Todas Las Clases

Unidad # 1: Organización, presentación de datos
Tema 1: Introducción a la Estadística

DOCENTE: Graciela Abad Peña, PhD
Docente: Graciela Abad Peña, Ph.D. 2021
EVALUACIÓN DE LOS APRENDIZAJES DE LAS UNIDADES

BIBLIOGRAFÍA

¿Qué es la
Estadística?

"es el arte de hacer hablar a
los números"

2. FASE: Extracción de
conclusiones validas y toma de
decisiones razonables a partir
de ellos.
1. FASE: Organización y
análisis inicial de los datos
recogidos.

ESTADÍSTICA
Estadística Descriptiva Estadística Inferencial, o

o Deductiva Inductiva
Su misión es ordenar, describir y Se ocupa de los procesos de estimación,
sintetizar la información recogida. análisis y prueba de hipótesis, para la
Proporciona una manera visual directa toma de decisiones acerca de un grupo
de organizar la información (por lo general mayor, denominado población, partiendo
a través de cuadros, gráficos, cálculo de de la investigación realizada en un grupo
promedios, proporciones, varianzas de una o menor, conocido como muestra.
más variables relacionadas). Busca dar explicaciones al
Solo se limita a la descripción de un comportamiento de un conjunto de
conjunto de datos sin llegar a observaciones, probar la significación o
conclusiones o a generalizar con validez de los resultados, además, intenta
respecto a un grupo mayor. (FASE 1) descubrir las causas que lo originan.
(FASE 2)
Ej. Una universidad tiene 3000 profesores y desea conocer el ingreso
promedio; para ello selecciona 400 profesores y obtiene un ingreso medio
de 79.625 dólares. En base a esta información se pide:
a) Determinar el Universo.
b) Determinar la Población.
c) Determinar la Muestra.
d) Determinar el Parámetro.
e) Determinar el Estadístico.
f) Determinar la Unidad estadística.
g) Determinar el Dato.
Universo, lo constituye el conjunto de individuos o elementos que poseen

una característica común susceptible de ser medida.
a) El universo, está constituido por 3000 profesores de una universidad.
Población (N), es el conjunto de observaciones tomadas de los elementos
o individuos que componen el Universo.
b) La población está conformada por los ingresos de los 3000 profesores
de una universidad.
Infinita: cuando consta de ilimitado número de elementos.
Población Finita: cuando el número de elementos que la compone
es limitado.
Muestra (n), es el subconjunto de individuos u observaciones tomada del

Universo o de la Población.
c) La muestra la constituyen 400 profesores o el ingreso de los 400
profesores.
Observación, Dato o registro realizado, producto de la apreciación de una

característica en una unidad elemental.
Parámetro, es una característica de la Población. Es el resultado de la

manipulación de las observaciones de la Población, siendo en este caso
aproximado.
d) El Parámetro es 79.625 dólares y se considera aproximado porque se
obtuvo generalizando el resultado obtenido de la muestra.

Estadístico, es una característica de la muestra. Es el resultado de la
manipulación de las observaciones de la muestra, es considerado exacto.
e) El Estadístico es 79625 dólares exactos.
Unidad estadística, es cada uno de los individuos o elementos que
conforman el Universo y que está afectado por la característica o factor que
se quiere estudiar. (se puede corresponder a personas objetos o cosas).
Puede ser una entidad simple (una persona) o una entidad compleja (una
familia).
f) La unidad estadística es cada uno de los 3000 profesores de una
universidad.
Dato, es cada una de las observaciones tomadas de los individuos o

elementos que componen el Universo.
g) En este ejemplo el Dato lo constituye cada uno de los ingresos de los
tres mil profesores de una universidad.

Características (o caracteres): Corresponden a ciertos rasgos, cualidades
o propiedades que poseen los elementos que constituyen la población o la
muestra.
Ejemplo: Al elemento personas, puede corresponder la característica
profesión o salarios o edad.
Caracteres cuantitativos o Caracteres cualitativos o

variables, son caracteres atributos, se expresan
mensurables y se describen mediante palabras por no ser
numéricamente (estatura, peso, mensurables pero si
ingreso, valor, producción, ventas, cuantificables (profesión, cargo,
etc.) marcas, calidad, etc.).

1) Un profesor ha diseñado un programa de nivelación en
matemática para todos los 600 alumnos de nuevo ingreso. Para medir
la eficiencia del programa seleccionó aleatoriamente 30 alumnos de
los que tomaron el curso y les aplicó una prueba obteniendo un 80%.
En base a esta información se pide determinar:
a) Universo.
b) Población
c) Muestra.
d) Parámetro.
e) Estadístico
f) Unidad Estadística.
g) Dato.

2) En una fábrica de helados se producen 10 500 unidades
diariamente, para efectuar un control de calidad se analizan
(seleccionadas de manera aleatoria) 100 unidades de la producción
registrada en un día. El estudio consistió en comprobar la masa líquida,
consistencia del producto y la cantidad de unidades con problemas en las
etiquetas.
Identifique los valores estadísticos presentes el texto.

TEMA 2: Variables estadísticas. Las escalas o niveles de medición.

La medición, se define como la asignación de números a
objetos y eventos de acuerdo con ciertas reglas. (Stevens,
1958; Cohen y Cohen, 1975; Saris y Stronkhorst, 1984).
Una escala de medición es el conjunto de los posibles valores

que una cierta variable puede tomar.
Se distinguen cuatro escalas o niveles de medición:

nominal, ordinal, intervalos y escalas de proporción, cociente o
razón.
Escalas
numéricas
Escalas
categóricas
Para entender y usar apropiadamente las
diferentes técnicas del análisis estadístico,
es necesario identificar la escala de
medición correspondiente, ya que cada
escala tiene sus propiedades
matemáticas.
determinan
El análisis estadístico apropiado en

cada caso; esto, a su vez, requiere
conocer las propiedades del sistema
numérico
Las propiedades del sistema numérico asociadas con las
escalas de medición son: la identidad, magnitud, igual
intervalo y cero absoluto (Stevens, 1958):
Identidad: cada número tiene un significado particular.

Magnitud: los números tienen un orden inherente
ascendente o descendente.
Intervalos iguales: las diferencia entre números en
cualquier punto de la escala son las mismas (la diferencia
entre 10 y 20 es la misma que entre 100 y 110).
Cero absoluto: el punto cero en la escala de medición
representa la ausencia de la propiedad que se estudia.

▪ Los valores obtenidos en las observaciones, pueden ser
codificados mediante números, pero estos números no
tienen valor intrínseco, sino solo la de etiquetar (no
pueden ser ordenados o medidos).
▪ Los datos no poseen ningún orden y generan categorías
mutuamente excluyentes y exhaustivas.
▪ La única posible operación en esta escala es el conteo.
Ejemplos:
• Estado civil (Si se está determinando el estado civil de las personas,
este estado puede ser etiquetado como: casado(1), soltero(2),
divorciado (3), unión libre (4).
• Números asignados a corredores.

OBSERVACIÓN:
Las clases son excluyentes, un elemento o individuo
cualquiera de una de ellas no puede ser considerado en
otra.
Las clases son exhaustivas, todo elemento de la
población que se estudia, se puede ubicar en una de estas
clases.
Si para la variable que se mide solo se pueden definir dos
clases, con las características antes mencionadas, se dice
que la escala es "nominal dicotómica”. Ejemplo, estado de
salud de una persona (sano o enfermo).
Las variables con tres o más categorías se denominan
multicotómicas o policotómicas. Ejemplo, ocupación, etc.

▪ Las observaciones pueden colocarse en un orden relativo con
respecto a la característica que se evalúa, es decir, las categorías de
datos están clasificadas u ordenadas de acuerdo con la característica
especial que poseen.
▪ Las etiquetas o símbolos de las categorías sí indican jerarquía.
▪ En este tipo de escalas, los datos son mutuamente excluyentes (un
individuo o medición pertenece únicamente a una categoría), y
exhaustiva (cada individuo, objeto o medición, debe pertenecer,
obligatoriamente, a una cualquiera de las categorías).
Ejemplos:

▪ Incluye todas las características de la escala ordinal.
▪ Permite la comparación de las diferencias entre objetos.
▪ Las etiquetas o números consecutivos establecen intervalos iguales en la
medición (las distancias entre categorías son las mismas a lo largo de
toda la escala).
▪ La elección del cero (origen) puede hacerse de modo arbitrario. El cero
no representa la ausencia de la característica medida; representa un
punto conveniente del cual se marcan intervalos de igual magnitud para
construir la escala. (Si se consideran las calificaciones sobre 5 puntos, en
Estadística, de los estudiantes de Arquitectura, un estudiante que
obtenga 0 puntos en el examen no significa que sus conocimientos en
esa materia son nulos, es decir, el valor 0 no es absoluto —no indica, en
este caso, la ausencia total de conocimientos—.
▪ Dados dos valores consecutivos existen infinitos valores intermedios.
Ejemplos:
• Ubicación de una carretera respecto de un punto de referencia (km 85,
Ruta 5).
• Temperatura en grados Centígrados o Fahrenheit (excepto la medida en
grados Kelvin). Docente: Graciela Abad Peña, Ph.D. 2021
▪ Incluye todas las características de las escalas nominal, ordinal y de
intervalo, además de un punto fijo llamado cero.
▪ El cero es real, es absoluto, no es arbitrario. Es decir, el cero
representa la ausencia de la característica en cuestión.
▪ 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.
Ejemplos:
• Medición magnitudes físicas como: longitud, masa, intensidad de
corriente, peso, velocidad, etc.
• Estatura de las personas.

OBSERVACIONES
I. Tanto en la escala nominal, como en la ordinal, los
números utilizados no se "acompañan" de una unidad
de medida, por ello se dice que estas dos escalas
son «no métricas».
II. Las escalas de intervalos y de proporciones,
respectivamente, están caracterizadas por una unidad
de medida que es común para todas las categorías que
se definan en la variable, ello hace que a ellas se les
agrupe con la denominación de «escalas
métricas».

Ordinales:
• Las categorías de los datos son mutuamente excluyentes, es decir, un objeto o
individuo debe pertenecer a una de las categorías.
• Las categorías de datos están clasificadas u ordenadas de acuerdo con la
característica especial que poseen.
De intervalo:
• Las categorías son mutuamente excluyentes y exhaustivas (exhaustiva: un
individuo, objeto o medición debe pertenecer a una de las categorías).
• Las categorías están ordenadas de acuerdo con la cantidad de características que
posean.
• Diferencias iguales en la característica están representadas por diferencias iguales
en los números asignados a las categorías.
De razón:
• Las categorías son mutuamente excluyentes y exhaustivas (exhaustiva: un
individuo, objeto o medición debe pertenecer a una de las categorías).
• Las categorías están ordenadas de acuerdo con la cantidad de características que
posean.
• Diferencias iguales en la característica están representadas por diferencias iguales
en los números asignados a las categorías.
• El punto cero refleja la ausencia de esta característica.
Ejemplo: A los niños de un grupo con determinados
trastornos se les podría clasificar atendiendo a diferentes
aspectos y habría que utilizar por tanto diferentes escalas
según corresponda
Clasificación según: Escala
El tipo de insuficiencia que Nominal

presenten
El grado en que presentan la Ordinal.
insuficiencia.
Su temperatura en grados Intervalo.
Celsius.
Su peso en kilogramos. De razón.

TIPOS DE VARIABLES
VS.
ESCALAS DE MEDICIÓN

Ejemplo:
VARIABLE ESCALA TIPO DE

VARIABLE
Género Nominal Cualitativa
Edad Razón Cuantitativa
continua
Temperatura Intervalo Cuantitativa
continua
Nivel educativo Ordinal Cuasi-cuantitativa
Calificaciones Intervalo Cuantitativa

continua
Cantidad de Razón Cuantitativa
hermanos discreta

1) Indica que variables son cualitativas y cuáles
cuantitativas:
Tipo de cubierta.
Rama de la arquitectura que te gusta.
Número de goles marcados por tu equipo favorito en la
última temporada.
Número de alumnos de tu carrera.
Tipos de planos arquitectónicos.
Coeficiente intelectual de tus compañeros de clase.
Número de habitantes en determinada región o en un país.
El sexo de un grupo de personas.
La preferencia por un determinado estilo arquitectónico.
La edad de una persona
La calidad de un diseño.
Longitud del terreno de la casa.
Campo laboral de los arquitectos.
2) En un estudio se mide la “profundidad de suelo”,
¿qué tipo de variable estadística es? a) Discreta b)
Continua c) Cualitativa
3) De las siguientes variables indica cuáles son

discretas y cuales continuas.
a) Número de personas que trabajan en una empresa
dedicada a la construcción.
b) Temperaturas registradas cada hora en un observatorio.
c) Tiempo de secado del concreto.
d) Presupuesto para un proyecto de edificación de una
vivienda.
e) Número de estudiantes que se especializan en
arquitectura cada año, en la UG.
f) Área de patios y jardín exterior.
4) Clasificar las siguientes variables en cualitativas y
cuantitativas discretas o continuas.
a) La nacionalidad de una persona.

b) Área de construcción.
c) Número de litros de agua contenidos en un depósito.
d) Número de libros en un estante de librería.
e) Suma de puntos tenidos en el lanzamiento de un par de
dados.
f) La profesión de una persona.
g) El área de las distintas baldosas de un edificio.
h) Número de dormitorios.
i) Área del terreno sobre el que está ubicada su casa.

5) Identifica cuáles de los siguientes casos representa
una variable estadística discreta y cuáles una variable
estadística continua .
a) Tiempo que puede durar cualquier proceso.
b) Cantidad de alumnos de un grupo, de un grado o de
una escuela.
c) Estatura de un grupo de personas.
d) Cantidad de libros de una biblioteca.
e) Número de viajes realizados por un bus.
f) Cantidad de lluvia caída en una región en una época o
un tiempo determinado.
6) En un estudio estadístico se observó el tiempo que

toma en llegar a su lugar de trabajo desde su lugar de
residencia.
Determine cuál es el elemento de observación, cuál es la
variable de estudio y de qué tipo es.
7) Para cada una de las siguientes variables diga en que
escala de medición está descrita:
a) Sexo en: varón y hembra.
b) Estatura en centímetros.
c) Niveles socioeconómicos medidos en: clase baja, media y alta.
d) El tamaño de la familia por número de componentes.
e) Dificultad en la Estadística en uno, dos, tres,...
f) El color de los ojos de los estudiantes de la carrera de Arquitectura .
g) Cédula de identidad de los alumnos de Diseño.
h) Altura en metros sobre el nivel del mar de los diferentes poblados de
Quito.
i) Distancias existentes entre diferentes ciudades de un estado respecto a
la capital.
j) Tiempo de secado (en horas) de cierta marca de pintura esmaltada.
k) Tiempos empleados en contestar un examen de Estadística.

