Estadistica Ciclo-Ii PDF

ESTADíSTICAS APLICADA A LOS NEGOCIOS
II CICLO
Cuaderno de Trabajo
Formamos los Profesionales

que el mundo exige
II
PRESENTACIÓN
En una época de globalización y de alta competitividad como lo es el cambiante mundo
moderno, es necesario estar al tanto de los diversos aspectos que forman parte de
nuestro entorno. No sólo en el tema económico, también en el aspecto político,
jurídico, social y cultural. Al estar mejor informado, el joven profesional podrá tomar
mejores decisiones, ya que entiende cómo le afectan los cambios en el entorno. El
manejar y entender eficientemente la información es uno de los principales
argumentos que facilita la toma de decisiones en el mundo actual, y es un factor clave
para el éxito en la vida.
La motivación principal para el desarrollo e implementación de estos cuadernos de
trabajo es permitir que nuestros docentes y estudiantes posean una herramienta
uniforme, que los asista de manera eficiente en su proceso de enseñanza- aprendizaje.
La Universidad de la Integración de las Américas (UNIDA) cumple de esta manera con

la finalidad de apoyar y colaborar con nuestros estudiantes, por medio de la
implementación de este moderno sistema de ayuda al aprendizaje, único en el
Paraguay.
El pensar en cómo brindar un mejor servicio a nuestros estudiantes es nuestro

principal motor. Acompañarlos en su proceso de enseñanza aprendizaje es una
obligación y un reto en sí mismo. El estudiante de UNIDA ya es por sí un estudiante
sobresaliente, el cual exige y demanda lo mejor de sus docentes y del valioso equipo
que los acompaña día a día en esta apasionante tarea que es participar en la formación
de los futuros líderes del Paraguay del siglo XXI.
UNIDA.
Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 2

UNIVERSIDAD DE LA INTEGRACIÓN DE LAS AMERICAS
LA VISIÓN
"Es ser reconocida como una Institución de referencia en el escenario educativo

regional, proporcionando a la sociedad, profesionales de excelencia con valores éticos
y capacidades para integrarse a equipos multidisciplinarios e internacionales."
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."

ÍNDICE PÁG.
Estadística Aplicada a los Negocios. Competencia, Capacidades y Actitudes 5

Unidad I (Estadística descriptiva) 6
Competencia, Capacidades y Actitudes 6
Tema I (Introducción a la estadística - presentación de la información) 7
Tema II (Métodos y técnicas para desarrollar las medidas de tendencia.) 24
Tema III (Medidas de posición no – central) 34
Tema IV (medidas de dispersión y asimetría) 42
Tema V (Revisión de los contenidos conceptuales y procedimentales) 42
Tema VI Evaluación 1ra Prueba 56
Unidad II(Probabilidades, distribución de probabilidades) 57
Tema VII (Eventos mutuamente excluyentes y no excluyentes) 58
Tema VIII (Multiplicación de Probabilidades) 64
Tema IX (Distribución de probabilidades) 70
Tema X (Distribución Binomial) 73
Tema XI (Distribución Poisson) 76
Tema XII (Actividad aplicativa - autoevaluación) 79
Tema XIII Evaluación 2da Prueba 81
Unidad III (Distribución normal, distribución de la Media Muestral) 82
Tema XIV (Distribución Normal) 83
Tema XV (Regresión Lineal) 87
Tema XVI (Números Índices) 93
Tema XVII (Actividad aplicativa - Autoevaluación) 96
Tema XVIII Examen final-PF 105
Apéndice I: Distribución Binomial 106
Apéndice I: Distribución Binomial (CONT) 107
Apéndice II: Distribución Binomial (CONT) 108
Apéndice III: Distribución de Poisson 112
Apéndice III: Distribución de Poisson(CONT) 113
Apéndice IV: Distribución de Poisson (CONT) 114
Apéndice IV: Distribución de Poisson (CONT)) 117
Apéndice V: Distribución Normal 118
Apéndice VI: Distribución t de Student 119
Fuentes de Información 120

ESTADÍSTICAS APLICADA A LOS NEGOCIOS
COMPETENCIA
• Aplica modelos y técnicas estadísticas en procesos empresariales, analizando la
información a través de indicadores estadísticos para describir situaciones
concretas que permitan una adecuada toma de decisiones en la gestión
empresarial.
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.

UNIDAD I
ESTADÍSTICA DESCRIPTIVA
CAPACIDAD
• Identifica y utiliza las diferentes técnicas estadísticas que le permite recabar y

resumir información estadística en forma tabulación 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.
CONTENIDOS PROCEDIMENTALES
• Reconoce la importancia de la Estadística.

• Comprende y elabora tablas de frecuencia e interpreta resultados según tipo de
variable.
• Calcula e interpreta los indicadores de posición central. Realiza un análisis de la
información estadística con estos indicadores centrales.
• Asimila conceptos de medidas de posición no centradas y aplica en ejercicios.
• Calcula e interpreta los indicadores de variabilidad. Realiza un análisis más profundo
de las distribuciones.
• Calcula e interpreta: covarianza, coeficiente de correlación.
• Ordena sus ideas sobre los conceptos básicos aprendidos previamente
CONTENIDOS CONCEPTUALES
TEMA 1: INTRODUCCIÓN A LA ESTADÍSTICA - PRESENTACIÓN DE LA INFORMACIÓN.

TEMA 2: CONCEPTO, MÉTODOS, PROCEDIMIENTOS Y TÉCNICAS PARA DESARROLLA
LAS MEDIDAS DE TENDENCIA.
TEMA 3: MEDIDAS DE POSICIÓN NO – CENTRAL.
TEMA 4: MEDIDAS DE DISPERSIÓN Y ASIMETRÍA.
TEMA 5: REVISIÓN DE LOS CONTENIDOS CONCEPTUALES Y PROCEDIMENTALES.
TEMA 6: 1ª EVALUACIÓN PARCIAL.

SEMANA 1, UNIDAD I
TEMA 1: INTRODUCCIÓN A LA ESTADÍSTICA - PRESENTACIÓN DE LA
INFORMACIÓN.
Estadística es un término que es usado con mucha frecuencia para hacer referencia a
cualquier información o dato; sin embargo, la estadística es mucho más que la simple
colección de información ya que involucra todo un conjunto de procesos, que tiene
como objeto alcanzar un mayor conocimiento de una realidad que es desconocida y
sobre la cual se desea tomar decisiones.
ORGANIGRAMA DE LA PRIMERA UNIDAD
INTRODUCCIÓN AL ANÁLISIS DE DATOS

PRESENTACIÓN DE LA INFORMACIÓN
ROL DE LA DESCRIPCIÓN DE LOS

ESTADÍSTICA CONJUNTOS DE DATOS
Definiciones Importancia Distribución Tablas Visualización Diseño

del Muestreo de Estadísticas Gráfica Tallo y
Frecuencias Hoja
Población Estadística Distribución Histograma

Parámetros Descriptiva de Frecuencias
Relativas
Polígono de
Frecuencias
Muestras Estadística
Inferencial Distribución
de Frecuencias
Acumuladas Ojivas
Variables
Diagrama de
Distribución Barras
De Frecuencias
Continua Relativas Acumuladas
Gráfica de Pastel
Circulares
Discretas
Gráfica
Pictogramas

¿ALGUNA VEZ SE ENCONTRÓ CON EL HOMBRE “PROMEDIO”?
¿Paraguayo? Amable, su nombre es Roberto (lo cual es el nivel nominal de medición),

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

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

estadística se describen a continuación:
A. Población
Es la totalidad de individuos sobre los cuales se desea hacer un estudio;

puede ser finita o infinita.
Es el conjunto de todas las unidades que tienen una característica común,

la cual se desea estudiar.
Por ejemplo:
• Conjunto de familias de una ciudad.
• Conjunto de bombillas eléctricas producidas en un día.
B. Muestra
Muestra: Es una parte de la población, seleccionada para hacer el estudio

de dicha población; es finita.
Si la muestra es representativa de la población, las conclusiones de la
muestra se infieren a la población.
Es cualquier subconjunto de unidades elementales, elegidas de una

población. Por ejemplo:
• 200 familias elegidas de una cuidad.
• 80 bombillas eléctricas elegidas de las producidas en un día.
• 200 notas de crédito seleccionadas de una base de datos.
C. Muestras Aleatorias (Probabilísticas)
Son aquellas cuyos elementos son elegidos usando algún criterio

probabilístico.
D. Parámetro
Es una función de todas las observaciones de una población. Un parámetro

resume la información contenida de las observaciones que comprenden a
una población, por lo cual su valor es único y constituye usualmente la
incógnita que todo investigador desea conocer. Algunos de los parámetros
que estudiaremos son:
• Media Poblacional, cuya notación es : µ
• Varianza Poblacional, cuya notación es: δ2
• Moda Poblacional, cuya notación es: Mo
1.2. DEFINICIÓN DE ESTADÍSTICA
Estadística.- Es la ciencia que estudia los métodos científicos en la toma,

organización, presentación y análisis de datos, para la deducción de conclusiones
y/o toma de decisiones razonables.
Estadística es la ciencia que se ocupa de la creación, desarrollo y aplicación de las

técnicas que permiten hacer un análisis confiable de una población. En términos
generales, se ocupa de la colección, resumen y presentación de información, del
análisis e interpretación de datos y resultados, de modo tal que pueda evaluarse
la confiabilidad y riesgos asociados a las condiciones que se pueden derivar a
partir de la información captada.
Las dos grandes ramas en que se divide a la estadística son:
A. Estadística Descriptiva
Es la parte de la estadística que estudia un grupo de datos dado, sin inferir
sus conclusiones a un grupo mayor.
B. Estadística Inferencial o inductiva

Es la parte de la estadística que estudia condiciones bajo las cuales las
conclusiones de la muestra son válidas para la población. La Estadística
Inferencial usa el concepto de PROBABILIDAD, que es la medida de la
incertidumbre.

C. IMPORTANCIA DE LA ESTADÍSTICA EN EL AREA DE GESTIÓN
La estadística es un soporte en las siguientes acciones profesionales:

Recolección, organización, presentación y análisis de datos de la especialidad
(costos, precios, salarios, impuesto, etc.)
Planificación en la alta dirección de las empresas, según los resultados de la
estadística.
Control de la ejecución de lo planificado según la estadística de resultados.
Toma de decisiones y gestión empresarial según los resultados de la estadística.
Investigación de temas de la especialidad.
1.3. TOMA DE DATOS
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 denomina así cuando está asociada a una característica cualitativa que

toma niveles de valorización.
a.2) Variable Cuantitativa
Se llama así cuando está asociada a una característica cuantitativa. Estas

variables se dividen en discretas y continúas.
a.2.1) Variable Discreta
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.
a.2.2) Variable Continua
Una variable es continua cuando puede tomar cualquier valor dentro de un

intervalo, dependiendo éste principalmente de la precisión con que se
trabaje. Por Ejemplo: La altura de los individuos medida con la precisión de
un centímetro y expresada en metros: 1,69 m; 1,74 m; etc.
REDONDEOS DE DATOS.
Se usa generalmente para uniformizar datos de variable continua, aproximando a una
determinada cifra: milésimas, centésimas, décimas, unidades, decenas, centenas,

millares, millones, etc. Con el fin de minorizar los errores, sobre todo cuando con los
datos se van a efectuar operaciones.
Técnica:
• Si la cifra a eliminar es 0, 1, 2, 3,4: se desecha la cifra.
• Si la cifra a eliminar es 6, 7, 8, 9: se desecha la cifra y se aumenta en una
unidad la cifra de orden superior. 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
Toma o recolección de datos: es la obtención de datos tal como se encuentran en la

realidad.
Puede ser directamente de la realidad, mediante conteos o mediciones, o de archivos,
formatos, encuestas, experimentos, etc.
Ordenación: es la colocación de los datos en orden creciente, decreciente, u otro

criterio necesario para el trabajo final.
Rango: es la diferencia entre el dato mayor y el dato menor.
Ejemplos de Toma de Datos
Ejemplo Nº 1
Corresponde a una muestra de 30 familias sobre el número de hijos por familia:

A = {1,2,5,3,4,2,0,5,3,2,4,2,1,0,3,2,1,0,3,2,1,0,1,3,5,6,2, 5,4,2,}
Generalizando:
A = {x1, x2, x3, .................. xi .................., xn }
En este caso se tiene que n = 30. Tamaño de la muestra.

Ejemplo Nº2
Corresponde a una muestra de 100 observaciones sobre las alturas de los alumnos,
expresada en metros:
B=
1,60 1,70 1,55 1,68 1,72 1,70 1,63 1,76 1,54 1,71
1,78 1,74 1,65 1,63 1,55 1,68 1,69 1,74 1,80 1,66
1,65 1,69 1,59 1,68 1,70 1,73 1,74 1,76 1,75 1,69
1,78 1,77 1,69 1,71 1,70 1,75 1,76 1,77 1,68 1,64
1,69 1,70 1,71 1,76 1,71 1,72 1,74 1,69 1,58 1,59
1,60 1,63 1,64 1,65 1,68 1,70 1,70 1,72 1,75 1,58
1,71 1,75 1,74 1,71 1,70 1,69 1,68 1,73 1,72 1,74
1,71 1,70 1,72 1,79 1,78 1,82 1,80 1,79 1,71 1,71
1,70 1,72 1,76 1,75 1,70 1,71 1,69 1,68 1,60 1,62
1,59 1,58 1,61 1,65 1,69 1,71 1,75 1,74 1,70 1,78
En este caso n = 100. Tamaño de la muestra.
PRESENTACIÓN DE LA INFORMACIÓN
Distribución de frecuencias: Es distribuir los datos en clases, determinando el número

de datos pertenecientes a cada clase, denominado frecuencia de clase (f).
Las alturas de 100 estudiantes, registradas con aproximación de pulgadas.
Clases Frecuencia(f)
(Alturas) (Nº de estudiantes)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 – 74 8
N = 100
Para determinar el número de clases hay varios criterios.

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

Intervalos de clases y límites de clase.
60 – 62 es el intervalo de clases y 60,62 son los limites de clases
Marca de clase. (x)
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.
Procedimientos para formar una distribución de frecuencia.

