S01 - APUNTES DOCENTE EDyP

APUNTES DE ESTADÍSTICA DESCRIPTIVA Y
PROBABILIDAD
Miguel Felix Alvino
Agosto 2022
ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES
Índice general
1. SEMANA 1: Introducción a la Estadística 3
1.1. ¿Qué es la estadística? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Clasificación de la estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Estadística Descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Estadística Inferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Definiciones Básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1. Población . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2. Muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3. Unidad de análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.4. Dato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.5. Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.6. Parámetro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.7. Valor estadístico o estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Niveles de Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Practicando lo Aprendido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6. Recopilación de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1. Fuentes para obtener datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2. Técnicas para recopilar Datos . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7. Etapas del método estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.1. Planteamiento del Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.2. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.3. determinación de la unidad de Investigación . . . . . . . . . . . . . . . . . . 13
1.7.4. Formulación de Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.5. Selección del método de investigación . . . . . . . . . . . . . . . . . . . . . 13
1.7.6. Recopilación de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.7. Procesamiento de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.8. Publicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.9. Generalización e inferencia estadística. . . . . . . . . . . . . . . . . . . . . . 14
2. SEMANA 2: Organización de datos y elaboración de gráficos en Excel 15

2.1. Tablas de Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2. Distribución de Frecuencia para datos Cualitativos . . . . . . . . . . . . . . . . . . . 15
2.3. Distribución de Frecuencia para datos Cuantitativos . . . . . . . . . . . . . . . . . . 17
2.3.1. Tabla de Datos cuantitativos Discretos . . . . . . . . . . . . . . . . . . . . . 17
2.3.2. Tabla de Datos cuantitativos Continuos o discretos . . . . . . . . . . . . . . 19
3. SEMANA 3: Medidas de Tendencia Central 25

3.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Ejercicio Explicativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
APUNTES DE CLASE UTP Sede AQP: 1

4. SEMANA 4: Autoevaluación para la PC2 34

4.1. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2. Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5. SEMANA 5: Medidas de Dispersión 40

5.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2. Ejercicios Explicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6. SEMANA 6: Medidas de Posición y de Forma 47

6.1. Medidas de Posición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2. Medidas de Forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7. SEMANA 7: Autoevaluación para EXPA 54

7.1. Problemas Resueltos I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
7.2. Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
7.3. Problemas Resueltos II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
8. SEMANA 8: Probabilidades 62
8.1. Conceptos básicos de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8.2. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.3. Eventos Independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
9. SEMANA 9: Teorema de Bayes 66

10.SEMANA 10: Variable Aleatoria 72

10.1.Variable aleatoria discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
10.2.Variable aleatoria continua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
10.3.Practicando lo Aprendido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
11.SEMANA 11: Distribución Binomial y Poisson 77

11.1.Distribución Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
11.2.Distribución Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
12.SEMANA 12: Autoevaluación Para PC3 86

12.1.Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
12.2.Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
12.3.Aprendiendo un poco más. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
13.SEMANA 13: Distribución Normal 93

13.1.Distribución Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
13.2.Distribución Normal Estándar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

SEMANA 1: Introducción a la
Estadística
Logro de la Sesión
Al finalizar la sesión de aprendizaje el estudiante comprende la importancia de la estadís-

tica, identifica sus conceptos básicos y las variables en los casos estudiados.
1.1
¿Qué es la estadística?
La estadística es una ciencia que nos proporciona métodos, técnicas o procedimientos para
recopilar, organizar (clasificar, agrupar), presentar, analizar e interpretar datos en forma adecua-
da para luego tomar decisiones o realizar generalizaciones válidas.
La estadística en la ingeniería
La importancia de la estadística en la ingeniería, ha sido encaminada por la participación de la
industria en el aumento de la calidad. Muchas compañías se han dado cuenta que la baja calidad
de un producto, tiene un gran efecto en la productividad global de la compañía, en el mercado,
la posición competitiva, y finalmente, en la rentabilidad de la empresa. Mejorar los aspectos de
calidad conlleva al éxito de la compañía. La estadística es un elemento decisivo en el incremento
de la calidad, ya que las técnicas estadísticas pueden emplearse para describir y comprender la
variabilidad.
Todos los procesos y sistemas de la vida real exhiben variabilidad. Esta es el resultado de
cambios en las condiciones bajo las cuales se hacen las observaciones. En el contexto de la ma-
nufactura, estos cambios pueden ser diferencias en las propiedades de los materiales utilizados,
en la forma en que trabajan los obreros, en las variables del proceso (tales como la temperatura,
la presión o el tiempo de ocupación) y en los factores ambientales (como la humedad relativa) .
La variabilidad se presenta también debido al sistema de medición utilizado y al muestreo.
El campo de la estadística y la probabilidad utiliza métodos tanto para describir y modelar la
variabilidad, como para tomar decisiones en presencia de ésta.
1.2
Clasificación de la estadística
1.2.1. Estadística Descriptiva

Conjunto de técnicas y métodos que son usados para recolectar, organizar y presentar en
forma de tablas y gráficas información numérica. También se incluyen aquí el cálculo de medidas

estadísticas de centralidad y de variabilidad.
Recolección Crítica de Presentación Análisis e

de datos los datos de datos interpretación
1.2.2. Estadística Inferencial

Es la rama de Estadística que se ocupa de los procesos de estimación (puntual y por interva-
los), análisis y pruebas hipótesis. La finalidad de la estadística inferencial es llegar a conclusiones
que brinden una adecuada base científica para la toma de decisiones, considerando la informa-
ción muestral recolectada.
En otras palabras la estadística inferencial se ocupa del análisis, interpretación de los resul-
tados y de las conclusiones a las que se puede llegar a partir de la información obtenida de una
muestra con el fin de extender sus resultados a la población bajo estudio. La generalización de
las conclusiones obtenidas en una muestra a toda la población esta sujeta a riesgo por cuanto
los elementos de la muestra son obtenidos mediante un muestreo probabilístico.
La estadística inferencial provee los procedimientos para efectuar la inferencia inductiva y
medir la incertidumbre de las conclusiones que se van a generalizar. Los problemas más impor-
tantes en este proceso son:
Estimación Puntual: Es la estimación del valor del parámetro por medio de un único valor
obtenido mediante el cálculo o evaluación de un estimador para una muestra específica.
Estimación por intervalos: Es la estimación del valor de un parámetro mediante un con-

junto de valores contenidos en un intervalo. Para la obtención de intervalos de confianza
se debe considerar el coeficiente de confianza que es la probabilidad de que el intervalo
contenga al parámetro poblacional.
Prueba de Hipótesis: Es el procedimiento estadístico de comprobación de una afirmación

y se realiza a través de las observaciones de una muestra aleatoria.
1.3
Definiciones Básicas
1.3.1. Población
Se denomina población al conjunto de todos los individuos o elementos (que consiste en per-
sonas, animales, objetos, etc.), con una o más características observables que se van a estudiar.
Una población debe definirse en términos de su contenido, extensión y tiempo. La población
puede ser finita o infinita, dependiendo del número de elementos que presente.
1. Población Finita: Es aquella que indica que es posible alcanzarse o sobrepasarse al contar.
Es aquella que posee o incluye un número limitado de medidas y observaciones.
2. Población Infinita: Es infinita si se incluye un gran conjunto de medidas y observaciones

que no pueden alcanzarse en el conteo. Son poblaciones infinitas porque hipotéticamente
no existe límite en cuanto al número de observaciones que cada uno de ellos puede generar.

Ejemplo 1.1
Todos los estudiantes de ingeniería de la UTP 2022
Todos los ingenieros civiles de la ciudad de Arequipa.
1.3.2. Muestra
Es una parte o subconjunto de la población, seleccionada con el fin de obtener información
acerca de la población de la que proviene. La muestra debe ser representativa y adecuada. Repre-
sentativa porque debe reflejar fielmente las características de la población que proviene. Ade-
cuada, porque debe tener un numero óptimo y mínimo de elementos.
Ejemplo 1.2
150 estudiantes de ingeniería de la UTP 2022
400 ingenieros civiles de la ciudad de Arequipa.
1.3.3. Unidad de análisis

Es el objeto elemento indivisible que será estudiado en una población (cada elemento de una
determinada población), de los cuales se van a obtener datos.
Ejemplo 1.3
Un estudiante de ingeniería de la UTP 2022
Un ingeniero civil de la ciudad de Arequipa.
1.3.4. Dato
Es el valor o respuesta que adquiere la variable en cada unidad de análisis como resultados
de la observación, entrevista. Son la materia prima de la estadística, estos pueden ser números,
palabras, o símbolos .
1.3.5. Variable
Es la característica de la población que interesa al investigador y que puede tomar diferentes
valores. Se clasifica de la siguiente manera:
Cualitativas: Si sus valores (modalidades) no se pueden asociar naturalmente a un número

(no se pueden hacer algebraicas con ellos)
• Nominales: si sus valores no se pueden ordenar.

◦ Sexo, Grupo sanguíneo, Religión, Nacionalidad, estado civil, etc.
• Ordinales: Si sus valores se pueden ordenar
◦ Grado de satisfacción, intensidad de calor, grado académico, etc
Cuantitativas o Numéricas: Si sus valores son numéricos (se pueden realizar operaciones
algebraicas)

• Discretas: solo toma valores enteros o aislados.

◦ Número de hijos, Número de carros, Número de maquinarias, etc
• Continuas: Si entre dos valores, son posibles infinitos valores intermedios.
◦ Altura, temperatura, ingresos, edad, etc.
1.3.6. Parámetro
Es un valor fijo que caracteriza a la variable de interés en la población en estudio. Para calcu-
lar este valor se requiere conocer todos los datos de la variable en la población; por lo general
este valor casi nunca se conoce el objetivo de investigador es estimarlo a través de una muestra
aleatoria.
Los parámetros más utilizados de:
Parámetro Simbolo
Media aritmetica poblacional µ
Varianza poblacional σ2
Desviación estándar poblacional σ
Proporción poblacional poπ
Mediana Poblacional Me
Moda Poblacional Mo
Coeficiente de variación poblacional CV
1.3.7. Valor estadístico o estimado

Es un valor calculado con los datos de la muestra aleatoria y se supone estima al valor del
parámetro de la variable en estudio en la población. Este valor cambia de una muestra a otra
muestra. La fórmula que permite calcular el valor estadístico recibe el nombre de estimador o
estadística.
Estadígrafo Símbolo
Media aritmética muestral x̄
Varianza muestral S2
Desviación estándar muestral S
Proporción muestral p̄
Mediana muestral me
Moda muestral mo
Coeficiente de variación muestral cv
Ejercicio Explicativo 1
En la ciudad de Arequipa se toma una muestra aleatoria de 30 grifos que se dedican a la
venta de combustible de un día determinado, se obtiene que el monto por venta promedio
es de S/ 12 000.00. Con esta información identificar: Población, Unidad de Análisis, varia-
ble de estudio, tipo de variable, un posible dato, tamaño de la muestra, parámetro y valor
estadístico.

Población: Todos los grifos de la ciudad de Arequipa, que se de-

dican a la venta de combustible
Unidad de análisis: Un grifo de la ciudad de Arequipa, que se dedica a la
venta de combustible
Variable de estudio: monto por venta diaria de combustible
Tipo de Variable: Cuantitativa continua
Dato: S/ 12 000.00
Tamaño de la muestra 30 grifos
Parámetro: No se conoce el monto promedio por venta diaria en
la población
Valor estadístico: S/ 12 000.00 venta promedio de la muestra
De una población de 3000 revistas científicas de Ingeniería, el 73.46 % están escritas en
idioma inglés. Una muestra aleatoria de 50 revistas arroja que el 72 % están escritas en
ingles, el promedio de artículos por revistas es de 12.4 Con esta información identificar:
población, unidad de análisis, variables de estudio, tipos de variables, posibles datos, ta-
maño de la muestra, parámetro y valor estadístico.
Población: Todas las revistas de Ingeniería

Unidad de análisis: Una revista de ingeniería
Variable de estudio: Idiomas de revistas científicas
Número de artículos por revista
Tipo de Variable: Cualitativa Nominal
Cuantitativa discreta
Dato: Español, ingles, portugués, etc
12, 16, 11, etc
Tamaño de la muestra 50 revistas científicas
Parámetro: 73.46 % están en idioma ingles
Valor estadístico: 72 % están en idioma ingles
12.4 promedio del número de artículos por re-
vistas
Según un artículo publicado en un diario de circulación local, los habitantes de la región
están disconformes con la aplicación de la justicia. Según el artículo el 80 % de la población
indica que la justicia no es igual para todos. Para estudiar el problema se tomó una muestra
de 500 ciudadanos de la región Arequipa en el mes de enero del 2019, en el cuestionario
entre las varias interrogantes destacan la opinión sobre la aplicación de la justicia, y la edad
del encuestado, en la muestra se observó que un 78 % de los encuestados opinan que la
justicia no es igual para todos, la edad promedio de los ciudadanos encuestados es de 48.6
años. Indicar:

Población: Los habitantes de la región Arequipa en el mes de enero del

2019
Muestra: 500 habitantes de la región Arequipa en el mes de enero
del 2019
Unidad de análisis: 1 habitante de la región Arequipa en el mes de enero del
2019
Variable: Opinión de un habitante sobre la aplicación de la justicia
Edad de un habitante
Parámetros: El 80 % de la población que indica que la justicia no es igual
para todos
Estadísticos: El 78 % de los encuestados (muestra) que opinan de la jus-
ticia no es igual para todos
Edad promedio de los encuestados es 48.6 años
1.4
Niveles de Medición
Uno de los elementos fundamentales de la definición de una variable es el tipo de escala que
utilizaremos para medirla. En función de la escala elegida decidiremos su codificación, trata-
miento informático y estadístico.
Los Niveles o Escalas de medición son las formas de clasificar los datos, pueden ser:
Definición 1: Escala Nominal

Los datos son etiquetas o categorías que se usan para definir un atributo de un elemento
(pueden ser numéricos o no numéricos).
Genero
Estado Civil
Nombres
Lugar de nacimiento
Definición 2: Escala Ordinal

Los datos pueden usarse para jerarquizar u ordenar las observaciones (pueden ser numé-
ricos o no numéricos)
Medidas
Nivel de estudio
Nivel económico
Grado Académico

Definición 3: Escala de Intervalo

Los datos tienen las propiedades de los datos ordinales y los intervalos. Se expresan en
términos de una unidad de medición fija, se aplica a variables continuas pero carece de un
punto cero absoluto.
Temperatura
Fecha de Calendario
Hora GMT
Definición 4: Escala de Razón

Los datos tienen las propiedades de los datos de intervalo y el cociente (o razón) entre dos
medidas tiene sentido.
Además, el cero es real, es absoluto, no es arbitrario. Es decir, el cero representa la au-
sencia de la característica en cuestión; en consecuencia, los números pueden compararse
como proporciones y nos permite indicar cuántas veces es más grande un objeto que otro,
además de señalar la cantidad en que difieren.
Distancia
Altura
Peso
Tiempo
1.5
Practicando lo Aprendido
1. En cada uno de los siguientes enunciados identificar de ser posible: la población, unidad
elemental, variables en estudio, tipos de variables, tamaño de la muestra, valores estadís-
ticos, parámetros y un ejemplo de posibles datos en cada caso:
a) Una muestra al azar de 50 recién nacidos en el hospital Honorio Delgado Espinoza

arroja un peso promedio de 3.50 Kg; el 46 % son varones y 70 % tuvieron parto normal.
b) Una muestra aleatoria de 550 ciudadanos arequipeños mayores de 18 años arroja la
siguiente información: la edad promedio es 32 años; 20 % tienen grado de instruc-
ción superior y 30 % está de acuerdo con las medidas económicas anunciadas por el
gobierno hace unos días.
c) Para analizar la posibilidad de lanzar al mercado una nueva marca de cigarrillos, se
efectuó una encuesta entre fumadores que transitaron por la quinta cuadra de la ave-
nida Ejercito entre las 5 p.m. y 8 p.m. del día 14 de febrero; para ello se seleccionó
en forma aleatoria a 80 fumadores, obteniéndose los siguientes resultados: el 25 %
prefiere los cigarrillos importados que los nacionales y el precio promedio que pagan
al comprar una cajetilla es de S/. 3.40
d) Una muestra aleatoria de 100 cústeres de transporte urbano en Arequipa a las 12.00
horas de un día cualquiera, arroja que el promedio de pasajeros dentro del cúster es
de 18.4 personas; el 75 % de los cústeres tienen más de 10 años de antigüedad.

e) Una muestra aleatoria de 50 frascos conteniendo mermelada arroja un peso promedio

de 45.3 grs. Y una desviación estándar de 5.436 grs. Si la producción diaria de la planta
es de 5,000 frascos con un peso promedio de 45.5 grs y una desviación estándar de
5.5 grs.
f) El porcentaje de varones de la UTP es de 62.5 %; una muestra aleatoria de 50 estu-
diantes arroja que 58 % son varones; la edad promedio es de 15.4 años; el promedio
de hermanos es de 2.3 y el 60 % tienen casa propia.
g) Una muestra aleatoria de 70 usuarios que concurren a un centro de información arroja
que el 34.3 % son del sexo masculino. De experiencias pasadas se sabe que el por-
centaje de varones que concurren fue de 34.2 %.
h) Una muestra aleatoria de 20 revistas científicas sobre mecánica de Fluidos arroja que
el promedio de artículos publicados es de 13.3; el 70 % están escritos en inglés; el
15 % son de nacionalidad Brasileña.
i) De una población de 1200 actas de sustentación en Ingeniería de Mantenimiento, el
72 % obtuvo el calificativo de bueno al sustentarlo. Una muestra aleatoria de 25 actas
arroja que el 76 % de actas obtuvieron el calificativo de bueno.
j) La fiabilidad de un ordenador se mide en términos de la vida de un componente de
hardware especifico (por ejemplo, la unidad de disco). Con objeto de estimar la con-
fiabilidad de un sistema en particular, se prueban 100 componentes de computadora
hasta que fallan, y se registra su vida.
k) Cada cinco años, la división de mecánica de la American Society of Engineering Educa-
tion realiza una encuesta a nivel nacional sobre la educación en Mecánica, en el nivel
de licenciatura, en las universidades. En la encuesta más reciente, 66 de las 100 uni-
versidades muestreadas cubrían la estática de fluidos en su programa de ingeniería en
el nivel de licenciatura.
2. De cada una de las siguientes situaciones responda las preguntas que se plantean:
Un fabricante de medicamentos desea conocer la producción de personas cuya hiper-

tensión (presión alta) puede ser controlada con un nuevo producto fabricado por la
compañía. En un estudio a un grupo de 13.000 individuos hipertensos, se encontró
que el 80 % de ellos controló su presión con el nuevo medicamento.
Según una encuesta realizada a 500 adultos mayores de la comuna de Santiago, reveló
que en promedio realizan 6 visitas anuales al consultorio. En vista de los resultados el
ministerio de salud deberá aumentar los recursos en un 10 %.
a) ¿Cuál es la población?
b) ¿Cuál es la muestra?
c) Identifique el parámetro de interés
d) Identifique el estadígrafo y su valor
e) ¿Se conoce el valor del parámetro?
3. Para cada uno de los siguientes conjuntos de datos, indique si nos cualitativos o cuantita-
tivos y describir las distintas modalidades.
a) Tiempo de llegada de 16 ondas sísmicas reflejadas

b) Marcas de calculadoras empleadas por 100 estudiantes de Ingeniería.

c) Velocidad máxima alcanzada por 12 automóviles que utilizan alcohol como combusti-
ble.
d) Número de caracteres impresos por línea de salida de computadora en 20 impresoras
de línea.
e) Número de miembros de una familia
f) Estado civil de una persona
g) Tiempo de vuelo de un misil
h) Marcas de maquinas de soldar

1.6
Recopilación de Datos
1.6.1. Fuentes para obtener datos

Los datos pueden obtenerse de dos tipos de fuentes:
1. Fuentes internas: cuando los datos son parte de la propia actividad del ente que los reco-
pila, se dice que el dato es interno y la fuente es interna.
2. Fuentes externas: cuando se tiene que otras empresas, instituciones, poblaciones, etc.,
fuera del ente recopilador.
1.6.2. Técnicas para recopilar Datos

Para obtener la información existen varias técnicas, entre estas: encuesta, entrevista, cues-
tionario y observación.
Definición 5: Encuesta
Conjunto de preguntas tipificadas dirigidas a una muestra representativa, para averiguar
estados de opinión o diversas cuestiones de hecho. A diferencia de un censo, donde todos
los miembros de la población son estudiados, las encuestas recogen información de una
porción de la población de interés, dependiendo el tamaño de la muestra en el propósito
del estudio.
Definición 6: Entrevista
Las entrevistas se utilizan para recabar información en forma verbal, a través de preguntas
que propone el analista. Quienes responden pueden ser gerentes o empleados, los cuales
son usuarios actuales del sistema existente, usuarios potenciales del sistema propues-
to o aquellos que proporcionarán datos o serán afectados por la aplicación propuesta. El
analista puede entrevistar al personal en forma individual o en grupos. Sin embargo, las
entrevistas no siempre son la mejor fuente de datos de aplicación. En otras palabras, la
entrevista es un intercambio de información que se efectúa cara a cara. Es un canal de co-
municación entre el analista y la organización; sirve para obtener información acerca de las
necesidades y la manera de satisfacerlas, así como concejo y comprensión por parte del
usuario para toda idea o método nuevos. Por otra parte, la entrevista ofrece al analista una
excelente oportunidad para establecer una corriente de simpatía con el personal usuario,
lo cual es fundamental en transcurso del estudio.
Definición 7: Cuestionario
se entiende por cuestionario a la lista de preguntas que se proponen por cualquier fin, el
cuestionario proporcionan una alternativa muy útil para la entrevista; si embargo, existen
ciertas características que pueden ser apropiada en algunas situaciones e inapropiadas
en otra. Al igual que la entrevistas, deben diseñarse cuidadosamente para una máxima
efectividad.
Definición 8: Observación
tra técnica útil para el analista en su progreso de investigación, consiste en observar a las
personas cuando efectúan su trabajo. Como técnica de investigación, la observación tiene

amplia aceptación científica. Los sociólogos, sicólogos e ingenieros industriales utilizan ex-
tensamente ésta técnica con el fin de estudiar a las personas en sus actividades de grupo
y como miembros de la organización. El propósito de la organización es múltiple: permite
al analista determinar que se está haciendo, como se está haciendo, quien lo hace, cuando
se lleva a cabo, cuánto tiempo toma, dónde se hace y por qué se hace.
1.7
Etapas del método estadístico
La estadística, proporciona métodos y procedimientos que permiten analizar datos de varia-
bles de interés, utilizando para tal fin una muestra elegida al azar de la población en estudio; con
el objetivo de tomar decisiones en dicha población. Para su aplicación, se debe tener en cuenta
las siguientes etapas:
1.7.1. Planteamiento del Problema

Debe plantearse con precisión y claridad la necesidad que se desea conocer, las causas de la
investigación.
1.7.2. Objetivo
Conjunto de acciones o tareas de las necesidades alcanzadas, debe plantearse un objetivo
general y como mínimo tres objetivos específicos.
1.7.3. determinación de la unidad de Investigación

Corresponde al elemento de la población, que puede ser persona, animal u objeto, de la cual
se definen variable de interés para el investigador.
1.7.4. Formulación de Hipótesis

Son supuestos que se plantea en la población con respecto a la distribución o parámetro de la
variable de interés, estos pueden ser rechazado o no, utilizando para tal propósito una muestra
aleatoria.
1.7.5. Selección del método de investigación

La investigación puede ser exploratorio, descriptivo, correlacional, etc.
1.7.6. Recopilación de Datos

Corresponde a la recolección de datos. Esta puede ser por observación directa, por encuesta,
por publicaciones y/o fuentes externas confiables. El éxito de toda investigación depende en gran
parte de la consistencia de los datos obtenidos.