8) Diga la escala de medida en que están las respuestas al
siguiente cuestionario:
a. ¿Cuál es su nombre?
b. ¿Qué edad tiene?
c. ¿Cuántos hermanos tiene?
d. ¿Qué semestre estudia?
e. ¿Cuál es su cociente intelectual?
f. ¿Cuál es su ingreso?
g. ¿Cuál fue su nota promedio en el bachillerato?
h. ¿Cuál es el nivel de estudio de sus padres?
i. ¿Cuál es su ocupación?
j. ¿Cuántas horas diarias, en promedio, dedica usted a sus estudios?
k. ¿Cuál es la distancia entre su casa y la facultad?

9) ¿Qué tipo de escala es la más adecuada para realizar la
medición en cada uno de los siguientes casos?
a) Lugar de nacimiento del arquitecto Kevin Roche.
b) Número de hoteles de la ciudad.
c) Satisfacción con un determinado producto.
d) Propietario de un inmueble.
e) Escalafón de los profesores de la UG.
10) Supón que se obtiene la siguiente información de José

Pérez, de su solicitud para la inscripción por traslado, a la UCQ:
a) Lugar de residencia: Guayaquil, Guayas.
b) Universidad de procedencia: UG.
c) Carrera que cursa: Arquitectura.
d) Opción: Diseño.
e) Estado Civil: Soltero.
f) Número de Cédula de Identidad: 0962498413
Clasifique cada una de las respuestas de acuerdo al nivel de medición o
escala.
11) Completa la tabla
Variable Tipo de Escala Categorías o valores

variable que puede tomar la
variable.
Calidad
Número de
pisos
Altura de la
casa
Género

12) Una empresa cuenta con 85 trabajadores y se
quiere realizar un estudio basado en los siguientes
índices:
Nivel cultural de los trabajadores.

Cantidad de ausencias de cada trabajador durante el año.
Tiempo, en horas, que invierte cada trabajador para llegar a
la fábrica.
Organización de los trabajadores por turnos de trabajo
Calidad en la consistencia de los helados fabricados en una
jornada laboral.
Temperatura del lugar donde se almacenan las materias
primas.
Identifica la variable estadística, describe los valores que puede
tomar y determina cuál es la escala de medición en cada caso.
Te puedes auxiliar de la siguiente tabla.

13) Diga cuál es continuo y cuál discreto de los datos
dados a continuación:
a) Número de varones en cada 100 familias.
b) Tiempo de secado (en horas) de cierta marca de pintura
esmaltada.
14) Describa los valores que puede tomar la variable y

diga en qué tipo de escala se puede realizar su medición.
a) Sexo de cada alumno de un grupo.
b) Cantidad de estudiantes en un grupo.
c) Calificación de un alumno en una prueba.
d) Estado de salud de los alumnos de un grupo.
e) El peso de cada alumno de un grupo.
f) Aceptación de un cierto método de estudio por los
alumnos de un grupo.

TEMA 3: Datos estadísticos. Frecuencias estadísticas.

DATOS ESTADÍSTICOS
Son hechos/informaciones y cifras que

se recogen, analizan y resumen para su
presentación e interpretación.

DATOS CUALITATIVOS
Cuando la observación de la variable se hace sobre una

cualidad, como por ejemplo el sexo, el estado civil, estilos
arquitectónicos, tipos de diseño.
Datos binarios Datos categóricos

(dicotómicos) (multicotómicos)

DATOS CUALITATIVOS
Datos binarios (dicotómicos), no se pueden expresar numéricamente y
representan una cualidad o atributo que clasifica a cada sujeto en una de
varias categorías.
Ej. a) sano/enfermo. b) fumador/no fumador.
Datos categóricos (multicotómicos), existe un número acotado pero

mayor de dos de valores posibles. Las categorías pueden ser a su vez:
Nominales: no existe un orden inherente entre las categorías.
Ej. Diseño arquitectónico: moderno, románico, victoriano, Art Decó.
Ordinales: los valores posibles de los datos tienen un orden, precedencia

o jerarquía; generalmente se expresan como escalas:
Ej. Para una pregunta como: “Por favor exprese la importancia del diseño en
la gestión de proyectos ”, una escala Likert tendrá las siguientes opciones
que están codificadas a 1,2,3,4 y 5 (números).

DATOS CUANTITATIVOS
Cuando la observación que se hace de la variable puede ser

expresada en términos numéricos, pueden medirse o
cuantificarse (como la edad, el peso, la talla, el número de
hijos).
Datos cuantitativos Datos cuantitativos

continuos discretos

DATOS CUANTITATIVOS
Datos cuantitativos continuos

Existe un continuo de valores posibles de la variable, que no
se restringe a valores enteros (aunque pueden ser reducidos
a valores enteros –discretos- por aproximación). Los valores
se “miden” en vez de contarse.
Ej. Edad.
***La mayoría de las veces, al analizarlas en un grupo de
individuos, estas variables se expresan en términos del valor
promedio de la variable en el grupo: Promedio de edad: 25,3
años.

DATOS CUANTITATIVOS
Datos cuantitativos discretos

No admiten valores intermedios. Se enumeran (cuentan) más
que se “miden”. Suelen tomar solamente valores enteros
(número de hijos, cantidad de puertas, número de riostras
estructurales, etc).
***La mayoría de las veces, al analizarlas en un grupo de

individuos, estas variables se expresan también en términos
del valor promedio de la variable en el grupo.

DATOS CRONOLÓGICOS:
Cuando los valores de los datos varían en diferentes instantes o
períodos de tiempo, los datos son reconocidos como cronológicos.
Ejemplo:
Al registrar los promedios de notas de los estudiante del paralelo
3/9 en los diferentes semestres.
DATOS GEOGRÁFICOS:
Cuando los datos están referidos a una localidad geográfica.

Ejemplo: El número de estudiantes de educación superior en las
distintas regiones del país.

Presentación escrita: Esta forma de presentación de
informaciones se usa cuando una serie de datos incluye
pocos valores; mediante la forma escrita, se resalta la
importancia de las informaciones principales.
Presentación tabular: Cuando los datos estadísticos se
presentan a través de un conjunto de filas y de columnas
que responden a un ordenamiento lógico; constituye la
forma más exacta de presentar las informaciones.
Presentación grafica: Proporciona al lector o usuario
mayor rapidez en la comprensión de los datos, una grafica
es una expresión artística usada para representar un
conjunto de datos.

TABLA ESTADÍSTICA
Tabla de frecuencias (o distribución de frecuencias) Recoge de

forma resumida el conjunto de datos resultantes de la observación de
una variable en un colectivo o muestra de n individuos.
Elementos de una tabla de frecuencias

1. Tabla de frecuencias con los valores de la variable sin agrupar
(variable discreta): ❖ Ni, frecuencia absoluta
❖fi,
❖ni, frecuencia relativa, es del la
Xi, frecuencia
❖ acumulada valoreshasta deabsoluta
el valor
la xi,
variable,
proporción
valor en tanto por uno de
es𝐧𝐢 elxi,
recoge esuno
numero
cada elde
denumero
elementos
los valores
𝐟elementos
𝐢 =para de de elementos xi. parapara
laX≤muestra los
𝐧 los que
observados de X ordenados de
que,
los
menor X=xi.
Ni =que n1a + XnLa suma
2=+
mayor. ⋯ +La
xi. de
n i−todas
1 + nlas
suma ide
frecuencias relativas (fi)absolutas
todas las frecuencias es igual
aes igual
1 a( nσ(𝐤𝐢=𝟏
σ𝐤𝐢=𝟏
𝐟= 𝐧𝐢𝟏)= 𝐧) (si se
multiplican las frecuencias
❖ Fi, frecuencia relativa acumulada hasta xi,
N es
= nla proporción
relativas por 100 sedeobtienen
elementos los
𝐢 1 1
para los que𝑋 ≤ 𝑥𝑖 Fi =σ𝐣=𝟏 𝐟𝐣 N 2 = n1 + n2 = F 1 +porcentajes).
n2
Si las
correspondientes frecuencias relativas
𝑁1
❖ F1 = f1 = N3acumuladas
= n1 + n2 +senmultiplican
3 = F 2 + n3
por 100
𝑛 se obtiene los porcentajes
𝑁2
❖ F2 = f1 + f2 = F1 + f2 = … acumulados.
𝑛 Docente: Graciela Abad Peña, Ph.D. 2021
Interpretacion de las columnas de la tabla:
❖ 𝐱 𝐢, valores de la variable, recoge cada uno de los valores observados de X
ordenados de menor a mayor.
❖𝐧𝐢, frecuencia absoluta del valor 𝐱𝐢 , es el numero de elementos de la
muestra para los que 𝐗 = 𝐱𝐢 . (es el número de veces que aparece un
determinado valor en un estudio estadístico). La suma de todas las 𝐧𝐢 es
igual a n (σ𝐤𝐢=𝟏 𝐧𝐢 = 𝐧)
𝐧
❖𝐟𝐢 , frecuencia relativa, es la proporción en tanto por uno 𝐟𝐢 = 𝐢 de
𝐧
elementos para los que, 𝐗 = 𝐱 𝐢 . La suma de todas las frecuencias relativas
(𝐟𝐢 ) es igual a 1 (σ𝐤𝐢=𝟏 𝐟 = 𝟏) (si se multiplican las 𝐟𝐢 por 100 se obtienen los
correspondientes porcentajes).
❖ 𝐍𝐢, frecuencia absoluta acumulada hasta el valor xi, es el numero de

elementos para los que X ≤ xi. Ni = n1 + n2 + ⋯ + ni − 1 + ni = σij=1 nj
N1 = n1 N2 = n1 + n2 = N1 + n2 N3 = n1 + n2 + n3 = N2 + n3
❖ 𝐅𝐢, frecuencia relativa acumulada hasta xi, es la proporción de elementos
para los que X ≤ xi … Fi =σ𝐢𝐣=𝟏 𝐟𝐣 Si las 𝐅𝐢 se multiplican por 100 se
N1 N2 obtiene los porcentajes
F1 = f1 = F2 = f1 + f2 = F1 + f2 = … acumulados.
n n
Ejemplo 1: Tabla de frecuencias variable discreta.
Dada la distribución siguiente, constrúyase una tabla estadística en la
que aparezcan las frecuencias absolutas, las frecuencias relativas y las
frecuencias absolutas y relativas acumuladas.
𝐱𝐢 1 2 3 4 5 6
𝐧𝐢 5 7 9 6 7 6
Tabla de frecuencias:
𝐗 𝐢 , valores de la
𝐅𝐢,, frecuencia
frecuencia absoluta
relativa
𝐱𝐱𝐢𝐢 𝐧
𝐧𝐢𝐢 𝐟𝐢 𝐍
𝐍𝐢𝐢 𝐅𝐢 𝐍
variable
𝐢
acumulada
acumulada
1 5 0,125 5 0,125 𝐧𝐢 , frecuencia absoluta
2 7 0,175 12 0,300 N1 = n1
𝑁
N𝐟12𝐢 ,==frecuencia
F
𝑛
relativa
fn1 1=+ n12 = N 1 + n2
3 9 0,225 21 0,525 … 𝑁
F2 = f1 + f2 = F1 + f2 = 2
4 6 0,15 27 0,600 𝑛
…
5 7 0,175 34 0,850
n1 n2
6 6 0,15 40 1 f1 = f2 =
n n
40 1 …

Ejemplo 2: Tabla de frecuencias variable discreta.
Supongamos que se tiene una población constituida por 2000 cajas y deseamos examinarlas
con el fin de determinar el número de piezas o elementos defectuosos que contiene cada caja.
Por diferentes razones, se desea que la investigación no sea exhaustiva, es decir, no examinar
la totalidad de las 2000 cajas o universo sino, por el contrario, seleccionar una muestra de
tamaño 30, correspondiente a una investigación parcial.
N = 2000
n = 30
*Los resultados obtenidos en esta estudio, se pueden representar, mediante el siguiente
conjunto de datos:
x1=3 x2=2 x3=0 x4=2 x5=3 x6=3 x7=1 x8=1 x9=0 x10=1 x11=3 x12=3
x13=4 x14=4 x15=3 x16=2 x17=4 x18=2 x19=4 x20=2 x21=4 x22=4 x23=0 x24=1
x25=3 x26=4 x27=2 x28=3 x29=1 x30=2
Donde, “𝐱 𝟏”, representa la primera caja examinada y “3”, el número de piezas defectuosas
encontradas en ella y así sucesivamente.
¿Es posible el ordenamiento o la clasificación de estos datos?
Tabulación o Procesamiento de datos

Tabulación o Procesamiento de datos
Número Número de
N = 2000 de piezas cajas
n = 30 0 3
x1=3 x2=2 x3=0 x4=2 x5=3 x6=3 1 5

x7=1 x8=1 x9=0 x10=1 x11=3 x12=3 2 7
x13=4 x14=4 x15=3 x16=2 x17=4 x18=2 3 8
x19=4 x20=2 x21=4 x22=4 x23=0 x24=1
x25=3 x26=4 x27=2 x28=3 x29=1 x30=2 4 7
Σ 30
En la Tabla se puede interpretar que:

En la muestra de 30 cajas encontramos 3 de ellas sin piezas defectuosas; 5 cajas con 1; 7
cajas con 2; 8 cajas con 3; y 7 con 4 piezas defectuosas.
O se puede interpretar en términos porcentuales.

O sea, el 13% de las cajas examinadas no tenían piezas defectuosas, que el 17% tenían una;
que el 23%, dos; el 27%, tres; y el 20% con cuatro piezas o unidades defectuosas.