• Se determina al rango.
• Se divide el rango en un número conveniente de intervalos (5 a 20) o usando
alguno de los criterios mencionados.
• Se determina el tamaño del intervalo y las clases con:
C =_____R_____
Nº de clases (k)
Se determina las marcas de clase
Eje: Sean las alturas en cm. de 40 alumnos
138 164 150 132 144 125 149 157 146 158
140 147 136 148 152 144 168 126 138 176
163 119 154 165 146 173 142 147 135 153
140 135 161 145 135 142 150 156 145 128
1.- R= 176 – 119 = 57

2.- K = √N = √ 40 = 6.3 = 6; tamaño del int. C =_____R_____
Nº de clases
= 9.5
Para facilitar la construcción de la tabla de frecuencias, por comodidad de cálculo se
eligió el tamaño del intervalo de 10.
3.-
Clases Conteo Frecuencia x fR% fA fAR%
(f)Nº niños
118 -127 III 3 122.5 7.5 % 3 7.5%

128 - 137 IIIII I 6 132.5 15.0% 9 22.5%
138 - 147 IIIII IIIII IIII 14 142.5 35.0% 23 57.5%
184 - 157 IIIII IIII 9 152.5 22.0% 32 50.0%
158 – 167 IIIII 5 162.5 12.5% 37 92.5%
168 - 177 III 3 172.5 7.5% 40 100.0%
N 40 100.0%

Histograma, polígonos y curvas de frecuencia
Histograma: Rectángulos de bases en el eje x, sus centros coinciden con los marcas de
clases y de longitud igual, cada altura es igual a su frecuencia f.
Polígonos de Frecuencia: Se obtiene uniendo los puntos medios de las bases

superiores de los rectángulos del histograma y dos marcas de clases inferior y superior
de frecuencia cero.
Curvas de frecuencia: Se obtiene suavizando los vértices de polígonos de frecuencia
Frecuencia relativas porcentual (fR% ): fR = __f__ x 100

n
Frecuencia Acumulada (fA): fA = f1 + f2 +……………. fn
Frecuencia Acumulada Relativa (fAR): fAR =__ f A __ x 100

n
Fig. 1.1 Histograma y Polígono de Frecuencias

f
15
12
0
112,5 122,5 132,5 142,5 152,5 162,5 172,5
Marcas de Clase
Distribución de Frecuencia de una Muestra Discreta
La tabla de distribución de frecuencias que corresponde al Ejemplo Nº 1 es el

siguiente:

Clases Contéo Frecuencia
X F
0 hijos IIII f1 = 4
1 hijo IIIII f2 = 5
2 hijos IIIIIIII f3 = 8
3 hijos IIIII f4 = 5
4 hijos III f5 = 3
5 hijos IIII f6 = 4
6 hijos I f7 = 1
k=7
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.
Procedimiento alterno para Construir la Tabla de Frecuencias en una

Muestra Continua
1. Se resta el mínimo valor del máximo valor de la muestra, esta diferencia representa
el rango (R).
2. La diferencia obtenida se divide entre el número de intervalos que se considera en

la distribución R/K.
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
Donde: K Nº. De intervalos

n Nº. De observaciones que
tiene la muestra.
3. El cociente obtenido en la división realizada en el segundo paso representa la

anchura o tamaño del intervalo de clase (c).
Se recomienda que todos los intervalos deben ser del mismo tamaño a fin de tener
mejores resultados en los análisis de la muestra.

4. Conociendo la amplitud de cada intervalo y el número de los mismos, se determina
en orden ascendente los intervalos de clase. Teniendo como límite inferior del
primer intervalo al menor valor de la muestra y como límite superior al valor
obtenido al sumar al límite inferior el valor de la amplitud del intervalo. De esta
forma sucesivamente se van formando los intervalos.
5. Los puntos medios de los intervalos de clase toman el nombre de marcas de clase,
que se obtiene sumando el límite inferior y superior de cada intervalo y dividiendo
entre dos.
Tabla de Frecuencias de una Muestra Continua

Ejemplo de Aplicación de una Muestra Continua
La tabla de distribución de frecuencias correspondiente al Ejemplo Nº 2 es el siguiente:
Después de realizar el conteo y hallado la frecuencia por intervalo el cálculo del

Número de intervalos (K): como se puede ver en la página 11. Por la regla de Sturges.
Para n = 100
k = 1 + 3,332 log n
k = 1 + 3,332 log 100
k = 7,7
Consideramos el valor:
k =8
q1 = 1.54 Dato menor
q2 = 1.82 Dato mayor
q2 – q1
c = k
1,82 – 1,54
c = = 0,04,
7

TABLA DE FRECUENCIAS (EJEMPLO 2)
Con estos datos se construye la tabla de frecuencias siguiente
Marcas Clases Conteo Frecuencia

(Estaturas f
1,56 [1,54 – 1,58] IIIII I 6
1,60 (1,58 – 1,62] IIIII III 8

1,64 (1,62 – 1,66] IIIII IIIII 10
1,68 (1,66 – 1,70] IIIII IIIII IIIII IIIII IIIII III 28
1,72 (1,70 – 1,74] IIIII IIIII IIIII IIIII IIIII I 26
1,76 (1,74 – 1,78] IIIII IIIII IIIII II 17
1,80 (1,78 – 1,82] IIIII 5
Gráfica de Frecuencias Σf= 100

Histograma y Polígono de Frecuencias
Ejemplo de Aplicación:
Con los datos del Ejemplo Nº 2. Hallar el Histograma y Polígono de frecuencias
respectivos.
Fig. 1.2 Histograma de Frecuencias
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)

Distribución de Frecuencias Relativas
Ejemplo: En la muestra del Ejemplo. Nº. 2, la frecuencia relativa de la segunda clase

será:
f2
f R2 = n Remplazando por sus valores
f R2 = 8
= 0,08 que puede expresarse como el 8% (frecuencia porcentual)
100
Distribución de Frecuencias Acumuladas Absolutas y Relativas.
1. Frecuencias Acumuladas Absolutas ( FA ).
Es la frecuencia total de todos los valores menores o iguales al límite

superior del intervalo de clase respectivo, se obtiene sumando las
frecuencias absolutas correspondientes a los intervalos inferiores.
Ejemplo: En la muestra del Ejemplo. Nº. 2, la frecuencia absoluta

acumulada hasta la tercera clase (FA ) será:
FA3 = f1 + f2 + f3
FA = f1 + f2 + f3 + .............. + fn
Reemplazando con los valores del ejemplo:
FA3 = 6 + 8 + 10 = 24
FA3 = 24
Interpretación:
Existen 24 observaciones cuyas estaturas son menores o iguales a 1.66m.
2. Frecuencias Acumuladas Relativas ( FAR )
Es la frecuencia relativa total de todos los valores menores o iguales al

límite superior del intervalo de clase respectivo, se obtiene sumando las
frecuencias relativas siguientes a los intervalos inferiores.
Ejemplo:
En la muestra del Ejemplo Nro. 2, la frecuencia relativa acumulada hasta la

cuarta clase (FAR4) será:

FAR4 = fR1 + fR2 + fR3 + fR4
Generalizando: FAR = Σ fR t = fR1 + fR2 + fR3+ ..............+ fR k
Reemplazando con los valores del ejemplo:
FAR4 = 0,06 + 0,08 + 0,10 + 0,28 = 0,52
FAR4 = 0,52
Interpretación: Frecuencia Relativa Porcentual
Al multiplicar por 100 para obtener la respuesta en %:

Significa que el 52 % de observaciones tienen estaturas menor o
igual 1,70 m.
Gráfica de las Frecuencias Acumuladas, Ojiva.
La gráfica que muestra las frecuencias acumuladas “mayor que” o las que son “menor
o igual que” toman el nombre de Polígono de Frecuencias Acumuladas u Ojivas.
Ejemplo:
Presentaremos las frecuencias acumuladas a partir de la muestra del Ejemplo. Nº 2.
x Clases( estaturas) fi fR FA fAR

1.56 [1.54 – 1.58] 6 0.06 ; 6% 6 0.06 ; 6%
1.60 (1.58 – 1.62] 8 0.08 : 8% 14 0.14 ; 14%
1.64 (1.62 – 1.66] 10 0.10 ; 10% 24 0.24 ; 24%
1.68 (1.66 – 1.70] 28 0.28 ; 20% 52 0.52 ; 52%
1.72 (1.70 – 1.74] 26 0.26 ; 26% 78 0.78 ; 78%
1.76 (1.74 – 1.78] 17 0.17 ; 17% 95 0.95 ; 95%
1.80 (1.78 – 1.82] 5 0.05 ; 5% 100 1.00 ;100%
n = 100 Σ f R =1ó100%

Fig. 1.8 Gráfica de Frecuencias Acumuladas Ojiva
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

TALLER O1
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
INTRODUCCIÓN AL ANÁLISIS DE
DATOS – PRESENTACIÓN DE LA INFORMACIÓN
EJERCICIOS Y PROBLEMAS
Estadística Descriptiva e Inferencia Estadística
1. Indique cuáles de los términos u operaciones siguientes se relacionan con

muestras (m) ó con una población (N):
a) Grupos de medidas llamadas parámetros,

b) Uso de inferencia estadística,
c) Hacer un cerco,
d) Juzgar la calidad de un embarque de fruta inspeccionando varias de las
cajas,
e) Universo,
f) Grupos de medidas denominadas estadísticas,
g) Aplicación de conceptos de probabilidad.
Variables Discretas y Continuas
2. Por los siguientes tipos de valores, identifique si corresponde a variables

discretas (D) o variables continuas (C):
a) el peso del contenido de un paquete de cereales,

b) el diámetro de un cilindro,
c) el número de artículos defectuosos que se producen,
d) el número de personas pensionadas en una área geográfica,
e) El número promedio de clientes de una empresa visitadas por un
vendedor,
f) el total de ventas en dólares.
3. Se encuestó a un grupo de 30 alumnos sobre la ciudad del Paraguay

en el que nacieron y respondieron como se indica:
ETTCPVAACEEPAAA
EEEPCAAVLVCEAEE

Donde E, A, V, C y P representa Encarnación, Asunción, Villarrica, C.D.E., y
Pedro Juan Caballero, respectivamente. Organizar los datos en un cuadro de
distribución de frecuencias.
4. Se encuestó a 30 contadores sobre el número de balances presentados el

año pasado y se obtuvo la información siguiente:
614627245686532
525756146459236
Organizar los datos en un cuadro de distribución de frecuencias.
5. Construya una tabla de frecuencias para los datos siguientes,

correspondiente al minuto de espera para ser atendido en una financiera en
el mes de enero 2011.
9 8 7 8 4 3
2 1 0 5 3 2
1 1 7 3 2 8
7 6 6 4 3 2
2 0 9 4 6 9
6 9 4 3 5 7
3 2 1 4 4 2
6. Un conjunto de datos tiene 100 observaciones, de las cuales la mayor es

212 y la menor 42. Suponga que desea una tabla de frecuencias con siete
clases.
a) ¿Cuál es el intervalo de clase?
b) ¿Cuál es la marca de la primera clase si el límite inferior se fija en 40?.
7. El Profesor Rojas puso un examen final consistente en 100 preguntas a su

grupo de contabilidad I, los datos siguientes representan el número de
respuestas correctas en cada examen, constrúyase una tabla de
frecuencias agrupadas con 5 clases para que, el profesor Rojas pueda
analizar los resultados.
17 15 78 21 10 32 7 65 18 87
4 22 34 42 9 9 82 79 98 4
44 65 62 77 81 81 45 37 83 44
77 13 41 16 13 13 82 37 5 54
7 67 88 41 22 22 92 16 67 85

Distribución de Frecuencias, Intervalos de Clase y Métodos Gráficos.
8. Los siguientes datos constituyen las vidas útiles, en horas de una muestra
aleatoria de 60 bombillas de luz de 100 watts.
Vida útil de 60 bombillas de luz.
807 811 620 650 817 732 747 823 844 907
660 753 1050 918 857 867 675 880 878 890
881 872 869 841 847 833 829 827 822 811
766 787 923 792 803 933 947 717 817 753
1056 1076 958 970 776 828 831 781 1088 1082
832 863 852 788 980 889 1030 897 755 891
a) Constrúyase una distribución de frecuencias con anchos de clases iguales.

b) Trazar el histograma y polígono de frecuencias.
c) Trazar el Ojiva correspondiente “mayor que” y “menor que”.
d) Hallar la frecuencia Acumulada Relativa (Hi) de la cuarta y sexta clase,
interprete su respuesta
e) Hallar la frecuencia Acumulada Absoluta y Relativa “mayor que” de la primera y
segunda clase, interprete su respuesta.
9. Las siguientes observaciones son los tiempos (en minutos) que tardan 30
personas en ser atendidas en un conocido Banco.
42,3 67,7 53,3 63,9 70,1

70,0 52,6 61,9 41,7 39,2
37,2 63,2 45,7 38,9 68,3
69,2 39,2 42,7 52,4 52,5
41,9 58,9 69,1 68,3 64,9
39,2 45,5 55,5 61,2 69,8
a) Determinar el Nº de clases y el intervalo respectivo.

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

SEMANA 2, UNIDAD I
TEMA 2: MEDIDAS DE TENDENCIA CENTRAL ORGANIGRAMA
MEDIDAS DE TENDENCIA CENTRAL

ORGANIGRAMA
Tendencia Central
Datos no agrupados
Media Aritmética
Mediana
Moda
Media Aritmética Ponderada
Media Geométrica
Datos agrupados
Media Aritmética o media
Mediana
Moda
CONCEPTOS RELACIONADOS
Coeficiente de Variación Coeficiente de Asimetría

LA MEDIA ARITMÉTICA
De un conjunto de datos numéricos, es la suma de todas las observaciones del

conjunto, dividida entre el número de observaciones.
Simbología.- Fórmulas.
Dependiendo de la información disponible (poblacional o muestral) se puede tener:

Media o promedio poblacional (u):
Σx
Σ
N
u= 1 xi = .............................. (2.1)
N N
i=1
Media o promedio muestral ( X ):
Σx
Σ
n
x= 1 xi = .............................. (2.2)
n n
i=1
Donde : Xi = Valor de la i – enésima observación de la variable (suma de todos los

datos)
N = Tamaño de la población (Nº De datos)
n = Tamaño de la muestra (Nº De datos)
Propiedades:
1. La Media Aritmética es un valor representativo debido a que es el centro de

gravedad o punto de equilibrio de un conjunto de observaciones.
2. Si se sustituye el valor de cada observación por el valor del Promedio Aritmético

no varía la suma de todas las observaciones.
3. La suma de las desviaciones de las observaciones con respecto al promedio

aritmético es igual a cero.

4. Si a cada observación de una muestra, se le suma una constante, el promedio de
las nuevas observaciones será igual al promedio de la muestra original más la
constante.
5. Si a cada observación de una muestra, se le multiplica por una constante, el

promedio de las nuevas observaciones será igual al promedio de la muestra
original multiplicada por la constante.
Ejemplos:
Tenemos los salarios por hora (en guaraníes) de 7 supervisores.

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

x=
7
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
1. Una empresa comercializadora de teléfonos celulares dispone de tres

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

Vendidos ( p ) Venta Gs/. (x)
Pedro 30 30.000
Juan 25 40.000
Pablo 20 50.000

30.000(30) + 25.000(40) + 20.000(50) 2.900.000
XP = =
30 + 25 + 20 75
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:
Sucursal Costo de Producción (x) Cantidad Producida (p)

A 1.200 500
B 1.600 200
C 1.050 900
Calcular el costo de producción promedio por unidad producida.
Solución
XP = Σ(px) = 500(1.200) + 200(1.600) + 900 (1.050) = 1865000

Σp 500 + 200 + 900 1600
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
La mediana de un conjunto de observaciones ordenadas de acuerdo a su magnitud, es

el valor de la observación que ocupa la posición central de dicho conjunto.
Características:
1. La mediana divide a un conjunto de observaciones en dos partes iguales. El 50%

con valores mayores a la mediana y el otro 50% con valores menores a la
mediana.
2. Como medida de posición, la mediana es influenciada por el número de

observaciones y no por los valores de las observaciones.
Cálculo de la Mediana:
Para determinar la posición de la mediana se usa la siguiente fórmula:

Med = n+1 (2.4)
2
Si "n" es impar.
Para un grupo con un número par de elementos, la mediana se encuentra a la mitad

entre los dos valores adyacentes al centro es decir:
Med = 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
En este caso los datos ordenados son:

5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17 y con
n = 11 se tiene:
n + 1 = 12 = 6
2 2
Me = 11
Interpretación:
Durante 5 días se atendieron a menos de 11 clientes, y durante 5 días se atendieron a

más de 11 clientes.
2): Si se tiene las observaciones: 5, 8, 7, 9, 6, 5, 4, 3. Calcular la Mediana.
Solución
En este caso los datos ordenados son:
3, 4, 5, 5, 6, 7, 8, 9 y con n = 8 se tiene:
n= 4
2
n + 1= 4 + 1 = 5
2
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
LA MEDIA ARITMÉTICA PARA DATOS AGRUPADOS
Los datos agrupados son datos dados en tablas de frecuencias.

