Aplicadas a la Ingeniería

Estadística Descriptiva 4
Profr. José Luis González Marroquín
 RANGO, DESVIACIÓN MEDIA Y DESVIACIÓN ESTÁNDAR
Las medidas de Tendencia Central RANGO O RECORRIDO.
pueden no ser suficientes para la
caracterización de los datos, aunque R = xmax - xmin
depende del poder representativo del DESVIACIÓN MEDIA
conjunto de observaciones. 𝑿−𝑿 ഥ => Desv contra Media
Si los valores se concentran alrededor DM => Media Aritmética de
del promedio, entonces si es todas las desviaciones i xi ഥ
𝒙𝒊 − 𝑿
representativo, pero si están muy (en valor absoluto)
esparcidos, es poco representativo, en 1 2 8
respecto a la Media.
cuyo caso se requiere informar qué 𝑿−𝑿 ഥ 2 10 0
tanto están esparcidos, para lo cual se 𝑫𝑴 =
𝒏 3 12 2
utilizan las Medidas de Dispersión, Ejemplo: Calcular la DM de
siendo las más usuales: los siguientes datos: 2, 10, 12, 4 16 6
▪ El Rango o Recorrido (R). 16. 40 16
▪ La Desviación Media (DM) 𝟒𝟎 𝟏𝟔
ഥ
𝑿= = 𝟏𝟎 ; 𝑫𝑴 = =𝟒
▪ La Varianza o Desviación Estándar. 𝟒 𝟒
 RANGO, DESVIACIÓN MEDIA Y DESVIACIÓN ESTÁNDAR
VARIANZA
Se emplea en lugar de la DM para i xi ഥ
𝒙𝒊 − 𝑿 ഥ
𝒙𝒊 − 𝑿 𝟐
i xi ഥ
𝒙𝒊 − 𝑿 ഥ
𝒙𝒊 − 𝑿 𝟐

evitar signos, (eliminar valor

1 2 -8 64 1 8 -2 4
absoluto)
σ 𝒏 ഥ 𝟐
𝒊=𝟏 𝒙𝒊 − 𝑿 2 10 0 0 2 9 -1 1
𝟐
𝝈 =
𝒏 3 12 2 4 3 10 0 0
DESVIACIÓN ESTÁNDAR
Simplemente es : 𝝈 = 𝝈𝟐 4 16 6 36 4 13 3 9

