreada, ya que no existe base estadística para
suponer que la línea de regresión es adecuada fuera de estos límites. Además, debe
determinarse si la relación expresada por la ecuación de regresión es real o habría
podido ocurrir en los datos muestrales debido únicamente al azar.
e=Y-Ŷ (F.5)
La fórmula (F.6) refleja claramente la idea de que el error estándar del estimador es la
desviación estándar respecto de la línea de regresión (esto es, la desviación estándar
de la "dispersión" vertical alrededor de la línea), en términos de cálculos la formula
requiere que se calculen todos los valores Ŷ ajustados de los datos muestrales. La
fórmula de cálculo alternativa, que no requiere de la determinación de cada valor
ajustado y cuyo uso es por lo tanto generalmente más sencillo es:
∑Y2−b0∑Y−b1∑XY
SY.X = � n −2
(F.7)
Como veremos en las siguientes secciones, el error estándar del estimador es la piedra
angular de los varios errores estándar empleados en las pruebas de hipótesis y en los
procedimientos de estimación por intervalos del análisis de regresión. Las fórmulas F.5
y F.6 ilustran el cálculo del error estándar del estimador por medio de la fórmula de
cálculo y la formula de desviaciones, respectivamente.
COEFICIENTE DE CORRELACIÓN
ρ=�ρ2 (F.8)
r=√𝑟𝑟 2 (F.9)
Ejemplo 4
En la figura F-2 se ilustra la apariencia general de los diagramas de dispersión
asociados con diversos valores de correlación
Fig. F-2
r= n ∑XY - ∑X∑Y
�𝑛𝑛∑𝑋𝑋2 − (∑𝑋𝑋)2 �𝑛𝑛∑𝑌𝑌2 − (∑𝑌𝑌)2 (F.10)
INTRODUCCIÓN
Un número índice es un valor relativo, expresado como personaje o cociente, que mide
un periodo dado contra un periodo base determinado. Las medidas pueden referirse a
cantidad, precio o valor.
Ejemplo 1:
El índice de precios al consumidor (IPC) elaborado por el departamento del Trabajo de
Estados Unidos es un ejemplo de índices de precios, mientras que el índice de
producción industrial de la Junta de Gobierno de la Reserva Federal es un ejemplo de
índice de cantidad.
Cuando el número índice representa una comparación de un producto o mercancía en
lo individual, es un número índice simple. Por el contrario, cuando el número índice se
ha elaborado en relación con un grupo de artículos o mercancías, es un número índice
agregado o número índice compuesto.
Ejemplo 2:
El índice de precios de, digamos, 130 de la mantequilla es un índice de precios simple
que indica que el precio de la mantequilla en el periodo dado fue 30% superior al del
periodo base, cuyo índice de precios es de 100 por definición. El mismo índice de
precios de 130 del índice de precios al consumidor (índice agregado de precios)
indicaría que el precio promedio de una canasta básica * de alrededor de 400
productos y servicios fue 30% superior en el periodo dado en comparación con el
período base.
Para obtener un índice agregado de precio, los precios de varios artículos o mercancías
sencillamente podrían sumarse tanto para el caso del periodo dado como para el del
periodo base, respectivamente, y después compararse. Este índice sería un índice
agregado de precios no ponderado. Por lo general un índice no ponderado no es de
gran utilidad, porque el peso implícito de cada artículo en el índice depende de las
unidades en las que se basan los precios.
Ejemplo 3
Si el precio de la leche se reporta por galón y no por litro, dicho precio haría una
contribución mucho mayor a un índice de precios no ponderado de un grupo de
mercancías que incluyan a la leche.