Cuando se agrupan datos en una distribución de frecuencias, se utiliza el punto medio
de cada clase (xc) como aproximación de todos los valores contenidos en ella.
Fórmulas Usadas:
Media o Promedio Poblacional (u)
u= Σ fxi ó en forma simple u = Σ fx ................... (2.6)

Σf N
Media o Promedio Muestral ( X )
Σ fxi Σ fx
X = ó en forma simple X = ................... (2.7)
Σf n
donde:
xi = x = Marca de clase (Punto medio) de cada clase.
f = frecuencia observada de valores en cada clase respectiva.
N = Nº de datos de la Población.
n = Nº de datos de la muestra.
Ambas fórmulas señalan que cada punto medio de cada clase (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
1): La distribución de frecuencias siguiente, representa los puntajes obtenidos en una

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

Tabla 2.1 Distribución de frecuencias de los puntajes por evaluación de 60 Técnicos.
Desempeño Número de Marca de (fx)
(Puntos) Técnicos (f) Clase (x)
12 – 16 4 14 56
17 – 21 8 19 152
22 – 26 15 24 360
27 – 31 23 29 667
32 – 36 10 34 340
Total 60 Σ(fx)=1575
Solución
En la misma tabla calculamos la marca de clase (xc), es decir el valor intermedio de

cada clase ó intervalo, y (fx), obtenemos:
Σ fx 1575
x = n = 60 = 26,25
x = 26,25
Interpretación:
Si se elige al azar un técnico se espera que tenga un puntaje promedio de 26.25 en su

evaluación de desempeño.
2): En la tabla siguiente se muestra una distribución de frecuencias de salarios

mensuales de 100 trabajadores. Calcule e interprete la Media.
Tabla 2.2 Salarios Mensuales de 100 trabajadores
Número de Marca de
Salario Mensual (fx)
Trabajadores (f) Clase (x)
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
Total : 100 Σ(fx) = Gs/. 294.950.000
Solución

En la misma tabla calculamos x y fx, obtenemos:
Σ fx
x = n = 294.950.000 = Gs/. 2.949.500
100
Interpretación:
Si se elige al azar un trabajador se espera que tenga un salario mensual de Gs/.

2.949.500
LA MEDIANA PARA DATOS AGRUPADOS
Primero, se determina la clase (intervalo) que contiene el valor de la mediana, luego

determinar el valor de la mediana dentro de la clase.
La clase que contiene la mediana es la primera cuya frecuencia acumulada iguala o

excede la mitad del total de observaciones.
Fórmula Utilizada:
Med = LI + ( n/2 - faA ) C ..................................... (2,8)

fc
Donde:
LI = Límite exacto inferior de la clase que contiene la mediana.
n = Número Total de observaciones.
faA = La frecuencia acumulada de la clase que precede (antes) a la clase que contiene la
mediana.
fc = Número de observaciones en la clase que contiene la mediana.
C = Tamaño del intervalo de clase.
Ejemplo
1): La siguiente tabla muestra el salario mensual de 100 trabajadores. Hallar la

Mediana.
Tabla: Salarios Mensuales de 100 trabajadores
Salario Mensual Número de Frecuencia Acumulada (fa)

Trabajadores (f)

Gs/. 2.400.000 – 2.599.000 7 7
2.600.000 – 2.799.000 20 27
2.800.000 – 2.999.000 33 60
3.000.000 – 3.199.000 25 85
3.200.000 – 3.399.000 11 96
3.400.000 - 3.599.000 4 100
Total: 100
Solución
En la misma tabla calculamos (n); la clase ó intervalo que contiene a la mediana es la

que incluye el valor 2 = 100/2 =50. La Primera cuya frecuencia acumulada es igual o
superior a 50 es la clase que tiene los límites 2.800.000 – 2.999.000 (con límite exacto
inferior 2.799.500).
Para hallar el tamaño del intervalo:

C = Ls - Li + 1 = 200
Med = LI + ( n/2 - faA) C = 2.799.500 + ( 100/2 - 27) 200 =

fc 33
Med = Gs/. 2.938.890
Interpretación:
La mitad de los trabajadores gana menos a Gs/. 2938,89 y la otra mitad de
trabajadores gana más a Gs/. 2938,89.
LA MODA PARA DATOS AGRUPADOS
Para datos agrupados en una distribución de frecuencias con intervalos de clases

iguales, para hallar la moda, primero se identifica la clase que contiene la moda
determinando cuál de ellos tiene el mayor número de observaciones, luego se aplica
la fórmula de la moda.
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.

Tabla: Salarios Mensuales de 100 trabajadores.
Salario Mensual Número de Frecuencia Acumulada (fa)

Trabajadores (f)
Gs 2.400.000 – 2.599.000 7 7
2.600.000 – 2.799.000 20 27
2.800.000 – 2.999.000 33 60
3.000.000 – 3.199.000 25 85
3.200.000 – 3.399.000 11 96
3.400.000 – 3.599.000 4 100
Total: 100
Solución
La clase ó intervalo que contiene el mayor número de observaciones (frecuencia), es el
que corresponde a 2800 – 2999 (clase modal).
Para hallar el valor de la moda es esta clase:
d1 13
Mo = LI + ( )i = 2799500 + ( )200 = Gs / .2796,26
d1 + d 2 13 + 8
Interpretación:
El salario de valor más frecuente es de S/. 27996

SEMANA 3, UNIDAD I
TEMA 3: DATOS AGRUPADOS Y NO AGRUPADOS
CUARTILES, DECILES Y PERCENTILES
Mientras que la mediana divide a una distribución de datos en dos mitades.

Los Cuartiles los dividen en cuatro cuartos iguales.
Los Deciles los dividen en 10 décimas iguales.
Los Percentiles los dividen en 100 partes iguales.
Fórmulas Usadas para datos no agrupados:
Q1 (Primer Cuartil) = X[n/4 + ½] .................................. (2.10)
D3 (tercer Decil) = X [3n/10 + ½] ................................... (2.11)
P70 (Percentil 70) = X[70n/100 + ½] ................................ (2.12)
Ejemplos
1): Los importes mensuales (en guaraníes) de 15 personas en un restaurante, en

forma ascendente son:
1000, 1000, 2500, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500, 24500,
27500, 30300 y 41000.
Determinar los valores de:
a) Segundo Cuartil.
b) Segundo Decil
c) Punto Percentil 40.
Solución
Siendo n = 15:
a) Q2 = X[2n/4 + ½] = X[2x15/4 + ½] = X8 = 5300
Por definición este valor es equivalente a la Mediana.
b) D2 = X[2n/10 + ½] = X[2x15/10 + ½] = X3,5 = 2500+2500 = 2500

2
X3,5 corresponde al valor de la mitad entre el 3ro y 4to ascendente.
c) P40 = X[40n/100 + ½] = X[40x15/100 + ½] = X6,5 = 3500 + 4000 = 3750

2
X6,5 corresponde al valor de la mitad entre el 6to y 7mo ascendente.
CUARTILES, DECILES Y PERCENTILES PARA DATOS AGRUPADOS
Se utilizan algunos ejemplos de fórmulas como:
Q1 (Primer cuartil) = LI + ( n/4 – faA )C . .......................... (2.13)

fc
D3 (Tercel decil) = LI + (3n/10 – faA)C ...... ........................ (2.14)
fc
P70 (Percentil 70) = LI + (70n/100 – faA)C ......................... (2.15)

fc
Donde:
LI = Límite exacto inferior de la clase que contiene Q, D ó P.
faA = Frecuencia acumulada de la clase que precede (antes) a la clase que

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

Como podemos observar, la fórmula de la mediana (2,8) se modifica de acuerdo
con el punto fraccionario de interés (Q, D, P se encuentran en la clase cuya
frecuencia acumulada excede al valor del Q, D, P solicitado).
E14: Con referencia a la siguiente tabla la cual indica el tiempo requerido para
auditar saldos de cuentas.
a) Determinar el valor del Tercer Cuartil.

b) El Primer Decil.
c) El Punto Percentil 90.
Tabla: Tiempo requerido para auditar saldos de cuentas.
Tiempo de Número de Frecuencia Acumulada (fa)

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

Solución
En la misma tabla calculamos fa. En primer lugar, calculamos la clase que tiene el
punto de interés 3n/4 = 3x50/4 = 37,5 (Quinta clase) de acuerdo con las frecuencias
acumuladas.
Luego según fórmula:
a) Q3 = L1 + ( 3n/4 – faA ) i = 49.5 + ( 3x50/4 – 30 )10 = 53,25

fc 20
Conclusión:
49,5 es el límite exacto inferior de la clase que contiene la medición 3n/4 ó 37.5, por
tanto el cuartil 3 se encuentra en el quinto intervalo y su valor es 53,25 min.
b) La clase que contiene el punto de interés (primer decil) = 1xn/10 = 50/10 = 5,

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

 n   5 
 − f aA   10 − 3 
D1 = LI +  10  i = 19,5 +  10 = 23,5 min .
 fc   5 

 
 
 

Conclusión:
19,5 es el límite superior de la clase que contiene la medición n/10 ó 5, por tanto el
decil 1 se encuentra en el segundo intervalo y su valor es 23.5 min.
c) La clase que contiene el punto de interés (percentil 90) = 90xn/100 =

90x50/100 = 45
LI se encuentra en el intervalo cuya fa excede a 90n/100 ó 45x 50.

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

fc 20
Conclusión:
El valor P90 = 57 min y se encuentra en el quinto intervalo.
9.5 – 19.5 – 29.5 – 39.5 – 49.5 – 59.5

1 2 3 4 5
LA MEDIA GEOMÉTRICA ( xg )

Se utiliza para calcular tasas medias de variación, como la tasa media de crecimiento
poblacional, la tasa media de inflación mensual, la tasa media de mortalidad, entre
otros.
Fórmula
n
xg = x1 . x2 . x3 . x4 . .................... xn ....................... (2.16)
Donde:
x = n valores de una serie
x1, x2 ............... xn datos de la 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.
Meses Ene Feb Mar Abril Mayo

Aumento
2.6 % 5.4 % 3.8 % 0.5 % 1.4 %
de Ventas
Solución
La tasa 2.6 % también se puede expresar como 0,026 y como se refiere a un aumento a
partir de 100%, el factor de variación será 1,026 (1 representa el 100%, aumento
representa >1) para los otros datos se procede igual.
Reemplazando en la fórmula:
xg = n x1 . x2 . x3 . x4 . .................... xn ; para n = 5
xg = 5 (1,026) (1,054) (1,038) (1,005) (1,014)
5
xg = 1,14390337
xg = 1,02725 (factor de Crecimiento o Medio)
Tasa Media de Variación = (Xg – 1) 100
= (1,02725 – 1)x 100 = 2,72 %
Interpretación:

Si se selecciona al azar un mes entre enero y mayo, se espera que las ventas se hayan
incrementado 2.72% con respecto al mes anterior.
LA MEDIA ARMÓNICA (Xh)
Se utiliza para calcular el tiempo medio, velocidad y aceleración media, como el

tiempo medio para realizar un proceso productivo.
Fórmula:
1 ............................................ (2.17)
Xh =
∑1 / x
n
Donde:
xh = Media armónica
n = n valores de una serie
Σ1/xi = Suma de todos los datos a la inversa.
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.

TALLER 02
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
MEDIDA DE TENDENCIA CENTRAL O POSICIÓN DE LOS DATOS
EJERCICIOS Y PROBLEMAS
Media, Mediana y Moda
1. En una empresa que tiene 200 empleados, el ingreso promedio es Gs/.

1200,¿cual es la cantidad de dinero destinado al pago sueldos?
2. Una empresa tiene 100 trabajadores cuyo sueldo promedio es de Gs/. 900. El
próximo mes se piensa incrementar el sueldo de cada trabajador en Gs/. 100
¿Con cuánto dinero se debe contar para poder pagar los nuevos sueldos?
próximo mes se piensa incrementar el sueldo de cada trabajador en 20% de su
sueldo actual ¿Con cuánto dinero se debe contar para poder pagar los nuevos
sueldos?
próximo mes se piensa incrementar el sueldo de cada trabajador en 20% de su
sueldo actual y además da una bonificación de Gs/. 50 ¿Con cuánto dinero se
debe contar para poder pagar los nuevos sueldos?
5. Una muestra de 20 trabajadores de una compañía pequeña obtuvieron los
siguientes salarios para un mes determinado. (En dólares)
240, 240, 240, 240, 240, 240, 240, 240, 255, 255, 265, 265,
280, 280, 290, 300, 305, 325, 330 y 340.
Calcule: a) la media, b) la mediana y c) la moda, para este conjunto de salarios.

6. Si estuviera usted en cada uno de las siguientes situaciones, señale qué medida
de “promedio” reportaría para los datos del problema anterior y en qué
sentido puede considerarse típico cada valor. a) Como Vicepresidente
responsable de las negociaciones colectivas con los trabajadores, b) Como
Presidente de los representantes de los trabajadores.
7. El número de accidentes ocurridos durante determinado mes en 13 áreas de
manufactura de una planta industrial fueron:
2, 0, 0, 3, 3, 12, 1, 0, 8, 1, 0, 5, 1.
Calcule: a) la media, b) la mediana, y c) la moda. Para el número de accidentes
por área.

8. En una compañía que maneja 4 productos, los márgenes de utilidad
correspondientes a c/u de ellos durante el año fiscal anterior fueron: producto
A, 4,2 %; producto B, 5,5 %; producto C, 7,4 % y producto D, 10,1 %. Hallar el
margen de utilidad promedio.
9. Supongamos que Ramiro el dueño de un grifo vende (en miles de soles) 5 tipos
de combustibles. En la tabla siguiente se muestra c/u de ellos junto con el costo
por galón y el número de galones vendidos. Calcular la media aritmética simple
y la media ponderada del costo obtenido por Ramiro.
Combustible Costo por Volumen de

Galón Ventas en balones
Diesel Gs/.2,00 3
84 3,50 7
90 5,00 15
97 7,50 12
95 6,00 15
La Media Ponderada
10. Suponga que los precios al menudeo de determinados artículos han sufrido los
cambios que se muestran en la tabla siguiente. Determine el cambio porcentual
promedio de los precios al menudeo con referencia al promedio de gastos que
se indica en la tabla.
Tabla (d) Cambios en los precios al menudeo de algunos artículos durante un año.
Artículo Aumento Gasto Mensual Promedio
Porcentual (Antes del Aumento)
Leche 10% Gs/. 2000,00
Carne Molida -6 3000,00
Ropa -8 3000,00
Gasolina 20 5000,00
Media, Mediana y Moda para Datos Agrupados
11. Con referencia a la tabla (c) la cual muestra la distribución de frecuencias por el
pago mensual alquiler de departamento.
Determinar el alquiler mensual promedio en término de: 1) Media (u), Mediana
(Med), c) Moda (Mo), interprete su respuesta:
Solución
En la misma tabla calculamos el punto medio de clase (x), Σf(x) y fa obteniendo:

Tabla (e). Distribución de Frecuencias para alquiler mensual por departamento.
Alquiler Punto Número de Frecuencia

Mensual Medio de Departamen fx Acumulada
Clase (x) tos (f) (fa)
350-379 364,50 3 1093,50 3
380-409 394,50 8 3156,00 11
410-439 424,50 10 4245,00 21
440-439 454,50 13 5908,50 34
470-499 484,50 33 15988,50 67
500-529 514,50 40 20580,00 107
530-559 544,50 35 19057,50 142
560-589 574,50 30 17235,00 172
590-619 604,50 16 9672,00 188
620-649 634,50 12 7614,00 200
Total Σ(fx)=S/1
200 04550,00
1.- u = ∑ ( fx) = 104500 = Gs / .522.75

N 200
2.- Med = LI + ( (N/2) – faA ) i = 499.50 + ( 100 – 67 ) 30

fc 40
= S/. 524.25
Nota:
Gs/. 499.50 es el límite exacto, inferior de la clase que contiene a la medición N/2 es
decir, la centésima medición.
3.- Mo = LI + ( d1 ) i = 499,50 + ( 7 ) 30 = S/. 517,00

d1 + d2 7+5
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:
a) La media, la mediana y la moda.