i) Para serie simple o Datos No 40 0 104 40 0 14

agrupados.
Ejemplo: Calcular la Varianza y la ഥ = 𝟒𝟎 = 𝟏𝟎
a) 𝑿 ഥ = 𝟒𝟎 = 𝟏𝟎
b) 𝑿
𝟒 𝟒
Desv Estándar para las dos series de 𝟏𝟎𝟒 𝟏𝟒
datos siguientes: 𝝈𝟐 = = 𝟐𝟔 𝝈𝟐 = = 𝟑. 𝟓
𝟒 𝟒
a) 2, 10, 12, 16 𝝈 = 𝟐𝟔 = 𝟓. 𝟏 𝝈 = 𝟑. 𝟓 = 𝟏. 𝟖𝟕
b) 8, 9, 10, 13 La misma media, diferente grado de dispersión!!
 RANGO, DESVIACIÓN MEDIA Y DESVIACIÓN ESTÁNDAR
VARIANZA – OTRA FORMA
(MÉTODO ABREVIADO) i xi 𝒙𝟐𝒊 i xi 𝒙𝟐𝒊
Simplemente se desarrolla el 1 2 4 1 8 64
término cuadrático de la expresión
general, y se reduce 2 10 100 2 9 81
algebraicamente, obteniéndose: 3 12 144 3 10 100
𝒏 𝟐 𝒏 𝟐
σ 𝒙
𝒊=𝟏 𝒊 σ 𝒙
𝒊=𝟏 𝒊
𝝈𝟐 = − 4 16 256 4 13 169
𝒏 𝒏
40 504 40 419
Ejemplo: Calcular la Varianza y la
Desv Estándar utilizando el
a) 𝑿ഥ = 𝟒𝟎 = 𝟏𝟎 ഥ = 𝟒𝟎 = 𝟏𝟎
b) 𝑿
Método Abreviado para las dos 𝟒
𝟐
𝟒
𝟐
series de datos siguientes: 𝟐
𝟓𝟎𝟒 𝟒𝟎 𝟒𝟏𝟒 𝟒𝟎
𝝈 = − = 𝟐𝟔 𝝈𝟐 = − = 𝟑. 𝟓
a) 2, 10, 12, 16 𝟒 𝟒 𝟒 𝟒
b) 8, 9, 10, 13 𝝈 = 𝟐𝟔 = 𝟓. 𝟏 𝝈 = 𝟑. 𝟓 = 𝟏. 𝟖𝟕
La misma media, diferente grado de dispersión!!
 RANGO, DESVIACIÓN MEDIA Y
DESVIACIÓN ESTÁNDAR i xi fi xifi ഥ
𝒙𝒊 − 𝑿 2 ഥ 2fi 𝒙𝟐𝒊
𝒙𝒊 − 𝑿 𝒙𝟐𝒊 𝒇𝒊
VARIANZA – Para Series de
frecuencias-- 1 0 2 0 5.5225 11.045 0 0
a) Forma sencilla:
σ𝒏 ഥ 𝟐 2 1 3 3 1.8225 5.4675 1 3
𝟐 𝒊=𝟏 𝒙𝒊 − 𝑿 𝒇𝒊
𝝈 =
σ𝒏𝒊=𝟏 𝒇𝒊 3 2 5 10 0.1225 0.6125 4 20
Ejemplo: Calcular la Varianza y 4 3 6 18 0.4225 2.5350 9 54
la Desv Estándar para el caso 5 4 4 16 2.7225 10.89 16 64
del No. de hijos de 20 familias.
𝟒𝟕 n= 47 30.55 141
ഥ=
𝑿 = 𝟐. 𝟑𝟓 20
𝟐𝟎
𝟑𝟎. 𝟓𝟓
𝝈𝟐 = = 𝟏. 𝟓𝟐𝟕𝟓 b) Con el Método Abreviado:
𝟐𝟎 𝟐
𝒏 𝟐 𝒏 𝟐
σ𝒊=𝟏 𝒙 𝒊 𝒇 𝒊 σ𝒊=𝟏 𝒙𝒊 𝒇𝒊 𝟏𝟒𝟏 𝟒𝟕
𝝈 = 𝟏. 𝟓𝟐𝟕𝟓 = 𝟏. 𝟐𝟑𝟓𝟗𝟐 𝝈𝟐 = − 𝟐
𝝈 = − = 𝟏. 𝟓𝟐𝟕𝟓
𝒏 𝒏 𝟐𝟎 𝟐𝟎
𝝈 = 𝟏. 𝟓𝟐𝟕𝟓 = 𝟏.23595
 RANGO, DESVIACIÓN MEDIA Y
DESVIACIÓN ESTÁNDAR
VARIANZA – Para Series de b) Con el Método Abreviado:
𝟐
Clases y sus frecuencias-- σ𝒏
𝒊=𝟏 𝑴𝟐
𝒊 𝒇 𝒊 σ𝒏
𝒊=𝟏 𝑴𝒊 𝒇𝒊
a) Forma simple: 𝝈𝟐 = −
𝒏 𝒏
σ𝒏 ഥ 𝟐
𝒊=𝟏 𝑴𝒊 − 𝑿 𝒇𝒊 𝟗𝟖𝟏𝟏𝟓 𝟏𝟑𝟖𝟎
𝟐
𝟐
𝝈 = 𝟐
𝝈 = − = 𝟏𝟒𝟒. 𝟕𝟓
σ𝒏𝒊=𝟏 𝒇𝒊 𝟐𝟎 𝟐𝟎

Ejemplo: Calcular la Varianza y 𝝈 = 𝟏𝟒𝟒. 𝟕𝟓 = 𝟏2.0312

la Desv Estándar para el caso c) Con el Método Abreviado (Ui):
del peso de 20 personas. σ𝑛𝑖=1 𝑈𝑖2 𝑓𝑖 σ𝑛𝑖=1 𝑈𝑖 𝑓𝑖
2