Tabla de frecuencias
X
Xii nnii fii Nii Fii
0 3 O,1 3 0,1
1 5 0,17 8 0,27
2 7 0,23 15 0,5
3 8 0,27 23 0,77
4 7 0,23 30 1
30 1
𝐗 𝐢 , valores de la variable 𝐟𝐢 , frecuencia relativa

(ordenados de mayor a
n1 3
menor) f1 = = = 0,1
n 30
𝐧𝐢 , frecuencia absoluta
n2 5 𝐅𝐢, frecuencia relativa
𝐍𝐢, frecuencia absoluta f2 = = = 0,17 acumulada
acumulada n 30
… F1 = f1 = 0,1
N1 = n1 =3 F2 = f1 + f2 = 0,1+0,17=0,27
N2 = n1 + n2 = N1 + n2 = 3+5 = 8 …
𝐍𝟑= n1 + n2 +n3 = N2 + n3 = 3+5+7 =15
TEMA 3.1: Distribuciones y tabla de frecuencias
para datos continuos.
.DOCENTE: Graciela Abad Peña, PhD
DATOS CUANTITATIVOS
Cuando la observación que se hace de la variable puede ser

expresada en términos numéricos, pueden medirse o
cuantificarse (como la edad, el peso, la talla, el número de
hijos).
Datos cuantitativos
Datos cuantitativos
discretos
continuos
No admiten valores intermedios. Se Existe un continuo de valores

enumeran (cuentan) más que se posibles de la variable, que no se
“miden”. Suelen tomar solamente restringe a valores enteros. Los
valores enteros (número de hijos, valores se “miden” en vez de
cantidad de puertas, número de riostras contarse.
estructurales, etc).
TABLA ESTADÍSTICA
Tabla de frecuencias (o distribución de frecuencias) Recoge de

forma resumida el conjunto de datos resultantes de la observación de
una variable en un colectivo o muestra de n individuos.
Elementos de una tabla de frecuencias

1. Tabla de frecuencias con los valores de la variable sin agrupar
(variable discreta): ❖ Ni, frecuencia absoluta
❖fi,
❖ni, frecuencia relativa, es del la
Xi, frecuencia
❖ acumulada valoreshasta deabsoluta
el valor
la xi,
variable,
proporción
valor en tanto por uno de
es𝐧𝐢 elxi,
recoge esuno
numero
cada elde
denumero
elementos
los valores
𝐟elementos
𝐢 =para de de elementos xi. parapara
laX≤muestra los
𝐧 los que
observados de X ordenados de
que,
los
menor X=xi.
Ni =que n1a + XnLa suma
2=+
mayor. ⋯ +La
xi. de
n i−todas
1 + nlas
suma ide
frecuencias relativas (fi)absolutas
todas las frecuencias es igual
aes igual
1 a( nσ(𝐤𝐢=𝟏
σ𝐤𝐢=𝟏
𝐟= 𝐧𝐢𝟏)= 𝐧) (si se
multiplican las frecuencias
❖ Fi, frecuencia relativa acumulada hasta xi,
N es
= nla proporción
relativas por 100 sedeobtienen
elementos los
𝐢 1 1
para los que𝑋 ≤ 𝑥𝑖 Fi =σ𝐣=𝟏 𝐟𝐣 N 2 = n1 + n2 = F 1 +porcentajes).
n2
Si las
correspondientes frecuencias relativas
𝑁1
❖ F1 = f1 = N3acumuladas
= n1 + n2 +senmultiplican
3 = F 2 + n3
por 100
𝑛 se obtiene los porcentajes
𝑁2
❖ F2 = f1 + f2 = F1 + f2 = … acumulados.
𝑛 Docente: Graciela Abad Peña, Ph.D. 2021
Los siguientes datos representan la cantidad de tiempo
expresado en minutos que se demoraron 36 clientes en ser
atendidos en un banco local.
25 10 34 20 17 20 13 15 34 30
15 19 17 12 18 24 18 19 20 11
19 20 19 12 13 20 21 18 8 15
30 25 32 15 16 25
¿Cómo hacer un estudio estadístico (tabla de distribución de
frecuencias) cuando se está trabajando con una variable
cuantitativa y se tienen más de 30 datos y más de 8
respuestas?.
se debe hacer un estudio de variable cuantitativa continua o

trabajo por rangos
Paso 1. Ordenar los datos de menor a mayor
Paso 2. Hallar el rango o amplitud: Es la diferencia entre el
dato mayor y el dato menor. R = Vmax – Vmin
Paso 3. Hallar número de intervalos  int =1 + 3,33 x log n (n,
es tamaño de la muestra)
Paso 4. Calcular el ancho de clase C
R
C=
 int
Paso 5. Determinar las frecuencias absolutas de cada

categoría.
Paso 6. Calcular, si es necesario, las demás frecuencias

Paso 1. Ordenar los datos de menor a mayor.
25 10 34 20 17 20 13 15 34 30
15 19 17 12 18 24 18 19 20 11
19 20 19 12 13 20 21 18 8 15
30 25 32 15 16 25
8 10 11 12 12 13 13 15 15 15
15 16 17 18 18 18 18 19 19 19
19 20 20 20 20 20 21 24 25 25
25 30 30 32 34 34
Paso 2. Hallar el rango o amplitud; es decir, la diferencia entre

el dato mayor y el dato menor. R = Vmax - Vmin
- Vm +
R = 34 – 8 = 26
R VM

Paso 3. Hallar  de intervalos  int =1 + 3,33 x log n
Tamaño de la muestra
 int =1 + 3,33 x log 36 = 1+ 3,33 x 1,5563= 6,18  7

porque es información
Paso 4. Calcular el ancho de clase C
R 26
C= C = = 3,71  4
 int 7

 Lim Lim 𝐗𝐢
int inf sup Xi , marca de clase o
1 (Vmin) (Lim.inf+C) (8+12):2=10 promedio de los limites
8 8+4=12
lim inf + lim sup
2 Vmin+C 16 14 Xi =
12 2
3 16 20 18
4 20 24 22
5 24 28 26
6 28 32 30
7 32 36 34

 int Lim Lim 𝐗𝐢 𝐧𝐢 Frecuencia absoluta 𝐧𝐢 , (número
inf sup
de veces que se repite un suceso)
1 8 12 10
para hallarla, se trabaja bajo los
3
conceptos de Intervalo abierto y
2 12 16 14 8 cerrado (Lim inf; lim sup
3 16 20 18 10
(8; 11,99999……𝑛1 = 3
4 20 24 22 6 (12; 15,99999……𝑛2 = 8
5 24 28 26 4 (16; 19,99999…...𝑛3 = 10
(20; 23,99999……𝑛4 = 6
6 28 32 30 2 (24; 27,99999……𝑛5 = 4
7 32 36 34 3 (28; 31,99999……𝑛6 = 2
(32; 36……… … … . 𝑛7 = 3
36
8 10 11 12 12 13 13 15 15 15
15 16 17 18 18 18 18 19 19 19
19 20 20 20 20 20 21 24 25 25
25 30 30 32 34 34
 int Lim Lim 𝐗𝐢 𝐧𝐢 𝐟𝐢
inf sup
1 8 12 10 3 0,0833
2 12 16 14 8 0,2222
3 16 20 18 10 0,2777
4 20 24 22 6 0,1666
5 24 28 26 4 0,1111
6 28 32 30 2 0,0555
7 32 36 34 3 0,0833
36

 int Lim Lim 𝐗𝐢 𝐧𝐢 𝐟𝐢 𝒉𝐢
inf sup
1 8 12 10 3 0,0833 8,33
2 12 16 14 8 0,2222 22,22
3 16 20 18 10 0,2777 27,77
4 20 24 22 6 0,1666 16,66
5 24 28 26 4 0,1111 11,11
6 28 32 30 2 0,0555 5,55
7 32 36 34 3 0,0833 8,33
36
 Li Lim 𝐗𝐢 𝐧𝐢 𝐟𝐢 𝐡𝐢 𝐍𝐢
int m sup
inf
1 8 12 10 3 0,0833 8,33 3
2 12 16 14 8 0,2222 22,22 11
3 16 20 18 10 0,2777 27,77 21
4 20 24 22 6 0,1666 16,66 27
5 24 28 26 4 0,1111 11,11 31
6 28 32 30 2 0,0555 5,55 33
7 32 36 34 3 0,0833 8,33 36
36
La frecuencia absoluta acumulada de una categoría o clase

i-ésima
N1 = n1 ; N2 = n1 + n2 = N1 + n2 Docente: Graciela Abad Peña, Ph.D. 2021
 Lim Lim 𝐗𝐢 𝐧𝐢 𝐟𝐢 𝐡𝐢 𝐍𝐢 𝐅𝐢
int inf sup
𝐍𝟏
1 8 12 10 3 0,0833 8,33 3 0,0833 𝐅𝟏 =
𝐧
𝟑
2 12 16 14 8 0,2222 22,22 11 0,3055 𝐅𝟏 = = 𝟎, 𝟎𝟖𝟑𝟑
𝟑𝟔
3 16 20 18 10 0,2777 27,77 21 0,5833
𝐍𝟐
4 20 24 22 6 0,1666 16,66 27 0,75 𝐅𝟐 =
𝐧
𝟏𝟏
5 24 28 26 4 0,1111 11,11 31 0,8611 𝐅𝟐 = = 𝟎, 𝟑𝟎𝟓𝟓
𝟑𝟔
6 28 32 30 2 0,0555 5,55 33 0,9166

𝐍𝟑
𝐅𝟑 =
7 32 36 34 3 0,0833 8,33 36 1 𝐧
𝟐𝟏
𝐅𝟐 = = 𝟎, 𝟓𝟖𝟑𝟑
36 𝟑𝟔

 Lim Lim 𝐗 𝐢 𝐧𝐢 𝐟𝐢 𝐡𝐢 𝐍𝐢 𝐅𝐢
int inf sup
1 8 12 10 3 0,0833 8,33 3 0,0833
2 12 16 14 8 0,2222 22,22 11 0,3055
3 16 20 18 10 0,2777 27,77 21 0,5833
4 20 24 22 6 0,1666 16,66 27 0,75
5 24 28 26 4 0,1111 11,11 31 0,8611
6 28 32 30 2 0,0555 5,55 33 0,9166
7 32 36 34 3 0,0833 8,33 36 1
36
De 8 a 12 min que promedia 10 min esperaron 3 personas,

que representan un 0, 0833 de proporción que es el 8, 33%
del total que son 36 personas Docente: Graciela Abad Peña, Ph.D. 2021
PROPIEDADES DE LAS FRECUENCIAS
La suma de las frecuencias absolutas es igual a “n”.

Las frecuencias relativas son siempre valores
fraccionarios.
La suma de las frecuencias relativas es igual a “1”.
El último valor de las frecuencias absolutas acumuladas
es igual a “n”.
El último valor correspondiente a las frecuencias relativas
acumuladas debe ser igual a “1”.

1) Se le pidió a un grupo de personas que indiquen su color
favorito, y se obtuvo los siguientes resultados:
negro azul amarillo rojo azul
azul rojo negro amarillo rojo
rojo amarillo amarillo azul rojo
negro azul rojo negro amarillo
Con los resultados obtenidos, elaborar una tabla de frecuencias.

2) Durante el mes de julio, en una ciudad se han
registrado las siguientes temperaturas máximas:
32; 31; 28; 29; 33; 32; 31; 30; 31; 31; 27; 28;
29; 30; 32; 31; 31; 30; 30; 29; 29; 30; 30; 31;
30; 31; 34; 33; 33; 29; 29
a) Crea la tabla de frecuencias, esta debe tener cada dato,
sus frecuencias absolutas, frecuencias acumuladas,
frecuencias relativas y frecuencias relativas acumuladas.

3) En una tienda de autos, se registra la cantidad de autos
Toyota vendidos en cada día del mes de Setiembre.
0; 1; 2; 1; 2; 0; 3; 2; 4; 0; 4; 2; 1; 0; 3; 0; 0; 3; 4; 2; 0; 1; 1; 3; 0;
1; 2; 1; 2; 3
Con los datos obtenidos, elaborar una tabla de frecuencias.

3) Completar los datos que faltan en la siguiente tabla
estadística:
𝐱𝐢 𝐧𝐢 𝐍𝐢 𝐟𝐢
1 4 0,08
2 4
3 16 0,16
4 7 0,14
5 5 28
6 38
7 7 45
8

4) Las notas de 35 alumnos en el examen final de
estadística, calificado del 0 al 10, son las siguientes:
0; 0; 0; 0; 1; 1; 1; 1; 2; 2; 2; 3; 3; 3; 3; 4; 4; 4; 4;
5; 5; 5; 5; 6; 6; 6; 7; 7; 7; 8; 8; 8; 9; 10; 10.
Con los datos obtenidos, elaborar una tabla de frecuencias con
5 intervalos o clases.
5) Los pesos de los 65 empleados Peso 𝐧𝐢

de una compañía vienen dados [50, 60) 8
por la siguiente tabla: [60, 70) 10
Crea su respectiva tabla de frecuencias. [70, 80) 16
[80, 90) 14
[90, 100) 10
[100, 110) 5
[110, 120) 2

6) Una tienda en línea registra el tiempo que tarda la empresa de
correos en hacer llegar su mercadería a los clientes. Los tiempos en
días registrados son los siguientes:
2 7 10 16 19
22 6 25 5 20
13 32 13 29 18
20 13 6 12 35
Con los datos obtenidos, elaborar una tabla de frecuencias.
7) Un grupo de atletas se está preparando para una maratón

siguiendo una dieta muy estricta. A continuación, viene el peso en
kilogramos que ha logrado bajar cada atleta gracias a la dieta y
ejercicios.
0,2 8,4 14,3 6,5 3,4
4,6 9,1 4,3 3,5 1,5
6,4 15,2 16,1 19,8 5,4
12,1 9,6 8,7 12,1 3,2
Elaborar una tabla de frecuencias con dichos valores.
8) Los pesos de los 65 empleados de una compañía
vienen dados por la siguiente tabla:
Peso 𝐧𝐢
[50, 60) 8
[60, 70) 10
[70, 80) 16
[80, 90) 14
[90, 100) 10
[100, 110) 5
[110, 120) 2
Crea su respectiva tabla de frecuencias.

TEMA 4: Representación gráfica de datos estadísticos.