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

13. Una muestra de doce trabajadores sé probó en cuanto a su capacidad de
sostener firmemente un objeto; las medidas, ordenadas de menor a mayor
fueron:
80,6; 89,9; 101,4; 102,6; 115,0; 120,1; 123,4; 126,3; 131,8; 138,6; 151,6 y 160,5.
Determine:
a) El primero, segundo y tercer cuantil.
b) El segundo decil.
14. Hallar la media geométrica de una serie 18, 21, 23, 24 y 22 tomada en este
orden.
15. La siguiente Tabla muestra la tasa de incremento en los Pagos de impuestos de

una empresa durante los últimos meses. Calcule e interprete la tasa media mensual.
Meses Ago. Set. Oct. Nov. Dic.

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

SEMANA 4 Y 5, UNIDAD I
TEMA 4 Y 5: MEDIDAS DE DISPERSIÓN O VARIACIÓN DE LOS DATOS
ORGANIGRAMA
MEDIDAS DE VARIACIÓN (DISPERSIÓN)

DE LOS DATOS
VARIACIÓN (DISPERSIÓN)
Datos No Agrupados
Rango (Amplitud)
Desviación Media
Varianza y Desviación Estándar
Datos Agrupados
Rango (Amplitud)
Cuartiles, Deciles, Percentiles
Varianza y Desviación Estándar

Coeficiente de Variación Coeficiente de Asimetría (Sesgo)
Mientras que las medidas de Tendencia Central identifican el valor “Típico”

representativo en un conjunto de datos en contraste:
Las medidas de variación (dispersión) describen la medida de esta variabilidad según
sea grande o pequeña con respeto a una Medida de Tendencia Central (Media) x o u.
Ejemplo:
Conocidos los porcentajes o notas (x) de 80 estudiantes de Métodos Cuantitativos 1 se
les puede disponer formando una distribución de frecuencias que da una idea más
ordenada de las características de la variable x (calificación o puntos).
⇒ 1ro se le calcula la media de la variable x. Con este valor se puede representar la
distribución de frecuencias.
Si los puntajes (Notas) son muy altos con respeto a la media la variabilidad será
grande.
Si los puntajes (Notas) son muy próximos a la media, la variabilidad será pequeña.
La Medida de esta variabilidad es lo que se llama Medidas de Variación o Dispersión.
EL RANGO (AMPLITUD TOTAL) (R)

Es la diferencia entre los valores mayor y menor del conjunto de datos.
R = My – Mn
Donde:
R = Rango o Amplitud.
My = Mayor valor del grupo.
Mn = Menor valor del grupo.
Ejemplo 1: Durante un mes determinado del verano, 8 vendedores de aparatos

eléctricos vendieron el siguiente Nº de ventiladores:
8, 11, 5, 14, 8, 11, 16, 11.
Hallar el rango de unidades vendidas.
Solución
R = My – Mn = 16 – 5 = 11,0 unidades.
Ejemplo 2: Dos grupos de estudiantes (A y B) tienen la misma media = 70 puntos

c/grupo.
Los puntajes más altos y más bajo de cada grupo son:
A: 93 y 25.
B: 73 y 66.
Hallar el Rango o Amplitud.
Solución
Para A: 93-25 = 68 puntos
Para B: 73 – 66 = 7

Observamos: Que la Medida del Rango se funda sólo en los valores extremos pero no se
analiza la variabilidad de los datos internos por consiguiente estudiaremos la Desviación
Media.
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.
Ejemplo 3: Para encontrar las fórmulas: Si tenemos las siguientes calificaciones de

alumnos (sobre 100 puntos)
50, 55, 60, 70, 75, 80.
Hallar la Desviación Media:
Solución
1ro → Seleccionamos la Media.

2do → Medimos la variabilidad a partir de la media.
3ro → Se halla el promedio de variabilidad.
Σx 50 + 55 + 60 + 70 + 75 + 80 390
1) x = = = = 65
n 6 6
2) Los desvíos de este valor son:

-15, -10, -5, 5, 10, 15.
El signo (-) indica que la dirección de los desvíos es hacia la izquierda.
3) La distancia de las desviaciones (Cantidad de Variabilidad):

Ignorando los signos (-) (Observamos que la suma algebraica de los desvíos a partir
de la media es siempre = 0).
Hallamos la media de las desviaciones:
15 + 10 + 5 + 5 + 10 + 5 60
⇒ = = 10
6 6
Entonces la Desviación Media (DM) = 10.
Por lo tanto: La fórmula empleada para hallar la Desviación Media:
Σ x−u
D M Poblacional =
N

Σx−x
DM Muestral =
n
Donde:
x = Datos u observaciones de la muestra o población.
u = Media poblacional de los datos.
n,N = Nº de datos.
x = Media Muestral de los datos.
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:
En Promedio, las ventas de ventiladores por vendedor difiere en 2,6 unidades de la

media del grupo, en cualquier dirección.
LA DESVIACIÓN ESTÁNDAR
Debido a que se dificulta la interpretación del significado del valor de una varianza,
porque las unidades en que se expresa son valores al cuadrado.
Surge la Desviación Estándar (σ,s), que es la raíz cuadrada de la varianza, representada

mediante la letra griega σ o s para una muestra; su fórmula es:
Σ( x − u ) 2
Desviación Estándar Poblacional σ =
N
Σ( x − x ) 2
Desviación Estándar Muestral s =
n −1

Ejemplo 5: De acuerdo al ejemplo dado donde:
8 vendedores vendieron el siguiente Nº de ventiladores 8, 11, 5, 14, 8, 11, 16, 11.
2do Tabla: Considerando estas ventas como población:
X x-u (x-u)2
5 -5,5 30,25
8 -2,5 6,25
8 -2,5 6,25
11 0,5 0,25
11 0,5 0,25
11 0,5 0,25
14 3,5 12,25
16 5,5 30,25
∑ Total 86,00
Σ( x − u ) 2 86
Desviación Estándar σ = = = 10,75 = 3,3unidades
N 8
CÁLCULOS ABREVIADOS DE LA VARIANZA Y LA DESVIACIÓN ESTÁNDAR.
Para no realizar el cálculo de c/u de las desviaciones con respecto a la Media Grupal,
existen fórmulas abreviadas equivalentes, las cuales son:
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
Ejemplo 6: Como verificación de resultados, calcular por fórmula abreviada la

desviación estándar respectiva del problema anterior, siendo x = u = 10,5.
x x2
5 25
8 64
8 64
11 121
11 121
11 121
14 196

16 256
Total 968
Σx 2 − Nu 2 968 − 8(10,5) 2
σ= = = 10,75 = 3,3 unidades
N 8
MEDIDAS DE VARIABILIDAD (DISPERSIÓN) ASIMETRÍA Y CURTOSIS DE LOS

DATOS.
Formas de Curvas de Frecuencias.

Después de haber dibujado el polígono de frecuencias y la curva ojiva para la
distribución de frecuencias acumuladas, también tenemos los siguientes tipos de
curvas:
En términos de ASIMETRÍA (Lados Laterales), una curva de frecuencia puede ser:
(1) Asimétrica Negativa: Asimétrica con la cola hacia la izquierda.

(2) Asimétrica Positiva: Con la “cola” hacia la derecha.
(3) Simétrica.
FIG.1. ASIMETRÍA DE PEARSON

f f f
(1) Asimétrica
x (2) Asimétrica
x (3) Simétrica
x
Negativa Positiva (Insesgada)
(Esta sesgada (Sesgada hacia
hacia la izquierda) la derecha)
En términos de Kurtosis (vértice superior), una curva de frecuencia puede ser:
(1) Platikúrtica: Plana, con las observaciones distribuidas de manera

relativamente uniforme en todas las clases.
(2) Leptokúrtica: Puntiaguda, con las observaciones concéntricas en un
estrecho rango de valores.
(3) Mesocúrtica: Ni plana ni puntiaguda, en términos de la distribución de los
valores observados.
FIG. 2. KURTOSIS
f f f
x x x
(1) Platikúrtica (2) Leptokúrtica (3) Mesocúrtica
EL COEFICIENTE DE VARIACIÓN (C.V.)
Indica la Magnitud relativa de la Media de la Distribución:

Su fórmula es:
σ
Población: CV = x 100
u
s
Muestra: CV = x 100
x
Donde: CV = Coeficiente de Variación

s = desviación estándar.
x , u = media.
Si consideramos 2 o más distribuciones con medios bastantes diferentes

o si se miden en unidades distintas, será peligroso extraer conclusiones
sobre la dispersión a partir de un único valor de la Desviación Estándar.
Es como comparar manzanas con naranjos: por tanto se recurre
frecuentemente al uso del C.V.
Se aplica para comparar la variabilidad de 2 conjuntos de datos con respeto al nivel

general de los valores de c/conjunto (y, por ello respeto a la media).
Ejemplo 7: Para 2 acciones comunes de empresas

(Telefónica A –Claro B)
El precio promedio de cierre en la bolsa de un mes fue:
Acción A = $15000 con desviación estándar de 500.
Acción B = $5000, con desviación estándar de 300.
Haciendo una comparación absoluta, resultó ser superior la variabilidad

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

Mide la desviación de la simetría, expresando la diferencia entre la media y la mediana
con respecto a la desviación estándar del grupo de mediciones.
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 =
(-).
Ejemplo 7: Del ejemplo 1 de 8 vendedores que vendieron ventiladores.
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.
FIG 3. ASIMETRÍA DE PEARSON.

X
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)
Ejercicio 8: En los siguientes datos agrupados de las salarios mensuales

de 100 trabajadores hallar el rango.
Salario Mensual Límites Exactos

$ de Clase
2400 – 2599 2399,50 – 2599,50
2600 – 2799 2599,50 – 2799,50
2800 – 2999 2799,50 – 2999,50
3000 – 3199 2999,50 – 3199,50
3200 – 3399 3199,50 – 3399,50
3400 – 3599 3399,50 – 3599,50
R = Ls(A) – LI(B) = 3599,50 – 2399,50 = 1200
DESVIACIÓN MEDIA PARA DATOS AGRUPADOS
Para los datos agrupados en una distribución de frecuencias, se asume que el punto
medio de cada clase (Intervalo), representa a todas las mediciones incluídas en esa
clase (intervalo); es igual que el cálculo de la media para datos agrupados.
Fórmula empleada:
DMPOBLACIONAL =
∑ [( f ) x − u ]
N
Ejemplo 9: Para los datos de salarios mensuales del problema anterior calcular la
Desviación Media.
Solución
Salario Pto. Medio (f) Nº de f(x) |x−u f x−u

Mensual de clase Trabajadores |
$ (Intervalo) x
2400 2599 2499,50 7 17496,50 450 3150
2600 2799 2699,50 20 53990,00 250 5000
2800 2999 2899,50 33 95683,50 50 1650
3000 3199 3099,50 25 77487,50 150 3750

3200 3399 3299,50 11 36294,50 350 3850
3400 3599 3499,50 4 13998,00 550 2200
Total: 100 294950,00 Total: 19600
LA VARIANZA Y LA DESVIACIÓN ESTANDAR PARA DATOS AGRUPADOS.
Se asume que el punto medio de clase (intervalo) representa a todas las mediciones
incluidas en esa clase.
Fórmulas Empleadas:
∑ [ f (x − u ) ]
2
Varianza Poblacional: σ 2
=
N
∑ [ f (x − x ) ]
2
Varianza Muestral: S
2
=
n −1
∑ [ f (x − u ) ]
2
Desviación Estándar Poblacional: σ=

N
∑ [ f (x − x ) ]
2
Desviación Estándar Muestral: S =

n −1
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
1ro: Cálculo del Pto. Medio de Intervalo

2do: Cálculo f ( x )
3ro: Cálculo de la media x =

∑ f (x ) = 294950 = 2949,50
n 100

4to: x − x → Tabla
(
5to: f x − x )
2
→ Tabla
∑ [ f (x − x ) ] =
2
to 5870000
6 :Reemplazo de fórmula S = = 59292.93
n −1 99
S = 243.50
FORMULAS ABREVIADAS PARA DATOS AGRUPADOS
Son los siguientes:
Varianza Poblacional: σ
2
=
∑ ( f x ) − Nu
2 2
Desviación Estándar Poblacional: σ = ∑ ( f x ) − Nu2 2
N
∑( f x )− nx
2 2
Varianza Muestral: S =
2
n −1
∑ ( fx ) − n x
2 2
Desviación Estándar Muestral: S =

n −1
Ejemplo 11: Del problema anterior calcular la Desviación Estándar resultante probando
de esta manera la respuesta, usando fórmulas abreviadas.
Salario Pto. Medio (f) Nº de x2 fx 2

Mensual de clase Trabajadores
(Intervalo)x
2400 2599 2499,50 7 6247500,25 43732501,00
2600 2799 2699,50 20 7287300,25 145746005,00
2800 2999 2899,50 33 8407100,25 277434308,25
3000 3199 3099,50 25 9606900,25 240172506,25
3200 3399 3299,50 11 10886700,25 119753702,75
3400 3599 3499,50 4 12246500,25 48986001,00
Total 100 Total: 875825025.00
875825025 − 100(2949 )
2
S= = 243,50
100 − 1

TALLER 03
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN GUÍA DE PRACTICAS
(Problemas Propuestos) MEDIDAS DE VARIACIÓN (DISPERSIÓN) DE DATOS
RANGO – DESVIACIÓN MEDIA – VARIANZA – DESVIACIÓN ESTANDAR – COEFICIENTES

DE VARIACIÓN Y DE ASIMETRIA
MEDIDAS DE DISPERSIÓN (VARIACIÓN)
1. En un estudio contable, las utilidades de empresas son: 15, 9, 11,10 y 11 en mil

millones de Gs/. Calcule la varianza y desviación estándar de estas utilidades.
2. Una empresa fabrica clavos que se venden por cajas. Para una muestra de 40
cajas, se observaron los siguientes números de clavos por caja.
Nùmero de clavos 18 19 20 21 22
Nùmero de Cajas 4 9 15 10 2
Hallar la varianza y desviación estándar
3. Calcule la Desviación Media para los siguientes datos: 1000, 1000, 2500, 2500,
2500, 3500, 4000, 5300, 9000, 12500, 13500, 24500, 27500, 30900 y 41000.
4. Calcular la desviación estándar muestral para los datos del problema anterior
utilizando:
a) La Fórmula de Desviaciones y b) La Fórmula abreviada alternativa, y
demuestre que las respuestas son iguales.
5. Una muestra de 20 trabajadores calificados de una compañía pequeña obtuvieron

los siguientes salarios en un mes determinado: $240000, 240000, 240000, 240000,
240000, 240000, 240000, 240000, 255000, 255000, 265000, 265000, 280000,
280000, 290000, 300000, 305000, 325000, 330000 y 340000.Determine: La
Desviación Media, La Varianza Muestral, La Desviación Estándar Muestral,
utilizando las fórmulas de desviación.
6. Determine el coeficiente de variación según datos del problema anterior.
7. Calcule el coeficiente de asimetría para los datos del problema 3.
8. Para los siguientes datos de las rentas por departamento.
Renta Semanal Nro. De Departamentos

350.000-379.000 3
380.000-409.000 8
410.000-439.000 10

440.000-469.000 13
470.000-499.000 33
500.000-529.000 40
530.000-559.000 35
560.000-589.000 30
590.000-619.000 16
620.000-649.000 12
TOTAL 200
Calcule: La Desviación Media y la Desviación Estándar utilizando las fórmulas de

desviaciones, las fórmulas abreviadas y demuestra que las fórmulas son equivalentes.
9. En la siguiente tabla se reproducen los datos sobre el número promedio de lesiones

por millar de horas – hombre en una industria específica.
Número Promedio de Lesiones Número de Empresas