σ𝒏𝒊=𝟏 𝑴𝒊 𝒇𝒊 𝟏𝟑𝟖𝟎 𝝈= − 𝐼
ഥ= σ𝑛𝑖=1 𝑓𝑖 σ𝑛𝑖=1 𝑓𝑖
𝑿 = = 𝟔𝟗. 𝟎
σ𝒏𝒊=𝟏 𝒇𝒊 𝟐𝟎 2
𝟐𝟖𝟗𝟓.𝟎𝟎
29 −1
𝝈𝟐 = = 𝟏𝟒4.75 𝝈= − 10 = 𝟏𝟐. 𝟎𝟑𝟏𝟐
𝟐𝟎 20 20
𝝈 = 𝟏𝟒𝟒. 𝟕𝟓 = 𝟏𝟐. 𝟎𝟑𝟏𝟐

Ver cálculos en hoja de cálculo siguiente

 RANGO, DESVIACIÓN MEDIA Y
DESVIACIÓN ESTÁNDAR
i Peso fi Ci Mi Mifi ഥ 𝟐 𝒇𝒊
𝑴𝒊 − 𝑿 𝑴𝟐𝒊 𝒇𝒊 Ui Uif U2ifi
(kg) Límites Reales i

1 45 - 54 3 44.5 – 54.5 49.5 148.5 1200.00 7,350.75 -2 -6 12

2 55 – 64 4 54.5 – 64.5 59.5 238.0 400.00 14,161.0 -1 -4 4
3 65 - 74 6 64.5 – 74.5 69.5 417.0 0 28,981.5
4 75 – 84 5 74.5 – 84.5 79.5 397.5 500.00 31,601.25 1 5 5
5 85 - 94 2 84.5 – 94.5 89.5 179.0 800.00 16,020.50 2 4 8
n= 1380.0 2900.00 98,115.00 -1 29
20

El estudio de la Probabilidad asociada
a la Estadística, requiere conocer
algunos conceptos previos, de los
cuales se repasan los siguientes:
❑ Teoría de Conjuntos.
❑ Técnicas de Conteo.
TEORÍA DE CONJUNTOS
Conjunto: Grupo de objetos dentro de
un todo definido y bien diferenciado.
Ejemplos: Gpo. de estudiantes, Cartas
de una baraja, etc.
Si S => Conjunto, y los objetos que lo
forman elementos, entonces:
𝑎 ∈𝑆 ; 𝑎 ∉𝑆
CONCEPTOS PREVIOS
Si S = {1, 2, 3} => 2 ∈ S
Los elementos de un conjunto deben ser
diferentes.
Ø => Conjunto Nulo o Vacío
Si todo elemento de S1, es un elemento de
S, entonces S1 es un subconjunto de S.
Ejemplo: Si S = {1, 2, 3}, subconjuntos
posibles: Ø, {1}, {2}, {3}, {1,2}, {1,3}, {2,3},
{1, 2, 3} ; ∴ S1 ⊂ S ∴ 23 = 8 Subconjuntos.
En general, se tendrán 2n Subconjuntos en
un conjunto de n elementos.
 CONCEPTOS PREVIOS
OPERACIONES Si S4 = {a, b, 1, 2} => S4 ⊂ S
Sea S1 = {a, b, c, 2} ; y S2 = {1, 2, 3} 3. Complemento: 𝑆4 = 𝑐, 3
1. Unión: S = S1 ⋃ S2 = {a, b, c, 1, 2, 3} 4. Diferencia:
2. Intersección: S = S1 ⋂ S2 = { 2 } S = S1 – S2 = {a, b, c, 2} = {1, 2, 3} = {1, 3}
Si S3 = {a, b, c} => S2 ⋂ S3 = Ø Espacio Muestral.
S1 S2
Sea S el conjunto de 3 colores:
S1 S2
e1 = Rojo, e2 = Blanco, e3 = Azul.
A los ei => puntos de la muestra o puntos.
A S que contiene todos los puntos se le
denomina Espacio Muestral.
S1 S2 S1 S2
En este caso: e1
e2