¿Cuáles son las
distintas manera de
representar los
datos?
Presentación escrita
Presentación tabular
Presentación grafica

REPRESENTACIÓN GRÁFICA DE DATOS ESTADÍSTICOS
PARA VARIABLE CUALITATIVA
Si el resultado de observación de un elemento de la muestra es una

cualidad o atributo no medible, la variable de estudio es una variable
cualitativa.
Las representaciones gráficas más usuales para variables
cualitativas son:
❖ Diagrama de rectángulos.
❖ Diagrama de sectores
❖ Pictograma
❖ Perfil ortogonal
❖ Cartograma
❖ Perfil radial Docente: Graciela Abad Peña, Ph.D. 2021

Diagrama de rectángulos
Es una representación cartesiana, en la que en el eje Ox figuran las
distintas modalidades o atributos y en el eje de ordenadas los valores de
las correspondientes frecuencias, levantando rectángulos de áreas
proporcionales a las frecuencias absolutas. Los rectángulos tendrán de
base la unidad y de altura la frecuencia absoluta de cada valor.
Los rectángulos no tienen porque ir solapados.
Ejemplo: Supongamos que en una
determinado evento cultural se anotan el
número de personas que asistieron entre,
niños, jóvenes, adolescentes y adultos, cuyo
recuento ha sido el siguiente:
Niños (N): 7
Jóvenes (J): 10
En Ox clasificación por grupo
Adolescentes (A): 23 etario y en Oy los valores
numéricos.
Adultos (Ad): 11
Diagrama de sectores
Se utilizan para mostrar los datos que mejor se analizan
mediante la comparación de la parte al todo.
Por lo tanto, lo mejor es crear fracciones antes de construir el
gráfico circular. Cada fracción de la gráfica circular
representa a un sector del círculo.
Construcción:
Se divide el área de un círculo en sectores circulares de

ángulos proporcionales según el valor de las frecuencias
relativas.
Para calcular la amplitud del ángulo que va a corresponder a
cada uno de los sectores se multiplica la frecuencia relativa
correspondiente al dato que se analice por 360°.
EJEMPLO:
Frecuencia Frecuencia
Clases Porcentaje
absoluta relativa
Alemán 5 0.125 12.5
Español 9 0.225 22.5
Francés 11 0.275 27.5
Inglés 13 0.325 32.5
Ruso 2 0.050 5.0
Total 40 1.000 100.0
Gráfico de sectores
5% 5
• 360 = 45
12% Alemán 40
Español ó
33% Francés
22%
Inglés
Ruso
0,125 • 360 = 45
28%

Pictogramas
Son una representación gráfica que utiliza un dibujo alusivo a la
distribución estudiada. La altura del dibujo ha de ser proporcional a la
frecuencia.
Otra forma de representación es tomar un dibujo estándar, repitiéndolo un
número de veces proporcional a la frecuencia.
Los pictogramas deben comparar magnitudes relativas, ya que un
aumento no proporcional en el tamaño del objeto puede dar una
impresión no correcta.
Por ejemplo, si queremos representar

que el paralelo A tiene una acrílica y el
paralelo B tiene dos y representamos
en el paralelo A una pizarra y en el
paralelo B dos estaría bien
representado, pero si ponemos en el
paralelo A una pizarra y en el paralelo
B una pizarra con el doble del tamaño,
no estaríamos representando dos
pizarras sino cuatro.
Perfil ortogonal
Es una representación utilizada frecuentemente en Pedagogía y
Psicología. Se representan en Ox las distintas modalidades y en
ordenadas los valores de esas modalidades.
Ejemplo:
Las calificaciones de un estudiante de la carrera de Arquitectura han sido
las siguientes: 5 en Matemática, 4 en Dibujo, 3 en Física, 8 en Estadística,
7 en Urbanismo y 6 en Dibujo Técnico. Representar su perfil ortogonal.

Cartograma
Se usan, entre otros, en estudios geográficos y ecológicos. Es una
representación del carácter estudiado sobre mapas. Las distintas
modalidades que adopta el carácter se representan sobre el mapa con
distintos colores o colores de distinta intensidad, o con distintos
punteados.
Ejemplo:
En el siguiente cartograma
observamos la urbanización
en el mundo atendiendo a
la industrialización:

Perfil radial
Consiste en tomar un punto cualquiera como punto de partida y a partir de
él trazar tantos radios como modalidades se tengan, todos ellos formando
ángulos de la misma amplitud. Sobre estos resultados se toma una
distancia al centro proporcional a la frecuencia de cada modalidad.
Uniendo los puntos extremos obtenidos, se obtiene un polígono cerrado
que es el perfil radial.
Ejemplo:
Dibujar el perfil radial correspondiente
al anterior ejercicio (calificaciones de
un estudiante de la carrera de
Arquitectura : 5 en Matemática, 4 en
Dibujo, 3 en Física, 8 en Estadística, 7
en Urbanismo y 6 en Dibujo Técnico. )

REPRESENTACIÓN GRÁFICA DE DATOS ESTADÍSTICOS
PARA VARIABLE CUANTITATIVA DISCRETA
Si el resultado de observación de un elemento de la muestra es una

cualidad o atributo no medible, la variable de estudio es una variable
cualitativa.
Las representaciones gráficas más usuales para variables
cuantitativas discretas son:
❖ Diagrama de barras
❖ Polígono de frecuencias
❖ Diagrama de barras acumulativo

Diagrama de barras
Se dibujan un par de ejes cartesianos. En el eje de abcisas se toman los
distintos valores de la variable y en el de ordenadas las frecuencias.
Cada valor de la variable y su correspondiente frecuencia, constituye
una pareja de números, a los que corresponde en el plano un punto,
habiendo tantos puntos como valores tome la variable.
Para dar mayor visibilidad al gráfico se acostumbra a representar la

ordenada de cada punto mediante una línea gruesa o barra, de ahí su
nombre.
Como las frecuencias son siempre positivas, el gráfico sólo requiere los
cuadrantes I y II del plano. Habitualmente el gráfico de barras aparece
en el primer cuadrante.
Según se utilicen frecuencias absolutas o frecuencias relativas, se

obtendrá el diagrama de barras absoluto o relativo.
Obtenemos un conjunto de barras verticales cuya suma de longitudes

debe ser n (tamaño de la muestra) o dependiendo de si las frecuencias
representadas son absolutas o relativas.
Polígono de frecuencias
Uniendo los extremos superiores de las barras en el diagrama de barras,
se obtiene una línea quebrada abierta que recibe el nombre de polígono
de frecuencias.
Si el polígono se ha construido sobre un diagrama en el que se han

utilizado frecuencias absolutas, lo llamaremos polígono de frecuencias
absolutas. Si se trabajó con frecuencias relativas obtendremos el
polígono de frecuencias relativas.

Diagrama de barras acumulativo
La representación de las frecuencias acumuladas correspondiente a una
variable discreta, se efectúa de la siguiente manera:
Sobre el eje de abscisas se llevan los valores de la variable y sobre el

eje de las ordenadas, los valores de las frecuencias acumuladas
(absolutas o relativas). Se levantan barras de altura igual a la frecuencia
y por el extremos superior de cada barra se trazan paralelas al eje de
abscisas, hasta cortar a la barra siguiente. se obtiene así una
representación escalonada, cuya justificación se debe a que entre cada
dos valores consecutivos de la variable, las frecuencias acumuladas
permanecen invariables. A este gráfico se le conoce como diagrama de
barras acumulativo.

Ejemplo:
Las notas de 86 estudiantes de una asignatura de la carrera de
Arquitectura han sido las siguientes:
0: 2 alumnos
1: 3 alumnos
2: 5 alumnos
3: 7 alumnos
4: 11 alumnos
5: 23 alumnos
6: 15 alumnos
7: 9 alumnos
8: 7 alumnos
9: 3 alumnos
10: 1 alumno
Construir los siguientes gráficos:
1) Diagrama de barras
2) Polígono de frecuencias
3) Diagrama de barras acumulativo

Para construir el diagrama de barras
colocaremos en Ox la nota obtenida y
en Oy el número de estudiantes.
El polígono acumulado de
frecuencias también se puede
representar como un área
sombreada, eligiendo si lo hacemos
con un programa un gráfico de áreas.
Para construir el diagrama de barras

acumulativo, a cada dato de las
ordenadas (nº de estudiantes) se
sumará el anterior.

GRÁFICOS PARA VARIABLES AGRUPADAS EN
INTERVALOS DE CLASE
Cuando la variable aleatoria toma muchos valores distintos y hay muchas
observaciones, es conveniente agrupar los valores de la variable en
intervalos de clase. Los gráficos que se utilizan más en este caso son:
a) Histograma
b) Polígono de frecuencias
c) Polígono acumulativo de frecuencias

Histograma
Los histogramas permiten representar una distribución por

medio de barras; de ahí que son formas especiales de
diagramas de barras para distribuciones cuantitativas
continuas.
La altura de la barra está en función de la frecuencia (eje y)
y el rango (eje x) de una variable continua.
Nos ofrece una visión general del comportamiento de las
variables, donde logramos analizar aspectos como
distribución, dispersión, aleatoriedad y tendencia.
Generalmente el histograma se usa con variables
continúas, aunque también se trabaja con variables
discretas.
Construcción:
EJEMPLO:

Histograma de frecuencias: se sitúan en el eje horizontal los
intervalos de clase y sobre cada uno se levanta un rectángulo
de área proporcional a la frecuencia absoluta.
(a) Si todos los intervalos tienen la misma amplitud, entonces
basta con hacer los rectángulos con una altura igual a la
frecuencia absoluta o relativa:

(b) Si los intervalos tienen distinta amplitud, la construcción
del histograma presenta una importante variación. Una vez
marcados sobre el eje horizontal los extremos de los
intervalos, hay que calcular la altura de los rectángulos de
forma que su área sea igual o proporcional a la frecuencia
absoluta del intervalo.
Ejemplo: Sea la siguiente distribución de frecuencias:
Intervalo Frecuencia absoluta

[0; 3] 11
(3; 5.5] 10
(5.5; 6.5] 2
(6.5; 8] 1
(8; 10] 1

La fórmula del área de un rectángulo es A=(bxa) y también se
considera que los rectángulos del histograma van a tener un
área igual a la frecuencia absoluta.
Por ejemplo, para averiguar la altura del primer rectángulo:
Ar =axb Ar = 11 a=3
Sust. 11/3 = 3.6667.
Del segundo rectángulo: 10/2.5 = 4, del tercero: 2/1 = 2, del
cuarto: 1/1.5 = 0.6667, del quinto: 1/2 = 0.5.
Se obtiene la siguiente histograma:

Polígono de frecuencias
Esta representación consiste en una gráfica de líneas,

dibujada en función del punto medio de los intervalos. Se
sigue el mismo procedimiento que para los histogramas pero
las frecuencias se marcan en los puntos medios de cada
intervalo de clase y no en sus límites, uniendo los puntos
consecutivamente.

Polígono acumulativo de frecuencias
Al agrupar los valores de la variable en intervalos de clase, se supone que

los valores se distribuyen uniformemente en dicho intervalo. Este supuesto
de repartición uniforme hace que en la acumulación, a medida que se
recorren los intervalos de la variable X dentro de un intervalo, la frecuencia
acumulada va creciendo de un modo lineal o rectilíneo. Se obtiene así una
lineal poligonal que empieza en 0 y acaba en n.
Para facilitar la representación podemos fijarnos en que si los intervalos

tienen la misma amplitud, uniendo los extremos derechos de los
rectángulos que componen el histograma de frecuencias acumuladas, se
obtiene el polígono acumulativo.
En caso de que los intervalos no tengan la misma amplitud, seleccionamos

los puntos en el plano haciendo corresponder al extremo superior de cada
intervalo la frecuencia acumulada correspondiente al ese intervalo.
Obtenemos así una línea poligonal que partirá de cero a la que
llamaremos polígono acumulativo de frecuencias.

Ejemplo:
Sabiendo que los salarios por hora en dólares de 50 personas que tuvo
que contratar una empresa para un determinado trabajo fueron los
siguientes:
(USD/h) Nº personas
0-10 21 Construir el polígono
10-20 12 acumulativo de
20-30 11 frecuencias.
30-40 4
40-50 2
Paso 1: construir una tabla, en la

que figuren los intervalos, la marca
de clase o punto medio de cada
intervalo, la frecuencia absoluta y
la frecuencia acumulada absoluta
que se calculará sumando a cada
una la anterior.

Para construirlo en una hoja de cálculo sirve un diagrama X-Y,
apareciendo en Ox la marca de clase y en Oy la frecuencia
acumulada

2) La gráfica muestra la cantidad de estudiantes
participantes en una olimpiada de Matemática,
Español e Historia.
40 37
30
25
participantes
20
20
10
0
E M H
asignaturas
a) Identifica el tipo de gráfica que representa los datos.

b) ¿Cuántos estudiantes más participaron en Matemática que en Historia?
c) ¿Cuántos estudiantes en total asistieron al concurso?
d) El porcentaje de estudiantes participantes en el concurso de matemática
fue: 37% 80% 96,25% 91,15%
3) Se observan 33 alumnos y se clasifican según la
insuficiencia que presentan en A, B, C, D, G, W y se
obtienen los resultados siguientes:
A,A,B,W,B,G,A,B,B,B,G,D,D,C,C,W,W,C,C,B,A,W,C,
G,G,B,B,C,G,C,B,G,W
Construya con estos datos:
a) Una distribución de frecuencias.
b) Las frecuencias relativa y porcentual.
c) Las gráficas de barras y circular.

4) Se observan las calificaciones de 40 estudiantes
en la asignatura Estadística, que resultaron ser,
según la lista:
R,M,E,E,M,M,R,B,M,M,B,B,B,B,B,E,B,B,R,R,
R,E,B,B,B,R,B,B,R,M,E,B,B,R,R,B,B,R,R,R
(donde M es Mal; R es Regular; B es Bien y
E es Excelente)
a) Construya una distribución de frecuencias.
b) Calcule las frecuencias relativas,
acumulativas.
c) Confeccione el histograma y la gráfica circular.