I(L)=∑pnq0 x 100
∑pnq0
En lugar de usar como ponderaciones las cantidades del año base, podrían emplearse
las cantidades del año dado. Este es el índice de Paasche. La fórmula es:
I(P)=∑pnq0 x 100
∑pnq0
I p=∑[(pnq0)(pn/p0) x 100)]
∑p0q0
Algebraicamente, es equivalente al índice de Laspeyres, mientras que el uso de valores
del periodo dado como ponderaciones resultaría en un índice equivalente al índice de
A partir de estos datos, obtenga los índices de precios y de valor para el año 1998.
Aproximaciones.
5, 6, 1, 7, 3, 1, 4, 8, 2, 3,5,7,1,3,4,5,6,8,3,4,5,2,5,4
6,7,2,3,5,4,6,4,3,2,6,4,3,4,5,6.
Determinar su media aritmética, su mediana y su moda.
CLASES FRECUENCIAS f
118-127 4
128-137 7
138- 147 16
148-157 19
158-167 5
168-177 6
178-187 3
CLASES f
118 – 126 3
127 – 135 5
136 – 144 9
145 – 156 12
154 – 162 5
163 – 171 4
172 – 180 2
b) El coeficiente de variación
1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0
5 7 4 8 0 5 3 8 1 9 2 5 7 0 7 0 5 9 8
1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 2 0 1 1
0 5 3 2 9 6 2 9 0 8 1 4 6 3 2 0 8 2 0
Realice:
a) La construcción de un histograma
b) El cálculo de la mediana
Las ventas por hora de una máquina automática pueden ser de 5, 8, 11, 13, 15 o 20
Gaseosas de ½ litro con las probabilidades de 0.4, 0.3, 0.1, 0.1, 0.005, 0.05
Respectivamente. Determine la venta esperada a liquidar de las 14:00 horas a las
22:00 horas.
Debido a la elevada tasa de interés, una empresa reporta que el 20% de sus cuentas
por cobrar están vencidas. Si un contador toma una muestra aleatoria de 6 de estas
cuentas. Determine la probabilidad de cada uno de los siguientes eventos con la
distribución Binomial:
Se ha determinado que el número de clientes que llegan cada hora a una tienda tiene
la distribución de probabilidad que se muestra en la tabla:
Número clientes X 0 1 2 3 4 5 6
Calcule el número de clientes esperando promedio que llegue a la tienda por hora.
El diámetro medio interior de una muestra de 300 tubos producidos por una fabrica es
de 0.530 pulgadas y la desviación estándar es de0.0005 pulgadas. El uso de los tubos
permitirá una tolerancia de 0.522 a 0.538 pulgadas; de otro modo se considera
defectuosos. Determine el porcentaje de tubos defectuosos suponiendo que los tubos
producidos se distribuyen normalmente.
Con referencia a la siguiente tabla determine la probabilidad que una familia elegida al
azar tenga ingresos,
Si la probabilidad de que un individuo sufra una reacción negativa ante una inyección
de cierto suero es 0.002.
¿Halla la probabilidad de entre 3000 individuos, más de 3 de ellos sufran reacciones
negativas, suponiendo una distribución de Poisson?
Las lámparas que fabrica cierta empresa tiene una vida media de 1500 horas y una
desviación estándar de 100 horas.
PASOS
1. Primero se deben numerar los elementos de la población.
Marco muestral.
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 100
2. Segundo se ve cuantos dígitos tiene el número mayor. Ejemplo
si la población tiene 1.000 elementos se tienen 4 dígitos.
3. Se recurre a una tabla de números aleatorios.
4. Se elige al azar una fila y una columna de la tabla.
5. Una vez posicionada la fila y la columna el número puede leerse
en cualquier dirección.
6. La forma más rápida es leer los dígitos en la fila.
7. Si el número seleccionado es más alto que el total de la
población, se descarta.
8. Si se obtiene el mismo número más de una vez, se descarta.
PASOS
1. Dividimos el tamaño de la población por el tamaño de la muestra.
2. Elegimos aleatoriamente un número entre 1 y el número del cociente
anterior (este será el primer elemento seleccionado de la muestra)
3. A partir del primer elemento seleccionado, se selecciona los siguientes cada
número del primer cociente.