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

EXAMEN FECHA
AV1
AV1E
SEMANA 6, UNIDAD I
TEMA 6-AV1: EXAMENES PARCIALES

UNIDAD II
PROBABILIDADES, DISTRIBUCIÓN DE PROBABILIDADES
• Formula serie de preguntas relacionadas con probabilidades. Elabora en un cuadro

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

para la contabilidad con actitud motivadora.
• Evalúa las diferentes distribuciones de probabilidades bajo el contexto de aplicación
a su profesión.
• Respeta las consideraciones emitidas por sus compañeros con actitud de
compresión.
• Asiste al Laboratorio de Cómputo para comprobar y emitir resultados informáticos.
TEMA N° 7: EVENTOS MUTUAMENTE EXCLUYENTES Y NO EXCLUYENTES

TEMA N° 8: MULTIPLICACIÓN DE PROBABILIDADES
TEMA N° 9: DISTRIBUCIÓN DE PROBABILIDADES
TEMA N° 10: DISTRIBUCIÓN BINOMIAL
TEMA N° 11: DISTRIBUCIÓN POISSON
TEMA N° 12: ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
TEMA N° 13: 2DA. EVALUACIÓN

SEMANA 7, UNIDAD II
TEMA 7: EVENTOS MUTUAMENTE EXCLUYENTES Y NO EXCLUYENTES
ORGANIGRAMA
PROBABILIDAD, DISTRIBUCIÓN DE PROBABILIDADES
PROBABILIDAD
ENFOQUES DE LA REGLAS DE LA ÁRBOLES DE

PROBABILIDAD PROBABILIDAD PROBABILIDADES
Clásico Regla de Teorema

la Suma de Bayes
Subjetivo
Regla de la
Multiplicación
Probabilidad
Condicional
RELACIONES
ENTRE SUCESOS
Mutuamente
Excluyentes
Independientes
Y dependientes
Complementarios
PROBABILIDAD
DEFINICIÓN
Es un número real que expresa la confianza o incertidumbre de un suceso o evento,

cuyo resultado no se puede predecir con certeza.
EXPERIMENTO ALEATORIO (E)
ESPACIO MUESTRAL (Ω)
EVENTO
EVENTOS MUTUAMENTE EXCLUYENTES

Dos o más eventos son mutuamente excluyentes si no tiene elementos comunes es
decir, si no pueden ocurrir al mismo tiempo. También, la ocurrencia de un evento
automáticamente impide la ocurrencia del otro espacio (u otros). Por ej.: supongan
que se consideren dos posibles eventos “as” y “rey” con respecto a la extracción de
una carta de una baraja (52 cartas). Estos eventos son mutuamente excluyentes
porque ninguna carta puede ser al mismo tiempo as y rey, otro ejemplo sería obtener
un as y un cinco al lanzar un dado.
EVENTOS NO EXCLUYENTES
Dos o más eventos son no excluyentes cuando es posible que ocurran al
mismo tiempo. Ejemplo:
Evento A: masculino
Evento B: menor de 30 años
No son mutuamente excluyentes porque una persona elegida al azar

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

B de la UNIDA. Prohibida su reproducción Página 59
Bc = A
DEFINICIÓN CLÁSICA DE PROBABILIDAD

Es una fracción cuyo numerador es el número de casos favorables y cuyo denominador
es el número total de los casos posibles.
Fórmula:
N ( A)
P( A) =
N(S )
Donde P(A)= Probabilidad de Ocurrencia del Evento A

N(A)= N° de casos Favorables de ocurrencia del evento A.
N(S) = Todos los casos posibles en el evento A.
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 )
Si se lanzan 3 monedas. Hallar:
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}
1/8 cada uno.
b) Evento A: obtener exactamente 2 caras.
A= { CCZ, CZC. ZCC}
1/8 1/8 1/8
⇒ P(A)3/8
c) Exactamente 2 cruces?
3/8
d) Exactamente 3 caras

1/8
PROBABILIDAD SUBJETIVA
CONSIDERACIONES GENERALES
1. La Probabilidad de Ocurrencia de cada Punto Muestral, debe estar entre 0 y 1.
0 ≤ P(A) ≤ 1
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
1. Para eventos mutuamente excluyentes es decir cuando no tiene elementos

comunes.
(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.
Hallar la probabilidad de extraer ya sea un as o un rey en una sola extracción.
Solución
De: P(A o R) = P(A) + P(R) = 4/52 + 4/52 = 8/52 = 2/13
2. Reglas de Adición para eventos que no son mutuamente excluyentes.

Ejemplo 1: Un cliente ingresa a una panadería. La Probabilidad de que compre (a) pan
es 0,60, b) Leche es 0,50 y c) Pan y leche es 0,30. ¿Cuál es la Probabilidad de que
compre pan, leche o ambos?.
Solución
P(P) = 0,60 P(P∪L) = P(P) + P(L) – P(P∩L)

P(L) = 0,50 P(P∪L) = 0,60 + 0,50 – 0,30
P(P∩L) = 0,30P(P∪L) = 0,80
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
P(AoE) = P(A) + P(E) – P(A y E)

= 4/52 + 13/52 – 1/52 = 16/52 = 4/13
EVENTOS DEPENDIENTES E INDEPENDIENTES
Dos eventos son independientes cuando la ocurrencia o no ocurrencia de uno, no tiene

ningún efecto sobre la probabilidad de ocurrencia del otro. Y son dependientes cuando
la ocurrencia o no ocurrencia de uno si afecta la probabilidad de ocurrencia del otro
evento.
Ejemplo 1: El lanzamiento de una moneda por dos veces se considera eventos

independientes, porque el resultado del primer lanzamiento no tiene ningún efecto
sobre las respectivas probabilidades de que ocurra una cara o sello en el segundo
lanzamiento.
Ejemplo 2: La extracción de dos cartas sin reemplazo de un mazo de barajas son

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

PROBABILIDAD CONDICIONAL
Definición
Una medida de la probabilidad de que ocurra un evento particular, dado el hecho que
otro ya ha ocurrido o de que hay certeza de que ocurra, se llama probabilidad
condicional.
Para dos eventos A y B, dicha probabilidad se denota, siempre por P (A/B) o P (B/A), lo
que se lee como “la probabilidad de A, dado B” o “la probabilidad de B, dada A” ya que
la línea vertical quiere decir “dada” ó “dado”.
Cuando dos eventos son dependientes usamos la siguiente fórmula de probabilidad

condicional.
P ( AyB) P( A ∩ B)
P( B / A) = =
P ( A) P( A)
Donde:
P(B/A) = Probabilidad de que ocurra el evento B dado que ocurre el evento A.

<<B/A>> no es fracción.
P(A∩B) = Probabilidad conjunta de 2 eventos.
P(A) = Probabilidad simple no, condicional de un primer evento A.
PROBABILIDAD CONJUNTA
Definición
Una medida de la probabilidad del acontecer simultáneo de dos o más eventos se
llama probabilidad conjunta. Para los eventos A y B, esta probabilidad se simboliza por
P(AyB) o P(A∩B).
Solución
Consideramos los siguientes conjuntos.

Ω = {1, 2, 3, 4, 5, 6} → espacio muestral.
A = {2, 4, 6} → conjunto de resultados pares.
B = {4, 5, 6} → conjunto de resultados mayores que 3.
A∩B = { 4, 6} → conjunto de resultados pares mayores que 3.
Como el dado es no cargado, asignamos a cada punto muestral una probabilidad de
1/6.
P(A) = 3/6, P(A∩B) = 2/6 = 1/3.

De la fórmula de Probabilidad Condicional podemos determinar la probabilidad de
obtener un número > que 3 dado que es par.
P( A ∩ B ) 2 / 6 2
P (B / A) == =
P ( A) 3/ 6 3
Este resultado queda comprobado por el hecho que de los 3 resultados pares 2, 4, 6
sólo 2 son mayores que 3.
SEMANA 8, UNIDAD II
TEMA 8: MULTIPLICACIÓN DE PROBABILIDADES
REGLA DE LA MULTIPLICACIÓN (A∩B) : PARA EVENTOS INDEPENDIENTES.
Los sucesos A y B se consideran independientes cuando la ocurrencia de uno no influye

sobre la probabilidad de ocurrencia del otro (Ej. Lanzar dos veces una moneda al aire).
Esto significa que lo que haya ocurrido en A, la probabilidad asignada a B es siempre la
misma. Por lo tanto:
P(B/A) = P(B)
Obtenemos la fórmula:
P(A∩B) = P(A) . P(B)
Ejemplo 1: ¿Cuál es la probabilidad de que en una familia con 2 hijos ambos sean
varones?
P(V1) = 0.5 P(V1∩V2) = P(V1) . P(V2)

P(V2) = 0.5 = (0.5) (0.5)
= 0.25 = 1/4
Ejemplo 2: Si se lanza dos veces una moneda la probabilidad de que ambos eventos
sean cara es:
P(AyB) = P(A∩B) = P(A). P(B) = ½ x ½ = ¼
Uso de Diagramas de Árbol para eventos Independientes.
Útiles para ilustrar los posibles eventos asociados con observaciones o ensayos
secuenciales, del ejemplo anterior obtenemos:
Resultado Resultado Evento Probabilidad
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.
Esta dada por la fórmula:

P(A∩B) = P(A) P(B/A)
Probabilidad Probabilidad Probabilidad
de ocurrencia de A. de B dado A.
conjunta
de A y B.
En Palabras: Expresa que la probabilidad de que ocurra A y B es igual a

la probabilidad de A multiplicada por la probabilidad de que ocurra B,
dado que A ha ocurrido.
Uso del Diagrama de Árbol para Eventos Dependientes.
E17: Una urna contiene 6 bolitas blancas y 4 negras, se extraen 2 bolitas

sucesivamente y sin restitución.
a) ¿Cuál es la probabilidad de que ambas bolitas sean blancas?
b) ¿Cuál es la probabilidad de que la primera sea blanca y la
segunda negra?.
c) ¿Cuál es la probabilidad de que la primera sea negra y la
segunda blanca?.
d) ¿Cuál es la probabilidad de que ambas sean negras?
Solución
P(B 1 ∩B 2 ) = P(B 1 ) . P(B 2 / B 1 )

= 6/10 . 5/9 = 30/90 = 1/3.
P(B 1 ∩N 2 ) = P(B 1 ) . P(N 2 /B 1 )

= 6/10 . 4/9 = 24/90 = 4/15.
P(N 1 ∩B 2 ) = P(N 1 ) . P(B 2 /N 1 )

= 4/10 . 6/9 = 24/90 = 4/15.
P(N 1 ∩N 2 ) = P(N 1 ) . P(N 2 /N 1 )

= 4/10 . 3/9 = 12/90 = 2/15.
Resumen de Resultados:

Resultado Probabilidad Probabilidad Probabilidad
Posible Simple Condicional Conjunta
P(A) P(B/A) P(a ∩ B)=P(A).P(B/A)
B 1 ∩B 2 P(B 1 )=6/10 P(B 2 /B 1 )=5/9 6/10.5/9=30/90
B 1 ∩N 2 P(B 1 )=6/10 P(N 2 /B 1 )=4/9 6/10.4/9=24/90
N 1 ∩B 2 P(N 1 )=4/10 P(B 2 / N 1 )=6/9 4/10.6/9=24/90
N1∩N2 P(N 1 )=4/10 P(N 2 /N 1 )=3/9 4/10.3/9=12/90
1,00
Estos mismos resultados lo expresamos en el diagrama de árbol

siguiente.
Prob. Simple x Prob. Condicional = Prob. Conjunta
P(B2/B1)=5/9 B2 B1 y B2 (6/10 . 5/9) = 30/90

B1
B1 y N2 (6/10 . 4/9) = 24/90
P(B1)=6/10
P(N2/B1)=4/9
N2 N1 y B2 (4/10 . 6/9) = 24/90
P(B2/N1)=6/9 B2 N1 y N2 (4/10 . 3/9) = 12/90

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

TALLER 04
ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN

GUÍA PRÁCTICA POR RESOLVER
Cálculo de Probabilidades
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.
2. Un experimento consiste en lanzar dos monedas simultáneamente.

b) Enumérese los elementos de Ω contenidos en el suceso de que salga
exactamente una cara.
c) Enumérese los elementos de Ω contenidos en el suceso de que salga al
menos una cara.
3. Se lanza un par de dados:

b) Enumérese los elementos contenidos en el suceso de que la suma de los
puntajes sea 9.
c) Enumérese los elementos contenidos en el suceso de que la suma sea 4 ó 5.
4. Un experimento consiste en seleccionar tres piezas en un proceso manufacturero

y observar si son defectuosos D o no son defectuosos D’.
a) Enumérese todos los elementos del espacio muestralΩ.
b) Enumérese los elementos contenidos en el suceso de que el número de
piezas defectuosas sea 1.
c) Enumérese los elementos contenidos en el suceso de que los números de
piezas defectuosas sea al menos 1.
5. Se lanza dos monedas. ¿Cuál es la probabilidad de obtener?

a) ¿Exactamente una cara?
b) ¿Por lo menos una cara?

c) ¿No obtener una cara?
6. Se lanzan dos dados no cargados. ¿Cuál es la probabilidad de obtener?

a) ¿7?
b) ¿7 u 11?
c) ¿Suma divisible por 3?
d) ¿No obtener 7?
7. Se elige una carta de una baraja. ¿Cuál es la probabilidad de que sea?

a) ¿Un as?
b) ¿Una espada?
c) ¿Un as o una espada?
d) ¿Un as o una carta roja?
e) ¿Una carta con una figura?
8. La probabilidad de que llueva el 12 de octubre es 0,10; de que truene es 0,05 y

de que llueva y truene es 0,03. ¿Cuál es la probabilidad de que llueva o truene en
ese día?
9. En cierta zona de la ciudad, la probabilidad de que una persona tenga televisor es

0,80; una máquina lavadora es 0,50 y que tenga ambos es 0,45. ¿Cuál es la
probabilidad de que una familia tengan televisor o máquina lavadora o ambas
cosas?
10. La probabilidad de que un vendedor de autos venda por lo menos 3 autos en un

día es 0,20. ¿Cuál es la probabilidad de que venda 0, 1 ó 2 autos en ese día?
11. La probabilidad de que la señora Hablantina reciba a lo más 5 llamadas

telefónicas en un día es 0,20; y por lo menos 9 llamadas telefónicas en un día es
0,50. ¿Cuál es la probabilidad de que la señora Hablantina reciba 6, 7 ú 8
llamadas en un día?
12. Una caja contiene 100 tubos de televisor. La probabilidad de que haya al menos
un tubo defectuoso es 0,05 y de que tenga al menos dos tubos defectuosos es
0,01. ¿Cuál es la probabilidad de que la caja contenga:
a) ¿Ningún tubo defectuoso?
b) ¿Exactamente un tubo defectuoso?
c) ¿A lo más un tubo defectuoso?
Cálculo de Probabilidades Regla de la Multiplicación
13. Dado que p(A) = 0,50 y p(A∩B) = 0,30, encontrar p(B/A) =
14. De los estudiantes de una universidad, el 35% son varones y el 8% son varones
que estudian Contabilidad. Si se elige un estudiante al azar y éste resulta ser
varón. ¿Cuál es la probabilidad de que estudie Contabilidad?