1.7.7. Procesamiento de los datos

Corresponde a obtener tablas, gráficos o valores estadísticos, en la actualidad se usan soft-
ware tales: Excel, Minitab, SPSS, SAS, Rstudio, etc.
1.7.8. Publicación
Se consigna los resultados de la investigación, previa revisión de los datos procesados.
1.7.9. Generalización e inferencia estadística.

Las conclusiones de la investigación son generalizadas a la población de donde se obtuvo la
muestra aleatoria.

SEMANA 2: Organización de datos y

elaboración de gráficos en Excel
Logro de la Sesión
Al finalizar la sesión de clase, el estudiante elabora tablas de frecuencias y gráficos para

resumir un conjunto de datos.
2.1
Tablas de Frecuencia
Los datos que se presentan en cualquier tipo de estudio son datos brutos que requieren de
su procesamiento para que transmitan algún sentido y puedan ser analizados de acuerdo con el
objetivo del estudio.
Este ordenamiento se puede resumir en una tabla o cuadro que se denomina tabla de fre-
cuencias (o distribución de frecuencias).
Una distribución de frecuencias es un ordenamiento de un conjunto de datos obtenidos de
una población o de una muestra en donde los elementos estudiados son clasificados en grupos
o categorias mutuamente excluyentes expresando el número y/o porcentaje de elementos que
pertenecen a cada categoria o grupo.
El objetivo de una distribución de frecuencias es resumir en una tabla (tabla de distribu-
ción de frecuencias) los datos recolectados de tal forma que se facilite su interpretación y
posterior análisis
2.2
Distribución de Frecuencia para datos Cualitativos
Cuando la variable de análisis es de tipo cualitativo, cada grupo, clase o categoria se forma
con cada uno de los diferentes valores que toma la variable, generalmente ordenados en forma
alfabética.
Cuadro 2.1: Estructura y elementos de una tabla de frecuencias de variable cualitativa

Categorías o clases Frecuencia absoluta (fi ) Frecuencia Relativa (hi ) frecuencia porcentual (pi )
f1
Categoría 1 f1 h1 = n p1 = h1 × 100 %
f2
Categoría 2 f2 h2 = n p2 = h2 × 100 %
.. .. .. ..
. . . .
f
Categoría k fk hk = nk pk = hk × 100 %
Total n 1 100 %

EJERCICIO EXPLICATIVO 2.2.1. En un sector de una ciudad se seleccionó una muestra de 40

empresas y se registró la actividad económica que desarrollaban, obteniendo los siguientes re-
sultados:
COMERCIO SERVICIO COMERCIO COMERCIO SERVICIO SERVICIO COMERCIO COMERCIO
INDUSTRIA SERVICIO SERVICIO COMERCIO INDUSTRIA INDUSTRIA SERVICIO SERVICIO
COMERCIO COMERCIO SERVICIO SERVICIO COMERCIO COMERCIO COMERCIO SERVICIO
COMERCIO INDUSTRIA COMERCIO SERVICIO COMERCIO COMERCIO SERVICIO COMERCIO
SERVICIO COMERCIO INDUSTRIA SERVICIO INDUSTRIA COMERCIO INDUSTRIA INDUSTRIA
Solución. Los datos lo ordenamos en una tabla de distribución de frecuencias:
Cuadro 2.2: Distribución de las empresas según su actividad económica

Actividad Económica Número de empresas Proporción de empresas Porcentaje de empresas
COMERCIO 18 18 = 0,45 0,45 × 100 % = 45 %
40
INDUSTRIA 8 8
40 = 0,20 0,20 × 100 % = 20 %
SERVICIO 14 14 = 0,35 0,35 × 100 % = 35 %
40
TOTAL 40 1.00 100 %
Figura 2.1: Distribución de frecuencias de la actividad económica de las empresas.

18
18
Número de empresas
16
14
14
12
10
8
8
Comercio Industria Servicio
Actividad Económica
Figura 2.2: Diagrama circular o pastel de la actividad económica de las empresas
45 %
Comercio
Industria
20 % Servicio
35 %

2.3
Distribución de Frecuencia para datos Cuantitativos
2.3.1. Tabla de Datos cuantitativos Discretos

Las tablas de frecuencia de variable discreta llevan seis columnas donde los elementos que
participan son los siguientes:
1. Frecuencia Absoluta: (fi ) 5. Frecuencia absoluta acumulada: (Fi )

indica el número de veces que se repite indica la cantidad de datos que se en-
una variable. cuentran hasta cierta clase.
2. Tamaño de la muestra:(n)
k
indica la cantidad de elementos que con-
forman la muestra, se obtiene sumando
Fi = ∑ fi k : es la k-ésima clase
i=1
todas las frecuencias absolutas.
∑ fi = n
6. Frecuencia relativa acumulada:(Hi )
3. Frecuencia Realativa:(hi )
es la proporción de datos acumulados
es la proporción de datos que se encuen-
que se encuentran hasta cierta clase.
tran en una clase, se obtiene dividiendo la
frecuencia absoluta de la clase por el ta-
maño de la muestra. k F
f Hi = ∑ hi o Hi = i
n
hi = i i=1
n
a) ∑ hi = 1
b) 0 ≤ hi ≤ 1 7. Frecuencia porcentual acumulada:(Pi )
4. Frecuencia Porcentual:(pi ) es el porcentaje de datos acumulados que
es el porcentaje de datos que se encuen- se encuentran hasta cierta clase.
tra en una clase, se obtiene de multiplicar
la frecuencia relativa por 100 %. k
pi = hi × 100 %
Pi = ∑ pi
i=1
Cuadro 2.3: Estructura y elementos de una tabla de frecuencias de variable cuantitativa discreta
Frecuencia Frecuencia Frecuencia Frecuencia por-
Frecuencia Frecuencia
Variable porcen- absoluta acu- relativa acumu- centual acumu-
absoluta relativa
tual mulada lada lada
x1 f1 h1 p1 F1 = f1 H 1 = h1 P1 = p1
x2 f2 h2 p2 F2 = f1 + f2 H 2 = h1 + h2 P2 = p1 + p2
x3 f3 h3 p3 F3 = F2 + f3 H 3 = H 2 + h3 P3 = P2 + p3
.. .. .. .. .. .. ..
. . . . . . .
xk fk hk pk Fk = n Hk = 1,00 Pk = 100 %
Total n 1,00 100 %
EJERCICIO EXPLICATIVO 2.3.1. Una empresa que tiene 50 trabajadores se propone reestruc-
turar las remuneraciones, se estudia los años de servicio de los trabajadores determinándose los
siguientes resultados:

4 5 4 6 7 9 7 7 5 8
8 7 6 7 7 4 6 8 8 9
6 8 9 5 6 5 4 7 9 6
7 6 5 4 4 4 6 8 8 7
8 9 5 5 4 6 7 9 5 4
1. Tabular la información
2. ¿Qué cantidad de trabajadores tiene 8 años de servicio?
3. ¿Que porcentaje de trabajadores tiene 6 años de servicio?
4. Si aquellos trabajadores que tengan a lo menos siete años de servicio reciben un aumento
del 8 % ¿Qué porcentaje de los trabajadores recibió dicho aumento?
5. Si todos los trabajadores que tengan a lo más cinco años de servicio reciben una bonificación
de $ 20 000.¿Qué cantidad de trabajadores recibió dicha bonificación?
6. Si la empresa decide otorgar una bonificación especial de $ 13 000 por cada año de servi-
cio.¿Cuánto será el dinero necesario para cumplir dicha bonificación?
Solución. Resolviendo:
1. Construyamos la tabla de distribución de frecuencias:
4 5 4 6 7 9 7 7 5 8
8 7 6 7 7 4 6 8 8 9
6 8 9 5 6 5 4 7 9 6
7 6 5 4 4 4 6 8 8 7
8 9 5 5 4 6 7 9 5 4
Cuadro 2.4: Distribución de frecuencias para reestructurar las remuneraciones de 50 trabajado-

res por años de servicio
Años de Servicio fi hi pi Fi Hi Pi
4 9 9 = 0,18 0,18 × 100 % = 18 % 9 0.18 18 %
50
5 8 8 = 0,16 0,16 × 100 % = 16 % 17 0.34 34 %
50
6 9 9 = 0,18 0,18 × 100 % = 18 % 26 0.52 52 %
50
7 10 10 = 0,20 0,20 × 100 % = 20 % 36 0.72 72 %
50
8 8 8 = 0,16 0,16 × 100 % = 16 % 44 0.88 88 %
50
9 6 6 = 0,12 0,12 × 100 % = 12 % 50 1.00 100 %
50
Total n = 50 1.00 100 %
2. Ocho trabajadores tienen 8 años de servicio
3. El 18 % de los trabajadores 6 años de servicio
4. El 48 % de los trabajadores recibió el aumento de sueldo
5. Diecisiete trabajadores recibieron la bonificación
6. Para la bonificación por años de servicio se necesita la cantidad de $ 4 197 600.

Figura 2.3: Diagrama de Bastones para los años de servicio

10
Número de trabajadores
9
6
4 5 6 7 8 9
Años de servicio
2.3.2. Tabla de Datos cuantitativos Continuos o discretos

Para tabular una variable continua o discreta (que tome un gran número de datos distintos)
se necesitan los siguientes elementos:
1. Rango o recorrido:(R) Si C, se obtiene en decimales se redondea

Es la diferencia entre el dato máximo y da- por exceso.
to mínimo que tome la variable.
4. Marca de clase:(xi )
R = Dmáx − Dmín Es el punto medio de un intervalo.
Linf + Lsup
2. Número de intervalos o clases:k xi =
2
es el número de grupos o intervalos en
que el posible dividir los valores de la va- 5. Frecuencia absoluta: (fi )
riable. indica el número de observaciones que
El número de clases no debe ser ni muy pertenece a un intervalo dado.
grande ni muy pequeño, un número pe-
queño de clases puede ocultar la natu- n= ∑ fi
raleza general de los datos y un número
muy grande puede ser demasiado deta- 6. Frecuencia relativa:(hi )
llado como para revelar alguna informa- es la proporción de datos que se encuen-
ción útil. Como regla general se recomien- tra en un intervalo, se determina dividien-
da que el número de clases esté entre cin- do la frecuencia absoluta del intervalo por
co y veinte. el tamaño de la muestra.
Para determinar el número de intervalos
utilizaremos la regla de Sturges: f
hi = i
n
k = 1 + 3,3 log(n)
7. Frecuencia porcentual:(pi )
3. Amplitud del intervalo o clase:(C) es el porcentaje de datos que se encuen-
Es la distancia que existe entre el limite tran en un intervalo, se determina multi-
inferior y superior de cada intervalo. plicando la frecuencia relativa del interva-
lo por 100 %.
R
C= pi = hi × 100 %
k
8. Frecuencia absoluta acumulada:(Fi ) del intervalo i.

indica el número de datos de la muestra
k
menores o iguales al limite superior del
intervalo i.
Hi = ∑ hi
i=1
k
Fi = ∑ fi 10. Frecuencia porcentual acumulada:(Pi )
i=1 indica el porcentaje de datos de la mues-
tra menores o iguales al límite superior
del intervalo i.
9. Frecuencia relativa acumulada:(Hi )
k
indica la proporción de datos de la mues-
tra menores o iguales al límite superior
Pi = ∑ pi
i=1
Cuadro 2.5: Estructura y elementos de una tabla de frecuencias de variable cuantitativa discreta
Frecuencia Frecuencia Frecuencia Frecuencia por-
Marca de Frecuencia Frecuencia
Intervalo porcen- absoluta acu- relativa acumu- centual acumu-
clase absoluta relativa
tual mulada lada lada
[Dmín ; Dmín + C⟩ x1 f1 h1 p1 F1 = f1 H1 = h1 P1 = p1
[Dmín + C; Dmín + 2C⟩ x2 f2 h2 p2 F2 = f1 + f2 H2 = h1 + h2 P2 = p1 + p2
[Dmín + 2C; Dmín + 3C⟩ x3 f3 h3 p3 F3 = F2 + f3 H3 = H2 + h3 P3 = P2 + p3
.. .. .. .. .. .. .. ..
. . . . . . . .
[Dmín + (k − 1)C; Dmín + kC⟩ xk fk hk pk Fk = n Hk = 1,00 Pk = 100 %
TOTAL n 1,00 100 %
EJERCICIO EXPLICATIVO 2.3.2. Los siguientes datos corresponden a las notas obtenidas por
100 estudiantes en el curso de estadística descriptiva y probabilidades.
20 17 11 16 19 9 8 11 18 12
17 13 11 13 5 14 17 7 12 7
7 7 20 14 15 18 13 3 8 11
20 14 14 14 13 14 17 10 12 11
11 9 11 17 5 13 8 20 6 8
18 17 13 19 17 20 13 12 8 13
16 17 12 14 13 15 5 19 6 9
15 11 20 16 11 10 17 14 11 16
11 10 9 9 13 15 13 12 9 15
12 19 20 12 19 17 7 14 10 12
1. Construya la correspondiente distribución de frecuencias
2. ¿En qué clase se concentra el mayor número de notas?
3. ¿Cuál es la frecuencia absoluta del cuarto intervalo? Interprete el resultado
4. ¿Que porcentaje de los alumnos tienen una nota inferior a 13?
5. ¿Cuántos estudiantes tienen una nota superior a 8?
6. Interprete la frecuencia acumulada del sexto intervalo
7. Interprete la frecuencia relativa acumulada del quinto intervalo.
Solución. Resolviendo

1. Determinamos lo elementos para armar la tabla:
n = 100
Dato mínimo = 3
Dato máximo = 20
Rango: R = 20 − 3 = 17
Número de intervalos: k = 1 + 3,3 log(100) = 7,6
redondeando tenemos que: k = 7 , se tiene una tabla de 8 intervalos.
Amplitud de clase: C = 17
8 = 2,429 ≈ 2,5
20 17 11 16 19 9 8 11 18 12
17 13 11 13 5 14 17 7 12 7
7 7 20 14 15 18 13 3 8 11
20 14 14 14 13 14 17 10 12 11
11 9 11 17 5 13 8 20 6 8
18 17 13 19 17 20 13 12 8 13
16 17 12 14 13 15 5 19 6 9
15 11 20 16 11 10 17 14 11 16
11 10 9 9 13 15 13 12 9 15
12 19 20 12 19 17 7 14 10 12
Empezamos llenando los datos en la tabla. Para construir los intervalos, es necesario em-
pezar del dato mínimo y sumar la amplitud de clase.
Cuadro 2.6: Distribución de frecuencias de la nota de los estudiantes de estadística descriptiva

y probabilidades
Notas xi fi hi pi Fi Hi Pi
3+5,5
[3; 5,5⟩ 2 = 4,25 4 0.04 4% 4 0.04 4%
5,5+8
[5,5; 8⟩ 2 = 6,75 7 0.07 7% 11 0.11 11 %
8+10,5
[8; 10,5⟩ 2 = 9,25 15 0.15 15 % 26 0.26 26 %
10,5+13
[10,5; 13⟩ 2 = 11,75 20 0.20 20 % 46 0.46 46 %
13+15,5
[13; 15,5⟩ 2 = 14,25 25 0.25 25 % 71 0.71 71 %
15,5+18
[15,5; 18⟩ 2 = 16,75 14 0.14 14 % 85 0.85 85 %
18+20,5
[18, 20,5⟩ 2 = 19,25 15 0.15 15 % 100 1.00 100 %
Total 100 1.00 100 %
2. El mayor número de notas se concentra en el quinto intervalo, que corresponde al intervalo

[13; 15,5⟩
3. La frecuencia absoluta del cuarto intervalo es 20. Esto nos indica que 20 alumnos tienen
nota en el intervalo [10,5; 13⟩
4. El 46 % de estudiantes tiene nota inferior a 13.
5. Existen 15 + 20 + 25 + 14 + 15 = 79 estudiantes que tienen notas superiores a 8.
6. 85 estudiantes tienen notas iguales o inferiores a 18.

7. 71 % de estudiantes tienen notas iguales o inferiores a 15.5.
Figura 2.4: Histograma de frecuencias de las notas de los estudiantes de estadística descriptiva
y probabilidades
25
Número de estudiantes
20
15
10
Notas
3 – 5,5
5,5 – 8
8 – 10,5
10,5 – 13
13 – 15,5
15,5 – 18
18 – 20,5

2.4
1. En la ciudad de Arequipa se realiza una encuesta sobre las preferencias en la marca de au-
tos, obteniéndose los siguientes resultados:
Volkswagen Nissan Volkswagen Nissan Volkswagen Hyundai Chevrolet Toyota
Volkswagen Nissan Volkswagen Nissan Toyota Volkswagen Toyota Volkswagen
Hyundai Nissan Toyota Nissan Nissan Toyota Nissan Volkswagen
Toyota Chevrolet Hyundai Volkswagen Nissan Toyota Hyundai Nissan
Toyota Volkswagen Hyundai Nissan Nissan Nissan Toyota Volkswagen
a) Definir la variable y tipo de variable

b) Elaborar la tabla de distribución de frecuencias
c) Realizar un diagrama de barras
d) Indicar la marca más preferida.
2. los siguientes datos corresponden al sueldo (en miles de soles) de 40 trabajadores de una
empresa
119 135 138 144 146 150 156 164

125 135 140 144 147 150 157 165
126 135 140 145 147 152 158 168
128 136 142 145 148 153 161 173
132 138 142 146 149 154 163 176
a) Construya una tabla de frecuencia con todos sus elementos

b) ¿En que clase se encuentra el mayor número de trabajadores0?
c) ¿Qué porcentaje de trabajadores gana entre S/.139 000 y S/. 168 000?
d) ¿Cuantos trabajadores ganan a lo menos S/. 159 000?
e) ¿Cuántos trabajadores ganan a lo más S/. 148 000?
3. En una industria es necesario realizar un estudio respecto al peso de engranajes de gran ta-
maño. Los siguientes datos corresponden al peso, en kilogramos, de 39 piezas, que poseen
las mismas dimensiones, pero distinta aleación.
58 52 50 52 40 50 38 52 50 45
36 45 55 42 42 52 50 45 42 38
42 38 40 46 45 45 55 42 45 40
a) Construir una tabla de frecuencias de amplitud 5, empezando en 36.

b) ¿Cuantos engranajes pesan entre 46 y 55 kg?
c) ¿Qué porcentaje representa a aquellos engranajes cuyo peso es inferior a 51kg?
d) ¿Cual es la frecuencia relativa para aquel intervalo cuya marca de clase es 48?
e) ¿Qué porcentaje representa a aquellas piezas que pesan más de 50kg?
4. En una industria automotriz es necesario realizar un estudio debido a una partida defectuo-
sa de discos de embrague. Para ello se ha recoilado la siguiente información referente a la
duración en horas de 50 de ellos.