Ejercicios
1. Se tiene previsto realizar una encuesta a alumnos en una conocida
Universidad de Asunción sobre el consumo de gaseosas. La población total
es de 1.750 alumnos y se pretende encuestar a 100 alumnos. Explica cómo
se haría la extracción de la muestra por: Muestreo Aleatorio Simple y por
Muestreo Sistemático. Enumere los procedimientos y encuentra por lo
menos 5 alumnos que integraran la muestra por ambos métodos.
2. Suponga que estamos investigando sobre el porcentaje de alumnos que
trabajan de una población de 20 alumnos de una Universidad. Elija una
muestra aleatoria simple de tamaño n=4 de esta población. Use la tabla de
números aleatorios, empiece en la fila 1 columna 1 y continúe seleccionando
hacia la derecha. Indique los pasos para elegir la muestra.
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 101
Victoria Si Marcelo Si
Tamaño muestral
Queremos ajustar una máquina de refrescos de modo que el promedio del liquido
dispensado quede dentro de cierto rango. La cantidad de líquido vertido por la
máquina sigue una distribución normal con desviación estándar 0,15 decilitros.
Deseamos que el valor estimado que se vaya a obtener comparado con el verdadero
no sea superior a 0,03 (error) decilitros con una confianza del 95%. ¿De qué tamaño
debemos escoger la muestra?
Curva Normal
1. Se ha determinado que la cantidad de tiempo requerido por individuo en la
ventanilla de un banco es de distribución aproximadamente normal con media
igual a 130 segundos y desviación típica igual a 45 segundos. ¿Cuál es la
probabilidad de que un individuo aleatoriamente seleccionado:
a) Requiera de menos de 100 segundos para concluir la transacción y
b) Pase entre 2 y 3 minutos en la ventanilla?
Tabla de frecuencia
En la tabla de abajo aparece la distribución de frecuencias de los salarios semanales de
una compañía. Calcular.
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 102
Salario Semanal Número de Trabajadores
$240 - $259 7
$260 - $279 20
$280 - $299 33
$300 - $319 25
$320 - $339 11
$340 - $359 4
Miembros familia 3 6 5 6 3 4 4 5 3 6
Cantidad Gastada 99 104 151 129 142 74 91 119 91 142
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 103
∑ 𝒚𝒚 =28 ∑ 𝒙𝒙 =156 ∑ 𝒙𝒙𝒙𝒙 =603 ∑ 𝒙𝒙𝟐𝟐 =170
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 104
SEMANA 18, UNIDAD X
TEMA 18 - PF: EXAMEN FINAL-PF
EXAMEN FECHA
PF
PFE1
PFE2
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 105
APÉNDICE I: DISTRIBUCIÓN BINOMIAL
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 106
APÉNDICE II: DISTRIBUCIÓN BINOMIAL (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 107
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 108
APÉNDICE II: DISTRIBUCIÓN BINOMIAL (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 109
APÉNDICE II: DISTRIBUCIÓN BINOMIAL (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 110
APÉNDICE II: DISTRIBUCIÓN BINOMIAL (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 111
APÉNDICE IV: DISTRIBUCIÓN DE POISSON
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 112
APÉNDICE IV: DISTRIBUCIÓN DE POISSON
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 113
APÉNDICE IV: DISTRIBUCIÓN DE POISSON (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 114
DISTRIBUCIÓN DE POISSON (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 115
APÉNDICE IV: DISTRIBUCIÓN DE POISSON (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 116
APÉNDICE IV: DISTRIBUCIÓN DE POISSON (CONT)
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 117
APÉNDICE V: DISTRIBUCIÓN NORMAL
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 118
APÉNDICE VI DISTRIBUCIÓN t DE STUDENT
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 119
FUENTES DE INFORMACIÓN
Básica:
Complementaria
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 120