15. Una urna contiene 7 bolas blancas y 5 negras, si se saca dos bolas. ¿Cuál es la
probabilidad de que las dos sean blancas si:
a) Se extrae sin restitución.
b) Se extrae con restitución.
16. La urna A contiene 5 bolitas blancas y 7 rojas y la urna B contiene 3 bolitas

blancas y 6 rojas. Se saca una bolita de la urna A y una de la urna B. ¿Cuál es la
probabilidad de que las dos bolitas sean blancas?
17. La urna A contiene 4 bolitas blancas y 6 rojas, la urna B contiene 3 bolitas blancas
y 5 rojas y la urna C 7 blancas y 7 rojas. Se saca una bolita de cada urna. ¿Cuál es
la probabilidad de que sean las tres del mismo color?
18. Se sacan dos cartas, sin restitución, de una baraja de 52 cartas. ¿Cuál es la
probabilidad de que:
a) ¿La primera carta sea un as y la segunda un 5?
b) ¿Se obtenga un as y un 5?
c) ¿Ninguna de las dos cartas sea as?
d) ¿Ninguna de las cartas sea as ni 5?
19. Se sacan dos cartas sin restitución de una baraja de la cual se han eliminado
previamente las cartas con figuras. ¿Cuál es la probabilidad de que la suma de los
puntos de las cartas sea 19?
20. Se sacan 5 cartas sin restitución de una baraja. ¿Cuál es la probabilidad de que:
a) ¿Las primeras tres cartas sean 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?
22. Se lanza un dado tres veces. ¿Cuál es la probabilidad de que:

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

SEMANA 9, UNIDAD II
TEMA 9: DISTRIBUCIÓN DE PROBABILIDADES
DISTRIBUCIONES DE PROBABILIDAD
VARIABLES VARIABLES
DISCRETAS CONTINUAS
Normal
Binomiales
Poisson
Esperanza Matemática
Valor Esperado
ESPERANZA MATEMÁTICA (VALOR ESPERADO O PROMEDIO)
Así como en los conjuntos de datos muéstrales y poblacionales ya estudiados; es útil

también describir una variable aleatoria en términos de su media
El Valor Esperado.-
Es la Media (A Largo Plazo) de una variable aleatoria x y se denota mediante E(x).

Usado también para analizar juegos al azar, esperar una ganancia y otros.
Fórmula: E(x) = Σx P(x)

Donde: E(x) = Valor esperado de una variable aleatoria discreta.
xP(x) = Valor Ponderado
Ejemplo 1: Considerando el Nº de caras que puede resultar al lanzar 3 monedas

simultáneamente. Los ocho resultados posibles de este experimento aparecen a
continuación en el lado izquierdo.
Resultado Nº de Caras Probabilidad

ZZZ 0 1/8
CZZ 1 1/8
ZCZ 1 1/8
ZZC 1 1/8
ZCC 2 1/8
CZC 2 1/8
CCZ 2 1/8
CCC 3 1/8
Designando cada número posible de caras por x y su probabilidad por P(x),

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

0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 3/8
12
ΣxP( x) =
8
 E(x) = ΣxP(x)
= 12/8
= 1,5 caras.
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

6 0,28 1,68
7 0,20 1,40
8 0,08 0,64
1,00 E(x) = 5,66
Se espera alquilar diariamente en promedio 5,66 camionetas.
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
Designamos por x toda posible ganancia o pérdida y por P(x) la probabilidad

respectiva, calculamos la esperanza matemática:
X(Cantidad de ganancia P(x) xP(x)

o pérdida)
+ $2 3 6
10 10
- $1
7 7
−
10 10
1
ΣxP(x) = − =-
10
0,1
Interpretación:
La esperanza matemática de este juego es una pérdida de $0,10.

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

SEMANA 10, UNIDAD II
TEMA 10: DISTRIBUCIÓN BINOMIAL
LA DISTRIBUCIÓN BINOMIAL
Es una distribución discreta de probabilidad para aplicarla a diversos modelos de toma

de decisiones. Siempre y cuando se ajuste a un proceso Bernulli.
Fórmula de Distribución Binomial:
Para determinar la Probabilidad de un Nº determinado de éxitos x.

P(x/n,p) = n Cxpxqn-x
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.
El Símbolo n! Se lee “n factorial” donde 0! = 1 => 3! = 3x2x1

! = factorial
Ejemplo 1: La Probabilidad de que un gerente de compras elegido al azar realice una

compra es de 0.20. Si un vendedor visita a 6 gerentes de compras, hallar la
probabilidad de que realice exactamente 4 ventas.
Solución
Datos:
P = 0.20 n=6
q = 1-0.20 = 0.80 x=4
P(x=4/n=6, p=0.20) = 6C4(0.20)4(0.80)6-4
6!
= (0.20) 4 (0.80) 2
4!(6 − 4)!

6 x5 x 4 x3 x 2
= (0.0016)(0.64)
(4 x3x 2)(2)
= 0.01536 ≅ 0.015
Ejemplo 2: En relación con el ejemplo anterior, hallar la probabilidad de que el

vendedor logre 4 o más ventas.
Solución
P(x ≥ 4/n = 6, P = 0,20) = P(x = 4) + P(x =5) + P(x=6)

= 0,01536 + 0,001536 + 0,000064
= 0,016360 ≅ 0,017
En donde:
P(x=4) = 0,01536 (Ejemplo anterior)
6!
P(x=5) = 6C5 (0,20)5 (0,80)1 = (0,20)5(0,80)
5! 1!
= 6(0,00032) (0,80) = 0,001536
6!
P(x=6) = 6C6(0,20)6(0,80)0 = (0,000064)(1)
6! 0!
= (1) (0,000064) = 0,000064
Uso de las Tablas de Probabilidades Binomiales
Como el uso de la fórmula binomial implica una cantidad considerable de cálculos

cuando la muestra es relativamente grande. Por tanto usamos las tablas de
probabilidades binomiales.
Ejemplo 1: Si la probabilidad de que un gerente de compras elegido al azar realice una

compra es de 0,20.
Hallar la probabilidad de que un vendedor que visita a 15 gerentes realice menos de 3
ventas:
Solución
Sabemos:
P(x < 3, n = 15, p = 0,20) = P(x ≤ 2)
= P(x = 0) + P(x =1) + P(x = 2)
= 0,0352 + 0,1319 + 0,2309 (Ver Apéndice 2)
= 0,3980 ≅ 0,40

Ejemplo 2: Según una revista estudiantil, el 45% de los que terminaron los ciclos en la
Universidad trabajan durante el verano con el objeto de ganar dinero para Pagar el
importe de la enseñanza del curso siguiente. Si se eligen al azar 30 estudiantes. ¿Cuál
es la probabilidad de que: a) 13 trabajan en el verano, b) ninguno trabaja, c) más de 23
trabajan.
Solución
a) Localizamos en la tabla el valor de n = 30, p = 0,45 y para x = 13 obtenemos

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

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

correcta?
Solución
n = 20 

x = 16  no contiene valor para p = 0,95
p = 0,95
La respuesta deseada se puede encontrar si se modifica la pregunta en
términos de fracaso en lugar de éxito.
El trabajador no instala correctamente los circuitos el 5% del tiempo. Si ahora leemos p

como la probabilidad de fracaso en cualquier ensayo. Podemos hallar en la columna p
= 0,05 una probabilidad de obtener precisamente cuatro circuitos defectuosos como
0,0133. Esto implica también una probabilidad de obtener 16 circuitos perfectos.
Es decir:
n = 20
p( x=4/n=20, p=0,05) = 0,0133
x=4
b) ¿Cuál es la probabilidad de obtener al menos cuatro circuitos instalados
incorrectamente? ¿Y la de obtener a lo sumo tres circuitos defectuosos?
Solución

Obtener al menos 4 circuitos defectuosos = P(x=4) + P(x=5) +... + P(x=20) circuitos defectuosos,
esto suma según tabla 0,0133 + 0,0022 + 0,0003 = 0,0158, del mismo modo.
P(a lo sumo 3 circuitos defectuosos), se encuentra como la suma de las probabilidades de
obtener 0, 1, 2 y 3 circuitos defectuosos, es decir 0,3583 + 0,3774 + 0,1887 + 0,0596 = 0,9842.
Observamos que la suma de ambas respuestas suma 1,00.
Es decir: P(x4/n=20, p=0,05) = 1–P(x3/n=20, p=0,05)

TEMA 11: DISTRIBUCIÓN POISSON
LA DISTRIBUCIÓN POISSON
La Distribución Poisson se utiliza para determinar la probabilidad de que ocurra un

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

Se consideran:
a) Los eventos son independientes
b) El proceso es estacionario (permanece constante de un ensayo a otro)
Sólo se requiere un valor para determinar la probabilidad de que ocurra un número

designado de eventos en un proceso de Poisson:
Este es el número promedio a largo plazo de eventos para el tiempo o dimensión
específico de interés. Esta media es λ la letra griega “lambda”
La fórmula para determinar la probabilidad de un Nº determinado de éxitos N en una

distribución de Poisson es:
λx e − λ
P(x/λ) =
x!
Donde: e = constante = 2.7183 (base de los logaritmos naturales)
e-λ = Valores de la tabla
x = Nº especifico de éxitos.
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:

Puede determinarse la respuesta del ejemplo anterior utilizando el apéndice 4 de
probabilidades Poisson?
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
P(x < 3/λ = 5.0) = P(x ≤ 2) = P(x=0) + P(x=1) + P(x=2)

= 0.0067 + 0.0337 + 0.0842
= 0.1246 Respuesta.
Donde:
P(x=0/λ=5.0) = 0.0067
P(x=1/λ=5.0) = 0.0337 Apéndice 4
P(x=2/λ=5.0) = 0.0842
Como se supone que un proceso Poisson es estacionario, se concluye

que la media del Proceso es siempre proporcional a la longitud del
continuo del tiempo o espacio.
Nota 2: Si se tiene disponible una media para una longitud de tiempo,

puede determinarse la media para cualquier otro periodo de tiempo que
se requiere.
Esto es importante porque el valor de λ que se utiliza debe aplicarse al periodo de

tiempo pertinente.
λ = Promedio por periodo de tiempo o espacio.
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
λ = promedio por 10 minutos = 12/6 = 2.0
P(x ≥ 3/λ=2) = P(x=3/λ=2.0)+P(x=4/λ=2.0) + P(x=5/λ=2.0) + ...

= 0.1804 + 0.902 + 0.0361 + 0.0120 +0.0034 +
0.0009 + 0.0002 = 0.3232.
En donde: Del Apéndice 4 obtenemos:
P(x=3)/ λ = 2.0 = 0.1804

P(x=4)/ λ = 2.0 = 0.0902
P(x=5)/ λ = 2.0 = 0.0361
P(x=6)/ λ = 2.0 = 0.0120
P(x=7)/ λ = 2.0 = 0.0034
P(x=8)/ λ = 2.0 = 0.0009
P(x=9)/ λ = 2.0 = 0.0002
------------
0.3232
También se puede calcular así: más corto

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

TEMA 12: ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
TALLER 05
ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
GUÍA DE PRACTICAS (Problemas Propuestos)
DISTRIBUCIONES DE PROBABILIDADES
A. Valor Esperado
1. Se ha determinado que el número de camiones que llegan cada hora a un

almacén tiene la distribución de probabilidad que se muestra en la tabla dada.
Calcule: a) El número esperado de llagada x, por hora.
Número de Camiones 0 1 2 3 4 5 6
Probabilidad P(x) 0.05 0.10 0.15 0.25 0.30 0.10 0.05
2. Las ventas por hora de una máquina automática pueden se 20, 21 o 22 cajetillas
de cigarrillos con probabilidades de 0,3; 0,5; y 0,2 respectivamente. ¿Cuál es la
venta por hora esperada para esta máquina?
3. Una urna contiene 5 bolitas negras y 8 blancas. Se saca una bolita de la urna si
esta es negra usted gana 15 Gs, pero si es blanca usted pierde 13 Gs. ¿Cuál es el
Valor Esperado de este juego?.
B. Distribución Binomial
4. Dada la distribución binomial con p = 0,25 y n = 7, utilice la fórmula y la tabla

de distribución binomial para determinar.
a) P(X ≥ 2) c) P(X ≥ 4)
b) P(X = 2) d) P(X = 4)
5. Dada la distribución binomial con p = 0,85 y n = 9, utilice la tabla de

distribución binomial para determinar:
a) P(X ≤ 7) c) P(X ≤ 5)
b) P(X = 7) d) P(X = 5)
6. Dada la distribución binomial con p = 0,35 y n = 8, utilice la fórmula y la tabla

de distribución binomial para determinar:

a) P(X = 0) c) P(X < 3)
b) P(X = 3) d) P(X ≤ 3)
7. Dada la distribución binomial con p = 0,70 y n = 20, utilice la tabla de

distribución binomial para determinar:
a) P(X = 0) c) P(X > 3)

b) P(X = 12) d) P(X ≥ 3)
8. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus
cuentas por cobrar de otras empresas están vencidas. Si un contador toma
una muestra aleatoria de cinco de esas cuentas.
Determine la probabilidad de cada uno de los siguientes eventos, utilizando la

fórmula de la probabilidad binomial:
a. Ninguna de las cuentas está vencida
b. Exactamente 2 cuentas están vencidas.
c. La mayor parte de las cuentas están vencidas.
d. Exactamente el 20% de las cuentas están vencidas.
C. Distribución Poisson
9. El número promedio de los homicidios en cierta metrópoli es de 2 por día.

Utilizando la distribución de Poisson, determine la probabilidad de que en un
día dado haya.
a. No más de 3 homicidios.
b. Exactamente 3 homicidios
10. El promedio anual de terremotos en Chile es de 0,5. Utilice la Distribución de

Poisson para determinar la probabilidad de que no haya terremotos en Chile
en los 3 años.
11. El Promedio mensual de incendios grandes en una ciudad es de 1.5. Utilícese

la distribución de Poisson para determinar la probabilidad de que haya
exactamente un incendio grande en un periodo de dos meses.
12. La mesa conmutadora del Hotel Excelssior recibe un promedio de 10

llamadas telefónicas por minuto. Utilice la Distribución de Poisson para
determinar la probabilidad de que lleguen exactamente 4 llamadas en un
periodo de 30 segundos.
13. El número promedio de fallas en un rollo de un cierto tipo de papel mural es

de 2.5. Utilice la Distribución de Poisson para determinar la probabilidad de
que un rollo tenga 4 o más fallas.

SEMANA 13, UNIDAD X
TEMA 13 - AV2: EXAMENES PARCIALES
EXAMEN FECHA
AV2
AV2E

UNIDAD III
DISTRIBUCIÓN NORMAL, DISTRIBUCIÓN DE LA MEDIA MUESTRAL
• 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
TEMA N° 14 DISTRIBUCIÓN NORMAL.

TEMA N° 15 REGRESIÓN LINEAL Y CORRELACIÓN.
TEMA N° 16 NÚMERO ÍNDICE.
TEMA N° 17 ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN.
TEMA N° 18 EVALUACION FINAL.