285 300 286 302 313 314 289 292 321 327
293 289 292 289 308 326 303 287 293 322
304 329 295 307 297 302 294 301 285 313
308 307 304 291 288 297 316 322 317 308
321 324 323 316 292 286 299 294 328 296
a) Construir una tabla de frecuencia de amplitud cinco comenzando desde 285

b) ¿Cuantos discos duraron entre 290 y 299 horas?
c) ¿Cuántos discos no alcanzaron a durar 300 horas?
d) ¿Que porcentaje representan los discos que duraron entre 310 y 314 horas?
e) ¿Que porcentaje representan los discos que duraron menos de 305 horas?
f) ¿Cuántos discos duraron más de 309 horas?
g) ¿Cuantos discos duraron menos de 305 horas?
h) ¿Que porcentaje representan los discos que duraron entre 285 y 294 horas?
i) ¿Cuál es el intervalo de mayor frecuencia absoluta?

SEMANA 3: Medidas de Tendencia

Central
Logro de la Sesión
Al finalizar la sesión de clase, el estudiante calcula e interpreta las medidas de tendencia

central para datos no agrupados y agrupados, según sus frecuencias.
3.1
Definiciones
Definición: (Medidas de Tendencia Central). Las medidas de tendencia central son algunos de
los varios tipos de medidas estadísticas. Las medidas de tendencia central pretenden resumir en
un solo valor a un conjunto de valores, y tienden a ocupar posiciones centrales en el conjunto de
datos.
Definición 9: Media Aritmética (x̄ )

Es la medida de tendencia central que se utiliza con mayor frecuencia. Se calcula sumando
todas las observaciones de un conjunto de datos, dividiendo después ese total entre el
número total de elementos involucrados.
1. Media para datos no agrupados:
x1 + x2 + · · · + xn ∑ni=1 xi
x̄ = =
n n
donde: n : tamaño de la muestra, o total de datos
2. Media para datos agrupados:
x1 f1 + x2 f2 + · · · + xk fk ∑ki=1 xi · fi
x̄ = =
n n
Donde:
xi es la marca de clase del intervalo i-ésimo
fi es la frecuencia del intervalo o-ésimo
n es el número de datos de la muestra
k es el número de intervalos.

Definición 10: Mediana (Me)

Es el valor que se encuentra en el centro de una secuencia ordenada de datos. La mediana
no se ve afectada por observaciones extremas en un conjunto de datos. Por ello, cuando se
presenta alguna información extrema, resulta apropiado utilizar la mediana, y no la media,
para describir el conjunto de datos.
1. Mediana para datos no agrupados

Se deben de ordenar los datos de forma creciente o decreciente.
a) Para muestra con un número impar de datos:
Me = X( n+1 )
2
b) Para muestra con número par de datos:

X( n ) + X( n +1)
2 2
Me =
2
2. Mediana para datos agrupados
n
!
2 + Fi−1
Me = Li + C
fi
Donde:
i es el primer intervalo cuya frecuencia acumulada supera a 2n
Li es el límite inferior del intervalo donde se ubica la mediana
n es el número de datos
Fi−1 es la frecuencia acumulada anterior al intervalo de la mediana
fi es la frecuencia absoluta del intervalo de la mediana
C es la amplitud del intervalo
Definición 11: Moda Mo

Es el valor de un conjunto de datos que aparece con mayor frecuencia. Se le obtiene fá-
cilmente a partir de un arreglo ordenado. A diferencia de la media aritmetica, la moda no
se afecta ante la ocurrencia de valores extremos. Sin embargo, sólo se utiliza la moda para
propósitos descriptivos por que es más variable, para distintas muestras, que las demás
medidas de tendencia central. Un conjunto de datos puede tener más de una moda o nin-
guna
1. Moda para datos no agrupados: es dato que más se repite.

2. Moda para datos agrupados:

d1
Mo = Li + C
d1 + d2
Donde:
i es el intervalo de mayor frecuencia absoluta
Li es el límite inferior del intervalo que contiene a la moda
d1 es la diferencia entre la frecuencia absoluta del intervalo de la moda y el
intervalo anterior: d1 = fi − fi−1
d2 es la diferencia entre la frecuencia absoluta del intervalo de la moda y el
intervalo posterior: d2 = fi − fi+1
C es la amplitud del intervalo.

3.2
Ejercicio Explicativo
Ejercicio Explicativo 4: Datos no agrupados

Se registran las siguientes mediciones para el tiempo de secado (en horas) de cierta marca
de pintura esmaltada.
3.4 2.5 4.8 2.9 3.6
2.8 3.3 5.6 3.7 2.8
4.4 4.0 5.2 3.0 4.8
Suponga que las mediciones constituyen una muestra aleatoria simple
1. Calcule la media de muestra para estos datos.
2. Calcule la mediana de la muestra.
3. Calcule la moda de la muestra.
Solución:
1. La media aritmética
3,4 + 2,5 + 4,8 + 2,9 + 3,6 + 2,8 + 3,3 + 5,6 + 3,7 + 2,8 + 4,4 + 4,0 + 5,2 + 3,0 + 4,8
x̄ =
15
x̄ = 3,786666667
Interpretación: El tiempo de secado de cierto tipo de pintura esmalta es en promedio

de 3.79 horas.
2. La mediana
a) Ordenamos los datos:

2.5 2.8 2.8 2.9 3.0 3.3 3.4 3.6 3.7 4.0 4.4 4.8 4.8 5.2 5.6
b) Como el número de datos es impar n = 15. Calculamos la posición de la mediana
utilizando el criterio:
Me = X( n+1 ) = X( 15+1 ) = X(8)

2 2
Buscamos en los datos ordenados la posición 8.

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15
2.5 2.8 2.8 2.9 3.0 3.3 3.4 3.6 3.7 4.0 4.4 4.8 4.8 5.2 5.6
Por lo tanto:
Me = 3,6
Interpretación:
El 50 % de marcas de pintura tienen un tiempo de secado inferior o igual a
3.6 horas.
El 50 % de marcas de pintura tienen un tiempo de secado superiór o igual a
3.6 horas.

3. La moda
los datos que más se repiten son: 2,8 y 4,8 ambos en la misma cantidad de veces (dos
veces)
2.5 2.8 2.8 2.9 3.0 3.3 3.4 3.6 3.7 4.0 4.4 4.8 4.8 5.2 5.6
Mo1 = 2,8 Mo2 = 4,8
Interpretación: Los tiempos de secado más frecuentes de las marcas de pintura son
de 2.8 y 4.8 horas.
Ejercicio Explicativo 5: Datos no agrupados

Un fabricante de componentes electrónicos se interesa en determinar el tiempo de vida de
cierto tipo de batería. Una muestra, en horas de vida, es como la siguiente:
123 116 122 110 175 126 125 111 118 117
1. Calcule la media de la muestra
2. Calcule la mediana de la muestra
3. calcule la moda de la muestra
Solución:
1. La media aritmética:
123 + 116 + 122 + 110 + 175 + 126 + 125 + 111 + 118 + 117
x̄ =
10
x̄ =124,3
Interpretación: En promedio el tiempo de vida de cierto tipo de batería es de 124.3

horas.
2. La mediana:
a) Ordenamos los datos:

110 111 116 117 118 122 123 125 126 175
b) Como el número de datos es par n = 10, utilizamos el criterio
X( n ) + X( n +1) X( 10 ) + X( 10 +1) X5 + X6
2 2 2 2
Me = = =
2 2 2
Buscamos en los datos ordenados la posición 5 y 6
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
110 111 116 117 118 122 123 125 126 175
Reemplazando, tenemos
118 + 122
Me = = 120
2
Interpretación:
● El 50 % de las baterías tiene un tiempo de vida igual o inferior a 120 horas.

● El 50 % de las baterías tiene un tiempo de vida igual o superior a 120 horas.
3. La moda:
Observamos que ninguno de los datos se repite, por lo tanto no existe moda
Mo = φ = {}
Interpretación:
Ejercicio Explicativo 6: Datos Agrupados
La distribución de frecuencias de la duración, Duración fi

en horas, de uso continuo de 212 dispositi- [350 − 400⟩ 4
vos electrónicos iguales, sometidos a un cier- [400 − 450⟩ 6
to control. [450 − 500⟩ 9
Calcular: [500 − 550⟩ 20
[550 − 600⟩ 31
1. Indique la variable y tipo de variable. [600 − 650⟩ 80
[650 − 700⟩ 42
2. La media aritmética
[700 − 750⟩ 10
3. La mediana [750 − 800⟩ 8
[800 − 850⟩ 2
4. La moda Total 212
Solución:
1. Variable: Duración en horas de los dispositivos electrónicos.

Tipo de Variable: Cuantitativa continua.
2. La media:
Duración xi fi xi × fi
[350 − 400⟩ 375 4 1500
[400 − 450⟩ 425 6 2550 ∑ki=1 xi × fi
[450 − 500⟩ 475 9 4275 x̄ =
n
[500 − 550⟩ 525 20 10500 130100
[550 − 600⟩ 575 31 17825 x̄ =
212
[600 − 650⟩ 625 80 50000 x̄ =613,6792
[650 − 700⟩ 675 42 28350
[700 − 750⟩ 725 10 7250 Interpretación: En promedio la duración
[750 − 800⟩ 775 8 6200 de los dispositivos electrónicos es de
[800 − 850⟩ 825 2 1650 613.68 horas.
Total 212 130100
3. La mediana

i Duración fi Fi
1 [350 − 400⟩ 4 4 Determinemos la ubicación de la mediana en la
2 [400 − 450⟩ 6 10 tabla
n
3 [450 − 500⟩ 9 19 ≤ Fi
2
4 [500 − 550⟩ 20 39 en este caso:
5 [550 − 600⟩ 31 70
6 [600 − 650⟩ 80 150 n 212
= = 106 ≤ Fi
7 [650 − 700⟩ 42 192 2 2
8 [700 − 750⟩ 10 202 entonces:
9 [750 − 800⟩ 8 210 70 ≤ 106 < 150
10 [800 − 850⟩ 2 212
Por lo tanto se ubica en el sexto intervalo: i = 6
Total 212
Me ∈ [600 − 650⟩ Reemplazando:

Calculamos los elementos que necesita la
n
!
formula: − Fi − 1
2
Me =Li + C
fi
Li =600
106 − 70

C =650 − 600 = 50 =600 + (50)
80
Fi−1 =70
=622,5
fi =80
Interpretación:
❂ El 50 % de los dispositivos electrónicos tienen una duración igual o menos de

622.5 horas.
❂ El 50 % de los dispositivos electrónicos tienen una duración igual o más de 622.5
horas.
4. La moda

Buscamos en la tabla la mayor frecuencia abso-

luta.
Vemos que f6 = 80, es el mayor de todos, la mo-
i Duración fi da se ubica en la sexta posición (i = 6).
1 [350 − 400⟩ 4 Determinemos los elementos de la formula:
2 [400 − 450⟩ 6
Li =600
3 [450 − 500⟩ 9
4 C =650 − 600 = 50
[500 − 550⟩ 20
5 [550 − 600⟩ 31 d1 =fi − fi−1 = 80 − 31 = 49
6 [600 − 650⟩ 80 d2 =fi − fi+1 = 80 − 42 = 38
7 [650 − 700⟩ 42
8 [700 − 750⟩ 10 Reemplazando:
9 [750 − 800⟩ 8
10 [800 − 850⟩ 2 d1
Mo =Li + C
Total 212 d1 + d2
49

=600 + (50)
49 + 38
=628,1609
Interpretación: Con mayor frecuencia los dispositivos electrónicos tienen un tiempo
de duración de 628.16 horas.

3.3
1. La duración de fallas eléctricas, en minutos, se presenta en la siguiente tabla.
22 18 135 15 90 78 69 98 102
83 55 28 121 120 13 22 124 112
a) Indique la variable y tipo de variable.

b) Calcule la media e interprete.
c) Calcule la mediana e interprete.
d) Calcule la moda e interprete.
2. Los siguientes datos son las mediciones del diámetro de 16 cabezas de remache en centé-
simos de una pulgada.
6.72 6.77 6.82 6.70 6.78 6.70 6.62 6.75

6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76

3. Un fabricante de neumáticos quiere determinar el diámetro interior de un neumático de

cierto grado de calidad. Idealmente el diámetro sería de 570 mm. Los datos son los si-
guientes:
572 572 573 568 569 575 565 570

4. La distribución de frecuencia adjunta de observaciones de resistencia a la fractura (MPa)

de barras de cerámicas cocidas en un horno particular.
Resistencia a la Frecuencia de clase Resistencia a la Frecuencia de clase

fractura (MPa) fractura (MPa)
[81 − 83⟩ 6 [91 − 93⟩ 28
[83 − 85⟩ 7 [93 − 95⟩ 22
[85 − 87⟩ 17 [95 − 97⟩ 13
[87 − 89⟩ 30 [97 − 99⟩ 3
[89 − 91⟩ 43



5. Las distancias de recorrido de rutas de autobuses de cualquier sistema de tránsito parti-

cular por lo general varían de una ruta a otra. Se tiene la siguiente información sobre la
distancias (km) de un sistema particular.
Distancia Frecuencia Distancia Frecuencia

[6 − 8⟩ 6 [20 − 22⟩ 40
[8 − 10⟩ 23 [22 − 24⟩ 28
[10 − 12⟩ 30 [24 − 26⟩ 27
[12 − 14⟩ 35 [26 − 28⟩ 26
[14 − 16⟩ 32 [28 − 30⟩ 14
[16 − 18⟩ 48 [30 − 35⟩ 27
[18 − 20⟩ 42 [35 − 40⟩ 11

6. Se determinó el número de partículas contaminadas en una oblea de silicio antes de cierto

proceso de enjuague por cada oblea en una muestra de tamaño 100 y se obtuvieron las
siguientes frecuencias:
Número 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
de partí-
culas
Frecuencia 1 2 3 12 11 15 18 10 12 4 5 3 1 2 1


SEMANA 4: Autoevaluación para la

PC2
4.1
Problemas Resueltos
1. Con el fin de analizar los factores más importantes para obtener una alta calidad del ce-
mento, se realizó una encuesta a académicos y expertos de campo con diferentes años de
experiencia en la ciudad de Arequipa en el año 2020, obteniendo los siguientes resultados:
Mano de obra Medio Métodos de Calidad de Tipo de
ambiente construcción materiales maquinaria
Medio Métodos de Medio Tipo de Calidad de
ambiente construcción ambiente maquinaria materiales
Medio Mano de obra Métodos de Medio Métodos de
ambiente construcción ambiente construcción
Tipo de Mano de obra Medio Calidad de Métodos de
maquinaria ambiente materiales construcción
Medio Calidad de Tipo de Medio Mano de obra
ambiente materiales maquinaria ambiente
Métodos de Métodos de Tipo de Calidad de Medio
construcción construcción maquinaria materiales ambiente
Calidad de Medio Métodos de Mano de obra Calidad de
materiales ambiente construcción materiales
Tipo de Métodos de Mano de obra Medio Calidad de
maquinarias construcción ambiente materiales
Responda las siguientes preguntas:
a) Indique la variable y tipo de variable
Variable: Factores de calidad del concreto
Tipo de variable: Cualitativa nominal
b) Elabore la tabla de frecuencias.
Factores de calidad del concreto fi hi pi
Mano de obra 6 0.15 15.00 %
Medio ambiente 11 0.275 27.50 %
Tipo de maquinarias 6 0.15 15.00 %
Métodos de construcción 9 0.225 22.50 %
Calidad de materiales 8 0.2 20.00 %
Total 40 1 100 %
c) ¿en que porcentaje influye la mano de obra en la calidad del concreto?
La mano de obra influye un 15 % en la calidad del concreto.

d) Realice un diagrama circular (indicando todos los títulos)
2. Se determinó la cantidad de contaminación por aluminio (ppm) en plástico de cierto tipo

con una muestra de 50 probetas de plástico y se obtuvieron los siguientes datos:
30 30 60 63 70 79 87 90 101 103
102 115 118 119 119 120 125 140 145 146
172 182 183 191 193 197 199 201 203 204
205 207 211 213 217 222 223 227 229 230
231 235 236 238 240 241 243 291 511 512
Responda a las siguientes preguntas:
a) Indique la variable y el tipo de variable.

Variable: cantidad de contaminación por aluminio en plástico de cierto tipo
Tipo de variable: Cuantitativa continua
b) Elabore el cuadro de distribución de frecuencias por intervalos (k=7). Debe colocar el
título e indicar el significado de la frecuencia absoluta.
n = 50 k=7
Xmin = 30 C = Rk = 482
7 = 68,857
Xmax = 512 C = 69
R = 512 − 30 = 482
Intervalo xi fi hi pi Fi Hi Pi
30 99 64.5 8 0.16 16 8 0.16 16
99 168 133.5 12 0.24 24 20 0.4 40
168 237 202.5 23 0.46 46 43 0.86 86
237 306 271.5 5 0.1 10 48 0.96 96
306 375 340.5 0 0 0 48 0.96 96
375 444 409.5 0 0 0 48 0.96 96
444 513 478.5 2 0.04 4 50 1 100
Total 50 1 100
c) Realice el histograma de frecuencias absolutas, indique todos los títulos.

3. El diámetro (mm) de doce anillos de pistones automotrices se muestra a continuación:

74.001 74.005 74.003 74.001 74.003 74.004
73.998 74 74.006 74.0002 73.999 74.001
Determine:
a) Indique la variable y tipo de variable (1p)

Variable: Diámetro de anillos de pistones automotrices
b) la media e interprete.
74,001 + 74,005 + 74,003 + · · · + 74,0002 + 73,999 + 74,001

X̄ =
12
X̄ = 74,0018
EL DIÁMETRO PROMEDIO DE LOS ANILLOS DE PISTÓN ES DE 74.0018 mm
c) la mediana e interprete.
Ordenamos los datos:
73.998 73.999 74 74.0002 74.001 74.001 74.001 74.003 74.003 74.004 74.005 74.006
Como n = 12, es par
X n + X n +1 X6 + X7 74,001 + 74,001
2 2
Me = = = = 74,001
2 2 2
EL 50 % DE ANILLOS DE PISTÓN TIENE DIÁMETRO MAYOR O IGUAL A 74.001 mm

EL 50 % DE ANILLOS DE PISTÓN TIENE DIÁMETRO MENOR O IGUAL A 74.001 mm
d) la moda e interprete.
El dato que más se repite es:
Mo = 74,001
EL DIÁMETRO MÁS FRECUENTE DE LOS ANILLOS DE PISTÓN ES DE 74.001 mm
4. De la tabla de Frecuencia generada en el problema 2.