S = S1 ⋃ S2 = {a, b, c, 1, 2, 3} =>
S
e3 e1 e2 e3

Conjunto Universal o Universo

Rectas o Productos Cartesianos

Espacio Muestral
 CONCEPTOS PREVIOS
Productos Cartesianos S2

Si S1 = {a, b} ; entonces {a, b} = {b, a} c

(a, c) (b, c) (c, c)

Si se especifica un orden definido:

(a, b) => Par Ordenado ; (a, b) (b, b) (c, b)
b
∴ (a, a) Existe!! , mientras que:
{a, a} = {a} ∴ (a, b) ≠ (b, a) si a ≠ b (a, a) (b, a) (c, a)
a
En forma gráfica, con 3 puntos
verticales y 3 horizontales:
Los ejes vertical y horizontal son a b c
S1

Espacios Muestrales diferentes. Espacio Muestral de S1 X S2

∴ El espacio bidimensional puede S1 X S2 consta de 9 puntos.
considerarse un nuevo espacio
muestral, y se simboliza: En general, si X eje horizontal, e Y vertical:
S1 X S2 = {(a, a), (a, b), …., (c, c)} S1 X S2 = {(x,y) : x ∈ S1 e y ∈ S2}
 CONCEPTOS PREVIOS
Si A y B son dos conjuntos: Ejemplo: Si A tiene 5 elementos, y B tiene 1
A X B = {(x,y) : x ∈ A e y ∈ B} elementos: (Ver Gráfica).
 Producto Cartesiano de A y B La representación del Producto Cartesiano,
se puede extender a tríos.
Ejemplo: Si A tiene 3 elementos, y B
tiene 5 elementos: A X B Ejemplo: Si S1 = {a, b, c} , S2 = {1, 2, 3} , S3 =
A B
{4} ∴ P = S1 X S2 X S3 =
(1, 3) (2, 3) (3, 3) (4, 3)
= {(a, 1, 4), (a, 2, 4), …., (c, 3, 4)}
3

(1, 2) (2, 2) (3, 2) (4, 2)