5) Construir un histograma de frecuencias con los
datos correspondientes al consumo de agua, en
metro cúbicos, registrados en la tabla

Unidad # 2: Medidas de tendencia central, medidas de dispersión,
asimetría y curtosis.
Tema 1: Medidas de centralización

ESTADÍGRAFOS O MEDIDAS DE RESUMEN
permiten
Hallar un valor numérico, el mismo que representa a toda la

población o muestra en el estudio
 Medidas de  Medidas de dispersión

tendencia central a. Rango
a. Media aritmética b. Desviación media
b. Media ponderada c. Desviación estándar
c. Mediana d. Varianza
d. Moda e. Coeficiente de variación
 Medidas de  Medidas de forma
tendencia no central a. Asimetría
a. Deciles b. Curtosis o apuntamiento
b. Cuartiles
c. Percentiles
Estas medidas se estudiarán en dos formas:

1. Datos no agrupados.
2. Datos agrupados en una tabla de frecuencias.
 MEDIDAS DE TENDENCIA CENTRAL
Una medida de tendencia central es un valor único que resume un

conjunto de datos, señalando el centro de los valores.
a) Media aritmética, es la medida de tendencia central que más se utiliza

en Estadística, se calcula sumando todos los valores de las
observaciones y se divide por el total de las mismas.
Características
• Es una medida totalmente numérica o sea sólo puede calcularse en
datos de características cuantitativas.
• En su cálculo se toman en cuenta todos los valores de la variable.
• Es lógica desde el punto de vista algebraico.
• La media aritmética es altamente afectada por valores extremos.
• No puede ser calculada en distribuciones de frecuencia que tengan
clases abiertas.
• La media aritmética es única, o sea, un conjunto de datos numéricos
tiene una y solo una media aritmética.
• Esta medida es muy útil para analizar y comparar dos o más
poblaciones.
Media aritmética con datos no agrupados
La media aritmética poblacional y muestral de datos no agrupados, es la
suma de todos los valores de la población o muestra, dividido por el número
total de los datos.
x1, …, xi: valores de datos
σ 𝐱𝐢 n: número de datos o elementos de la muestra
𝐱ത =
𝐍 σ 𝐱 𝐢 : indica que es la sumatoria total de los valores
de 𝑥.
𝐱𝟏 + ⋯ 𝐱𝒊 σ 𝐱𝐢
𝐱ത = = N: indica el número total de elementos de la
𝐧 𝐧 población.
Ejemplo: 1) Los siguientes datos corresponden a la vida en horas de trabajo

de una muestra de seis dispositivos electrónicos. 820, 940, 940, 952, 964, 970
820+940+940+952+964+970
𝐱ത = = 845,43 ≈ 845
6
Ejemplo: 2) Las edades de un equipo titular de básquet de la liga ecuatoriana
es: 22, 28, 19, 25 y 26.
a) ¿Esta información es una muestra o una población?

Media aritmética con datos agrupados
Si los datos están agrupados en intervalos, la expresión de la media aritmética,
es la misma, pero utilizando la marca de clase (𝐗 𝐢 ).
Donde Xi 
lim inf  lim sup
σ 𝐗 𝐢 𝐧𝐢
𝐱ത = 𝐍
(Fórmula poblacional ni: frecuencia absoluta 2
Xi : marca de clase
se representa por 𝐱ത o μ)
𝐧𝐢 : las frecuencias absolutas.
𝐱ത = 𝐧 (Fórmula muestral) N: población
n: muestra
Ejemplo: La siguiente tabla de frecuencia corresponde al Estatura ni 𝐗𝐢

registro de la estatura en in. de 100 estudiantes varones de (in.)
un colegio, a los que se les realiza un chequeo médico.
Determina la estatura media de los estudiantes. 60 - 62 5 61
63 - 65 18 64
𝐱ത = 66 - 68 42 67
𝐧
𝟔𝟏 ∗ 𝟓 + 𝟔𝟒 ∗ 𝟏𝟖 + 𝟔𝟕 ∗ 𝟒𝟐 + 𝟔𝟗 ∗ 𝟐𝟕 + 𝟕𝟑 ∗ 𝟖 𝟔𝟕𝟏𝟖 69 - 71 27 69
𝐱ത = = ≈ 𝟔𝟕, 𝟏𝟖
𝟏𝟎𝟎 𝟏𝟎𝟎 72 - 74 8 73
100
Rpta/ La estatura media de los estudiantes es de 67,18in.
Media ponderada
En ocasiones es necesario la obtención de una media aritmética de
variables cuyos valores observados tienen distinta importancia y por tanto se
deben ponderar de distinta manera para obtener la media. En este sentido
se realizan modificaciones, una de ellas es la media ponderada en la cual
se asigna distintos pesos a las observaciones.
En la media ponderada, cada observación tendrá una ponderación (peso)
𝐰𝐢 que representa el número de veces que un valor de la variable es más
importante que otro. Se determina mediante la fórmula: σ𝐧𝐢=𝟏 𝒙𝐢 𝐰𝐢
𝐌𝐩 =
σ𝐧𝐢=𝟏 𝐰𝐢
Ejemplo: El dueño de una constructora compró cajas de porcelanato
Español Europeo para pisos a tres diferentes proveedores. El primero le
vendió 12 cajas a 13,73 dólares cada una, el segundo 20 cajas a
12.80 dólares cada una y a un tercero proveedor le compraron un lote de 90
cajas a 11.50 dólares. ¿Cuál es el precio promedio que ha pagado el dueño
de la constructora por cada caja de porcelanato?
𝟏𝟐 ∗ 𝟏𝟑, 𝟕𝟑 + 𝟐𝟎 ∗ 𝟏𝟐, 𝟖𝟎 + 𝟗𝟎 ∗ 𝟏𝟏, 𝟓𝟎
𝐌𝐩 = = 𝟏𝟏, 𝟗𝟑
𝟏𝟐 + 𝟐𝟎 + 𝟗𝟎
Rpta/ El precio promedio que ha pagado el dueño de la constructora por cada caja
de porcelanato fue de 11, 93 dólares. Docente: Graciela Abad Peña, Ph.D. 2021
La mediana (Me)
La mediana de un conjunto finito de valores, es aquel valor que divide al
conjunto en dos partes iguales, de forma que el número de valores mayor
o igual a la mediana es igual al número de valores menores o igual a estos.
Su aplicación se ve limitada ya que solo considera el orden jerárquico de los
datos y no alguna propiedad propia de los datos, como en el caso de la
media.
Mediana de datos no agrupados

Criterios necesarios para calcular la mediana:
1) Se requiere es ordenar los datos en forma ascendente o descendente,
cualquiera de las ordenaciones conducen al mismo resultado.
O sea: 𝐱 𝟏 , 𝐱 𝟐 , ⋯ , 𝐱 𝐧.
2) Si la serie tiene un número impar de medidas, entonces la mediana es
la puntuación central de la misma.
3) Si la serie tiene un número par de medidas, entonces la mediana es la
media aritmética entre las dos puntuaciones centrales.

Ejemplo: Un estudio de la altura (en centímetros) de 10
estudiantes de un grupo es:
165, 170, 175, 173, 169, 183, 171, 176, 172, 170
Las alturas del ejemplo se agrupan alrededor de 172.4cm.

Este valor es la media.
𝐱𝟏 + ⋯ 𝐱 𝐱 σ𝐧𝐢=𝟏 𝐱𝐢
𝐱ത = =
𝐧 𝐧
Tenemos dos datos centrales: 171 y 172 (el quinto y el

sexto) Los sumamos y dividimos:
165, 169, 170, 170, 171, 172, 173, 175, 176, 183.

Mediana de datos agrupados
Cuando los datos se encuentran agrupados en una distribución de
frecuencia, no conocemos los datos originales, por lo tanto es necesario
estimar la mediana mediante los siguientes pasos:
𝐧 𝐍
1) Calcular el valor o , según se trate.
𝟐 𝟐
2) Localizar el intervalo de clase donde se encuentra la mediana
(intervalo mediano). Esto se hace encontrando el primer intervalo de
𝐧
clase donde la frecuencia acumulada es igual o mayor que .
𝟐
3) Aplicar la siguiente fórmula de la mediana para datos agrupados con
respecto al intervalo mediano.
Fórmula de la mediana
Donde:
para una población.
𝐍 Me: Mediana
−𝐍𝐢−𝟏
Me= 𝐋𝐢𝐧𝐟−𝟏 + 𝟐
. (ai ) 𝐋𝐢𝐧𝐟−𝟏 : Límite inferior de la clase de la mediana.
𝐧𝐢
N: Tamaño de la población
n: Tamaño de la muestra
Fórmula de la mediana 𝐚𝐢 : Amplitud del intervalo de clase 𝐚𝐢 =𝐋𝒔𝒖𝒑-𝐋𝒊𝒏𝒇 )
para una muestra. 𝐍𝐢−𝟏 : Frecuencia acumulada anterior a la clase de la 𝐌𝐞.
𝐧
−𝐍𝐢−𝟏 𝐧𝐢 : Frecuencia absoluta de la clase de la mediana.
𝟐
𝐌𝐞 = 𝐋𝐢𝐧𝐟−𝟏 + .(ai )
𝐧𝐢
Ejemplo: Las estaturas en cm de una muestra de 50 estudiantes de una
Facultad, matriculados en un determinado período académico, arrojaron los
resultados que se muestran en la tabla. Determine la mediana de la estatura
en centímetros de los estudiantes. Completando la tabla para la
Intervalo de 𝐗𝐢 ni Solución aplicación de la fórmula, tenemos
estaturas 1) Seleccionar fórmula de Intervalo 𝐗𝐢 ni 𝐍𝐢
[150 - 156) 153 10 la mediana para una de
muestra. estaturas
[156 - 162) 159 6
𝐧
−𝐍𝐢−𝟏 [150 - 156) 153 10 10
[162 - 168) 165 6 𝐌𝐞 = 𝐋𝐢−𝟏 + 𝟐
. (ai ) …(1)
𝐧𝐢 [156 - 162) 159 6 16
[168 - 174) 171 11
𝐧 50 [162 - 168) 165 6 22
[174 - 180) 177 9 2) Hallar = = 𝟐𝟓
𝟐 2
3) Completar la tabla con los 𝐍𝐢 *[168 - 174) 171 11 33
[180 - 166) 183 8
[174 - 180) 177 9 42
5) Determinar 𝑳𝒊𝒏𝒇−𝟏 o sea, el límite inferior de la clase de la mediana [180 - 186) 183 8 50
(Li−1 = 168)
6) Determinar 𝐍𝐢−𝟏: Frecuencia acumulada anterior a la clase de la 𝐌𝐞 (Ni−1=22)
7) Determinar 𝐧𝐢 : Frecuencia absoluta de la clase de la mediana (ni=11).
8) Determinar 𝐚𝐢 : Amplitud del intervalo de clase (ai =Lsup -Linf = 6)
9) Sustituir y calcular en (1) 𝐌 = 168 + 25−22*6 = 168 +1,64 = 169,64
𝐞 11
Rpta/ La mediana de la estatura de los estudiantesDocente:

es de 169,64cm
Graciela Abad Peña, Ph.D. 2021
La moda (Mo)
La moda es el valor de la variable que tiene mayor frecuencia absoluta o
la que más se repite.
Características
• Es la única medida de centralización que tiene sentido estudiar en
una variable cualitativa, pues no precisa la realización de ningún
cálculo.
• En su determinación no se incluyen todos los valores de la
variable.
• El valor de la moda puede ser afectado grandemente por el
método de designación de los intervalos de clases.
• Puede ser calculada en distribuciones de frecuencia que tengan
clases abiertas.
• No es afectada por valores extremos.

Moda de datos no agrupados
Mo = 𝐧𝐢 máxima
𝐧𝐢 máxima, quiere decir que es la de mayor frecuencia absoluta
Tipos de moda
1. Unimodal. La moda es única.
2. Polimodal. La moda puede no ser única, pues puede haber dos o más
valores de la variable que tengan la misma frecuencia, siendo esta
máxima; en cuyo caso se tendrá una distribución bimodal o polimodal
según el caso.
Ejemplo 1): Determinar la moda del siguiente conjunto de datos:
1, 2, 3, 3, 4, 5, 6, 7, 7, 3, 1, 9, 3.
Solución
Para mayor facilidad, si se ordena de manera ascendente los datos:
1, 1, 2, 3, 3, 3, 3, 4, 5, 6, 7, 7, 9.
Se identifica que el elemento que más se repite es 3 ∴ Mo= 3

La moda del conjunto de datos es igual a 3 por lo que se considera
unimodal.

Ejemplo 2): Determinar la moda del siguiente conjunto de datos:
1, 2, 3, 4, 4, 5, 2, 1, 3, 4, 2, 3, 4, 6, 3, 3, 4.
Solución
Para mayor facilidad, si se ordena de manera ascendente se tiene:
1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5, 6
Se identifica los elementos que más se repite, por lo cual las modas de
este conjunto de datos son 3 y 4, ya que ambas tienen la más alta
frecuencia y se determina que es bimodal.

Moda de datos agrupados
Para determinar la moda de datos agrupados se debe utilizar intervalos
con igual amplitud.
𝐧𝐢 −𝐧𝐢−𝟏
𝐌𝐨 = 𝐋𝐢𝐧𝐟−𝟏 + (𝐚𝐢 )
𝐧𝐢 −𝐧𝐢−𝟏 +(𝐧𝐢 −𝐧𝐢+𝟏 )
Donde
𝐧𝐢 es la frecuencia absoluta
ni-1 es la frecuencia absoluta anterior al
intervalo modal.
ni+1 es la frecuencia absoluta siguiente al
intervalo modal.
𝐧𝐢 − 𝐧𝐢−𝟏 es la frecuencia de la clase de la
modal 𝐧𝐢 menos la frecuencia anterior 𝐧𝐢−𝟏 .
𝐧𝐢 − 𝐧𝐢+𝟏 es la frecuencia de la clase de la
moda 𝐧𝐢 menos la frecuencia posterior (𝐧𝐢+𝟏 ).
𝒂𝐢 es la amplitud del intervalo de clase,
𝒂𝐢 = 𝐋𝒔𝒖𝒑 − 𝐋𝒊𝒏𝒇
𝐋𝐢𝐧𝐟−𝟏 , límite inferior de la clase de la modal.
Rpta/ La moda de edad de losGraciela

Docente: estudiantes es dePh.D.
Abad Peña, 25 años
2021
Ejemplo: La edad de 2175 estudiantes de una Facultad, matriculados en un
determinado periodo, arrojaron los resultados siguientes que se presentan en la
siguiente tabla. Calcula la moda de edad en años de los estudiantes.
Intervalo de 𝐧𝐢 Solución
edades 1) Seleccionar fórmula de la mediana para determinar la moda.
ni −ni−1
[18 - 28) 1146 Mo = Li−1 + (ai ) … (1)
ni −ni−1 +(ni −ni+1 )
[28 - 38) 573 2) Determinar el intervalo que tiene mayor frecuencia absoluta (𝐧𝐢 ), que
[38 - 48) 291 se llama clase de la moda. [18 - 28)
3) Hallar 𝐧𝐢 − 𝐧𝐢−𝟏 (frecuencia de la clase de la modal 𝐧𝐢 menos la
[48 - 58) 113
frecuencia anterior 𝐧𝐢−𝟏 (que en este caso es cero pq no hay frecuencia
Mas de 57 52 anterior. (1146 – 0 =1146).
4) Hallar 𝐧𝐢 − 𝐧𝐢+𝟏 (frecuencia de la clase de la moda 𝐧𝐢 menos la frecuencia posterior (𝐧𝐢+𝟏)
(1146 – 573= 573)
5) Hallar la amplitud 𝐚𝐢 (es la diferencia de lo límites de clase o sea, 𝐋𝒔𝒖𝒑 −𝐋𝒊𝒏𝒇 (28-18= 10)
5) Determinar 𝐋𝐢𝐧𝐟−𝟏 , límite inferior de la clase de la modal (Linf = 18)
6) Sustituir y calcular en (1)
1146 1146
Mo = 18 + *(10) = 18 + ∗ (10) = 18 + 0,6666 (10) = 18 + 6,666 ≈ 25
1146+573 1719
Rpta/ La moda de edad de los estudiantes es de 25 años