Cuadro 4.1: Tabla de frecuencia de la cantidad de contaminación por aluminio (ppm) en plástico
de cierto tipo
Intervalo xi fi Fi xi · fi
30 99 64.5 8 8 516
99 168 133.5 12 20 1602
168 237 202.5 23 43 4657.5
237 306 271.5 5 48 1357.5
306 375 340.5 0 48 0
375 444 409.5 0 48 0
444 513 478.5 2 50 957
Total 50 9090
Calcular:
a) La media e interprete.
9090
X= = 181,8
50
LA CANTIDAD DE CONTAMINACIÓN PROMEDIO QUE PRODUCE EL ALUMINIO EN
CIERTO TIPO DE PLÁSTICO ES DE 181.8 ppm
b) La mediana e interprete.
Determinamos la posición: 2n = 50
2 = 25
20 ≤ 25 < 43, se ubica en la tercer intervalo n
!
Li = 168 − Fi − 1
2
Me = Li + C
C = 69 fi
Fi−1 = 20
25 − 20

fi = 23 = 168 + 69
23
= 183,00
EL 50 % DE CIERTO TIPO DE PLÁSTICO TIENE CANTIDAD DE CONTAMINACIÓN
POR ALUMINIO MAYOR O IGUAL A 183 ppm
EL 50 % DE CIERTO TIPO DE PLASTICO TIENE CANTIDAD DE CONTAMINACIÓN
POR ALUMINIO MENOR O IGUAL A 183 ppm
c) La moda e interprete.
Determinamos la ubicación, vemos que la
mayor frecuencia absoluta 23, por ende se
d1
ubica en el tercer intervalo. Mo = Li + C
Li = 168 d1 + d2
11

C = 69 = 168 + 69
d1 = 23 − 12 = 11 11 + 18
d2 = 23 − 5 = 18 = 194,172
LA CANTIDAD DE CONTAMINACIÓN POR ALUMINIO MÁS FRECUENTE A CIERTO
TIPO DE PLÁSTICO ES DE 194.17 ppm

4.2
Problemas Propuestos
1. En una encuesta realizada en el año 2020 en portales de búsqueda de empleo, sobre qué
sectores económicos requieren la presencia de profesionales egresados en ingeniería me-
cánica se obtuvo los siguientes datos:
Minería e Manufactura Construcción Educación Comercializadoras
Hidrocarburos
Educación Construcción Manufactura Minería e Manufactura
Hidrocarburos
Manufactura Educación Minería e Construcción Construcción
Hidrocarburos
Educación Manufactura Construcción Manufactura Minería e
Hidrocarburos
Construcción Construcción Manufactura Minería e Comercializadoras
Hidrocarburos
Educación Construcción Minería e Manufactura Manufactura
Hidrocarburos
Comercializadoras Minería e Construcción Manufactura Minería e
Hidrocarburos Hidrocarburos
Minería e Manufactura Comercializadoras Manufactura Comercializadoras
Hidrocarburos
Responda a las siguientes preguntas:
a) Indique la variable y el tipo de variable

b) Construya una tabla de distribución de frecuencias.
c) ¿En qué porcentaje requieren la presencia de ingenieros mecánicos en el sector de
Manufactura?
d) Realice un diagrama Circular y diagrama de barras a mano (indicando todos los títulos)
2. Parte de un estudio de control de calidad tuvo como objetivo mejorar una línea de pro-
ducción, se midieron los pesos (en onzas) de 50 barras de jabón. Los resultados son los
siguientes, ordenados del más pequeño al más grande.
11.6 12.6 12.7 12.8 13.1 13.3 13.6 13.7 13.8 14.1
14.3 14.3 14.6 14.8 15.1 15.2 15.6 15.6 15.7 15.8
15.8 15.9 15.9 16.1 16.2 16.2 16.3 16.4 16.5 16.5
16.5 16.6 17 17.1 17.3 17.3 17.4 17.4 17.4 17.6
17.7 18.1 18.3 18.3 18.3 18.5 18.5 18.8 19.2 20.3

b) Elabore el cuadro de distribución de frecuencias por intervalos (k=7). Debe colocar el
título e indicar el significado de la frecuencia absoluta.
c) Realice el histograma de frecuencias absolutas, indique todos los títulos.
d) Realice un diagrama de polígono para la frecuencia porcentual, indique todos los títu-
los.
e) Realice un diagrama de Ojivas para la frecuencia relativa acumulada, indique todos los
títulos.

3. Se ha investigado el peso de cojinetes producidos mediante un proceso de forjado. En una

muestra de doce cojinetes los pesos son:
1.18 1.21 1.19 1.17 1.2 1.21
1.22 1.16 1.19 1.23 1.21 1.2
Determine:

b) La media e interprete
c) La mediana e interprete
d) La moda e interprete
4. Se determinó la cantidad de contaminación por aluminio (ppm) en plástico de cierto tipo

con una muestra de 70 probetas de plástico y se obtuvieron los siguientes datos:
Intervalo fi
30 99 8
99 168 12
168 237 22
237 306 5
306 375 11
375 444 10
444 513 2
Total
Determine:

b) La media e interprete
c) La mediana e interprete
d) La moda e interprete

SEMANA 5: Medidas de Dispersión

Logro de la Sesión
Al finalizar la sesión de clase, el estudiante calcula e interpreta las medidas de dispersión,

para analizar la variabilidad en datos no agrupados y agrupados.
5.1
Definiciones
Definición: (Medidas de dispersión). Una segunda propiedad que describe a un conjunto de da-
tos es la dispersión. Dispersión es el grado de variación o diseminación de los datos. Dos conjuntos
de datos pueden diferir tanto en tendencia central como en dispersión o dos conjuntos de datos
pueden tener las mismas medidas de tendencia central, pero diferir mucho en términos de disper-
sión.
Los estadígrafos de dispersión nos indican si la distribución o conjunto de datos forma grupos
homogéneos o heterogéneos.
Definición 12: Rango (R)

ndica el número de valores que toma la variable. El rango es la diferencia entre el valor
máximo y el valor mínimo de un conjunto de datos:
R = Dmáx − Dmín
El rango mide la dispersión total del conjunto de datos. Aunque el rango es una medida
de dispersión simple y que se calcula con facilidad, su debilidad preponderante es que no
toma en consideración la forma en que se distribuyen los datos entre valores más pequeños
y los más grandes.
Definición 13: Varianza (S2 )

Es la medida que cuantifica el grado de dispersión o de variación de los valores de una va-
riable cuantitativa con respecto a su media aritmética. Si los valores tienden a concentrarse
alrededor de su media, la varianza será pequeña. Si los valores tienden a distribuirse lejos
de la media, la varianza será grande.
La varianza es la media aritmética de los cuadrados de las diferencias de los datos con
respecto a su media aritmética.
Definición 14: Desviación Estándar (S)

Es la raíz cuadrada positiva de la varianza.

Calculo de la varianza
1. Varianza de datos no agrupados: Sea X1 , . . . , Xn una muestra. La varianza muestral

es la cantidad:
2
S2 = n − 1 n
1 ∑i=1 Xi − X̄
S2 = n−1 n X 2 − nX̄ 2

1 ∑ i=1 i
2. Varianza de datos Agrupados:

2
S2 = n−
1 k
1 ∑i=1 fi Xi − X̄
Donde:
fi frecuencia absoluta de cada intervalo
Xi la marca de clase
X̄ la media aritmética
n tamaño de la muestra.
3. Desviación estándar: p
S= S2
Definición 15: Coeficiente de Variación (CV )

El coeficiente de variación es una medida de dispersión que permite el análisis de las des-
viaciones de los datos con respecto a la media y al mismo tiempo las dispersiones que
tienen los datos dispersos entre sí.
S
CV = × 100 %
X̄
Es una excelente herramienta de comparación de eventos y permite tomar decisiones es-
tadísticas de cualquier situación de la vida cotidiana.
Criterio
CV < 10 % Datos homogéneos
10 % ≤ CV ≤ 30 % Datos de variabilidad aceptable
CV > 30 % Datos heterogéneos
Ejemplo 5.1: Comparación de Coeficiente de Variación

● Stock A:
• Precio medio último año = S/50

• Desviación estándar = S/5
S 5
CVA = × 100 % = × 100 % = 10 %
x̄ 50
● Stock B:
• Precio medio último año S/,100

• Desviación estándar = S/,5

S 5
CVA = × 100 % = × 100 % = 5 %
x̄ 100
Ambos stocks tienen la misma desviación estándar, pero el stock B es menos variable en
relación a su precio.
5.2
Ejercicios Explicativos
Se registran las siguientes mediciones para el tiempo de secado (en horas) de cierta marca
de pintura esmaltada.
3.4 2.5 4.8 2.9 3.6
2.8 3.3 5.6 3.7 2.8
4.4 4.0 5.2 3.0 4.8
Suponga que las mediciones constituyen una muestra aleatoria simple
1. Indique la variable y tipo de variable.
2. Calcule la varianza y desviación estándar.
3. Calcule el coeficiente de variación e interprete.
Solución:
1. Variable: Mediciones del tiempo de secado en horas

2. Calculamos la varianza
a) Determinamos la media aritmética

3,4 + 2,5 + 4,8 + 2,9 + 3,6 + 2,8 + 3,3 + 5,6 + 3,7 + 2,8
x̄ =
15
+4,4 + 4,0 + 5,2 + 3,0 + 4,8
x̄ =3,7867

b) Calculamos la varianza
(3,4 − 3,7867)2 + (2,5 − 3,7867)2 + 2(4,8 − 3,7867)2 + (2,9 − 3,7867)2

S2 =
+(3,6 − 3,7867)2 + 2(2,8 − 3,7867)2 + (3,3 − 3,7867)2 + (5,6 − 3,7867)2
15 − 1
+(3,7 − 3,7867) + (4,4 − 3,7867)2 + (4 − 3,7867)2 + (5,2 − 3,7867)2
2
(3 − 3,7867)2
S2 =0,94267
c) Por último calculamos la desviación estándar

p
S = 0,94267 = 0,97091
3. Determinemos el coeficiente de variación:

0,97091
CV = × 100 %
3,7867
CV =25,64 %
Como 10 % ≤ CV ≤ 30 %, los datos tienen una variabilidad aceptable.
La distribución de frecuencias de la duración, en horas, de uso continuo de 212 dispositivos
electrónicos iguales, sometidos a un cierto control.
Duración fi
[350 − 400⟩ 4
Calcular: [400 − 450⟩ 6
[450 − 500⟩ 9
1. Indique la variable y tipo de varia- [500 − 550⟩ 20
ble [550 − 600⟩ 31
2. Determine la desviación estándar
[600 − 650⟩ 80
[650 − 700⟩ 42
3. calcule e interprete el coeficiente [700 − 750⟩ 10
de variación [750 − 800⟩ 8
[800 − 850⟩ 2
Total 212
Solución:
1. Variable:Tiempo de duración en horas de dispositivos electrónicos

Tipo de variable: Cuantitativa continua.
2. La desviación estándar

Media:
Duración xi fi xi × fi fi (xi − X̄ )2
∑ki=1 xi × fi
[350 − 400⟩ 375 4 1500 227871.129 x̄ =
[400 − 450⟩ 425 6 2550 213599.146 n
130100
[450 − 500⟩ 475 9 4275 173087.398 x̄ =
[500 − 550⟩ 525 20 10500 157280.171 212
x̄ =613,6792
[550 − 600⟩ 575 31 17825 46378.6045
[600 − 650⟩ 625 80 50000 10252.759 Varianza:
[650 − 700⟩ 675 42 28350 157929.868
[700 − 750⟩ 725 10 7250 123923.104 ∑ f (x − x̄ )
S2 = i i
[750 − 800⟩ 775 8 6200 208195.087 n−1
[800 − 850⟩ 825 2 1650 89312.9227 1407830,189
=
Total 212 130100 1407830.189 212 − 1
=6672,180991
Desviación estándar:
p
S2 =
p
S= 6672,180991 = 81,68341932
3. Coeficiente de variación:
81,68341932
CV = × 100 %
613,6792
CV =13,31 %
Como 10 % ≤ CV ≤ 30 %, los datos tienen una variabilidad aceptable.

5.3
1. La duración de fallas eléctricas, en minutos, se presenta en la siguiente tabla.
22 18 135 15 90 78 69 98 102
83 55 28 121 120 13 22 124 112

b) Calcule la desviación estándar.
c) Calcule el coeficiente variación.
2. Los siguientes datos son las mediciones del diámetro de 16 cabezas de remache en centé-
simos de una pulgada.
6.72 6.77 6.82 6.70 6.78 6.70 6.62 6.75

6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76

3. Un fabricante de neumáticos quiere determinar el diámetro interior de un neumático de

cierto grado de calidad. Idealmente el diámetro sería de 570 mm. Los datos son los si-
guientes:
572 572 573 568 569 575 565 570

4. La distribución de frecuencia adjunta de observaciones de resistencia a la fractura (MPa)

de barras de cerámicas cocidas en un horno particular.
Resistencia a la Frecuencia de clase Resistencia a la Frecuencia de clase

fractura (MPa) fractura (MPa)
[81 − 83⟩ 6 [91 − 93⟩ 28
[83 − 85⟩ 7 [93 − 95⟩ 22
[85 − 87⟩ 17 [95 − 97⟩ 13
[87 − 89⟩ 30 [97 − 99⟩ 3
[89 − 91⟩ 43

5. Las distancias de recorrido de rutas de autobuses de cualquier sistema de tránsito parti-

cular por lo general varían de una ruta a otra. Se tiene la siguiente información sobre la
distancias (km) de un sistema particular.

Distancia Frecuencia Distancia Frecuencia
[6 − 8⟩ 6 [20 − 22⟩ 40
[8 − 10⟩ 23 [22 − 24⟩ 28
[10 − 12⟩ 30 [24 − 26⟩ 27
[12 − 14⟩ 35 [26 − 28⟩ 26
[14 − 16⟩ 32 [28 − 30⟩ 14
[16 − 18⟩ 48 [30 − 35⟩ 27
[18 − 20⟩ 42 [35 − 40⟩ 11

6. Philips, quiere comparar la vida útil (en horas) de una muestra de 12 bulbos de 100 watts
producidos por el fabricante A y la muestra B a 12 bulbos de 100 watts producidos por otro
fabricante. Para lo cual presenta los arreglos ordenados en las siguientes tablas:
684 697 720 773 821 831
FABRICANTE A:
835 848 852 852 859 860
819 836 888 897 903 907
FABRICANTE B:
912 918 942 943 952 959
Determine:

b) ¿que fabricante tiene los datos uniformes? y ¿por que?. Justifique su respuesta
7. Los problemas de una línea telefónica que impiden hacer o recibir llamadas desconciertan
tanto al cliente como a la empresa telefónica. Los siguientes datos representan muestras
de 20 problemas reportados a dos oficinas distintas de una empresa telefónica, y el tiempo
transcurrido para resolverlos (en minutos) desde la línea del cliente: ENTEL
Central telefónica I Tiempo para resolver problemas (minutos)
1.48 1.75 0.78 2.85 0.52 1.60 4.15 3.97 1.48 3.10
1.02 0.53 0.93 1.60 0.80 1.05 6.32 3.93 5.45 0.97
Central telefónica II Tiempo para resolver problemas (minutos)
7.55 3.75 0.10 1.10 0.60 0.52 3.30 2.10 0.58 4.02
3.75 0.65 1.92 0.60 1.53 4.23 0.08 1.48 1.65 0.72
Responder:
a) Indique la variable y tipo de variable. (1p)

b) ¿Cual de las muestras tiene datos más uniformes? (3p)

SEMANA 6: Medidas de Posición y

de Forma
Logro de la Sesión
Al finalizar la sesión de clase, el estudiante calcula e interpreta las medidas de posición y

de forma para un conjunto de datos.
6.1
Medidas de Posición
Los cuantiles son los valores de la distribución que la dividen en partes iguales, es decir, en
intervalos que comprenden el mismo número de valores. Cuando la distribución contiene un nú-
mero alto de intervalos o de marcas y se requiere obtener un promedio de una parte de ella.
Generalmente, se divide la distribución en cuatro, en diez o en cien partes.
Los cuantiles más usados son los percentiles, cuando dividen la distribución en cien partes,
los deciles, cuando dividen la distribución en diez partes y los cuartiles, cuando dividen la distri-
bución en cuatro partes.
Definición 16: Percentiles

Los percentiles son números que dividen en 100 partes iguales un conjunto de datos orde-
nados. Es decir, El percentil k es un valor que deja aproximadamente el k por ciento de los
datos por abajo de él. Se denota por medio de P(k %).
1% 1% 1% 1% ··· ··· 1% 1% 1% 1%
Definición 17: Deciles

Los deciles son números que dividen la sucesión de datos ordenados en diez partes por-
centualmente iguales. Son los nueve valores que dividen al conjunto de datos ordenados
en diez partes iguales, son también un caso particular de los percentiles. Los deciles se
denotan D(1), D(2),..., D(9), que se leen primer decil, segundo decil, etc.
10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 %
Definición 18: Cuartiles

Los cuartiles se definen como los tres valores que dividen la distribución en cuatro partes
iguales.
25 % 25 % 25 % 25 %

En términos de percentiles el primer cuartil Q(1) coincide con el P(25) (percentil 25); el
segundo cuartil Q(2) con el P(50) o mediana, y el tercer cuartil Q(3) con el P(75).
Calculo de Percentiles para datos no agrupados
(i) Ordenar los datos de menor a mayor
(ii) Calcular el indice i, que indica la posición:
k (n + 1)
i=
100
donde k es el percentil k-ésimo deseado y n es el número de observaciones
(iii) Calculo del Percentil
✵ Si i es un número entero, entonces el percentil Pk es el valor en la posición i.

✶ Si i no es un número entero, entonces se calcula con la siguiente fórmula:
Pk = Li + Parte decimal × (Ld − Li )
donde:
Parte decimal se refiere a la parte decimal de i.
Pk : Percentil k-ésimo
Li : Valor del dato ubicado en la posición i (Parte entera)
Ld : Valor del dato inmediato superior a Li .
Ejemplo 6.1
Se midieron los siguientes valores de la tensión de fractura (en megapascales) para una
muestra de 24 mezclas de asfalto mezclado al caliente (HMA).
30 75 79 80 80 105 126 138
149 179 191 223 232 232 236 238
240 242 245 247 254 274 384 470
Determinar:
a. Indique la variable y tipo de variable
b. El tercer cuartil e interprete
c. El percentil 45 e interprete
Solución:
a. Variable: Tensión de fractura (MPa)

b. Vemos que los datos están ordenados. Solo nos queda determinar la posición y de-
terminar Q3 = P75

Posición:
75(24 + 1)
k= = 18,75
100
vemos que k = 18,75 no es un número entero, por lo tanto el valor real, se ubica
entre la posición 18 y 19, de los datos ordenados:
30 75 79 80 80 105 126 138
149 179 191 223 232 232 236 238
240 242 245 247 254 274 384 470
Entonces, debemos interpolar entre los valores de las posiciones mencionadas:
Q3 = P75 = 242 + 0,75(245 − 242) = 244,25
Interpretación: El 75 % de asfalto mezclado al caliente tiene una tensión de fractura

menor o igual a 244.25 MPa
c. Determinamos la posición del P45
45(24 + 1)
k= = 11,25
100
vemos que k = 11,25 no es un número entero, por lo tanto debemos interpolar los
datos de la posición 11 y 12:
30 75 79 80 80 105 126 138

149 179 191 223 232 232 236 238
240 242 245 247 254 274 384 470
P45 = 191 + 0,25(223 − 191) = 199

Interpretación: El 45 % de asfalto mezclado al caliente tiene una tensión de fractura
menor o igual a 199 MPa.
Calculo de Percentiles para datos agrupados
1. Se calcula el indice del percentil

k·n
i=
100
2. Se localiza la clase del percentil, la cual corresponde a la clase cuya frecuencia acu-
mulada es mayor o igual a i.
3. En la clase del percentil se aplica la siguiente fórmula
k ·n
100 − Fi − 1
Pi = Li + C f
(6.1)
i
Donde:
Li Límite inferior de la clase del percentil
Fi−1 frecuencia acumulada de la clase anterior al percentil
fi frecuencia absoluta de la clase del percentil
C amplitud del intervalo de la clase del percentil

6.2
Medidas de Forma
La forma es la manera en que los datos se distribuyen, es decir la forma que tiene la curva que
representa la serie de datos muestrales. La forma se mide en dos aspectos: Sesgo o Asimetría y
Curtosis o Apuntamiento.
Definición 19: Asimetría o sesgo

Mide si la curva de la gráfica que representa a los datos es simétrica respecto al eje vertical,
si lo es se dice que la hay simetría (distribución Simétrica o Insesgada) y si no lo es se dice
que es Asimétrica o Sesgada.
Figura 6.1: Tipos de medidas de Asimetría
Coeficiente de Asimetría
Según Pearson:
x̄ − Mo 3(x̄ − Me)
Ap = ≈ (6.2)
S S
donde:
 Ap > 0 Asimetría a la derecha o positiva

Ap = 0 Simetría
Ap < 0 Asimetría a la izquierda o negativa

Según Fisher:
Sea el conjunto X = (x1 , x2 , . . . , xn ), entonces la asimetria para datos no agrupados
es:
∑ni=1 (xi − x̄ )3
AF = (6.3)
n · S3
Si los datos son agrupados:
∑ki=1 (xi − x̄ )3 · fi
AF = (6.4)
n · S3

Definición 20: Curtosis (apuntamiento)

Mide la altura o grado de apuntamiento de la gráfica que representa a los datos (eje hori-
zontal).
Se definen 3 tipos de distribuciones según su grado de curtosis:
Distribución mesocúrtica: presenta un grado de concentración medio alrededor de

los valores centrales de la variable (el mismo que presenta una distribución normal).
Distribución platicúrtica: presenta un reducido grado de concentración alrededor de

los valores centrales de la variable.
Distribución leptocúrtica: presenta un elevado grado de concentración alrededor de

los valores centrales de la variable.
Coeficiente de Curtosis
analiza el grado de concentración que presentan los valores alrededor de la zona central
de la distribución, se calcula a través de la siguiente fórmula:
Q3 − Q1
K= (6.5)
2(P90 − P10 )
Si:
K > 0,263 La distribución es Leptocúrtica
K = 0,263 La distribución es mesocúrtica
K < 0,263 La distribución es platicúrtica

6.3
1. La empresa Anderson es distribuidora de motores eléctricos pequeños. Al igual que en cual-
quier negocio, es importante el tiempo que toman los clientes para pagar sus facturas. A
continuación se presentan los tiempos en días ordenados de menor a mayor, de una mues-
tra de facturas de esa compañía.
13 13 13 20 26 27 31 34 34 34
35 35 36 37 38 41 41 41 45 47
47 47 50 51 53 54 56 62 67 82

b) Determine los cuartiles
c) Determine el percentil 10 y 90
d) Determine el coeficiente de Asimetría según Pearson
e) Determine el coeficiente de curtosis según Pearson
2. Los siguientes son los números de minutos que una persona debe esperar un autobús para
ir a trabajar en 15 días laborales:
10 1 13 9 5 9 2 10
3 8 6 17 2 10 15
Determine:

b) el coeficiente de Asimetría según Pearson.
c) el coeficiente de curtosis según Pearson.
3. En una gasolinera estudian el número de vehículos que repostan a lo largo de un día, obte-
niendo
Horas [0; 4) [4; 8) [8; 12) [12; 16) [16; 20) [20; 24)
N° de vehículos 6 14 110 120 150 25
Determine:

b) el coeficiente de Asimetría según Pearson.
c) el coeficiente de curtosis según Pearson.
4. En un puerto se controla diariamente la entrada de pesqueros según su tonelaje, resultando

para cierto día los siguientes datos:
Peso(Tm) 0 - 25 25 - 50 50 - 70 70 - 100 100 - 500
N° de barcos 5 17 30 25 3
se pide:

b) El peso medio de los barcos que entran en el puerto diariamente, indicando la repre-
sentatividad de dicha medida.

c) El intervalo donde se encuentra el 60 % central de la distribución.

d) El grado de apuntamiento
e) El tonelaje más frecuente en este puerto.
5. La vida útil de cierto tipo de balones de gas presenta la siguiente distribución:

Horas Fracción de balones
[10 − 30) 0.04
[30 − 40) 0.27
[40 − 50) 0.34
[50 − 70) 0.26
[70 − 80) 0.09
Determine:
a) La variable y tipo de variable.

b) el coeficiente de Asimetría según Pearson
c) el apuntamiento de la distribución.