SEMANA 14, UNIDAD III
TEMA 14: DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN DE PROBABILIDADES PARA VARIABLES ALEATORIAS

CONTINUAS
Distribución Normal
1. Para la distribución continua de probabilidad de la figura dada, la probabilidad

de que un embargue seleccionado al azar tenga un peso neto entre 6000 y
8000 kilogramos es igual a la proporción del área total bajo la curva que se
encuentre bajo el área sombreada. Es decir se define que el área total bajo la
función de densidad de probabilidad es igual a 1, y se puede determinar la
proporción de esta área que se encuentra entre dos puntos determinados.
f(x)
Peso, Kg
2000 4000 6000 8000 10000 12000
Existen diversas distribuciones continuas de probabilidades comunes que son

aplicables como modelos a una amplia gama de variables continuas en determinadas
circunstancias. Existen tablas de Probabilidades para esas distribuciones estándar para
determinar las áreas bajo la curva de probabilidad para estas distribuciones (con la
distribución normal).
La Distribución Normal de Probabilidad
Es una distribución continua de probabilidad que es al mismo tiempo, simétrica y

mesokúrtica definidas en él capitulo 3. Se describe a la curva de probabilidad que
representa a la distribución normal como una campana.

f(x)
Uso de las Tablas de Distribución Normales
Las tablas de las probabilidades normales se basan en una distribución específica: la

Distribución Normal Estándar.
Esta es una distribución normal en la que u = 0 y σ = 1. Cualquier valor x de una

población con distribución normal estándar equivalente, z, mediante la fórmula.
x−u
Z=
σ
En el apéndice 5 se obtienen las posiciones de área para diversos intervalos de valores

para la distribución normal estándar, en donde el límite inferior del intervalo es
siempre la media.
Aquí se transforman los valores designados de la variable x en valores normales
estándar.
2. Se ha ajustado el proceso de fabricación de un tornillo de precisión de manera
que la longitud promedio de los tornillos sea u = 13.0 cm.
Por supuesto, no todos los tornillos tienen una longitud exacta de 13
centímetros, debido a fuentes aleatorias de variabilidad. La desviación estándar
de la longitud de los tornillos es σ = 0,1 cm. y se sabe que la distribución de las
longitudes tienen una forma normal. Determine la probabilidad de que: un
tornillo elegido al azar tenga una longitud de entre 13,0 y 13,2 cm., e ilustre la
proporción del área bajo la curva normal asociada con este valor de
probabilidad.
De la figura (a)
3. Del ejercicio anterior ¿Cuál es la probabilidad de que la longitud del tornillo
exceda de 13,25 cm?. Ilustre la proporción del área bajo la curva normal
correspondiente a este caso.
4. Del ejercicio 3, ¿Cuál es la Probabilidad de que la longitud del tornillo este entre
12,9 y 13,1. ¿Ilustre la proporción de área bajo la curva normal correspondiente
a este caso.
5. Del ejercicio, ¿Cuál es la probabilidad de que la longitud de los tornillos se
encuentren entre 12, 8 y 13,1 cm.? Ilustre la proporción del área bajo la curva
normal para este caso.

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

TALLER 6
ACTIVIDAD APLICATIVA AUTOEVALUACIÓN
Distribución Normal
1. La estatura de los soldados de un regimiento está distribuida normalmente con una
media de 69 pulgadas y una desviación estándar de 2 pulgadas.
a. ¿Cuál es la probabilidad de que un soldado mida más de 72 pulgadas?
b. ¿Cuál es el porcentaje de soldados cuyas estaturas están entre 69 y 73
pulgadas?
c. Si para la realización de una cierta misión, un soldado debe estar en el 20% de los
de mayor estatura, ¿Cuál es la estatura mínima para participar en esta misión?
2. Un rodamiento es considerado defectuoso y por lo tanto es rechazado si su

diámetro es mayor que 2.02 pulgadas o menor que 1,98 pulgadas. ¿Cuál es el
número esperado de rodamientos rechazados si los diámetros de una partida de
10,000 rodamientos están distribuidos, normalmente con una media de 2 pulgadas
y una desviación estándar de 0.01 pulgadas?
3. Los puntajes finales en un curso de Psicología están distribuidos normalmente con

una media de 60 y una desviación estándar de 10.
a) Si el puntaje mínimo para aprobar es 48, ¿Cuál es el porcentaje de fracasos?

b) Si han de aprobar el 80% de los estudiantes, ¿Cuál debe ser el puntaje
mínimo aprobatorio?
4. En una industria alimenticia se comercializa harina en paquetes de “PESO NETO 500

grs.”. El proceso automático de llenado de los paquetes puede regularse de modo
que la cantidad media de harina por paquete puede ajustarse al nivel que se desee.
Suponiendo que la cantidad de harina por paquete se distribuye normalmente con
una desviación estándar de 0,2 onzas.
a) ¿A qué nivel debe ajustarse el llenado medio de modo que solo el 0,001 de
los paquetes tengan un peso neto inferior a 12 onzas?
b) ¿A qué nivel debe ajustarse el llenado medio de modo que solo el 0,05 de los
paquetes tengan un peso neto superior a 12,4 onzas?
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?
6. Un estudio reporta los salarios iniciales anuales de los contadores recientemente

egresados, y los promediaba en 22500 guaraníes, con una desviación estándar de
2250 guaraníes. Si los salarios siguen una distribución normal. ¿Cuál es la
probabilidad y los porcentajes de que un recién egresado gane:
a) más de 21,000 guaraníes
b) menos de 25000 guaraníes
c) entre 24000 y 26000 guaraníes

d) como mínimo 20000 guaraníes
TEMA 15: REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
OBJETIVOS Y SUPUESTOS DEL ANALISIS DE REGRESIÓN

El objetivo primordial del análisis de regresión es estimar el valor de una variable
aleatoria (la variable dependiente) dado que el valor de una variable asociada (la
variable independiente) es conocido. La variable dependiente también se llama
variable respuesta, mientras que la variable independiente también se llama variable
de predicción. La ecuación de regresión es a la fórmula algebraica por la cual se
determina el valor estimado de la variable dependiente, o de respuesta.
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.
Ejemplo 1. Un analista desea estimar el tiempo de entrega como la variable

dependiente, con base en la distancia como la variable independiente para partes
industriales embarcadas por camión. Supongamos que 10 embarques recientes se
eligen de los expedientes de la compañía en tal forma que las distancias por carretera
implicadas se hallen casi igualmente dispersas entre una distancia de 100 millas y una
distancia de 1.000 millas, y que se registran los tiempos de entrega de cada embarque.
Puesto que la distancia por carretera se usara como la variable independiente, esta
selección de recorridos de distancias específicas es aceptable. Por su parte, la variable
dependiente de tiempo de entrega es una variable aleatoria en este estudio, lo que
cumple el supuesto básico del análisis de regresión. La existencia o no de una relación
lineal entre las dos variables se investiga por lo general mediante la elaboración de un
diagrama de dispersión o de una gráfica de residuales. Estos diagramas también se
emplean para observar si la dispersión vertical (varianza) es aproximadamente igual a
lo largo de la línea de regresión.
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.
ANALISIS DE REGRESION Y CORRELACION LINEAL

Ejemplo 2
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.

Fig. F1
MÉTODO DE MÍNIMOS CUADRADOS PARA EL AJUSTE DE UNA LINEA DE REGRESIÓN

La ecuación lineal que representa al modelo de regresión lineal simple es:
Yi = β0 + β1Xi + εi (F.1)
Yi =valor de la variable dependiente en el iésimo ensayo, u observación

β0= primer parámetro de la ecuación de regresión, el cual indica el valor de Y cuando
X=0
β1= segundo parámetro de la ecuación de regresión, el cual indica la pendiente de la
línea de regresión
Xi= el valor especificado de la variable independiente en el iésimo ensayo, u
observación
εi = error de muestreo aleatorio en el iésimo ensayo, u observación (ε es la letra griega
épsilon)
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)
Dependiendo del criterio matemático utilizado, para un diagrama de dispersión dado

pueden desarrollarse varias ecuaciones lineales diferentes. De acuerdo con el criterio
de mínimos cuadrados, la línea de regresión del mejor ajuste (y la mejor ecuación) es

aquella para la cual se reduce al mínimo las sumas de las desviaciones cuadradas entre
los valores estimado y real de la variable dependiente para los datos muestrales. Las
fórmulas de cálculos por las cuales pueden determinarse los valores de b0 y b1 en la
ecuación de regresión para la ecuación que satisface el criterio de mínimos cuadrados
son:
b1 = ∑XY - n𝑋𝑋�𝑌𝑌� (F.3)

∑X2 - n𝑋𝑋� 2
b0 = 𝑌𝑌� - b1𝑋𝑋� (F.4)
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.
RESIDUALES Y GRAFICAS DE RESIDUALES
Para un valor X dado de la variable independiente, el valor Ŷ de la línea de regresión

suele denominarse valor ajustado de la variable dependiente. La diferencia entre el
valor Y observado y el valor Ŷ ajustado se llama el residual de esa observación se
denota con e:
e=Y-Ŷ (F.5)
Una gráfica de residuales se obtiene trazando los residuales e respecto de la variable

independiente X o, alternativamente, respecto de los valores Ŷ de la línea de regresión
ajustada. Este diagrama sirve como opción al uso del diagrama de dispersión para
investigar si los supuestos sobre la linealidad e igualdad de las varianzas condicionales
parecen satisfacerse. El problema 14.3 incluye una grafica de residuales de los datos.
Las gráficas de residuales son particularmente importantes en el análisis de regresión
múltiple, como se explica en el cap. 15.
El conjunto de residuales de los datos muestrales también sirve de base para calcular
el error estándar del estimador, como se detalla en la siguiente sección.
ERROR ESTÁNDAR DEL ESTIMADOR
El error estándar del estimador es la desviación estándar condicional de la variable

independiente Y dado un valor de la variable independiente X. Para datos de la
población, el error estándar del estimador se representa con el símbolo σY.X. La
fórmula de desviaciones por la cual se estima este valor con base en datos muestrales
es:

∑(Y − Ŷ) 2
∑e 2
SY.X = � =� (F.6)
n −2 n−2
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
Aunque el coeficiente de determinación r2 es relativamente fácil de interpretar, no se

presta para realizar una prueba estadística. En cambio, la raíz cuadrada del coeficiente
de determinación, llamada coeficiente de correlación r, si se presta para realizar una
prueba estadística, porque puede servir para definir una estadística de prueba con
distribución t cuando la correlación poblacional ρ equivale a 0. El valor del coeficiente
de correlación puede ir de -1.00 a +1.00. El signo aritmético asociado con el coeficiente
de correlación, siempre igual al asociado con β1 en la ecuación de regresión, indica la
dirección de la relación entre X y Y (positivo = directa; negativo = inversa). El
coeficiente de correlación para datos poblacionales, cuyo signo aritmético es el mismo
que el de la pendiente β1 en la ecuación de regresión, es:
ρ=�ρ2 (F.8)
El coeficiente de correlación para datos muestrales, cuyo signo aritmético es el mismo

que el de la pendiente muestral b1, es:
r=√𝑟𝑟 2 (F.9)
En síntesis, el signo del coeficiente de correlación indica la dirección de la relación

entre las variables X y Y, mientras que el valor absoluto del coeficiente indica el grado

de relación. El valor cuadrado del coeficiente de correlación es el coeficiente de
determinación, el cual indica la proporción de la varianza de Y explicada por el
conocimiento de X (y viceversa).
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
La siguiente fórmula no requiere de la determinación previa de los valores de

regresión de b0 y b1. Esta fórmula se utilizaría cuando el propósito del análisis es
determinar el grado y tipo de relación entre dos variables, pero sin el interés añadido
de estimar Y dada X. Cuando se usa esta fórmula, el signo del coeficiente de
correlación se determina automáticamente, sin necesidad de observar ni calcular la
pendiente de la línea de regresión. La formula es:
r= n ∑XY - ∑X∑Y
�𝑛𝑛∑𝑋𝑋2 − (∑𝑋𝑋)2 �𝑛𝑛∑𝑌𝑌2 − (∑𝑌𝑌)2 (F.10)
El coeficiente de correlación muestral r levemente sesgado como estimador de ρ, con

un valor absoluto demasiado grande. Este factor no se menciona en muchos libros de
texto porque el monto del sesgo es reducido, salvo para muestras muy pequeñas. Un
estimador insesgado del coeficiente de determinación para la población puede
obtenerse de esta forma:
𝜌𝜌� 2 = 1 - (1 - r2) �𝑛𝑛−1

𝑛𝑛−2
�

TEMA 16: NÚMEROS ÍNDICES
NÚMEROS ÍNDICE PARA DATOS ECONÓMICOS Y ADMINISTRATIVOS
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.
ELABORACIÓN DE LOS INDICES SIMPLES

Sea pn el precio de una mercancía en el periodo dado y p0 el precio en el periodo base.
La fórmula general para el índice simple de precios, o relativo de precios, es:
Ip = pn x 100
p0
De igual manera, si qn indica la cantidad de un artículo producido o vendido en el
periodo dado y q0 la cantidad en el periodo base, la fórmula general para el índice
simple de cantidad, o relativo de cantidad es:
Iq = qn x 100
q0
Finalmente, el valor de una mercancía en un periodo determinado es igual al precio de

la mercancía multiplicado por la cantidad producida (o vendida). En consecuencia, pnqn
indica el valor de una mercancía en el periodo dado, mientras que p0q0 indica el valor

de la mercancía en el periodo base. La fórmula general para un índice simple de valor,
o relativo de valor, es:
Ip = pnqn x 100
p 0q 0
ELABORACIÓN DE INDICES AGREGADOS DE PRECIOS
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.
A causa de la dificultad mencionada, los índices agregados de precios suelen

ponderarse de acuerdo con las cantidades q de las mercancías. La pregunta acerca de
las cantidades de que período utilizar es el aspecto que sirve de base a diferentes tipos
de relativos de precios agregados. Uno de los índices agregados de precios más
conocidos es el índice de Laspeyres, en el que los precios se ponderan con las
cantidades asociadas con el año base antes de sumarse. La fórmula es:
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
Los métodos tanto de Laspeyres como de Paasche para la elaboración de un índice

agregado de precios pueden describirse como adscritos al enfoque de la agregación
ponderada de precios. Una alternativa es el enfoque del promedio ponderado de
relativos de precios, por el cual el índice simple de precios de cada mercancía en lo
individual se pondera con una cifra de valor pq. Los valores usados pueden
corresponder al año base, p0q0. Habitualmente, los valores del año base se emplean
como ponderaciones, lo que resulta en la siguiente fórmula para el promedio
ponderado de relativos de precios:
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

Paasche. El motivo de la mayor difusión del método del promedio ponderado de
relativos de precios es que con este procedimiento primero se calculan los índices
simples de cada mercancía, índices simples de precios a menudo deseables para
efectos analíticos además del propio índice agregado de precios.
Ejercicios sobre números índices.
1. En una industria del automóvil se fabrican tres componentes de repuestos. Las
estadísticas de las unidades producidas en los años 2010 y 2011 y de los valores (en
dólares) se presentan en el siguiente cuadro. Calcule el IV para los componentes 1 y 3,
el índice de precios para todos los componentes y el índice de Paasche y de Laspeyres.
Explica los resultados obtenidos
COMPONENTES 2.010 2.011
q p q p
1 5.000 20 6.000 25
2 8.000 10 10.000 12
3 6.000 30 10.000 35
2. Los registros de una empresa dedicada a la producción de acero, relativos a sus

principales salidas productivos, son los que se recogen en la siguiente tabla:
A partir de estos datos, obtenga los índices de precios y de valor para el año 1998.

TEMA 17: ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
EJERCICIOS Y PROBLEMAS ADICIONALES
Aproximaciones.
0.9845 aproximar a milésimos:………………………..