Ejemplo 1):
Del conjunto de datos: 22; 49; 4; 16; 49; 90; 91; 15; 17; 9
Hallar:
a) Q 1 b) D 3 c) P 20
Posición 3
I. Ordenar de menor a mayor 4; 9; 15; 16; 17; 22; 49; 49; 90; 91
Posición1 Posición 10
kn 1  10 10
a) Q 1 Posición : Posición :   2,5  3 Q 1 = 15
4 4 4
kn 3  10 D3 =15
b) D3 Posicion  Posicion  3
10 10
Posición 
kn 20  10
c) P20 Posición  2 P20 =9
100 100

Ejemplo: 2) Divida en cuartiles el conjunto de notas de 10 alumnos:
8,5 7,0 5,2 4,8 7,3 7,4 9,9 3,0 9,5 7,9
I. Ordenar de menor a mayor

3,0 4,8 5,2 7,0 7,3 7,4 7,9 8,5 9,5 9,9
Min Max
Mediana = Q 2 =7,35
Q 1 =5,2 Q 3 =8,5
Esto significa que el 25% tienen 5,2 o están por debajo de 5,2; el 50 %
tiene 7,35 o menos y el 75 % tiene 8,5 o menos.
También se puede interpretar que el 25 % tiene 8,5 o más, el 50 %
tiene 7,35 o más y el 75 % tiene 5,2 o más.
Cuartiles, Deciles y Percentiles para datos agrupados en intervalos
La tabla muestra las edades de 60 personas
Inter. Edades 𝐧𝐢 𝐍𝐢
a) Determinar el cuartil 3.
b) Determinar el decil 2.
[30,35) 3 3 c) Determinar el percentil 55.
[35,40) 7 10 Solución
[40,45) 12 22 a) Determinar el cuartil 3 (Q3).
𝐤𝐧
−𝐍𝐢−𝟏
[45,50) 23 45 𝐐𝐱 = 𝐋𝐢𝐧𝐟 + 𝒂𝒊 𝟒
…(1)
𝐍𝐢 −𝐍𝐢−𝟏
[50,55) 14 59
𝐤𝐧 Donde:
[55,60] 1 60 1. Determinar la posición: k, número d cuartil a determinar
𝟒
n, tamaño de la muestra
60 𝟑∗𝟔𝟎 𝟏𝟖𝟎
Q3 : posición: = =45
*Para calcular cuartiles, 𝟒 𝟒
deciles y percentiles 2. Buscar la posición 45 en 𝐍𝐢

solo se trabaja con
Como el # que representa la posición del Q3, o sea
frecuencia absoluta y
45, se encuentra directamente en 𝐍𝐢 , o sea 𝐍𝟒 =45
frecuencia absoluta
acumulada 𝐋𝐢𝐧𝐟
⇒ Q3 = 𝐋𝐬𝐮𝐩 = 𝟓𝟎 (teniendo en cuenta que en el [45,50)
𝐋𝐬𝐮𝐩
Inter. Edades 𝐧𝐢 𝐍𝐢 b) Determinar el decil 2 (D2)
[30,35) 3 3 𝐤𝐧
1. Determinar la posición:
[35,40) 7 10 𝟏𝟎
[40,45) 12 22 𝐤𝐧 𝟐∗𝟔𝟎
D2 : posición: = =12
𝟏𝟎 𝟏𝟎
[45,50) 23 45
2. Buscar la posición 12 en 𝐍𝐢
[50,55) 14 59
*Como el # que representa la posición del D2, o sea
[55,60] 1 60 12, no está directamente en 𝐍𝐢 ⇒ deberá estar entre
60 𝐍𝟐 =10 y 𝐍𝟑 =22
𝐤𝐧
−𝐍𝐢−𝟏
∴ para hallar el D2 que aplicar la fómula 𝐃𝐱 = 𝐋𝐢𝐧𝐟 + 𝒂𝒊 𝟏𝟎
…(2)
Donde:
𝐍𝐢−𝟏 , frecuencia anterior a 12 (como 12 está entre 𝐍𝟐 =10 y 𝐍𝟑 =22 ⇒
𝐍𝐢−𝟏 =10)
𝐍𝐢 , frecuencia posterior a 12 (como 12 está entre N2 =10 y N3 =22 ⇒ 𝐍𝐢 =22)
𝐋𝐢𝐧𝐟 , se busca en el intervalo de la frecuencia posterior o sea en Ni =22
∴ 𝐋𝐢𝐧𝐟 =40
𝐚𝐢 =𝐋𝒔𝒖𝒑 -𝐋𝒊𝒏𝒇 (en el intervalo de la frecuencia posterior donde 𝑁𝑖 =22) ⇒
a i =40-45=5 𝐤𝐧
− 𝐍𝐢−𝟏 𝟏𝟐−𝟏𝟎 𝟐𝟒𝟓
∴ Sust. en (2) 𝐃𝐱= 𝐋𝐢 + 𝐚𝐢 𝟏𝟎 ⇒ 𝐃𝟐 = 𝟒𝟎 + 𝟓 = = 𝟒𝟎, 𝟖𝟑
𝐍𝐢 − 𝐍𝐢−𝟏 𝟐𝟐−𝟏𝟎 𝟔
Inter. Edades 𝐧𝐢 𝐍𝐢 c) Determinar el percentil 55 (P55)
[30,35) 3 3 𝐤𝐧
1. Determinar la posición:
[35,40) 7 10 𝟏𝟎𝟎
𝐤𝐧 𝟓𝟓∗𝟔𝟎
[40,45) 12 22 P55 : posición: = = 𝟑𝟑
𝟏𝟎𝟎 𝟏𝟎𝟎
[45,50) 23 45
2. Buscar la posición 33 en 𝐍𝐢
[50,55) 14 59
[55,60] 1 60 *Como el # que representa la posición del P55, o sea
33, no está directamente en 𝐍𝐢 ⇒ deberá estar entre
60
𝐍𝟑 =22 y 𝐍𝟒 =45
𝐤𝐧
−𝐍𝐢−𝟏
∴ para hallarlo hay que aplicar la fómula 𝐏𝐱 = 𝐋𝐢𝐧𝐟 + 𝐚𝐢 𝟏𝟎
…(3)
Donde:
𝐍𝐢−𝟏 , frecuencia anterior a 33 (como 33 está entre N3 =22 y N4 =45 ⇒ 𝐍𝐢−𝟏 =22)
𝐍𝐢 , frecuencia posterior a 33 (como 33 está N3 =22 y N4 =45 ⇒ 𝐍𝐢 =45)
𝐋𝐢𝐧𝐟 , se busca en el intervalo de la frecuencia posterior (Ni =45) ∴ 𝐋𝐢𝐧𝐟 =45
𝐚𝐢 =𝐋𝐬𝐮𝐩 -𝐋𝐢𝐧𝐟 (en el intervalo de la frecuencia posterior (𝐍𝐢 =45)) ⇒ 𝐚𝐢 =50-45=5
𝐤𝐧
− 𝐍𝐢−𝟏 𝟑𝟑−𝟐𝟐
∴ Sust. en (3) 𝐏𝐱 = 𝐋𝐢𝐧𝐟 + 𝐚𝐢 𝟏𝟎𝟎 ⇒ 𝐏𝟓𝟓 = 𝟒𝟓 + 𝟓 =𝟒𝟕, 𝟑𝟗
𝐍𝐢 − 𝐍𝐢−𝟏 𝟒𝟓−𝟐𝟐
1) La tabla de frecuencias que se presenta a continuación corresponde
a los resultados del control de asistencia que se realizó durante 19 días
a un grupo de estudiantes que llegaron tarde a clases. Calcule la media,
la moda y la mediana.
Número de Frecuencia
alumnos que absoluta
llegaron tarde
0 2
1 2
2 3
3 2
4 2
5 6
6 1
7 1
Total 19

2) Calcule la media, la moda y la mediana de la siguiente serie de datos:
5; 3; 6; 5; 4; 5; 2; 8; 6; 5; 4; 8; 3; 4; 5; 4; 8; 2; 5; 4
3) Durante el transcurso de una investigación agrícola se determinó

la producción total (q) de cierto cultivo, el cual fue sembrado en 20
parcelas experimentales.
Calcula el rendimiento medio en quintales por parcelas.
Rendimiento 𝒏𝐢
[20,25) 3
[25,30) 5
[30,35) 1
[35,40) 5
[40,45] 6

4) Calcule la media, la moda y la mediana de la siguiente serie de datos:
5; 3; 6; 5; 4; 5; 2; 8; 6; 5; 4; 8; 3; 4; 5; 4; 8; 2; 5; 4
5) La siguiente tabla corresponde a la distribución de frecuencia de

las longitudes (cm) de truchas capturadas en una presa “X”con el
objetivo de estudiar la velocidad de crecimiento de estas especies.
Rendi 𝒏𝐢 𝑵𝐢 𝒇𝐢 𝑭𝐢
miento a) Completa la tabla de
[10,15) 1 frecuencias.
b) Determina la longitud
[15,20) 7
media de las truchas en
[20,25) 6 estudio.
[25,30) 12
[30,35) 6
[35,40) 6
[40,45) 4
[45,50) 3
[50,55) 2
[55,60] 1 Docente: Graciela Abad Peña, Ph.D. 2021
5) Del conjunto de datos: 22; 49; 4; 16; 49; 90; 91; 15; 17; 9
Hallar: a) Q1 b) D3 c) P20
6) En un grupo de estudiantes se considera el número de ensayos que

necesita cada uno para memorizar una lista de seis pares de palabras.
Los resultados fueron:
5 8 3 9 6 7 10 6 7 4 6 9 5 6 7 9 4 6 8 7
a) Construya la tabla de frecuencias.
b) Calcule la moda, la media, la mediana y el tercer cuartil de las
observaciones dadas.
7) Los datos de la tabla corresponden al Respuestas 𝐧𝐢 𝐍𝐢

registro de respuestas correctas de 100 correctas
estudiantes en un examen. [0,10) 5 5
a) Determinar Q3. [10,20) 9 14
b) Determinar D2. [20,30) 25 39
c) Determinar P71. [30,40) 32 71
[40,50) 21 92
[50,60] 8 100
Tema 2: Medidas de dispersión.

permiten


b. Cuartiles
c. Percentiles

Docente:
2. Datos agrupados en una tabla Graciela Abad Peña, Ph.D. 2021
de frecuencias.
A las Medidas de Dispersión también se les llama Medidas
de Variación.
La variación es la cantidad de dispersión, o “separación”, que
presentan los datos. Valor pequeño (menos variación) y valor
grande (más variación).
 Recorrido o rango
 Desviación media
 Varianza
 Desviación típica o estándar
 Coeficiente de variación

Rango, amplitud o recorrido
El rango de un conjunto de números es la diferencia entre el mayor y el
menor de todos ellos. Se denota por R (𝐚𝐢 ) y se expresa como:
R= 𝐗 𝐦𝐚𝐱 -𝐗 𝐦𝐢𝐧
Ejemplo: GRUPO A GRUPO B
La tabla siguiente Estudiantes Calificaciones Estudiantes Calificaciones

corresponde a la 𝑥1 3 𝑦1 5
distribución de las 𝑥2 4 𝑦2 5
puntuaciones 𝑥3 5 𝑦3 6
alcanzadas por una
𝑥4 9 𝑦4 8
muestra de dos
grupos de estudiantes 𝑥5 10 𝑦5 8
(A y B) en un examen 𝑥6 10 𝑦6 9
de Estadística. xത 6,83 yത 6,83
Me 7 Me 7
R(A) = 10 – 3 = 7
Existe mayor dispersión de las puntuaciones en el
R(B) = 9 – 5 = 4 grupo A que en las del grupo B.
Desviación respecto a la media
Es la diferencia en valor absolutos entre cada valor de la variable y la media
aritmética.
Ejemplo: Los números siguientes representan las edades de cinco personas:
12; 13; 12; 14; 15 . Determina la desviación de estos datos respecto a la media
1. Hallar 𝐱ത 2. Hallar la diferencia en valor absolutos

σ 𝐱𝐢 12 − 13,2 = 1,2 Cada uno de los números
𝐱ത =
𝐧 obtenidos son la desviación de
𝟔𝟔 13 − 13,2 = 0,2 cada uno de los datos
𝐱ത = 𝟓 =13,2 12 − 13,2 = 1,2 (edades) respecto a la media.
Por ej. El 12 está desviado
14 − 13,2 = 0,8 1,2 años respecto a la media
15 − 13,2 = 1,8 aritmética.
La desviación media (𝐃ത 𝐱) es el promedio de las desviaciones respecto a

la media. Informa de lo muy dispersados (o no) que están los datos. Una
desviación media elevada implica mucha variabilidad en los datos, mientras
que una desviación media igual a cero implica que todos los valores son
iguales y por lo tanto coinciden con la media.