SEMANA 7: Autoevaluación para

EXPA
7.1
Problemas Resueltos I
1. Una cadena de galanterías decidió otorgar un aumento de sueldo a los empleados de sus
sedes, para informar a la Gerencia General el monto de los nuevos sueldos sacó el siguiente
reporte:
Sueldos fi Fi
[4110 − 4710) 8 8
[4710 − 5310) 13 21
[5310 − 5910) 11 32
[5910 − 6510) 7 39
[6510 − 7110) 6 45
[7110 − 7710) 5 50
TOTAL 50
Con los datos anteriores calcular:

VARIABLE TIPO DE VARIABLE
SUELDO DE LOS EMPLEADOS CUANTITATIVA CONTINUA
b) la mediana e interprete.
Posición: 2n = 50
2 = 25, se ubica en el n
!
tercer intervalo 2 − Fi − 1
Me = Linf + C
Linf = 5310 fi
C = 5910 − 5310 = 600
Fi−1 = 21 Me = 5528,182
fi = 11
2. La cooperativa de ahorro CREDIFÁCIL sacó el siguiente reporte sobre los ahorros de 40

clientes:
Ahorros fi Fi
[410 − 460) 5 5
[460 − 510) 8 13
[510 − 560) 11 24
[560 − 610) 9 33
[610 − 660) 7 40
TOTAL

Con los datos anteriores calcular:

AHORROS DE CLIENTES CUANTITATIVA CONTINUA
b) ¿Cual es el ahorro mínimo del 42 % de clientes que ahorran más?
i·n = (58)(40)
Posición: 100 100 = 23,2, se
ubica en el tercer intervalo
i·n
!
Linf = 510 100 − Fi−1
P58 = Linf + C
C = 50 fi
Fi−1 = 13
fi = 11 P58 = 556,364
El ahorro mínimo del 42 % de clientes
es de 556.364.
3. En el banco BJKO se sacó la siguiente información sobre los montos de préstamos solici-
tados por dos grupos de clientes el mes pasado:
MEDIA MEDIANA VARIANZA
GRUPO 1 49.5 44.5 7.24
GRUPO 2 44.47 44 9.29
MONTOS DE PRESTAMOS CUANTITATIVA CONTINUA
b) Haciendo los calculos correspondientes determine cuál de los dos grupos presentan
una menor dispersión. Justifique su respuesta.
Grupo 1: Grupo 2:
√ √
7,24 9,29
CV1 = × 100 = 5,436 % CV2 = × 100 = 6,854 %
49,5 44,47
Como CV1 < CV2 , el grupo 1 presenta menor dispersión.
4. El departamento de RRHH de una empresa con la finalidad de promoverá a su personal
administrativo les tomo una prueba sicológica obteniéndose el siguiente resultado:
72.5 76.5 59.5 63.5 57 44
Con los datos anteriores se determinó que la desviación estándar es: 11.64
Con la información obtenida:
a) Indique la variable y tipo de varaible.
PRUEBA PSICOLÓGICA CUANTITATIVA CONTINUA
b) hallar e interpretar coeficiente de asimetría
3 X̄ − Me

As =
S
Media Aritmética:
72,5 + 76,5 + 59,5 + 63,5 + 57 + 44
X̄ = = 62,167
6

Mediana: ordenamos datos: 44 57 59.5 63.5 72.5 76.5
59,5 + 63,5
Me = = 61,5
2
Desviación estándar:
S = 11,64
coeficiente de asimetría:
3(62,167 − 61,5)
As = = 0,172 > 0
11,64
7.2
1. PernoCentro S.A, analiza los siguientes datos sobre las mediciones del diámetro de cabezas
de remache en centésimos de una pulgada.
6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76
Responda:
a) Indique la variable y Tipo de variable

b) ¿Cual es diámetro mínimo del 57 % de las mediciones de diámetros mayores? e inter-
prete el resultado.
2. Un informe de 40 páginas presentaba la siguiente distribución de errores mecanografiados:

Errores por página 0 1 2 3 4 5 6
Número de páginas 3 8 9 10 7 2 1
Responda:

b) Calcular la desviación estándar e interprete su resultado.
3. PHILIPS presentan los tiempos de vida, en horas, de ciertas lámparas incandescentes, con
esmerilado interno, de 40 watts y 110 voltios, los cuales se tomaron de pruebas forzadas
de vida:
919 1196 785 1126 936 918 1156 920
Responda:
a) Indique la variable y Tipo de variable.

b) La empresa desechara las lamparas incandescentes si su sesgo es hacia la izquierda.
¿Sera cierto la afirmación?
4. Eurotronix S.A. fabricante de componentes electrónicos, se interesa en estudiar las horas

de vida de cierto tipo de batería que tiene su línea de producción. A continuación se pre-
senta las horas de vida registradas de muestras aleatorias de las baterías.

Horas de vida Número de baterías
115 - 125 3
125 - 135 9
135 - 145 14
145 - 155 17
155 - 165 6
165 - 175 1
Responda:

b) determine el grado de apuntalamiento de la distribución, e interprete el resultado
5. Las ventas en miles de soles durante 50 semanas de los productos principales A y B de una
compañía poseen las siguientes distribuciones de frecuencias:
Producto A
Ventas (miles de soles) Número de semanas
15 2 Producto B
25 8
Promedio de ventas 6.7
35 25
Varianza de las ventas 4.9490
45 9
55 6
Calcular:

b) ¿Que producto tiene un nivel de ventas más homogéneo?
7.3
Problemas Resueltos II
1. PernoCentro S.A, analiza los siguientes datos sobre las mediciones del diámetro de cabezas
de remache en centésimos de una pulgada.
6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76
Responda:

DIÁMETRO DE LAS CABEZAS DE REMACHE CUANTITATIVA CONTINUA
b) ¿Cual es diámetro mínimo del 57 % de las mediciones de diámetros mayores? e inter-
prete el resultado.
DEBEMOS DETERMINAR EL PERCENTIL 43.
ORDENAMOS LOS DATOS:
6.64 6.66 6.66 6.72 6.73 6.76 6.76 6.80
POSICIÓN:
(43)(8 + 1)
i= = 3,87
100

COMO i, NO ES UN NÚMERO ENTERO, DEBEMOS INTERPOLAR LOS DATOS DE LA PO-

SICIÓN 3 Y 4
P43 = 6,66 + 0,87(6,72 − 6,66) = 6,7122

EL DIÁMETRO MÍNIMO DEL 57 % DE LAS MEDICIONES DE DIÁMETROS MAYORES
ES DE 6.7122 CENTÉSIMOS DE UNA PULGADA.
2. Un informe de 40 páginas presentaba la siguiente distribución de errores mecanografiados:
Errores por página 0 1 2 3 4 5 6
Número de páginas 3 8 9 10 7 2 1
Calcular:
NÚMERO DE ERRORES POR PÁGINA CUANTITATIVA DISCRETA
b) determina la desviación estándar e interprete su resultado.
CALCULAMOS EN LA TABLA:
Errores por página (xi ) Número de páginas (fi ) xi fi (xi − x )2 fi
0 3 0 18.75
1 8 8 18
2 9 18 2.25
3 10 30 2.5
4 7 28 15.75
5 2 10 12.5
6 1 6 12.25
TOTAL 40 100 82
AHORA DETERMINAMOS:
MEDIA
100
x= = 2,5
40
VARIANZA:
82
S2 = = 2,10256
40 − 1
DESVIACIÓN ESTÁNDAR:
p
S= 2,10256 = 1,4500
EL NÚMERO DE ERRORES POR PÁGINA SE DESVÍAN DE LA MEDIA CON UNA IN-

TENSIDAD DE 1.45 ERRORES.
3. PHILIPS presentan los tiempos de vida, en horas, de ciertas lámparas incandescentes, con
esmerilado interno, de 40 watts y 110 voltios, los cuales se tomaron de pruebas forzadas
de vida:
919 1196 785 1126 936 918 1156 920
Responda:
TIEMPO DE VIDA EN HORAS DE LAMPARAS INCANDESCENTES CUANTITATIVA CONTINUA

b) La empresa desechara las lamparas incandescentes si su sesgo es hacia la izquierda.

DEBEMOS VERIFICAR LA ASIMETRÍA SEGÚN PEARSON:
MEDIA:
919 + 1196 + 785 + 1126 + 936 + 918 + 1156 + 920
x= = 994,5
8
VARIANZA:
(919 − 994,5)2 + (1196 − 994,5)2 + · · · + (1156 − 994,5)2 + (920 − 994,5)2

S2 =
8−1
S2 = 21198,857
p
S= 21198,857 = 145,59827
MEDIANA:
ORDENAMOS DATOS:
785 918 919 920 936 1126 1156 1196
COMO n = 8, ES PAR
X + X5 920 + 936
Me = 4 = = 928
2 2
COEFICIENTE DE ASIMETRÍA:
3 (994,5 − 928)
As = = 1,3702
145,59827
VEMOS QUE As > 0, ES SESGADO HACIA LA DERECHA, POR LO TANTO, NO SE

DESECHARA LAS LAMPARAS INCANDESCENTES.
4. Eurotronix S.A. fabricante de componentes electrónicos, se interesa en estudiar las horas

de vida de cierto tipo de batería que tiene su línea de producción. A continuación se pre-
senta las horas de vida registradas de muestras aleatorias de las baterías.
Horas de vida Número de baterías Fi
115 - 125 3 3
125 - 135 9 12
135 - 145 14 26
145 - 155 17 43
155 - 165 6 49
165 - 175 1 50
Calcular:

TIEMPO DE VIDA DE CIERTO TIPO DE BATERÍA CUANTITATIVA CONTINUA

b) determine el grado de apuntalamiento de la distribución, e interprete el resultado.

DEBEMOS CALCULAR LA CURTOSIS: PARA LO CUAL DEBEMOS CALCULAR LOS PER-
CENTILES 10, 25, 75 Y 90
PERCENTIL 10: PERCENTIL 25:
10(50) 25(50)
POSICIÓN: 100 = 5, ENTONCES 3 ≤ POSICIÓN: 100 = 12,5, ENTONCES
5 < 12 12 ≤ 12,5 < 26
P10 ∈ [125; 135) P25 ∈ [135; 145)
REEMPLAZANDO: REEMPLAZANDO:
5−3 12,5 − 12

P10 = 125 + 10 = 127,222 P25 = 135 + 10 = 135,3571
9 14
PERCENTIL 75: PERCENTIL 90
75(50) 90(50)
POSICIÓN: 100 = 37,5, ENTONCES POSICIÓN: 100 = 45, ENTONCES 43 <
26 ≤ 37,5 < 43 45 < 49
P75 ∈ [145; 155) P90 ∈ [155; 165)
REEMPLAZANDO: REEMPLAZANDO:
37,5 − 26 45 − 43

P75 = 145 + 10 = 151,7647 P90 = 155 + 10 = 158,3333
17 6
REEMPLAZAMOS EN EL COEFICIENTE DE CURTOSIS SEGÚN PEARSON:
151,7647 − 135,3571
K= = 0,2637
2(158,3333 − 127,2222)
COMO K > 0,263, LA DISTRIBUCIÓN ES LEPTOCÚRTICA.
5. Las ventas en miles de soles durante 50 semanas de los productos principales A y B de una
compañía poseen las siguientes distribuciones de frecuencias:
Producto A
Ventas (miles de soles) Número de semanas
15 2 Producto B
25 8
Promedio de ventas 6.7
35 25
Varianza de las ventas 4.9490
45 9
55 6
Calcular:

VENTAS EN MILES DE SOLES DE PRODUCTOS CUANTITATIVA CONTINUA
b) ¿Que producto tiene un nivel de ventas más homogéneo?

PRODUCTO A
Ventas (miles de soles) Número de semanas xi fi (xi − x )2 fi
15 2 30 950.48
25 8 200 1113.92
35 25 875 81
45 9 405 605.16
55 6 330 1987.44
TOTAL 50 1840 4738
DETERMINAMOS:
MEDIA:
1840
x= = 36,8
50
VARIANZA:
4738
S2 = = 96,6938776
50 − 1
p
S= 96,6938776 = 9,8333
COEFICIENTE DE VARIACIÓN:
9,8333
CVA = × 100 % = 26,72 %
36,8
PRODUCTO B: √
4,949
CVB = × 100 % = 33,20 %
6,7
COMO CVA < CVB , EL PRODUCTO A, POSEE VENTAS MÁS HOMOGÉNEAS RESPECTO
A LAS VENTAS DEL PRODUCTO B

SEMANA 8: Probabilidades
Logro de la Sesión
Al finalizar la sesión de clase, el estudiante calcula e interpreta probabilidades usando ade-

cuadamente los axiomas de Kolmogorov, eventos independientes, probabilidad condicio-
nal y así resuelve problemas de la vida real.
8.1
Conceptos básicos de Probabilidad
Definición 8.1.1 (Experimento Aleatorio). Un experimento aleatorio es aquel que, aun realizado
en las mismas condiciones, produce resultados posiblemente distintos.
Definición 8.1.2 (Espacio Muestral). Se llama espacio muestral asociado a un experimento alea-
torio al conjunto de posibles resultados elementales del experimento. Representaremos habitual-
mente el espacio muestral por Ω
Ejemplo: Al lanzar un dado, el conjunto de posibles resultados elementales del experimento

es:
Ω = {1, 2, 3, 4, 5, 6}
Definición 8.1.3 (Suceso). Un suceso es cualquier colección de sucesos elementales(esto es, cual-
quier subconjunto de Ω)
Ejemplo: Sea Ω = {1, 2, 3, 4, 5, 6} el espacio muestral del experimento lanzar un dado. Si S

es el conjunto de todos los sucesos de dicho espacio muestral, tenemos:
S = {φ, Ω, {1} , . . . {6} , . . . , {1, 3} , {4, 6} , . . . , {2, 4, 6} , {1, 3, 5} ,

{1, 2, 3} , {4, 5, 6} , . . . , {2, 3, 4, 5}}
Propiedades: AXIOMAS DE KOLMOGOROV

1. La probabilidad de un suceso es un número entre 0 y 1:
0 ≤ P (A) ≤ 1
2. Considerando que la probabilidad asociada al suceso imposible es nula:
P (φ) = 0
mientras que la probabilidad asociada al suceso seguro es 1:
P (Ω) = 1

3. La probabilidad de que un suceso no ocurra es 1 menos la probabilidad de que ocurra:
P(A) = 1 − P(AC )
4. Si un suceso tiene más resultados posibles que otro, su probabilidad será mayor, es decir
Si A y B son dos sucesos tales que A ⊂ B, entonces
P (A) ≤ P (B)
5. Reglas de Adición:
a) Si A y B son dos sucesos incompatibles(mutuamente excluyentes), es decir que no

pueden ocurrir a la vez, la probabilidad de que ocurra uno o el otro es la suma de las
probabilidades de cada suceso:
Si:A ∩ B = φ, P (A ∪ B) = P (A) + P (B)
b) En cambio si A y B son dos sucesos cualesquiera (en particular, podrían ocurrir a la

vez),
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
c) Si generalizamos, para el caso de tres:
P (A ∪ B ∪ C ) = P (A) + P (B) + P (C ) − P (A ∩ B) − P (A ∩ C ) − P (B ∩ C ) + P (A ∩ B ∩ C )
8.2
Probabilidad Condicional
Corresponde a una re-asignación o actualización de la probabilidad de un suceso cuando te-
nemos información sobre el resultado del experimento
Definición 8.2.1 (Probabilidad Condicional). Si A y B son dos sucesos tales que P(B) > 0, la
probabilidad de A condicionada a B se denota por P(A|B) y es igual a
P (A ∩ B)
P (A|B) = (8.1)
P (B)
Su interpretación es: realizamos el experimento, y sabemos que ha ocurrido B, ¿cuál es la proba-

bilidad de que haya ocurrido A también?
Ejemplo 8.1
El 76 % de los estudiantes de Ingeniería Civil han aprobado resistencia de materiales y el
45 % aprobaron estática. Además, el 30 % aprobaron resistencia de materiales y estática.
Si Camilo aprobó resistencia de materiales, ¿qué probabilidad tiene de haber aprobado
también estática?
Vamos a trabajar con 2 eventos: Aprobar resistencia de materiales, y Aprobar estática.

Evento A: aprobar resistencia de materiales. P(A) = 0,76
Evento B: aprobar estática. P(B) = 0,45
Evento A y B: aprobar resistencia de materiales y estática. P(A ∩ B) = P(B ∩ A) = 0,30

Ahora calculamos la probabilidad de aprobar estática, dado que se aprobó resistencia de

materiales.
P (B ∩ A)
P (B|A) =
P (A)
0,30
=
0,76
=0,3947 = 39,47 %
8.3
Eventos Independientes
Una de las situaciones más importantes en probabilidad aparece cuando, considerando dos
sucesos, el hecho de que uno ocurra no influye la probabilidad de que el otro ocurra.
Definición 8.3.1 (Eventos independientes para dos sucesos). A y B son dos eventos independien-
tes si se cumple
P (A ∩ B) = P (A)P (B) (8.2)
Notar que esta definición es equivalente, por la definición de la probabilidad condicionada, a

que P(A|B) = P(A) y P(B|A) = P(B). Es decir A y B son independientes si el hecho de saber que,
por ejemplo, B ha ocurrido, no cambia la probabilidad que asignamos a A, y viceversa.
Ejemplo 8.2
En una caja hay 10 baterías de las cuales 4 están en buen estado. Se repite dos veces el
siguiente ensayo: extraer una batería al azar, revisar su estado y devolverla a la caja.
a) Encuentre la probabilidad que en ambos intentos se obtenga una batería en buen

estado.
b) Calcule la probabilidad que en los dos intentos se obtenga al menos una batería en
buen estado.
a) Sean los eventos:

A: la primera batería está en buen estado
B: la segunda batería está en buen estado
al devolver la batería a la caja, el evento A no afecta al evento B, por lo tanto son
independientes:
P (A ∩ B) =P (A)P (B)
=(0,4)(0,4) = 0,16
b)
P (A ∪ B) =P (A) + P (B) − P (A ∩ B)
=0,4 + 0,4 − 0,16 = 0,64

Reforzando lo aprendido
1. Dados P(A) = 0,20, P(B) = 0,45 y P(A ∩ B) = 0,09 verifique que:
a) P(A|B) = P(A)
b) P(A|B) = P(A)
c) P(B|A) = P(B)
d) P(B|A) = P(B)
2. Si los eventos A y B son independientes y P(A) = 0,45 y P(B) = 0,30, determine
a) P(A ∩ B)
b) P(A|B)
c) P(A ∪ B)
d) P(A ∩ B)
3. En una muestra de 446 automóviles detenidos en un congestionamiento vial en la carrete-
ra, tan sólo 67 de los conductores tenían puesto su cinturón de seguridad. Estime la pro-
babilidad de que un conductor detenido en dicha carretera tendrá puesto su cinturón de
seguridad.
4. Si las probabilidades de que un cohete lanzador de satélites explotará durante el despegue
o le fallará su sistema localizador en el vuelo son 0.0002 y 0.0005, encuentre las probabi-
lidades de que tal cohete.
a) no explotará durante el despegue;
b) explotará durante el despegue o le fallará su sistema localizador durante el vuelo;
c) ni explotará durante el despegue ni le fallará su sistema localizador durante el vuelo.
5. Una alarma de seguridad tiene instalados dos sensores. Ante una emergencia los sensores
se activan de forma independiente. La probabilidad de que se active el primer sensor es de
0.98 y de que se active el segundo es de 0.96. Calcule razonadamente la probabilidad de
que ante una emergencia:
a) Se active al menos uno de los sensores.
b) Se active solo uno de los sensores.
6. La probabilidad de que un chip de circuito integrado tendrá grabado defectuoso es de 0.06,
la probabilidad de que tendrá un defecto por agrietamiento es de 0.03 y la probabilidad de
que tendrá ambos defectos es de 0.02.
a) ¿Cuál es la probabilidad de que un chip recientemente fabricado tendrá ya sea un de-
fecto de grabado o uno por agrietamiento?
b) ¿Cuál es la probabilidad de que un chip recientemente fabricado no tendrá defectos?
7. La probabilidad de que un nuevo aeropuerto obtendrá un premio por su diseño es de 0.16,
la probabilidad de que obtendrá un premio por el uso eficiente de materiales es de 0.24 y
la probabilidad de que obtendrá ambos premios es de 0.11.
a) ¿Cuál es la probabilidad de que obtendrá al menos uno de los dos premios?
b) ¿Cuál es la probabilidad de que obtendrá solo uno de los dos premios?