3.9855 aproximar a milésimos:………………………..
1,445 aproximar a centenas con un decimal:…………
El número de habitantes de cada una de 40 viviendas son:
5, 6, 1, 7, 3, 1, 4, 8, 2, 3,5,7,1,3,4,5,6,8,3,4,5,2,5,4
6,7,2,3,5,4,6,4,3,2,6,4,3,4,5,6.
Determinar su media aritmética, su mediana y su moda.
Para la siguiente distribución:
CLASES FRECUENCIAS f
(Alturas cm.) (Nº Niños)
118-127 4
128-137 7
138- 147 16
148-157 19
158-167 5
168-177 6
178-187 3
Determine: a) Los límites reales de clase.

b) Las frecuencias acumuladas relativas porcentuales.
c) La clase media
d) La curva de frecuencia acumuladas menor o igual.
Para la distribución de frecuencia de la pregunta 3 determine:

a) La media aritmética.

b) El decil 9.
En la tabla se enlistan los tiempos requeridos para la conclusión de una tarea de

ensamble para una muestra de 30 empleados que presentaron su solicitud de ascenso
a un puesto de ensamble de precisión. Supongamos que nos interesa organizar estos
datos en cinco clases de igual tamaño. Determine el tamaño del intervalo
correspondiente, redondeando el intervalo a enteros y elabore la distribución de
frecuencias para toda las clases y fijando en 9 minutos el limite nominal inferior de la
primera clase.
Tiempos de ensamble de 30 empleados, en minutos

10 14 15 13 17 16 12 14 11 13 15 18 9 14 14 9 15 11
13 11 12 10 17 16 12 11 16 12 14 15.
Elabore una distribución de frecuencias acumuladas, con la distribución obtenida en la

pregunta 1, empleando límites exactos para identificar cada clase e incluya en la tabla
tanto frecuencias acumuladas como porcentajes acumulados y trace la ojiva de
porcentajes acumulados y determine:
a) ¿En qué punto percentil se encontraría un tiempo de ensamblé de 15

minutos?
b) ¿Cuál es el tiempo de ensamble de 20º Percentil de la distribución?
Un experto en normas laborales observa, en una muestra, la cantidad de tiempo

requerida para la elaboración de 10 cartas comerciales en una oficina, con los
siguientes resultados, enlistados en orden ascendente de acuerdo con el minuto más
cercano: 5, 5, 5, 7, 9, 14, 15, 15, 16, 18. Determine a) Rango, b) El Rango del 70%
central y c) La desviación media.
Con la distribución obtenida en la pregunta 1. Determine la media y la varianza.
Con distribución obtenida en la pregunta 1 determine la coeficiente de asimetría de

Pearson
Los pesos en libras de 40 estudiantes están en la distribución:
CLASES f
118 – 126 3
127 – 135 5
136 – 144 9
145 – 156 12
154 – 162 5
163 – 171 4
172 – 180 2

Determine: a) La desviación estándar
b) El coeficiente de variación
Se tienen las Siguientes notas de 38 estudiantes:
1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0
5 7 4 8 0 5 3 8 1 9 2 5 7 0 7 0 5 9 8
1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 2 0 1 1
0 5 3 2 9 6 2 9 0 8 1 4 6 3 2 0 8 2 0
Realice:
a) La construcción de un histograma
b) El cálculo de la mediana
De 50 focos, la probabilidad de que haya al menos uno quemado es 0.06; de que al

menos dos focos estén quemados es 0.02. Determina la probabilidad de que:
a)Ningún foco quemado

b)Exactamente dos focos quemados
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:
a) Exactamente 3 cuentas están vencidas

b) Exactamente el 100% de las cuentas están vencidas
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
Probabilidad P(X) 0.03 0.07 0.10 0.15 0.25 0.20 0.20
Calcule el número de clientes esperando promedio que llegue a la tienda por hora.
El promedio anual de incendios grandes es una ciudad es de 8. Utilice la distribución

de Posición para determinar la probabilidad de que haya exactamente dos incendios
grandes en un periodo de tres meses.
Las remuneraciones de los trabajadores de una empresa se distribuyen normalmente,
con una media de Gs/1250.000 mensual y una desviación estándar de Gs/150.000.
Determine qué porcentaje de los trabajadores que tienen sus remuneraciones entre
Gs/900.000 y Gs/1500.000 mensuales.
Durante una semana determinada, se estima que la probabilidad de que el precio de

una acción específica aumente es 0.30, permanezca sin cambios es 0.20 y se reduzca
es 0.50.
a) Determina la probabilidad de que el precio de la acción aumente o
permanezca sin cambio.
b) Determina la probabilidad de que el precio de acción cambie
durante la semana.
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.
En unas elecciones, uno de los candidatos obtuvo el 45 % de los votos. Halla la

probabilidad de que en un muestreo de 300 votantes elegidos al azar, saliera mayoría
a su favor.
Con referencia a la siguiente tabla determine la probabilidad que una familia elegida al
azar tenga ingresos,
a) Entre Gs/. 23.000.000 y Gs/. 29.999.000

b) Menores Gs/. 39.999.500
Ingreso anual de 500 Familias
Categoría Rango de Ingreso Número de Familia

1 Menor de Gs/. 1.800.000 60
2 Gs/.1.800.000–Gs/.22.999.000 100
3 Gs/23.000.000–Gs/29.999.000 160
4 Gs/33.000–Gs/39.999.000 140
5 Gs/40.000 y más 40
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.

¿Halla la probabilidad de que una muestra aleatoria de 25 lámparas tenga una vida
media entre 1450 y 1600 horas?
¿Cuál es la probabilidad de que un elemento elegido entre un inventario de

cinescopios tenga una vida en almacén entre 3 y 9 semanas? Se sabe que las vidas
siguen una distribución normal con una media de 5 semanas y una desviación
estándar de 3 semanas.
La distribución normal del peso de los estudiantes de una universidad es en promedio

65 Kg., con una desviación estándar de 5 Kg.
Determina los pesos límites del 90 % central alrededor del peso promedio
En un Bufete de abogados hay 6 socios. A continuación se indica el número de casos

que cada miembro llevo a la corta en el mes pasado.
Socios Números de Casos

Ruud 3
Austin 6
Sass 3
Palmer 3
Wilhelms 0
Schueller 1
a) Determine la media y el error estándar poblacionales.
b) Determine la distribución de muestreo de medias de tamaño 2, el
valor medio y error estándar de las medias muestrales.
Suponiendo que usted en un agente de compras de un supermercado y que toma una

muestra aleatoria de 12 choclos en una planta envasadora. el peso neto de las choclos
al vació de cada lata aparece en la tabla. Determine:
a) El peso neto medio de las choclos envasadas en cada lata de esta

muestra.
b) La desviación estándar de la muestra.
c) Suponiendo que los pesos netos por lata tiene una distribución
normal, estime el peso medio por lata de choclos envasados con un
intervalo de confianza de 90 %.
Onzas por latas 15.7 15.8 15.9 16.0 16.1 16.2

Números de latas 1 2 2 3 3 1
PASOS
1. Primero se deben numerar los elementos de la población.
Marco muestral.
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.
Seleccionar una Muestra Sistemática
Para realizar una muestra sistemática debemos conocer el número de

elementos de la población y el tamaño de muestra que se desea extraer,
aparte se debe tener todos los elementos listados (marco muestral).
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.
Nombre Alumno ¿Trabaja? Nombre Alumno ¿Trabaja?

Juan Si María No
Alicia No Fernanda No
Pedro No Julio Si
Marcos No Rosa No
Alberto Si Fabián No
Jorge Si Ana No
José No Laura No
Carlos No Enrique No
Miguel No Carmen Si
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?
2. Se tienen 1000 alumnos, cuya distribución por peso es aproximadamente

normal, con media igual a 80 y desviación estándar o típica 15. Se pide:
a) La proporción de alumnos con más de 85 kilos.

b) El número de alumnos con peso entre 65 y 95.
c) El número de alumnos con menos de 82 kilos.
Medida de centralización y dispersión

1. Se ha realizado una encuesta a 30 profesores de una universidad sobre la
antigüedad en la docencia en años completos. Los resultados fueron:
4,11,3,7,9,5,4,1,2,11,16,4,18,15,2,10,7,6,4,10,8,12,12,5,8,10,1,6,3,15.
Encuentre: la medida, la mediana, la moda, la desviación típica y el primer
cuartil. Según los resultados explique si se puede considerar a la media como
una medida de centralización óptima.
2. De una central telefónica salieron 70 llamadas de menos de 3 minutos

promediando 2.3 minutos, 40 llamadas de menos de 10 minutos pero no
menos de 3 minutos, promediando 6.4 minutos, y 10 llamadas de al menos 10
minutos promediando 15 minutos. Calcular la duración promedio de todas las
llamadas.
Tabla de frecuencia
En la tabla de abajo aparece la distribución de frecuencias de los salarios semanales de
una compañía. Calcular.
a) El salario que más se repite

b) El salario medio
c) El salario por el cual quedan el 50% de los individuos por arriba
Salario Semanal Número de Trabajadores
$240 - $259 7
$260 - $279 20
$280 - $299 33
$300 - $319 25
$320 - $339 11
$340 - $359 4
En la siguiente tabla se presentan los ingresos en miles de dólares de 40 empresas en

Paraguay durante el año 2010
138 164 150 132 144 125 149 157

146 164 140 147 136 148 152 144
168 126 138 176 163 118 154 165
146 173 142 147 135 153 140 135
161 145 135 142 150 156 145 126
a) Construya una tabla de distribución de frecuencias, indicando las frecuencias

absolutas, relativa porcentual, absolutas acumuladas y relativas acumuladas.
b) Encuentra la media, mediana y moda. Explica las diferencias encontradas.
c) Construya el gráfico de barras e interprete el gráfico.
d) Interpretar las medidas de tendencia central y explicar si los datos presentan
una buena distribución.
Índice de Precio
1. En la tabla se presenta la información relativa a precios y cantidades de los bienes A,
B, y C en 2008 y 2009.
Miembros familia 3 6 5 6 3 4 4 5 3 6
Cantidad Gastada 99 104 151 129 142 74 91 119 91 142
Determina el coeficiente de correlación entre las dos variables. Calcula y representa

también la recta de regresión. ¿Qué cantidad gastada en comida cabría esperar si el
número de miembros de una familia aumenta a 8?
3. Un centro comercial sabe en función de la distancia, en kilómetros, a la que se

sitúe de un núcleo de población, acuden los clientes, en cientos, que figuran en
la tabla:
N° de Clientes (X) Distancia (Y) XY X2

8 15 120 64
7 19 133 49
6 25 150 36
4 23 92 16
2 34 68 4
1 40 40 1
∑ 𝒚𝒚 =28 ∑ 𝒙𝒙 =156 ∑ 𝒙𝒙𝒙𝒙 =603 ∑ 𝒙𝒙𝟐𝟐 =170
1. Grafique el diagrama de dispersión.,

2. Encuentre la ecuación de regresión lineal
3. Si el centro comercial se sitúa a 2 km, ¿cuántos clientes puede esperar?
4. Analizar la facturación de una empresa en un periodo de tiempo dado y de cómo
influyen los gastos de promoción y publicidad en dicha facturación.
Año Ventas en millones de Euros Gastos en publicidad en millones de Euros

1998 200 90
1999 400 50
2000 800 50
2001 1200 60
2002 900 60
Encuentra la ecuación de regresión y de correlación
SEMANA 18, UNIDAD X
TEMA 18 - PF: EXAMEN FINAL-PF
EXAMEN FECHA
PF
PFE1
PFE2
APÉNDICE I: DISTRIBUCIÓN BINOMIAL
APÉNDICE II: DISTRIBUCIÓN BINOMIAL (CONT)
APÉNDICE IV: DISTRIBUCIÓN DE POISSON
APÉNDICE IV: DISTRIBUCIÓN DE POISSON
APÉNDICE IV: DISTRIBUCIÓN DE POISSON (CONT)
DISTRIBUCIÓN DE POISSON (CONT)
APÉNDICE V: DISTRIBUCIÓN NORMAL
APÉNDICE VI DISTRIBUCIÓN t DE STUDENT
FUENTES DE INFORMACIÓN
Básica:
1. - Anderson, D., Sweeney, D. y Willians,T. (2008). Estadística para

administración y economía (10a. ed.). México: Thomson Learning.
2.- Berenson, M.y Levine. D. (1991). Estadística para administración y

economía: conceptos y aplicación. México: McGraw-Hill.
3.- Kazmier, L. (2006). Estadística aplicada a la administración y a la economía

(4a. ed.). México: McGraw-HiIl.
4.- Levine, R. (2004). Estadística para administración y economía (7a. ed.).

México: Pearson Educación.
Complementaria
5.- Anderson, D., Sweeney y D., Willians,T. (2009). Estadística para

administración y economía. México: Thomson.
6.- Arnaldos, F. (2003). Estadística descriptiva: para economía y administración

de empresas. Madrid: Thomson Editores.
7.-Avila, R. (2000). Estadística elemental. Lima: RA.
8.-Kohler, H. (1996). Estadística para negocios y economía, México:

Continental.
9.-Martínez, C. (2002). Estadística y muestreo. Bogotá: ECOE.
10.- Romero, F. (2000). Estadística para ti: aplicada a la investigación. Lima:

(s.n.).
11.- Spiegel, R. (2009). Estadística (4a. ed.). México: McGarw-Hill.
12.- Webster , A. (2000). Estadística aplicada a los negocios y la economía.

Bogotá: McGraw-Hill.

Estadistica Ciclo-Ii 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 Ciclo-Ii PDF

Cargado por

Copyright:

Formatos disponibles

ESTADíSTICAS APLICADA A LOS NEGOCIOS

Formamos los Profesionales

En una época de globalización y de alta competitividad como lo es el cambiante mundo

nuestro entorno. No sólo en el tema económico, también en el aspecto político,

mejores decisiones, ya que entiende cómo le afectan los cambios en el entorno. El

manejar y entender eficientemente la información es uno de los principales

argumentos que facilita la toma de decisiones en el mundo actual, y es un factor clave

para el éxito en la vida.

La motivación principal para el desarrollo e implementación de estos cuadernos de

trabajo es permitir que nuestros docentes y estudiantes posean una herramienta

uniforme, que los asista de manera eficiente en su proceso de enseñanza- aprendizaje.

La Universidad de la Integración de las Américas (UNIDA) cumple de esta manera con

El pensar en cómo brindar un mejor servicio a nuestros estudiantes es nuestro

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 2

"Es ser reconocida como una Institución de referencia en el escenario educativo

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 3

Estadística Aplicada a los Negocios. Competencia, Capacidades y Actitudes 5

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 4

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 5

• Identifica y utiliza las diferentes técnicas estadísticas que le permite recabar y

• Reconoce la importancia de la Estadística.

TEMA 1: INTRODUCCIÓN A LA ESTADÍSTICA - PRESENTACIÓN DE LA INFORMACIÓN.

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 6

ORGANIGRAMA DE LA PRIMERA UNIDAD

INTRODUCCIÓN AL ANÁLISIS DE DATOS

ROL DE LA DESCRIPCIÓN DE LOS

Definiciones Importancia Distribución Tablas Visualización Diseño

Población Estadística Distribución Histograma

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 7

¿Paraguayo? Amable, su nombre es Roberto (lo cual es el nivel nominal de medición),

Actualmente, las Empresas efectúan diversas transacciones locales e internacionales

1.1 GENERALIDADES (CONCEPTOS BÁSICOS)

Algunos de los conceptos más usados en la aplicación de la

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

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

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

Es cualquier subconjunto de unidades elementales, elegidas de una

C. Muestras Aleatorias (Probabilísticas)

Son aquellas cuyos elementos son elegidos usando algún criterio

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

1.2. DEFINICIÓN DE ESTADÍSTICA

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

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

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

B. Estadística Inferencial o inductiva

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 9

La estadística es un soporte en las siguientes acciones profesionales:

1.3. TOMA DE DATOS

Se denomina así cuando está asociada a una característica cualitativa que

a.2) Variable Cuantitativa

Se llama así cuando está asociada a una característica cuantitativa. Estas

a.2.1) Variable Discreta

a.2.2) Variable Continua

Una variable es continua cuando puede tomar cualquier valor dentro de un

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 10

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

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

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

Ejemplos de Toma de Datos

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

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

Material exclusivo para los alumnos de la UNIDA. Prohibida su reproducción Página 11

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

Frecuencia relativas porcentual (fR% ): fR = f x 100

Frecuencia Acumulada Relativa (fAR): fAR = f A x 100