La desviación media (𝐃ത𝐱) se expresa y calcula mediante las siguientes fórmulas:
𝐧
𝟏
𝐃ത𝐱 = ෍ 𝐱𝐢 − 𝐱ത (Para datos no agrupados)
𝐧
𝐢=𝟏
σ𝐧𝐢=𝟏 𝐱𝐢 − 𝐱ത 𝐧𝐢 (Para datos agrupados)

𝐃ത𝐱 =
𝐧
𝐱) para datos no agrupados

Ejemplo: Cálculo desviación media (𝐃ത
Los números siguientes representan las edades de cinco personas:

12; 13; 12; 14; 15 . Determina la desviación media.
σ 𝐱𝐢 12 − 13,2 = 1,2
𝐱ത =
𝐧 13 − 13,2 = 0,2
𝟔𝟔 𝟏, 𝟐 + 𝟎, 𝟐 + 𝟏, 𝟐 + 𝟎, 𝟖 + 𝟏, 𝟖 𝟓, 𝟐
𝐱ത = 𝟓 =13,2 12 − 13,2 = 1,2 𝐃ത
𝐱=
𝟓
=
𝟓
= 𝟏, 𝟎𝟒
14 − 13,2 = 0,8
15 − 13,2 = 1,8 Docente: Graciela Abad Peña, Ph.D. 2021
Ejemplo: Cálculo desviación media para datos agrupados
El la siguiente tabla están representadas las edades, en años, de 20 personas que

fueron encuestadas. Determina la desviación media de los datos.
Edades 𝐧𝐢 𝒙𝐢 σ𝐧
𝐢=𝟏 𝐱 𝐢 −ത
𝐱 𝐧𝐢
𝐃ത𝐱 = …(1)
[30,35) 2 32,5 𝐧
[35,40) 4 37,5 σ 𝐗 𝐢 𝐧𝐢
𝐱ത =
[40,45) 8 42,5 𝐧
[45,50) 5 47,5 𝟑𝟐.𝟓∗𝟐+𝟑𝟕,𝟓∗𝟒+𝟒𝟐,𝟓∗𝟖+𝟒𝟕,𝟓∗𝟓+𝟓𝟐,𝟓∗𝟏 845
𝐱ത = = = 42,25
𝟐𝟎 20
[50,55] 1 52,5
Sustituir en (1)
𝟑𝟐, 𝟓 − 𝟒𝟐, 𝟐𝟓 ∗ 𝟐 + 𝟑𝟕, 𝟓 − 𝟒𝟐, 𝟐𝟓 ∗ 𝟐 + 𝟒𝟐, 𝟓 − 𝟒𝟐, 𝟐𝟓 ∗ 𝟐 + 𝟒𝟕, 𝟓 − 𝟒𝟐, 𝟐𝟓 ∗ 𝟐 + 𝟓𝟐, 𝟓 − 𝟒𝟐, 𝟐𝟓 ∗ 𝟏
𝐃ത
𝐱=
𝟐𝟎
𝟏𝟗,𝟓+𝟏𝟗+𝟐+𝟐𝟔,𝟐𝟓+𝟏𝟎,𝟐𝟓 𝟕𝟕
𝐃ത
𝐱= = = 𝟑, 𝟖𝟓 (años)
𝟐𝟎 𝟐𝟎
Rpta/ Los datos tienen una desviación media de 3,85 años

Varianza
La varianza es el promedio de los cuadrados de las desviaciones de los
valores respecto a la media.
Una varianza elevada significa que los datos están más dispersos. Mientras que
un valor de la varianza bajo indica que los valores están por lo general más
próximos a la media.
Un valor de la varianza igual a cero implica que todos los valores son iguales, y
por lo tanto también coinciden con la media aritmética.
Cálculo de la varianza para Cálculo de la varianza para
datos no agrupados datos agrupados
Varianza muestral Varianza muestral
𝟐 σ 𝐧 𝟐𝐧
σ 𝐱 𝐢 − 𝐱ത 𝐢=𝟏 𝐱 𝐢 − 𝐱
ത 𝐢
𝟐
𝐒 = (ത𝐱, media muestral) 𝐒𝟐 =
𝐧−𝟏 𝐧−𝟏
Varianza poblacional Varianza poblacional

σ 𝐍 𝟐𝐧
σ(𝐱 −𝛍)𝟐
𝐢=𝟏 (𝐱 𝐢 −𝛍) 𝐢
𝛔𝟐 =
𝐢 (𝛍, media de la población) 𝛔𝟐 =
𝐍 𝐍

Cálculo de la varianza para datos no agrupados
Ejemplo 1) : Los números siguientes representan las edades en años de una
muestra de cinco niños: 5; 6; 6; 7; 8 . Determina la varianza y la desviación típica .
σ 𝐱 𝐢 − 𝐱ത 𝟐
𝟐
𝐒 = … (1) (Varianza muestral)
𝐧−𝟏
σ 𝐱𝐢 𝟓+𝟔+𝟔+𝟕+𝟖
1) Hallar 𝐱ത 𝐱ത = ∴ത
𝐱= = 6,4
𝐧 𝟓
𝟐 𝟐 𝟐 𝟐 𝟐
𝟓 − 𝟔, 𝟒 + 𝟔 − 𝟔, 𝟒 + 𝟔 − 𝟔, 𝟒 + 𝟕 − 𝟔, 𝟒 + 𝟖 − 𝟔, 𝟒
2) Sustituir en (1) 𝐒 = 𝟐
𝟓−𝟏
𝟓,𝟐
𝐒𝟐 = = 1,3 (años)
𝟒
Rpta/ La varianza es de 1,3 años.
Desviación típica o estándar (S), es la raíz cuadrada de la varianza: S= 𝐒𝟐
Una 𝐒 elevada significa que los datos están dispersos, mientras que un valor
bajo indica que los valores son próximos los unos de los otros, y por lo tanto
de la media.
∴ Rpta/ La desviación típica en el ejemplo anterior es

𝐒 = 𝟏, 𝟑 =1,14 años Docente: Graciela Abad Peña, Ph.D. 2021
Cálculo de la varianza para datos agrupados
Ejemplo 2): El la siguiente tabla están representadas las edades, en años, de las 60
personas que acudieron a un evento. Determina la varianza de los datos y la
desviación típica . σ 𝐍
(𝐱 −𝛍) 𝟐𝐧
𝟐 = 𝐢=𝟏 𝐢 𝐢 Varianza
Edades 𝐧𝐢 𝛔 … (𝟏) poblacional
Solución 𝐍
[10,15) 5
1) Hallar 𝐱𝐢 (marca de clase)
[15,20) 9 𝐋𝐢𝐧𝐟 + 𝐋𝐬𝐮𝐩 𝟏𝟎+𝟏𝟓 𝟏𝟓+𝟐𝟎 𝟐𝟎+𝟐𝟓
𝐱𝐢 = 𝐱𝟏 = = 12,5 𝐱𝟐 = = 17,5 𝐱𝟑 = = 22,5
[20,25) 12 𝟐 𝟐 𝟐 𝟐
𝟐𝟓+𝟑𝟎 𝟑𝟎+𝟑𝟓 𝟑𝟓+𝟒𝟎
𝐱𝟒 = = 27,5 𝐱𝟓 = = 32,5 𝐱𝟔 = = 37,5
[25,30) 15 𝟐 𝟐 𝟐
[30,35) 11 ഥ (media de la población (μ) = σ 𝐗𝐢𝐧𝐢 …(2)

2) Hallar 𝛍 o (𝐱)
𝐍
[35,40] 8 2.1) Hallar σ 𝐗 𝐢 𝐧𝐢 𝐗 𝟏 𝐧𝟏 = 12,5 ∗ 5=62,5 𝐗 𝟐 𝐧𝟐 = 17,5 ∗ 9=157,5
X3 n3 = 22,5 ∗ 12=270 X4 n4 = 27,5 ∗ 15=412,5 𝐗 𝟓 𝐧𝟓 = 32,5 ∗ 11=357,5 𝐗 𝟔 𝐧𝟔 = 37,5 ∗ 8=300
1560
⇒ σ𝐗 𝐢 𝐧𝐢 = 𝟏𝟓𝟔𝟎 Sustituir en (2) ∴ μ = = 26
60
3) Hallar (𝐱𝐢 −𝛍)𝟐
(x1 −μ)2 = (12,5 − 26)2 =182,25 (x2 −μ)𝟐 = (17,5 − 26)2 = 72.25 (x3 −μ)2 = (22,5 − 26)2 = 12,2
(x4 −μ)2 = (27,5 − 26)2 = 2,25 (x5 −μ)2 = (32,5 − 26)2 = 42,25 (x6 −μ)2 = (37,5 − 26)2 =132,25
4) Hallar (𝐱𝐢 −𝛍)𝟐 𝐧𝐢
(x1 −μ)2 n1 = 182,25*5=911,25 (x2 −μ)2 n1 = 650,25 (x3 −μ)2 n1 = 147 (x4 −μ)2 n1 = 33,75
(x5 −μ)2 n1 = 464,75 (x6 −μ)2 n1 = 1058 ∴ σ(𝐱𝐢 −𝛍)𝟐 𝐧𝐢 = 911,25+650,25+147+33,75+464,75+1058=𝟑𝟐𝟔𝟓
𝟑𝟐𝟔𝟓 𝟐
5) Sustituir en (1) y calcular 𝛔𝟐 = = 54,41 (𝐚ñ𝐨𝐬 𝟐) Rpta/ La varianza
Docente: es de
Graciela Abad Ph.D. 2021 )
54,41(𝐚ñ𝐨𝐬
Peña,
𝟔𝟎
Como la desviación típica o estándar, es la raíz cuadrada de la varianza, entonces:
Desviación Desviación
σ𝐧𝐢=𝟏𝐱𝐢 − 𝐱ത 𝟐 σ𝐍
𝐢=𝟏(𝐱𝐢 −𝛍)
𝟐
𝐒= estándar 𝛔= estándar
𝐧−𝟏 𝐍 poblacional
muestral
Una desviación típica elevada significa que los datos están dispersos,
mientras que un valor bajo indica que los valores son próximos los unos de
los otros, y por lo tanto de la media.
∴ Considerando las condiciones del ejemplo anterior, donde la varianza es

𝝈𝟐 = 𝟓𝟒, 𝟒𝟏(𝐚ñ𝐨𝐬𝟐 ); la desviación estándar sería: 𝜎 = 54,41 = 𝟕, 𝟑𝟕 (años).
O sea, la desviación estándar es de 7,37años.

Coeficiente de Variación
El coeficiente de variación es una medida relativa de la variación. Mide la
dispersión de los datos con respecto de su media; o sea permite saber si
los datos son homogenios o heterogenios.
Se denota por CV y se expresa en porcentaje:
S σ
CV= *100% CV= *100%
𝑥ҧ μ
Muestra Población
∴ Considerando las condiciones del ejemplo anterior, donde la desviación

estándar es σ = 𝟕, 𝟑𝟕 , tenemos que, el coeficiente de variación sería:
7,37
CV= *100% = 28,35%
26
Por lo general se plantea que si CV es mayor que el 25% es porque esos
datos son heterogéneos o están muy dispersos y si es menor que 25%
entonces son homogéneos.
∴ Las edades del grupo de personas analizadas en el ejercicio
ejemplificado son muy heterogeneas.
1) Sea la distribución estadística que viene dada por la siguiente tabla
𝒙𝒊 𝒏𝒊
61 5
64 18
67 42
70 27
73 8
Calcular:
a) La moda, la media y la mediana.
b) El rango, la desviación media, la varianza y la desviación típica.
2) Los datos de la tabla corresponden a las notas obtenidas por 11

estudiantes en un examen
a) Divida en cuartiles el conjunto
de notas obtenidas por los estudiantes.
b) ¿Qué significan los resultados obtenidos
en el literal anterior?

3) En un grupo de Estadística I del paralelo 1.3, se observó
la estatura de 16 estudiantes y se obtuvieron los siguientes
datos (ya ordenados):
1.52 1.52 1.53 1.53 1.57 1.58 1.58 1.60 1.64
1.64 1.64 1.66 1.66 1.74 1.76 1.79
Calcule las medidas de dispersión:
a) Rango
b) Varianza
c) Desviación Estándar
d) Coeficiente de Variación

4) Al finalizar una carrera de velocidad, el profesor de Educación Física
midió las pulsaciones de cada uno de los 30 alumnos del grupo. Los
resultados obtenidos se encuentran en la tabla siguiente:
PULSACIONES Estudiantes
(minutos) 𝒏𝒊
[80,90) 2
[90,100) 8
[100,110) 13
[110,120) 4
[120,130] 3
a) Entre que valores se encuentra el ritmo de pulsaciones más

frecuente en los alumnos.
b) Determina gráficamente el valor aproximado de la moda.
c) Determina el ritmo promedio de pulsaciones que presentaba cada
alumno al final de la carrera.
d) Determina la dispersión de los datos, con relación a la media,
utilizando para ello la desviación típica.
Tema 3: Medidas de forma: asimetría y curtosis.

permiten


b. Cuartiles
c. Percentiles

Docente:
2. Datos agrupados en una tabla Graciela Abad Peña, Ph.D. 2021
de frecuencias.
MEDIDAS DE FORMA
Son valores que representan o dan a conocer la manera en que los datos se
hallan distribuidos en relación a la media aritmética. Permiten identificar si una
distribución de frecuencia presenta uniformidad. Su utilidad radica en la
posibilidad de identificar las características de la distribución sin necesidad de
generar el gráfico.
sus principales medidas son
 ASIMETRÍA  CURTOSIS O APUNTAMIENTO

 Asimetría, permite identificar si los datos se distribuyen de manera
uniforme alrededor del punto central. Por lo general la asimetría se
determina alrededor de la media.
La asimetría presenta tres estados diferentes, cada uno de los cuales
define cómo están distribuidos los datos respecto al eje de asimetría.
𝐱ത Mo Me 𝐱ത 𝐱ത Me Mo
Me
Mo Asimetría positiva Asimetría negativa
Simetría (Cola larga hacia la derecha) (Cola larga hacia la izquierda)
En las figuras se observa como las medidas de centralización se relacionan entre sí,
y con la asimetría de la distribución:
• Si las tres medidas son iguales la distribución no tiene sesgo.
• Si media < mediana < moda, la distribución es asimétrica negativa.
• Si media > mediana > moda, la distribución tiene sesgo positivo.
𝐱ത 𝐱ത Me Mo
Me Mo Me 𝐱ത
Mo
Asimetría positiva Asimetría negativa
Simetría (Cola larga hacia la derecha) (Cola larga hacia la izquierda)
COEFICIENTE DE ASIMETRÍA DE FISHER
Donde:
σ𝐍 𝐱 𝟑
𝐂𝐟 = …(1) 𝐱ത , Media
𝐍𝛔𝟑 𝛔, Desviación típica o estándar
• Si Cf < 0: la distribución tiene una asimetría negativa, puesto que la

media es menor que la moda.
• Si Cf = 0: la distribución es simétrica.
• Si Cf > 0: la distribución tiene una asimetría positiva, ya que la media es
mayor que la moda.
Ejemplos:

• Simétrica, cuando se distribuyen aproximadamente la misma
cantidad de valores en ambos lados de la media (hay el mismo número
de elementos a izquierda y derecha de la media y coinciden media,
mediana y moda.
Ejemplo: Intervalos 𝐧𝐢 12
[0,5) 2 10
[5,10) 5 8
[10,15) 8 6
[15,20) 10 4
[20,25) 8
2
[25,30) 5
0
[30,35] 2 [0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35]

• Asimetría positiva, cuando la curva comienza a tener una cola
hacia los valores más altos de la distribución. Esto ocurre cuando
tenemos valores atípicos en la distribución de datos.
[0,5) 6 10
[5,10) 9 8
[10,15) 10 6
[15,20) 9
4
[20,25) 6
2
[25,30) 3
0
[30,35] 1 [0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35]

• Asimetría negativa, se tiene una cola o una extensión de la
distribución hacia los valores más pequeños de los datos, y esto
porque tenemos valores negativos bajos en la distribución de datos.
[0,5) 1 10
[5,10) 3 8
[10,15) 6 6
[15,20) 9
4
[20,25) 10
2
[25,30) 9
0
[30,35] 6 [0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35]

 Curtosis, Esta medida nos da una noción sobre el grado de
apuntamiento de la curva de datos, o sea, el nivel de concentración de
los datos en la región central de la distribución de datos.
Podemos tener tres estados diferentes de apuntamiento de

curtosis:
Hay un alto grado de Hay una distribución Hay muy baja

concentración de los uniforme de los concentración de los
datos en la región datos en todo el datos en la región
central. recorrido de la central.
variable.