SEMANA 9: Teorema de Bayes

Logro de la Sesión
Al finalizar la sesión, el estudiante comprende y aplica adecuadamente el teorema de Bayes

en problemas cotidianos.
Definición 21
El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo in-
formación de antemano sobre ese suceso.
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a su
mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y exhaus-
tivos, el teorema es totalmente válido.
Teorema 1: Probabilidad Total

Sean A1 , A2 , . . . , An sucesos mutuamente excluyentes y de probabilidad no nula, tales que
A1 ∪ A2 ∪ . . . ∪ An = Ω. Si B es un suceso en Ω, entonces:
n
P(B) = P(A1 )P(B|A1 ) + P(A2 )P(B|A2 ) + · · · + P(An )P(B|An ) = ∑ P(Ai )P(B|Ai ) (9.1)
i=1
Teorema 2: Teorema de Bayes

Un experimento se realiza en dos etapas:
En la primera pueden darse n sucesos A1 , A2 , . . . , An , mutuamente excluyentes, con

probabilidades conocidas (las causas).
En la segunda pueden darse los resultados B1 , B2 , . . . , Bm , (los efectos) cuya ocurren-

cia depende de los resultados obtenidos en la primera etapa, y se conocen P(Bj |Ai )
(es decir, la probabilidad de que se presente el efecto Bj cuando se ha dado la causa
Ai ); entonces, al realizar el experimento se ha observado que el resultado final ha sido
Bj y se plantea cuál es la probabilidad de que la causante haya sido Ai (es decir, ¿Cual
es la probabilidad de Ai ).
De modo que afirmamos lo siguiente:

Sean A1 , A2 , . . . , An , sucesos mutuamente excluyentes y de probabilidad no nula, tales que
A1 ∪ A2 ∪ . . . ∪ An = Ω. Si B es un suceso en Ω de probabilidad no nula, entonces:
P(Ak )P(B|Ak )
P(Ak |B) = (9.2)
P (B)

Ejemplo 9.1
El 60 % de los tornillos producidos por una fábrica proceden de la máquina A y el 40 % de
la máquina B. La proporción de defectuosos en A es 0.1 y en B es 0.5. ¿Cuál es la probabi-
lidad de que un tornillo de dicha fábrica sea defectuoso? ¿Cuál es la probabilidad de que,
sabiendo que un tornillo es defectuoso, proceda de la máquina A?
Solución:
,9 DC
C |A)
=0
P (D
A
0,6 P (D
= |A)
A) =0
P( ,1 D
,4 DC
P(
B) C |B)
=0
=
0,4 P (D
B
P (D
|B)
=0
,5 D
Tenemos un experimento en dos etapas; en la primera, los sucesos son:

A: Tornillo fabricado por la máquina A
B: Tornillo fabricado por la máquina B
cuyas probabilidades son:
P(A) =0,6
P(B) =0,4
Los resultados de la segunda etapa son:

D: Tornillo defectuoso
DC Tornillo no defectuoso
Las probabilidades de estos sucesos dependen del resultado de la primera etapa:
P(D|A) =0,1
P(D|B) =0,5
utilizando el teorema de probabilidad total, tenemos:
P(D) = P(A)P(D|A) + P(B)P(D|B) = (0,1)(0,6) + (0,5)(0,4) = 0,26
La otra probabilidad es P(A|D), probabilidad de un resultado de la primera etapa condicio-

nada a un resultado de la segunda; podemos aplicar el teorema de Bayes:
P (A)P (D|A)
P (A|D) =
P (D)
(0,1)(0,6)
=
(0,26)
=0,230769

Ejemplo 9.2
Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B y C,
que producen envases para botellas de agua. Se sabe que la máquina A produce un 40 %
de la cantidad total, la máquina B un 30 %, y la máquina C un 30 %. También se sabe que
cada máquina produce envases defectuosos. De tal manera que la máquina A produce un
2 % de envases defectuosos sobre el total de su producción, la máquina B un 3 %, y la
máquina C un 5 %. Dicho esto, se plantean dos cuestiones:
Solución:
2 D
= 0,0
|A)
P (D
A
P (D C
|A)
=0
, 98
0
DC
4
0,
=
A)
P(
3 D
= 0,0
|B)
P (D
P(B) = 0,30
B
P (D C
|B)
=0
P(
, 97 DC
C)
=
0,
3
0
5 D
= 0,0
|C )
P (D
C
P (D C
|C )
=0
,95 DC
1. Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos ¿Cuál
es la probabilidad de que sea defectuoso?
Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos la
probabilidad de que sea defectuoso.
P (D) =P (A)P (D|A) + P (B)P (D|A) + P (C )P (D|C )

=(0,4)(0,02) + (0,3)(0,03) + (0,3)(0,05)
=0,032
Expresado en porcentaje, diríamos que la probabilidad de que un envase fabricado

por la fábrica de esta empresa en Estados Unidos sea defectuoso es del 3.2 %.
2. Siguiendo con la pregunta anterior, si se adquiere un envase y este es defectuoso

¿Cuáles es la probabilidad de que haya sido fabricado por la máquina A? ¿Y por la
máquina B? ¿Y por la máquina C?
Aquí se utiliza el Teorema de Bayes. Tenemos información previa, es decir, sabemos
que el envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber

cuál es la probabilidad de que se haya producido por una de las máquinas.
P (A)P (D|A) (0,40)(0,02)

P (A|D) = = = 0,25
P (D) 0,032
P (B)P (D|B) (0,30)(0,03)
P (B|D) = = = 0,28
P (D) 0,032
P (C )P (C |D) (0,30)(0,05)
P (C |D) = = = 0,47
P (D) 0,032
Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido

por la máquina A es del 25 %, de que haya sido producido por la máquina B es del
28 % y de que haya sido producido por la máquina C es del 47 %.
Ejemplo 9.3
La compañía X usa cuatro empresas de transporte: A1 , A2 , A3 y A4 . Se sabe que 20 % de
los embarques se asignan a la empresa A1 , 25 % a la A2 , 40 % a la A3 y 15 % a la A4 . Los
embarques llegan retrasados a sus clientes en 7 % si los entrega A1 , 8 % si es A2 , 5 % si es
A3 y 9 % si es A4 . Si sabemos que el embarque de hoy fue entregado con retraso, ¿Cuál es
la probabilidad de que haya sido la empresa A1 la encargada de hacerlo?
Solución:
40 RC
C |A 1) = 0,
P (R
A1 P (R|
A
1) = 0,
07
R
20
92
0,
C |A 2) = 0, RC
=
P (R
1)
A
P (R|
P(
A2 A
5
0,2 2) = 0,
08
)=
P (A 2
R
P (A
3) =0 95 RC
,40 C |A 3) = 0,
P (R
P(
A3 P (R|
A
A4
3) = 0,
05
)=
0,
R
51
0,91 RC
C |A 4) =
P( R
A4 P (R|
A4 )
= 0,
09
R

9.1
1. Una cooperativa envasa zumos de naranja, zumos de piñas y zumos de melocotón en bote-
llas de 1 litro y de 2 litros. Se sabe que el 60 % de las botellas son de zumo de naranja y el
30 % de piña. Además, el 80 % de las botellas de zumo de naranja y el 70 % de los zumos
de piña son de 2 litros, mientras que el 60 % de las botellas de melocotón son botellas de
1 litro.
Se elige al azar una botella envasada por la cooperativa.
a) Calcula la probabilidad de que la botella sea de 2 litros.

b) Calcula la probabilidad de que el zumo sea de naranja, sabiendo que la botella es de
2 litros.
c) Calcula la probabilidad de que el zumo sea de melocotón, sabiendo que la botella es
de 1 litro.
2. Una compañía de seguros de automóviles clasifica a los clientes en A (alto riesgo), B (riesgo
medio) y C (bajo riesgo). La clase A constituye el 30 % de los conductores de tienen ese
seguro y la probabilidad de que ellos tengan un accidente en el año es de 0,1. Los datos
correspondientes a la clase B son 50 % y 0,03, y a la clase C 20 % y 0,01.
a) Un determinado cliente contrata la póliza de seguros y en el primer año tiene un ac-

cidente. ¿cuál es la probabilidad de que haya sido de cada una de las clases A, B o
C?
b) Si un asegurado lleva diez años sin sufrir accidentes, ¿cuál es la probabilidad que sea
de C?
3. Una compañía dedicada al transporte público explota tres líneas de una ciudad, de forma
que el 60 % de los autobuses cubre el servicio de la primero línea, el 30 % cubre la se-
gunda y el 10 % cubre el servicio de la tercera línea. Se sabe que la probabilidad de que,
diariamente, un autobús se averíe es del 2 %, 4 % y 1 %, respectivamente, para cada línea.
Determina la probabilidad de que, en un día, un autobús sufra una avería.
4. Un determinado tipo de batería se produce en tres plantas diferentes con distintos equipos
y operaciones. Supóngase que los promedios semanales del número de baterías produci-
das en cada una de estas tres plantas son 500, 2000 y 1500, respectivamente. Además,
supongamos que las probabilidades de producir una batería defectuosa en cada una de las
tres plantas son respectivamente 0.020, 0.015 y 0.030.
Si se supone que las baterías producidas por las tres plantas se destinan a un fabricante
de automóviles que recibe semanalmente 4000 baterías. ¿Cuál es la probabilidad de que
la batería instalada por el fabricante en un automóvil sea defectuosa?
5. Un laboratorio emplea tres empresas proveedoras de cierta materia prima (A, B, C). La em-
presa A es contratada en 30 % de las veces, la B en 45 % y en el restante se asigna a la
tercera empresa. De la experiencia se sabe que las probabilidades de que la materia prima
no cumpla con alguna de las especificaciones en cada una de las empresas es de 0.05, 0.03
y 0.07, respectivamente.
a) ¿Cuál es la probabilidad de que la materia prima no cumpla las especificaciones re-

queridas?

b) Si la materia prima no cumple las especificaciones, ¿cuál es la probabilidad de que la

empresa implicada sea la C?
6. Una planta ensambladora de circuitos recibe componentes procedentes de tres fabricantes

A, B y C. El 50 % del total de los componentes se compra al fabricante A, mientras que
a los fabricantes B y C se le compra un 25 % a cada uno. El porcentaje de componentes
defectuosos es de un 5 % para el fabricante A, el 10 % para el fabricante B y el 12 % para
el fabricante C.
a) Construir el diagrama de árbol con las probabilidades asignadas.

b) El departamento de control de calidad escoge un circuito al azar en el almacén, hallar
la probabilidad de que contenga componentes defectuosos.
c) Escogido al azar un circuito que no tiene componentes defectuosos, ¿que porcentaje
de dichos componentes han sido vendidos por el proveedor B?

SEMANA 10: Variable Aleatoria

Logro de la Sesión
Al finalizar la sesión, el estudiante comprende y aplica los conceptos de variable aleatoria

discreta y continua en problemas cotidianos.
10.1
Variable aleatoria discreta
Definición 22: Variable Aleatoria Discreta

Una variable aleatoria se dirá discreta si el conjunto de valores que toma es un conjunto nu-
merable, es decir, que solo puede tomar valores concretos. Se denotara por {x1 ; x2 ; . . . ; xk }
Toda variable aleatoria discreta tiene asociada una función de probabilidad, que a cada
valor, le marca la probabilidad de que la variable tome dicho valor. Esta probabilidad viene
a jugar el mismo papel que la frecuencia relativa en los temas de estadística.
Parámetros de una variable aleatoria discreta

La ventaja de trabajar con variables aleatorias es que podemos hacer cálculos que adquie-
ren significado sobre el comportamiento de la variable. En una variable aleatoria, podemos
calcular todos los parámetros que habíamos visto en la estadística unidimensional: media,
varianza moda, mediana, percentiles, desviaciones, etc, aunque nosotros vamos a centrar-
nos en las dos primeras, la media y la varianza, (bueno o la desviación típica que era la raíz
de la varianza si recuerdas)
1. La media: La media de una variable aleatoria se llama ESPERANZA MATEMÁTICA, se

representa por E (X ) o por µ y viene a darnos el valor esperado de la variable al realizar
el experimento aleatorio. La fórmula para calcularla es
k
µ = E (X ) = ∑ xiPi = x1P1 + x2P2 + · · · + xk Pk
i=1
2. Varianza: Aporta una medida sobre la dispersión de los valores de X.
k
V (X ) = ∑ (xi − µ)2 · pi
i=1
k
V (X ) = ∑ xi2 · pi − µ2 = E(X 2 ) − (E(X ))2
i=1

10.2
Variable aleatoria continua
Definición 23
Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
un intervalo (finito o infinito) de números reales
La función de densidad de una variable aleatoria continua

La función f (x ) es una función de densidad de probabilidad para la variable aleatoria con-
tinua X, definida sobre el conjunto de los números reales, sí:
(i) f (x ) ≥ 0; ∀ ∈ R
Z +∞
(ii) f (x )dx = 1
−∞
Z b
(iii) P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b) = fX (x )dx
a
Ejemplo 10.1
Un profesor de la UTP nunca termina su clase antes del término de la hora, más nunca se
pasa de 2 minutos de ésta. Sea X : el tiempo que transcurre qntre el término de la hora y
el término efectivo de la clase. Suponga que la fdp de X viene dada por:
kx2 0 ≤ x ≤ 2
f (x ) =
0 en otros casos
1. Encuentre el valor de k
2. ¿Cuál es la probabilidad de que la clase termine a menos de un minuto después del

término de la hora?
3. ¿Cuál es la probabilidad de que la clase continúe entre 60 y 90 segundos después del

término de la hora?
4. ¿Cuál es la probabilidad de que la clase continúe por lo menos 90 segundos después

del término de la hora?
Solución:
1.
Z +∞ Z 0 Z 2 Z +∞
f (x )dx = 0dx + kx2 dx + 0dx
−∞ −∞ 0 2
k 8
= x3 |20 = k
3 3
Como Z +∞
8 3
f (x )dx = 1 ⇒ k=1⇒k=
−∞ 3 8

2. Z 1
3 2 1 1
P (X ≤ 1) = x dx = x3 |10 = = 0,125
0 8 8 8
3.
Z 1,5
3 2 1
P(1 ≤ X ≤ 1,5) = x dx = x3 |1,5
1 8 8 1
19
= ≈ 0,2969
64
4.
Z 2 Z 1,5
3 2 3 2
P(X ≥ 1,5) = x dx = 1 − x dx
81,5 0 8
1 27 37
=1 − x3 |01,5 = 1 − = ≈ 0,5781
8 64 64
Definición 24: Función de Distribución Acumulada

La distribución acumulada F (x ) de una variable aleatoria continua X, con una función de
densidad f (x ) es: Z x
F (x ) = P (X ≤ x ) = f (s)ds
−∞
para −∞ ≤ x ≤ ∞
Propiedades
1. F (−∞) = 0
2. F (+∞) = 1
3. P(a ≤ X ≤ b) = F (b) − F (a)

dF (x )
4. dx
= f (x )
Uso de la función de densidad acumulada para calcular probabilidades

Sea X una v.a. continua con fdp f (x ) y fda F (x ). Entonces para cualquier número a,
P (X > a) = 1 − F (a)
Parámetros de una variable aleatoria continua
i.- Esperanza matemática:

Sea X una v.a.c. con función de densidad f (x ). Se llama esperanza matemática o valor
esperado, valor medio o media de X al número real.
Z ∞
E (X ) = µ = xf (x )dx
−∞
ii.- Varianza:

Medida del cuadrado de la distancia promedio entre la media y cada elemento de la

población.
Sea X una v.a.c. con distribución de probabilidad f (x ) y media µ. La varianza de X es
calculada por medio de:
i Z ∞ Z ∞
2 2 2 x2 f (x )dx − µ2
h
V (X ) = σ = E (X − µ) = (x − µ) f (x )dx =
−∞ −∞

10.3
1. El gerente de un almacén en una fabrica ha construido la siguiente distribución de probabi-
lidad para la demanda diaria (número de veces utilizada) de una herramienta en particular.
x 0 1 2
p(x ) 0.1 0.5 0.4
Le cuesta a la fábrica 10 dólares cada vez que se utiliza la herramienta. Encuentre el pro-
medio y la varianza del costo diario para el uso de tal herramienta
2. un fabricante de teléfonos digitales tiene la siguiente distribución de probabilidad para el
número de defectos por teléfono:
x 0 1 2 3
p(x ) 0.89 0.07 0.03 0.01
a) determine la probabilidad de 2 o más defectos
b) ¿un teléfono seleccionado al azar es más probable que tenga 0 defectos, o 1 o más
defectos?
3. Al revisar el uso reciente de las salas de conferencias en una firma de consultoría, un in-
geniero industrial determinó la siguiente distribución de probabilidad para el número de
solicitudes para una sala de conferencias por medio día:
x 0 1 2 3 4
p(X ) 0.07 0.15 0.45 0.25 0.08
a) Actualmente, el edificio tiene dos salas de conferencias. ¿cuál es la probabilidad de
que el número de solicitudes superará el número de salas para medio día determina-
do?
b) ¿cuál es la probabilidad de que dos salas de conferencias no se utilizarán por completo
en medio día determinado?
c) ¿cuántas salas de conferencias adicionales se requieren, de manera que la probabili-
dad de negar una solicitud no sea de más de 0.10?
4. Si la densidad de probabilidad de una variable aleatoria está dada por:
2
kx 0<x<1
f (x ) =
0 de otra forma
encuentre el valor de k y la probabilidad de que la variable aleatoria tome un valor
a) entre 14 y 43
b) mayor que 32
5. Si la densidad de probabilidad de una variable aleatoria está dada por
0<x<1

 x
f (x ) = 2−x 1≤x<2
0 de otra forma

determine las probabilidades de que una variable aleatoria con tal densidad de probabilidad
tomará un valor
a) entre 0,2 y 0,8
b) entre 0,6 y 1,2

SEMANA 11: Distribución Binomial

y Poisson
Logro de la Sesión
Al finalizar la sesión de clase, el estudiante conoce las distribuciones Binomial y Poisson;

además aplica las distribuciones en la solución de problemas.
11.1
Distribución Binomial
Definición 25
Un proceso de Bernoulli es la repetición de un experimento aleatorio (un ensayo de Ber-
noulli) donde cada observación independiente se clasifica como éxito, si el evento ocurre,
o como fracaso en otro escenario y la proporción de éxitos en la población es constante y
no depende de su tamaño.
Sea X ∼ B(n; p), es decir, una variable aleatoria que sigue una distribución binomial, donde
n el número de ensayos de Bernoulli, p la probabilidad de éxito y q = 1 − p la probabilidad
de fracaso.
La función de probabilidad es:
P(X = x ) = Cxn px (1 − p)n−x ; x = 0, 1, . . . , n. (11.1)
Propiedades:
• La media:
µ = E (X ) = n · p
• La Varianza:
V ( X ) = σ2 = n · p ( 1 − p )
Ejemplo 11.1
Un reciente estudio sobre Conductores de Autopista ha revelado que el 60 % de los con-
ductores peruanos usa regularmente el cinturón de seguridad. Se selecciona una muestra
de 10 conductores en una autopista de la panamericana sur.
1. ¿Cuál es la probabilidad de que exactamente siete de ellos lleven el cinturón de se-

guridad?