e
(a, e)
(a, d)
Suceso, Sucesos Compuestos.
2 d
(a, c)
Suponer el experimento de lanzar un dado.
1
(1, 1) (2, 1) (3, 1) (4, 1)
c
(a, b) Sea X el conjunto de resultados posibles,
b
a
(a, a) teniéndose 6 resultados posibles:
1 2 3 4
B
a X = {1, 2, 3, 4, 5, 6} = {x1, x2, x3, x4, x5, x6}
A
 CONCEPTOS PREVIOS
Cada resultado posible se le denomina
Suceso o Evento Elemental o Simple,
(no se puede descomponer en una
combinación de otros sucesos).
Los 6 suceso simples se denotan como
E1, E2, …, E6.
Si A es el evento de la aparición del 1 o
del 2, entonces el evento A se puede
descomponer en los eventos simples:
E1, E2 => A es un Evento Compuesto.
∴ {E1, E2, …, E6} => Espacio Muestral
donde Ei = > Puntos.
Sea S el conjunto de todos los Sucesos
Simples o Compuestos.
Un suceso compuesto, es un
subconjunto de S.
¿Cuántos Sucesos Simples o Compuestos se
pueden formar? Resp.: 2n.
Para el caso del dado: 26 = 64 subconjuntos.
Características de los 64 Subconjuntos:
1. La Union, la Intersección, la
Diferencia y el Complemento de
cualquier cantidad de Subconjuntos,
forman otro Subconjunto.
2. Los 64 Subconjuntos representan todas
las combinaciones posibles de sucesos
que se pueden formar.
Ejemplo_1: Se arrojan 2 monedas:
S1 = {A, S} ; S2 = {A, S} ;
∴ S1 X S2 = {(x, y) : x∈S1, y∈S2}
 CONCEPTOS PREVIOS
No. de resultados posibles: Ejemplo_2: Se aplica un examen de Probabilidad a
N = 2 X 2 = 22 = 4 ; 500 alumnos, cuyas calificaciones van de 0 a 100 en
(A, A), (A, S), (S, A), (S, S) Nos. enteros.
a) Determinar la variable asociado, su tipo y
S2
cuántos valores puede tomar.
E2 E4 b) Definir el Conjunto Universal S.
S
(A, S) (S, S) c) Definir el Evento Compuesto A cuyas
calificaciones sean 95 o más.
A
E1 E3
Solución:
(A, A) (S, A) a) X = Variable Cuantitativa Discreta
= {0, 1, 2, …, 100}
S1
A S b) S = {E0, E1, E2, …, E100}
c) A = {E95, E96, …, E100}
¿Cuál es la probabilidad de Ejemplo_3: Se
que aparezca un Sol?
 CONCEPTOS PREVIOS
Ejemplo_3: Se tiene un grupo de 500 Conclusiones:
estudiantes que pesan entre 63 y 86 kg. - Existen 500 valores de X, un valor xi para
cada unidad elemental de estudio.
a) Determinar la variable asociada, su
tipo y cuántos valores puede tomar. - Cada valor xi es una observación.
b) Definir los elementos de estudio. - ∴ Para cada xi existe un un suceso o
c) Definir el número de observaciones. evento simple Ei, y para cada suceso
d) Definir el Conjunto Universal S. simple Ei puede existir uno o más
e) Definir el Evento Compuesto A valores o ninguno.
cuyos pesos estén entre 70 y 74 kg. - Si xi = 68 kg, entonces existe Ei = 68 kg,
Solución: pero puede haber otro evento = 68 Kg
a) X = Variable Cuantitativa Continua - ∴ A Ei = 68 kg le corresponden 2
= peso (kg) = {No. Infinito de Valores} observaciones, pero puede ocurrir que
b) Elemento de Estudio: Estudiante. para otro evento xj = 69 kg no exista
c) No. de observaciones: 500 ningún Evento
d) S = {No. Infinito de Eventos}
e) A = {70 ≤ X ≤74}
 CONCEPTOS PREVIOS
Conclusiones: Ejemplo: Para el caso del lanzamiento
- El suceso simple es un resultado del dado, suponer que se lanza 600 veces
observándose los siguientes valores:
posible del experimento. 70 80 90
𝑥1 = 600 ; 𝑥2 = 600 ; 𝑥3 = 600 ;
- La unidad elemental es el estudiante
100 110 150
(objeto de estudio: autos, trabajador, 𝑥4 = ; 𝑥5 = ; 𝑥6 =
pastillas, vasos de café, etc.). 600 600 600
- La variable X se vincula con la unidad Se define:
elemental de estudio (peso, velocidad,
salarios, precios, pH, diámetro, etc.) a) Los 6 resultados posibles: Sucesos
- La cantidad de valores u observaciones Simples.
en X, y la relación entre sucesos simples b) Cara del dado: Unidad elemental.
y observaciones se requieren para (Se tienen 600 unidades elementales)
c) X es el resultado del lanzamiento del
realizar inferencia estadística:
dado.
Sucesos o Eventos => Variables => d) C/u de las 600 unidades elementales
Inferencia Estadística define una observación.
 CONCEPTOS PREVIOS
Notación: Sea B el conjunto formado por Eventos Dependientes:
las estaciones del año. Entonces: Si A y B están relacionados tal que la
B = {x/x es una estación del año} ocurrencia de B depende de la
ocurrencia de A, entonces son Eventos
Eventos Mutuamente Excluyentes: Dependientes.
Aquellos que no pueden ocurrir
simultáneamente.
Ejemplo: A = {a/a es par} ;
B = {b/b es impar} ; A ⋂ B = Ø
Eventos Independientes:
Cuando la ocurrencia o no ocurrencia de
un evento no afecta la ocurrencia o no
ocurrencia de otro evento, entonces son
Eventos Independientes.
Preguntas?
Me encuentras en:

jlgonzalezm@ipn.mx

17