2. ¿Cuál es la probabilidad de que al menos siete de los conductores lleven el cinturón

de seguridad?
3. ¿Cuál es la probabilidad de que como máximo siete de los conductores lleven el cin-
turón de seguridad?
Solución:
Variable aleatoria: X : Número de conductores que regularmente utilizan el cinturón de
seguridad
X ∼ B(n = 10; p = 0,60)

la función de distribución de probabilidad es:
P(X = x ) = Cx10 (0,6)x (1 − 0,4)10−x ; x = 0, 1, . . . , 10
Respondiendo:
1. Para X = 7
P(X = 7) =C710 (0,6)7 (1 − 0,4)10−7

=0,214991
2. Para X ≥ 7 , entonces:
P(X ≥ 7) = P(x = 7) + P(X = 8) + P(X = 9) + P(X = 10)
Calculamos de manera individual:
P(X = 7) =C710 (0,6)7 (0,4)3 = 0,214991

P(X = 8) =C810 (0,6)8 (0,4)2 = 0,120932
P(X = 9) =C910 (0,6)9 (0,4)1 = 0,040311
P(X = 10) =C1 010 (0,6)10 (0,4)0 = 0,006047
Sumando los resultados tenemos:
P(X ≥ 7) = 0,382281
3. Para X ≤ 7
P(X ≤ 7) = 1 − P(X > 7) = 1 − {P(X = 8) + P(x = 9) + P(x = 10)}
Calculamos:
P(X = 8) =C810 (0,6)8 (0,4)2 = 0,120932

P(X = 9) =C910 (0,6)9 (0,4)1 = 0,040311
P(X = 10) =C1 010 (0,6)10 (0,4)0 = 0,006047
Sumando y restando, tenemos:
P(X ≤ 7) = 1 − (0,167290) = 0,832710

Ejemplo 11.2
Cinco por ciento de los engranajes de tornillo producidos en una fresadora automática de
alta velocidad Carter-Bell se encuentra defectuoso. ¿Cuál es la probabilidad de que, en seis
engranajes seleccionados,
1. ninguno se encuentre defectuoso?
2. ¿Exactamente uno?
3. ¿Exactamente dos?
4. ¿Exactamente tres?
5. ¿Exactamente cuatro?
6. ¿Exactamente cinco?
7. ¿Exactamente seis de seis?
Solución:
X: Número de engranajes de tornillo defectuosos.
X ∼ B(n = 6; p = 0,05)
La función de distribución de probabilidad es:
P(X = x ) = Cx6 (0,05)x (1 − 0,05)6−x ; x = 0, 1, . . . , 6
Determinamos los cálculos siguientes:
1.
P(X = 0) = C06 (0,05)0 (1 − 0,05)6−0 = 0,735092
2.
P(X = 1) = C16 (0,05)1 (1 − 0,05)6−1 = 0,232134
3.
P(X = 2) = C26 (0,05)2 (1 − 0,05)6−2 = 0,030544
4.
P(X = 3) = C36 (0,05)3 (1 − 0,05)6−3 = 0,002143
5.
P(X = 4) = C46 (0,05)4 (1 − 0,05)6−4 = 0,00008461
6.
P(X = 5) = C56 (0,05)5 (1 − 0,05)6−5 = 0,00000178
7.
P(X = 6) = C66 (0,05)6 (1 − 0,05)6−6 = 0,000000016
Es posible calcular la media o valor esperado de la distribución del número de engranajes
defectuosos:
µ =E (X ) = np = (6)(0,05) = 0,30
σ2 =V (X ) = np(1 − p) = (6)(0,05)(0,95) = 0,285

11.2
Distribución Poisson
Definición 26
Se define la variable aleatoria X como el número de sucesos que ocurren en un inter-
valo continuo de tiempo, longitud o espacio, de un tamaño determinado.
Sea λ el número medio de sucesos que ocurren en estos intervalos.
La variable aleatoria así definida sigue una distribución de Poisson de parámetro λ
X → P (λ)
Función de Probabilidad:
e − λ · λx
P (X = x ) = ; x = 0, 1, . . . (11.2)
x!
Propiedades:
• Media
E (X ) = µ = λ
• Varianza
V ( X ) = σ2 = λ
Ejemplo 11.3
En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican
0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar
1. Variable y tipo de variable
2. Función de distribución de probabilidad
3. una imperfección en 3 minutos,
4. al menos dos imperfecciones en 5 minutos,
5. cuando más una imperfección en 15 minutos.
Solución:
1. Variable: Número de imperfecciones que presenta una hojalata

Tipo de variable: Cuantitativa discreta
2. Sea X : Número de imperfecciones que presenta una hojalata en un proceso electro-

lítico.
X ∼ P(λ = 0,2 imperfecciones por minuto)
cuya f.d.p, es:
e−0,2t (0,2t )x
P (X = x ) = ; x = 0, 1, . . .
x!

3. Para t = 3, tenemos
e−0,2(3) (0,2(3))x
P (X = x ) = ; x = 0, 1, . . .
x!
Para X = 1, se tiene:
e−0,6 (0,6)1
P (X = 1) = = 0,329287
1!
4. Para t = 5, tenemos:
e−0,2(5) (0,2(5))x
P (X = x ) = ; x = 0, 1, . . .
x!
Como X ≥ 2, tenemos:
1 e−1,0 (1,0)x
( )
P (X ≥ 2) =1 − P (X < 2) = 1 − ∑ x!
x =0
=1 − F (1) = 1 − 0,735759 (De tablas)
=0,264241
5. Para t = 15, tenemos:
e−0,2(15) (0,2(15))x
P (X = x ) = ; x = 0, 1, . . .
x!
P (X ≤ 1) =P (X = 0) + P (X = 1)
e−3 (3)0 e−3 (3)1
= +
0! 1!
=0,049787 + 0,149361
=0,199148
Ejemplo 11.4
Algunos registros muestran que la probabilidad de que a un automóvil se le desinfle un
neumático al atravesar cierto túnel es de 0.00005. Utilice la aproximación de Poisson a la
distribución binomial para determinar la probabilidad de que entre 10 000 vehículos que
pasan por este túnel:
a.) exactamente a dos se les desinfle un neumático.
b.) cuando menos a dos se les desinfle un neumático.
c.) a lo mucho menos a dos se les desinfle un neumático.
Solución:
Datos:
p = 0,00005

n = 10000
Utilizaremos la aproximación de la distribución binomial a la distribución de Poisson, debi-
do a que el tamaño de la muestra es grande, para lo cual determinaremos la media
E (X ) = λ = np = (10000)(0,00005) = 5
La función de probabilidad es:
e−5 (5)x
P (X = x ) = ; x = 0, 1, . . .
x!
a.)
e−5 (5)2
P (X = 2) = = 0,08422
2!
b.)
e−5 (5)0 e−5 (5)1 e−5 (5)2
( )
P (X ≥ 2) = 1 − P (X < 2) = 1 − + +
0! 1! 2!
= 1 − {0,00674 + 0,03369 + 0,08422}
= 1 − 0,12465 = 0,87535
c.)
e−5 (5)0 e−5 (5)1 e−5 (5)2

P (X ≤ 2) = + + = 0,00674 + 0,03369 + 0,08422
0! 1! 2!
= 0,12465
Ejemplo 11.5
Los mensajes recibidos por el tablero de anuncios es una variable aleatoria de Poisson con
un promedio de ocho mensajes por hora.
a.) Cuál es la probabilidad de que se reciban cinco mensajes por hora.
b.) Hallar la probabilidad de que reciba por una hora 10 mensajes en 1,5 horas.
c.) Determinar la probabilidad de que reciba menos de 3 mensajes en media hora.
e−8t (8t )x
a.) X ∼ P(λ = 8) con f.d.p: P(X = x ) = ; x = 0, 1, . . .
x!
e−8 (8)5
P (X = 5) = = 0,0916
5!
b.) Para λ = 1,5(8) = 12
e−12 (12)10
P(X = 10) = = 0,1048
10!

c.) Para λ = 0,5(8) = 4
e−4 (4)0 e−4 (4)1 e−4 (4)2

P (X < 3) = + + = 0,0183 + 0,0732 + 0,1464 = 0,2379
0! 1! 2!

11.3
1. Un fabricante de marcos para ventanas sabe, con base en su larga experiencia, que 8 % de
su producción tendrá algún pequeño defecto que requerirá ajuste. Cuál es la probabilidad
de que en una muestra de 20 marcos:
a) Ninguno requiere ajuste

b) Al menos uno requiere ajuste
c) Más de dos requieren ajuste
2. En pruebas realizadas a un amortiguador para automóvil, se encontró que el 20 % presen-

taban fuga de aceite. Si se instalan 20 de estos amortiguadores, hallar la probabilidad de
que
a) Exactamente 4 presentaban fuga de aceite

b) Más de 5 presentaban fugas de aceite
c) De 3 a 6 presentaban fuga de aceite
d) Determinar el promedio y la desviación estándar de amortizadores que presentaban
fuga de aceite
3. Si de 6 de 18 proyectos de viviendas violan el código de construcción ¿Cuál es la probabili-

dad de que un inspector de viviendas, seleccione aleatoriamente a cuatro de ellas, encuen-
tre que:
a) Ninguna de las viola el código de construcción

b) Una viola el código de construcción
c) Dos violan el código de construcción
d) Por lo menos dos violan el código de construcción
4. El 65 % de los hogares de una zona urbana hay alguien en casa en una noche determinada.
Un investigador que está haciendo una encuesta por teléfono selecciona al azar 15 hogares.
Hallar las probabilidades siguientes:
a) Exactamente 8 hogares haya alguien en casa

b) Ningún hogar haya alguien en casa
c) Todos los hogares haya alguien en casa
5. El 10 % de las botellas de un litro de aceite de oliva llenadas por una máquina envasadora
contienen realmente, una cantidad inferior al litro. Un cliente compra una caja de 12 bote-
llas envasadas en esta máquina:
a) Determine la función de probabilidad.

b) ¿Cuál es el número esperado de botellas de la caja que contienen una cantidad inferior
al litro? ¿Y su desviación típica?
c) calcula la probabilidad de que lla caja contenga dos botellas con menos de un litro de
aceite.
d) Calcula la probabilidad de que en la caja haya al menos dos botellas con menos de un
litro de aceite?

6. En un conmutador se registran llamadas telefónicas a razón de 4.6 llamadas por minuto.

Calcule la probabilidad de que se presente cada una de estas ocurrencias en un intervalo
de un minuto:
a) Exactamente dos llamadas.

b) Por lo menos dos llamadas.
c) Ninguna llamada.
d) De dos a seis llamadas.
7. En un determinado punto de una calle del centro de una ciudad se instala un control pa-
sando un promedio de 4 vehículos por minutos. Encontrar las probabilidades siguientes:
a) Pasan exactamente 2 vehículos por minuto

b) No pasan ningún vehículo por minuto.
c) Pasan exactamente 10 vehículos por minuto.
8. La contaminación constituye un problema en la fabricación de discos de almacenamiento

óptico. El número de partículas de contaminación que ocurren en un disco óptico tiene una
distribución de Poisson y el número promedio de partículas por centímetro cuadrado de
superficie del disco es 0.1. El área de un disco bajo estudio es 100 centímetros cuadrados.
a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estu-
dio.
b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio.
c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco
bajo estudio.
9. El número de automóviles que repostan por término medio en una gasolinera en una hora
es un valor desconocido. Para estimar dicho valor uno de los empleados plantea que dicho
valor es de 4 vehículos a la hora otro, en cambio, da la estimación de 5 a la hora. Cuanti-
ficar y decidir que estimación de las planteadas es más verosímil si como prueba de ello
comprobamos que en una hora cualquiera fueron 5 los vehículos que repostaron.

SEMANA 12: Autoevaluación Para

PC3
12.1
Problemas Resueltos
1. Durante las crisis económicas se despide a obreros y a menudo se les reemplaza con má-
quinas. Se revisa la historia de 100 trabajadores cuya pérdida del empleo se atribuye a los
avances tecnológicos. Para cada uno de ellos se determinó si obtuvieron un empleo alter-
nativo dentro de la misma empresa, si encontraron un empleo en la misma área de otra
empresa, si encontraron trabajo en una nueva área o si llevan desempleados más de un
año. Además, se registró la situación sindical de cada trabajador. La siguiente tabla resume
los resultados:
Sindicalizado No sindicalizado Total
Está en la misma empresa 40 15 55
Está en otra empresa (misma área) 13 10 23
Está en una nueva área 4 11 15
Está desempleado 2 5 7
Total 59 41 100
a) Si un trabajador seleccionado encontró empleo en la misma área de una nueva em-

presa, ¿cuál es la probabilidad de que sea miembro de un sindicato?
Sea A : ésta en otra empresa (misma área) y S: sindicalizado
13
P (S ∩ A) 13
P (S|A) = = 100
23
= = 0,5652
P (A) 23
100
b) ¿cuál es la probabilidad de que un trabajador esté desempleado desde hace un año o
no sea sindicalizado?
A : no Sindicalizado
B : éste desempleado
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
41 7 5 43
= + − = = 0,43
100 100 100 100
c) Sean los eventos A : está en otra empresa; B : no sindicalizado. ¿son eventos indepen-
dientes? Justifique.
Para que sean eventos independientes es necesario que se cumpla:
P (A) · P (B) = P (A ∩ B)

P(A) = 0,23
P(B) = 0,41
P(A ∩ B) = 0,10
0,41 × 0,23 = 0,0943 ̸= 0,10
Por lo tanto, los eventos no son independientes.
2. El volumen de producción diario en tres fábricas diferentes de una misma empresa es de

1000 unidades en la primera fábrica, 1500 unidades en la segunda y 2500 en la tercera. Por
ciertos desajustes, algunas unidades salen defectuosas. En concreto, lo son el 1 % de las
unidades producidas en las dos primeras fábricas y el 3 % de las producidas en la tercera.
a) Esquematice el diagrama del árbol.

b) ¿Qué proporción de unidades fabricadas son correctas? P(A1 ) = 1000
5000 = 0,2
1500 = 0,3
P(A2 ) = 5000
2500 = 0,5
P(A3 ) = 5000
P(D|A1 ) = 0,01
P(D|A2 ) = 0,01
P(D|A3 ) = 0,03
Utilizando el teorema de probabilidad Total.
P(D) = P(A1 )P(D|A1 ) + P(A2 )P(D|A2 ) + P(A3 )P(D|A3 )

= (0,2)(0,01) + (0,3)(0,01) + (0,5)(0,03) = 0,02
P(DC ) = 1 − P(D) = 1 − 0,02 = 0,98
c) Si se tiene una unidad defectuosa, ¿Cuál es la probabilidad de que haya sido fabricada
en la tercera fábrica?
Utilizando el teorema de Bayes:
P(A3 )P(D|A3 ) (0,5)(0,03)

P(A3 |D) = =
P (D) 0,02
= 0,75
3. La oficina de recursos humanos en una fábrica, indica que el 35 % de los empleados del
área de montaje se retiran durante los primeros tres años de haber sido contratados. Se
acaban de contratar 16 empleados nuevos. Responda:

NÚMERO DE EMPLEADOS QUE SE RETIRAN CUANTITATIVA DISCRETA
DEL ÁREA DE MONTAJE
b) Indique la función de distribución de probabilidad
X ∼ B(n = 16; p = 0,35)
P(X = x ) = Cx16 (0,35)x (1 − 0,35)16−x x = 0, 1, 2, · · · , 16

c) ¿Cuál es la probabilidad de que por lo menos nueve sigan trabajando después del ter-
cer año?
x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
0 5.07094E-08 5.07094E-08
1 1.50679E-06 1.5575E-06
2 2.09875E-05 2.2545E-05
3 0.000181892 0.000204437
4 0.001097846 0.001302282
5 0.004893256 0.006195538
P (X ≥ 9) = 1 − P (X < 9)
6 0.01666037 0.022855908
7 0.044200982 0.06705689 = 1 − F (8)(De tabla adjunta)
8 0.092348481 0.159405371 = 1 − 0,1594
9 0.152448286 0.311853657 = 0,8406
d) ¿Cuál es la probabilidad de como mínimo cuatro se retiren antes del tercer año?
x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
0 0.001015345 0.001015345
1 0.008747589 0.009762934
P (X ≥ 4) = 1 − P (X < 4)
2 0.035326802 0.045089737
3 0.088769913 0.13385965 = 1 − F (3) (De tabla adjunta)
4 0.155347349 0.289206999 = 1 − 0,1339
5 0.200756573 0.489963572 = 0,86614
e) Determine el coeficiente de variación e interprételo.
E (X ) = np = 16 × 0,35 = 5,6
V (X ) = np(1 − p) = 16 × 0,35(1 − 0,35) = 3,64
√
3,64
CV = = 0,3406 = 34,06 %
5,6
Por lo tanto, los datos son dispersos.
4. Los cambios en los procedimientos de los aeropuertos requieren una planeación conside-
rable. Los índices de llegadas de los aviones son factores importantes que deben tomarse
en cuenta. Suponga que los aviones pequeños llegan a cierto aeropuerto, de acuerdo con
un proceso de Poisson, con una frecuencia de 6 por hora.

NÚMERO DE AVIONES PEQUEÑOS QUE CUANTITATIVA DISCRETA
LLEGAN A CIERTO AEROPUERTO
b) Indique la función de distribución de probabilidad
X ∼ P (λ = 6)
e−6 × 6x
P (X = x ) = , x = 0, 1, 2, · · ·
x!

c) ¿Cuál es la probabilidad de que lleguen al menos 4 durante un periodo de una hora?

x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
0 0.002478752 0.002478752
1 0.014872513 0.017351265
2 0.044617539 0.061968804 P (X ≥ 4) = 1 − P (X < 4)
3 0.089235078 0.151203883 = 1 − F (3) (De tabla adjunta)
4 0.133852618 0.2850565 = 1 − 0,1512
.. .. ..
. . . = 0,8488
d) Si definimos un día laboral como de 12 horas, ¿cuál es la probabilidad de que al menos
75 aviones pequeños lleguen durante un día laboral?
x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
λ = 6 × 12 = 72
.. .. ..
. . .
72 0.046961414 0.531288309 e−72 × 72x
P (X = x ) = , x = 0, 1, 2, · · ·
73 0.046318107 0.577606416 x!
74 0.045066266 0.622672683
75 0.043263616 0.665936298 P(X ≥ 75) = 1 − P(X < 75)
.. .. ..
. . . = 1 − F (74)
e) Determine el coeficiente de variación para λ = 6 e interprételo.
E (X ) = λ = 6
V (X ) = λ = 6
√
6
CV = = 0,4082 = 40,82 %
6
Por lo tanto, los datos son dispersos
12.2
Responder las siguientes interrogantes:
1. A los obreros de las fábricas se les motiva constantemente a practicar la tolerancia cero
para prevenir accidentes en el lugar de trabajo. Los accidentes pueden ocurrir porque el
ambiente o las condiciones laborales son inseguros. Por otro lado, los accidentes pueden
ocurrir por negligencia o fallas humanas. Además, los horarios de trabajo de 7:00 a.m. a
3:00 p.m. (turno matutino), de 3:00 p.m. a 11:00 p.m. (turno vespertino) y de 11:00 p.m. a
7:00 a.m. (turno nocturno) podría ser un factor. El año pasado ocurrieron 400 accidentes.
La información se tiene en la siguiente tabla:
TURNOS CONDICIONES INSEGURAS (I) FALLAS HUMANAS (F)
MATUTINO (M) 50 60
VESPERTINO (V) 100 70
NOCTURNO (N) 40 80
Si se elige aleatoriamente un reporte de accidente de entre los 400 reportes.


b) ¿Cuál es la probabilidad de que el accidente haya ocurrido en el turno nocturno y por
fallas humanas?
c) ¿Cuál es la probabilidad de que el accidente sea por fallas humanas o sea en turno
nocturno?
d) ¿Cual es la probabilidad de que el accidente no sea por fallas humanas?
e) ¿Cuál es la probabilidad de que el accidente haya ocurrido durante los turnos vesper-
tino o nocturno?
f) sabiendo que el accidentes es por condiciones inseguras. ¿Cual es la probabilidad que
se de en el turno vespertino?
g) Comprobar si son eventos independientes, las condiciones de trabajo y los turnos de
trabajo?
2. El ingeniero de control de calidad de una fábrica de juegos inflables desea determinar en

qué turno de producción se fabricó un juguete inflable que posteriormente se reventó. La
fábrica tiene tres turnos: matutino, vespertino y nocturno. Al revisar las estadísticas anterio-
res, de los juguetes inflables producidos por la fábrica 40 % salió del turno matutino, 40 %
del vespertino y 20 % del nocturno. Cinco por ciento de los juguetes inflables producidos
en el turno matutino se reventó, 10 % del turno vespertino y 20 % del nocturno.
a) Esquematize un diagrama del arbol para el problema.

b) Encontrar la probabilidad de que el juguete inflable que se reventó haya sido producido
en el turno vespertino.
c) Encontrar la probabilidad de que el juguete inflable que se reventó haya sido producido
en el turno nocturno.
d) Encontrar la probabilidad de que el juguete inflable que se reventó haya sido producido
en el turno matutino.
3. Una compañía que produce cristales finos sabe por experiencia que 10 % de sus copas de
mesa tienen imperfecciones cosméticas y deben ser clasificadas como de segunda.

b) Determinar su función de probabilidad
c) Entre seis copas seleccionadas al azar, ¿qué tan probable es que por lo menos dos
sean de segunda?
d) Entre ocho copas seleccionadas al azar, ¿que tan probable es que se encuentre entre
dos y siete?
4. Los datos indican que en la hora punta de la mañana se producen, por término medio, 3,2
colisiones al día en una vía urbana. Suponga que la distribución es de Poisson.

b) Determinar su función de probabilidad
c) Halle la probabilidad de que en un día dado se produzcan al menos tres colisiones en
esta vía durante la hora punta de la mañana.
d) Halle la probabilidad de que en un día dado se produzcan más de cuatro colisiones y
menos de ocho colisiones, en esta vía durante la hora punta de la mañana

5. El error implicado al hacer una medición es una variable aleatoria continua X con función
de densidad de probabilidad.
0,09375(4 − x2 ) −2 ≤ x ≤ 2

f (x ) =
0 en otro caso

b) Calcular P(X > 0)
c) Calcular P(−1 < X < 1)
d) Calcular P(X > 1)
e) Determinar la varianza
12.3
Aprendiendo un poco más.
1. Las especificaciones para el diámetro de un rodillo son 2.10-2.11 cm. Los rodillos muy grue-
sos pueden ser rectificados, mientras que los muy angostos se deben desechar. Tres ma-
quinistas pulen estos rodillos. Se coleccionaron muestras de los rodillos de cada maquinista
y se midieron sus diámetros. Los resultados fueron:
Maquinista Bien Volver a pulir Desechar
A 328 58 14
B 231 48 21
C 409 73 18
Determinar:

b) Si se sabe que el maquinista A pule el rodillo. ¿Cuál es la probabilidad de que el rodillo,
este bien pulido?
c) Si se sabe que el maquinista B pule el rodillo. ¿Cuál es la probabilidad de que vuelvan
a pulir el rodillo?
d) Si se sabe que el maquinista C pule el rodillo. ¿Cuál es la probabilidad de que desechen
el rodillo después de ser rectificado?
e) Los estados de la rectificación y los maquinistas son eventos independientes?. Justifi-
que.
f) ¿Es conmutativa la probabilidad condicional?
2. De los artículos producidos diariamente en una fábrica, 30 % provienen de la línea I, 40 %

de la línea II y 30 % de la línea III; del total de estos, el porcentaje de artículos buenos
producidos por la línea I es 80 %; de la línea II también 80 % y de la línea III 90 % de los
artículos son buenos.
a) Esquematice un diagrama de árbol.

b) Se escoge un artículo al azar de la producción diaria. Calcule la probabilidad de que
sea bueno.
c) Se escoge un artículo al azar de la producción diaria y resultó ser bueno. Calcule la
probabilidad de que el artículo escogido se haya elaborado en la línea I.

d) Se escoge un artículo al azar de la producción diaria y resultó ser bueno. Calcule la

probabilidad de que el artículo escogido se haya elaborado en la línea II.
e) Se escoge un artículo al azar de la producción diaria y resultó ser bueno. Calcule la
probabilidad de que el artículo escogido se haya elaborado en la línea III.
3. El espesor X de una cuña de madera (en milímetros) tiene una función de densidad de pro-
babilidad
2
(
3 − 3(x −5) ,4 ≤ x ≤ 6
f (x ) = 4 4
0 ,de otro modo
Calcular:

b) ¿Cual es el valor esperado del espesor de la cuña de madera?
c) ¿Cual es la variabilidad del espesor de la cuña de madera?
d) ¿Cuál es la probabilidad de que el espesor de la cuña se encuentre entre 4.5 y 5.5
(mm)?
4. Un fabricante de productos electrónicos de consumo espera que 2 % de las unidades fallen

durante el período de garantía. Se hace un seguimiento del cumplimiento de la garantía de
una muestra de 500 unidades independientes. Calcular:

b) Indique la función de probabilidad.
c) ¿Cuál es la probabilidad de que ninguna falle?
d) ¿Cuál es el número esperado de fallas durante el período de garantía?
e) ¿Cuál es la probabilidad de que más de dos unidades fallen durante el período de ga-
rantía?
5. Los cambios en los procedimientos de los aeropuertos requieren una planeación conside-
rable. Los índices de llegadas de los aviones son factores importantes que deben tomarse
en cuenta. Suponga que los aviones pequeños llegan a cierto aeropuerto, de acuerdo con
un proceso de Poisson, con una frecuencia de seis por hora.
Determinar:

b) Indique la función de probabilidad.
c) ¿Cuál es la probabilidad de que lleguen exactamente 4 aviones pequeños durante un
periodo de una hora?
d) ¿Cuál es la probabilidad de que lleguen al menos 4 durante un periodo de una hora?
e) Si definimos un día laboral como de 12 horas, ¿cuál es la probabilidad de que al menos
75 aviones pequeños lleguen durante un día laboral?

SEMANA 13: Distribución Normal

Logro de la Sesión
Al finalizar la sesión el estudiante aplica los conceptos de variable aleatoria continua, para
calcular e interpretar las probabilidades asociadas a una distribución normal de probabili-
dad.
En nuestra vida cotidiana estamos utilizando casi todo el tiempo el concepto de normalidad
estadística, aunque no somos conscientes de ello. Tal concepto nos permite hacer juicios de valor
y establecer generalidades acerca de aspectos de la vida que son los más frecuentes de observar,
y nos permite también comprender fácilmente a qué nos referimos cuando emitimos juicios de
valora.
13.1
Distribución Normal
Definición 13.1.1. Se dice que X sigue una distribución normal, con media µ y desviación típica
σ, con (−∞ < µ < +∞ y σ > 0), que se representa con la siguiente notación:
X ∼ N(µ; σ)
Su función de densidad viene definida por:
2
1 − (X −µ2)
f (X ) = √ · e 2σ con − ∞ < µ < +∞
σ 2π
Representación Gráfica
Propiedades:
1. Tiene una única moda, que coincide con su media y su mediana.
2. La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre −∞ y
+∞ es teóricamente posible. El área total bajo la curva es, por tanto, igual a 1.
3. Es simétrica con respecto a su media µ. Según esto, para este tipo de variables existe
una probabilidad de un 50 % de observar un dato mayor que la media, y un 50 % de
observar un dato menor.
4. La distancia entre la línea trazada en la media y el punto de inflexión de la curva es

igual a una desviación típica (σ)
5. El área bajo la curva aproximadamente:

Figura 13.1: Campana de Gauss
A una desviación estándar de la media es igual 0.68

A dos desviaciones estándar de la media es igual a 0.95
A tres desviaciones estándar de la media es igual a 0.99
68.2 %
95 %
99.7 %
Frecuencia
2.1 % 13.6 % 34.1 % 34.1 % 13.6 % 2.1 %
−3 −2 −1 0 1 2 3
Desviación Estándar
Función de distribución
2
1 − (x −µ)
Z x Z x
1 1
F ( x1 ) = P ( X ≤ x1 ) = f (x )dx = √ e 2σ2 dx
−∞ −∞ σ 2π
13.2
Distribución Normal Estándar
Definición 13.2.1. Una variable aleatoria continua X, sigue una distribución normal de paráme-
tros µ = 0 y σ = 1.
X ∼ N(0; 1)

Figura 13.2: Área a la izquierda del punto x1
si su función de densidad es:

1 z2
f (z ) = √ · e− 2
2π
La distribución N(µ; σ) se puede relacionar con la distribución N(0; 1), mediante el siguiente
proceso al que se denomina tipificación o estandarización:
X−µ
X → N(µ; σ) ⇒ Z = → N(0; 1)
σ
Ejercicios Explicativos de la Sesión
Hallar la probabilidad P(Z ≤ 0,45)
En la primera columna buscamos el valor de las unidades y las décimas.

En la primera fila el valor de las centésimas.
Basta buscar 0.4 en la columna y 0.05 en la fila. Su intersección nos da la probabilidad.

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
Leemos y obtenemos 0.6736.
P(Z ≤ 0,45) = 0,6736
−4 −2 0 2 4
Hallar la probabilidad P(Z > 1,24)
Como los valores obtenidos de las tablas so-

lo nos dan valores de izquierda a derecha y
la probabilidad que nos piden encontrar va
del valor hacia la derecha, debemos encon-
trar dicho valor y recordando que el área bajo
la curva es 1, empleamos:
P(Z > 1,24) =1 − P(Z ≤ 1,24)

=1 − 0,8925
=0,1075
−4 −2 0 2 4
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
Hallar la probabilidad P(0,5 ≤ Z ≤ 1,76)

P(0,5 ≤ Z ≤ 1,76) = P(Z ≤ 1,76) − P(Z ≤ 0,5)

De tablas
= 0.9608 − 0.6915
= 0,2693
−4 −2 0 2 4
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
.. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . .
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
La vida de un semiconductor láser a una potencia constante se distribuye normalmente con
media 7000 horas y desviación típica 600 horas. ¿Cuál es la probabilidad de que la vida del
láser esté entre 6280 y 7120 horas?
X: vida del semiconductor (en horas) ∼ N(7000; 600)

Tipificación:
X − 7000 6280 − 7000 7120 − 7000

Z= ∼ N(0; 1); = −1,2; = 0,2
600 600 600
P(6280 ≤ X ≤ 7120) = P(−1,2 ≤ Z ≤ 0,2)

= P(Z ≤ 0,2) − P(Z ≤ −1,2)
= 0,5793 − 0,1151
= 0,4642
Una máquina produce tornillos cuya longitud tiene una distribución normal de media 5 cm
y desviación típica 5 mm. No se pueden vender los tornillos que se desvíen 6 mm o más de
la media. De un lote de 500 tornillos, ¿Cuántos deben ser descartados para la venta?

X= longitud de los tornillos (en cm) ∼ N(µ = 5; σ = 0,5)

Un tornillo es apto para la venta si su longitud está en el intervalo (5 − 0,6; 5 + 0,6) =
(4,4; 5,6). La probabilidad que la longitud de un tornillo elegido al azar esté en este inter-
valo es:
4,4 − 5 5,6 − 5

P(4,4 < X < 5,6) = P <Z<
0,5 0,5
= P(−1,2 < Z < 1,2)
= P(Z < 1,2) − P(Z < −1,2)
= 0,8849 − 0,1151
= 0,7699
Por tanto, la probabilidad de que un tornillo elegido al azar no se pueda vender es

1 − 0,7699 = 0,2301. Es decir, el 23.01 % serán descartados para la venta.
13.3
1. Sea Z una variable aleatoria normal estándar, calcular las siguientes probabilidades y dibu-
jar las gráficas:
a) P(0 ≤ Z ≤ 2,17)
b) P(0 ≤ Z ≤ 1)
c) P(−2,5 ≤ Z ≤ 0)
d) P(−2,5 ≤ Z ≤ 2,5)
e) P(1,5 ≤ Z )
f) P(|Z | ≤ 2,50)
2. Si X es una variable aleatoria normal con promedio de 80 y desviación estándar de 10, hallar
las siguientes probabilidades mediante estandarización.
a) P(X ≤ 100)
b) P(65 ≤ X ≤ 100)
c) P(70 ≤ X )
3. Cierta máquina fabrica resistores eléctricos que tienen una resistencia media de 40 oh-
mios y una desviación estándar de dos ohmios. Supongamos que la resistencia sigue una
distribución normal y se puede medir con cualquier grado de precisión. ¿Qué porcentaje de
resistores tendrán una resistencia que exceda 43 ohmios?
4. Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media
µ = 40,1 cm y una desviación estándar de 0.2 cm. La medida óptima de tales tiras debe
ser de 40 cm con una tolerancia de más menos 0.5 cm. Suponiendo distribución normal.
5. Una pequeña ciudad es abastecida de agua cada dos días; el consumo del volumen de agua
para esa pequeña ciudad tiene distribución normal con media de 20000 litros y desviación

estándar de 1000 litros (se entiende el consumo cada dos días). Se trata de hallar la capa-
cidad de su tanque de agua para que sea de sólo 0.01, la probabilidad que en un periodo
de dos días el agua no sea suficiente para satisfacer toda la demanda.
6. Si la distribución del periodo de duración de los postes telefónicos de madera es tal que,
el 9.51 % tienen periodos de duración que exceden los 15 años y que el 62.55 % tiene
periodos de duración que exceden los 9 años, determinar la desviación estándar del periodo
de duración, si se sabe que la distribución de dichos periodos es normal.
7. La fábrica de neumático Firestone produce un tipo de neumáticos que tiene una vida útil
media de 80000 km, y una desviación estándar de 8000 km. Suponiendo que esta vida está
distribuido normalmente
a) ¿Cuál es la probabilidad de que un neumático dure más de 96000 km?

b) El 50 % de los neumáticos duran entre x1 y x2 kilómetros. Hallar los valores de x1 y x2 ,
si ellos son simétricos respecto a la media.
c) El fabricante garantiza que reemplazará gratis cualquier neumático cuya duración sea
inferior a x. determinar el valor dex de modo que tenga que reemplazar sólo el 1 % de
los neumáticos.
8. Suponga que el costo de consumo por persona en un restaurante se distribuye normal-

mente con una desviación estándar igual a $5. Si se sabe que el 15.87 % de los clientes
han pagado más de $15 y que 112 personas pagaron menos de $7.1, ¿Cuántas personas
comieron en el restaurante?
9. Una máquina expendedora de bebidas gaseosas se regula para que sirva un promedio de
200 mililitros por vaso. Si la cantidad de bebida se distribuye normalmente con una desvia-
ción estándar igual a 15 mililitros,
a) ¿qué fracción de los vasos contendrá más de 224 mililitros?

b) ¿cuál es la probabilidad de que un vaso contenga entre 191 y 209 mililitros?
c) ¿cuántos vasos probablemente se derramarán si se utilizan vasos de 230 mililitros
para las siguientes 1000 bebidas?
d) ¿por debajo de qué valor obtendremos el 25 % más bajo en el llenado de las bebidas?
10. La vida promedio de cierto tipo de motor pequeño es de 10 años, con una desviación es-
tándar de 2 años. El fabricante reemplaza gratis todos los motores que fallen dentro del
periodo de garantía. Si estuviera dispuesto a reemplazar sólo 3 % de los motores que fa-
llan, ¿cuánto tiempo de garantía debería ofrecer? Suponga que la duración de un motor
sigue una distribución normal
11. Si los diámetros de las chumaceras de una maquinaria están normalmente distribuidos con
una media de 0.6140 pulgadas y una desviación estándar de 0.0025 pulgadas, determinar
la probabilidad de que las chumaceras tengan diámetros:
a) Entre 0.610 y 0.618 pulgadas inclusivamente

b) Menor que 0.617 pulgadas.
c) Mayor que 0.608 pulgadas.
d) Igual que 0.615 pulgadas.

Quiero aprender más

1. Se hace una perforación cilíndrica en un molde y se coloca un pistón cilíndrico en la perfo-
ración. La holgura es igual a la mitad de la diferencia entre los diámetros de la perforación
y el pistón. El diámetro de la perforación se distribuye normalmente con media de 15 cm
y desviación estándar de 0.025 cm, y el diámetro del pistón se distribuye con media 14.88
cm y desviación estándar 0.015 cm. Determinar:

b) Determine la media de la holgura.
c) Determine la desviación estándar de la holgura.
d) ¿Cuál es la probabilidad de que la holgura mida menos de 0.05 cm?
e) Las especificaciones requieren que la holgura mida entre 0.05 y 0.09 cm. ¿Cuál es la
probabilidad de que la holgura satisfaga la especificación?
2. Una compañia que fabrica ventiladores de CPU sabe que el tiempo de vida (en meses) de
sus ventiladores se distribuye según una normal, de media igual a 18 meses y desviación
tipica 3.6 meses. Elegido un ventilador al azar:

b) Calcular la probabilidad de que funcione como mucho 16 meses.
c) Calcular la probabilidad de que funcione al menos un año.
d) Calcular la probabilidad de que funcione entre uno y dos años.

Tabla de distribución Normal estándar
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4.0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

Tabla de disribución Normal estándar
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-4.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.8 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.7 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.6 0.0002 0.0002 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

S01 - APUNTES DOCENTE EDyP

Cargado por

Información del documento

Descripción 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

S01 - APUNTES DOCENTE EDyP

Cargado por

Copyright:

Formatos disponibles

APUNTES DE ESTADÍSTICA DESCRIPTIVA Y

Miguel Felix Alvino

2. SEMANA 2: Organización de datos y elaboración de gráficos en Excel 15

3. SEMANA 3: Medidas de Tendencia Central 25

APUNTES DE CLASE UTP Sede AQP: 1

4. SEMANA 4: Autoevaluación para la PC2 34

5. SEMANA 5: Medidas de Dispersión 40

6. SEMANA 6: Medidas de Posición y de Forma 47

7. SEMANA 7: Autoevaluación para EXPA 54

9. SEMANA 9: Teorema de Bayes 66

10.SEMANA 10: Variable Aleatoria 72

11.SEMANA 11: Distribución Binomial y Poisson 77

12.SEMANA 12: Autoevaluación Para PC3 86

13.SEMANA 13: Distribución Normal 93

APUNTES DE CLASE UTP Sede AQP: 2

Al finalizar la sesión de aprendizaje el estudiante comprende la importancia de la estadís-

1.2.1. Estadística Descriptiva

APUNTES DE CLASE UTP Sede AQP: 3

estadísticas de centralidad y de variabilidad.

Recolección Crítica de Presentación Análisis e

1.2.2. Estadística Inferencial

Estimación por intervalos: Es la estimación del valor de un parámetro mediante un con-

Prueba de Hipótesis: Es el procedimiento estadístico de comprobación de una afirmación

2. Población Infinita: Es infinita si se incluye un gran conjunto de medidas y observaciones

APUNTES DE CLASE UTP Sede AQP: 4

Todos los ingenieros civiles de la ciudad de Arequipa.

400 ingenieros civiles de la ciudad de Arequipa.

1.3.3. Unidad de análisis

Un ingeniero civil de la ciudad de Arequipa.

Cualitativas: Si sus valores (modalidades) no se pueden asociar naturalmente a un número

• Nominales: si sus valores no se pueden ordenar.

APUNTES DE CLASE UTP Sede AQP: 5

• Discretas: solo toma valores enteros o aislados.

1.3.7. Valor estadístico o estimado

APUNTES DE CLASE UTP Sede AQP: 6

Población: Todos los grifos de la ciudad de Arequipa, que se de-

Población: Todas las revistas de Ingeniería

APUNTES DE CLASE UTP Sede AQP: 7

Población: Los habitantes de la región Arequipa en el mes de enero del

Definición 1: Escala Nominal

Definición 2: Escala Ordinal

APUNTES DE CLASE UTP Sede AQP: 8

Definición 3: Escala de Intervalo

Definición 4: Escala de Razón

a) Una muestra al azar de 50 recién nacidos en el hospital Honorio Delgado Espinoza

APUNTES DE CLASE UTP Sede AQP: 9

e) Una muestra aleatoria de 50 frascos conteniendo mermelada arroja un peso promedio

Un fabricante de medicamentos desea conocer la producción de personas cuya hiper-

a) Tiempo de llegada de 16 ondas sísmicas reflejadas

APUNTES DE CLASE UTP Sede AQP: 10

APUNTES DE CLASE UTP Sede AQP: 11

1.6.1. Fuentes para obtener datos

1.6.2. Técnicas para recopilar Datos

APUNTES DE CLASE UTP Sede AQP: 12

1.7.1. Planteamiento del Problema

1.7.3. determinación de la unidad de Investigación

1.7.4. Formulación de Hipótesis

1.7.5. Selección del método de investigación

1.7.6. Recopilación de Datos

APUNTES DE CLASE UTP Sede AQP: 13

1.7.7. Procesamiento de los datos

1.7.9. Generalización e inferencia estadística.

APUNTES DE CLASE UTP Sede AQP: 14