La estimación de la curtosis en un conjunto de datos se determina
mediante el cálculo del coeficiente de Curtosis o apuntamiento.
Donde:
σ 𝒙𝒊 − 𝐱ത 𝟒 𝐱ത, Media
𝐂𝐤 = 𝟒
−𝟑 𝛔, Desviación típica o estándar
𝐧𝛔
n, tamaño de la muestra
La relación del coeficiente de curtosis con relación a los diferentes estados

de apuntamiento de la curva es:

Ejemplo: Intervalos 𝐧𝐢
[0,5) 1 20
[5,10) 2 18
16
[10,15) 3 14
[15,20) 15 12
10
[20,25) 18 8
[25,30) 15 6
4
[30,35) 3 2
[35,40) 2 0
[0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35) [35,40) [40,45]
[40,45] 1
[0,5) 2 10
[5,10) 5 8
[10,15) 8
6
[15,20) 10
4
[20,25) 8
2
[25,30) 5
[30,35] 2 0
[0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35)

Intervalos 𝐧𝐢
Ejemplo:
[0,5) 1
[5,10) 1
[10,15) 2 3.5
[15,20) 2
3
[20,25) 3
2.5
[25,30) 3
2
[30,35) 3
1.5
[35,40) 3
[40,45) 3 1
[45,50) 2 0.5
[50,55) 2 0
[0,5) [5,10) [10,15) [15,20) [20,25) [25,30) [30,35) [35,40) [40,45) [45,50) [50,55) [55,60) [60,65]
[55,60) 1
[60,65] 1 Docente: Graciela Abad Peña, Ph.D. 2021
Ejemplo 1): En la siguiente tabla están representadas las edades, en años, de cuatro
personas que acudieron a un evento. Determina e interpreta coeficiente de asimetría
de Fisher y de curtosis.
Edades en años 𝐱𝐢 − 𝐱ത 𝐱𝐢 − 𝐱ത 𝟐 𝐱𝐢 − 𝐱ത 𝟑
38 38-36,75=1,25 1,25*125=1,56 1,56*1,25=1,95

41 4,25 18,06 76,77
36 -0,75 0,56 -0,42
32 -4,75 22,56 -107,17
σ𝐍 𝐱 𝟑
𝐂𝐟 = …(1)
𝐍∗𝛔𝟑 7) Sustituir en (1) y calcular
σ 𝐱𝐢
1) Hallar e ir completando la tabla 𝐱ത = −𝟐𝟖,𝟖𝟕
𝟑𝟖+𝟒𝟏+𝟑𝟔+𝟑𝟐 𝐧 𝐂𝐟 = = - 0,2
∴ത𝐱= = 36,75 𝟒 𝟑,𝟐𝟕 𝟑
𝟒
2) Hallar 𝐱 𝐢 − 𝐱ത
⇒ Como 𝐂𝐟< 0, la curva
3) Hallar 𝐱 𝐢 − 𝐱ത 𝟐
es asimétricamente
4) Hallar 𝐱 𝐢 − 𝐱ത 𝟑 negativa la asimetría
5) Hallar σ 𝐱 𝐢 − 𝐱ത 𝟑 = −28,87 es sesgada a la
𝐍
6) Hallar la desviación estándar 𝛔 = σ𝐢=𝟏(𝐱𝐢 −𝛍) … (𝟐)
𝟐
izquierda.
𝐍
𝟒𝟐,𝟕𝟒
6.1) Hallar y sust. en (2) σ 𝐱 𝐢 − 𝐱ത 𝟐 = 42,74 𝛔= =3,27
𝟒
Ejemplo 1): En la siguiente tabla están representadas las edades, en años, de cuatro
personas que acudieron a un evento. Determina coeficiente de asimetría de Fisher y
de curtosis.
Edades en 𝐱𝐢 − 𝐱ത 𝐱𝐢 − 𝐱ത 𝟐 𝐱𝐢 − 𝐱ത 𝟑 𝐱𝐢 − 𝐱ത 𝟒
años
38 38-36,75=1,25 1,56 1,95 1,95*1,25=2,44
41 4,25 18,06 76,77 326,25
36 -0,75 0,56 -0,42 0,32
32 -4,75 22,56 -107,17 509,07
Coeficiente de Curtosis o apuntamiento.

σ 𝑥𝑖 −തx 4 838,08
Ck = − 3 …(2) Ck = −3
n𝜎 4 4 ∗ 114,34
1) Hallar 𝐱𝐢 − 𝐱ത 𝟒 838,08
Ck = −3
2) Hallar σ 𝐱𝐢 − 𝐱ത 𝟒 = 838,08 457,36
3) Hallar la desviación estándar a la cuarta (𝛔𝟒 )
Ck = 1,83 − 3
Del paso 6.1) 𝛔 =3,27 ∴ 𝛔𝟒= 3,27 4 =114,34
4) Sustituir en (2) y calcular Ck = −1,17 ⇒ Como Ck < 0, el
apuntamiento de la
curva es platicúrtica.
1) Observa y compara las desviaciones típicas de las
distribuciones 1, 2, 3 y 4.
Al comparar dos de ellas, en caso de duda, pregúntate: ¿qué he de

hacerle a ésta para que se parezca a la otra? Por ejemplo, para que la 1
se parezca a la 2, hemos de achicar las columnas extremas y aumentar
la columna central. Por tanto, la 1 es más dispersa que la 2.

2) La siguiente distribución de frecuencias corresponde al número de
aviones que despegan diariamente en el aeropuerto capitalino, tomando
como muestra aleatoria los primeros 20 días de un mes.
a) Complete la tabla de frecuencias.

b) Determine la media de los datos.
c) Determine la diferencia de cada observación menos la media.
𝐱𝐢 − 𝐱ഥ ¿Qué mide esta diferencia? ¿Qué sucede al sumar estas
diferencias?

3) En los cursos de estadística descriptiva, un total de 150
estudiantes rindieron el examen final, obteniéndose las siguientes
calificaciones agrupadas en una tabla:
Calificaciones 𝐧𝐢 a) Calcule el coeficiente de asimetría de Fisher.

1 2
Interprete.
b) Realice un gráfico de barras con los datos.
2 3
c) Calcule el coeficiente de curtosis. Interprete
3 10
4 15
5 20
6 35
7 45

4) En los cursos de estadística descriptiva, un total de 40 estudiantes
rindieron el examen final, obteniéndose las siguientes calificaciones
agrupadas en una tabla:
Calificaciones 𝐧𝐢 𝐍𝐢 𝐱𝐢 𝐧𝐢 𝐱ത 𝐱𝐢 − 𝐱ത 𝟐 𝐧𝐢 𝐱𝐢 − 𝐱ത 𝟐
5 4
6 6
7 8
8 11
9 4
10 7
a) Complete la tabla
b) Calcule el coeficiente de asimetría de Fisher. Interprete.
c) Realice un gráfico de barras con los datos.
d) Calcule el coeficiente de curtosis. Interprete

5) En la siguiente tabla se muestran los intervalos de edades de las
30 personas que fueron invitadas a un evento.
Intervalos 𝐧𝐢
a) Construya una tabla de frecuencias.
[24,35) 5 b) Calcule la desviación media
[35,46) 5 c) Calcule la varianza
[46,57) 9 d) Calcule la desviación típica o estándar
[57,68) 7 e) Calcule el coeficiente de variación
f) Calcule e interprete el coeficiente de
[68,79] 4
asimetría de Fisher y de curtosis.

Unidad # 3: Probabilidad.
Tema 1: Técnicas de conteo: permutaciones y combinaciones

TEORÍA COMBINATORIA
Principio de la Principio de la
MULTIPLICACIÓN ADICIÓN
“Si un suceso se puede “Un suceso “A” se puede
realizar de “m” formas realizar de “m” maneras
diferentes y luego se puede diferentes, y otro suceso “B”
realizar otro suceso de “n” se puede realizar de “n”
formas diferentes, el número maneras diferentes, y
total de formas en que además, si ocurre uno no
pueden ocurrir es igual a puede ocurrir el otro, el total
m x n”. Es decir, ambos de formas en que puede
eventos se realizan, primero ocurrir A o B es m + n“. Es
uno y luego el otro. El “y” decir, aquí ocurre A o ocurre
indica multiplicación. B. El “o” indica suma.
Técnicas de conteo
Son estrategias matemáticas usadas en Probabilidad y Estadística para
determinar el número total de resultados que pueden haber a partir de
hacer combinaciones dentro de un conjunto o conjuntos de objetos. Las
técnicas de conteo se utilizan cuando es prácticamente imposible o
demasiado pesado hacer de forma manual combinaciones de diferentes
elementos y saber cuántas de ellas son posibles.
Ejemplo: Si se tienen cuatro sillas, una amarilla, una roja, una azul y una
verde, ¿cuántas combinaciones de tres de ellas se pueden hacer
ordenadas una al lado de la otra?
Las Técnicas de conteo nos permiten resolver

este y otros tipos de situaciones
Permutaciones Variaciones Combinaciones
Sirven para encontrar el número de elementos del espacio muestral

cuando se está ordenando elementos.
CONCEPTOS CLAVES DE TODO
PROBLEMA COMBINATORIO
 Población: Es el conjunto de elementos que estamos estudiando.

 Muestra: Es un subconjunto de la población.
 Los diferentes tipos de muestra vienen determinados por dos aspectos:
• Orden: Es decir, si es importante que los elementos de la muestra
aparezcan ordenados o no.
• Repetición: La posibilidad de repetición o no de los elementos.
 Factorial: Dado un número natural n, su factorial se simboliza como n!

y se calcula de acuerdo a la siguiente expresión:
𝐧! = 𝟏 × 𝟐 × 𝟑 × ⋯ × 𝐧
Tomando en cuenta que: 𝟎! = 𝟏
n! representa el número total de ordenamientos que se pueden realizar

entre los n elementos de un conjunto.

Permutaciones
Las permutaciones de un conjunto de n elementos son todos los posibles
ordenamientos que se pueden realizar entre los n elementos de ese conjunto,
teniendo en cuenta su orden o posición.
Permutaciones sin repetición Permutaciones con repetición
Permutaciones sin repetición

Son las diferentes agrupaciones Ejemplo 1): ¿De cuántas formas
que se pueden hacer con n distintas se pueden sentar cuatro
elementos de un conjunto; teniendo personas en cuatro sillas?
en cuenta que : Solución:
• Entran todos los elementos.
• Sí importa el orden. P4 = 4! = 24
• No se repiten los elementos. Rpta/ Las cuatro personas se
pueden sentar de 24 formas
𝐏𝐧 = 𝐧!
distintas.

Permutaciones con repetición
Son las diferentes agrupaciones Ejemplo 2): En un barco se
que se pueden hacer con n pueden izar 3 banderas rojas, 2
elementos de un conjunto; azules y 4 verdes. ¿Cuántas
teniendo en cuenta que : señales distintas pueden indicarse
• Entran todos los elementos. con la colocación de las 9
• Sí importa el orden. banderas?
• Sí se repiten los elementos. 𝟗!
𝐏= =1260
𝟑!𝟐!𝟒!
𝐧!
𝐏𝐑 =
𝐧𝟏 ! 𝐧𝟐 ! … 𝐧𝐤 ! Rpta/ Se pueden indicar 1260
señales distintas.

Variaciones
Son todas las posibles permutaciones o agrupamientos ordenados de r
elementos que podemos realizar en un conjunto de n elementos.
***En una variación, habría un arreglo de varios elementos en los que sí
es importante tener en cuenta su orden o posición. Se denota como
𝐕𝐧𝐫 o 𝐧𝐕𝐫
Variaciones sin repetición Variaciones con repetición
Variaciones sin repetición Ejemplo 3): ¿Cuántos números de

Si tenemos un conjunto de n tres cifras se pueden formar con los
elementos, las variaciones sin dígitos 1; 2; 3; 4; 5?
repetición son los distintos grupos
que se pueden formar de r Solución:
elementos; teniendo en cuenta que Calcular las variaciones sin
en cada grupo que se forme: repetición de 5 elementos tomados
• No entran todos los elementos. de 3.
𝟓! 𝟓!
𝐕𝟓𝟑 = = = 𝟔𝟎
• Sí importa el orden. 𝟓−𝟑 ! 𝟐!
• No se repiten los elementos. Rpta/ Se pueden formar 60 números
𝐧! de tres cifras con los dígitos dados.
𝐧𝐕𝐫 = (𝐧 ≥ 𝐫)
𝐧−𝐫 !
Variaciones con repetición
Si tenemos un conjunto de n
elementos, las variaciones sin Ejemplo 4): Con las letras a, b, c ,d
repetición son los distintos grupos ¿Cuántos grupos de dos letras se
que se pueden formar de r pueden formar?
elementos; teniendo en cuenta que Solución:
en cada grupo que se forme:
• No entran todos los elementos 𝐕𝐑𝟐𝟒 = 𝟒𝟐 = 𝟏𝟔
si n>r.
*Si pueden entrar todos los
Rpta/ se pueden formar 16 grupos de
elemento sss n≤ r dos letras.
• Sí importa el orden.
• Sí se repiten los elementos.
𝐕𝐑𝐫𝐧 = 𝐧𝐫

Combinaciones
Una combinación son todas las agrupaciones posibles que se pueden
hacer con n elementos, sin importar el orden, seleccionando un número
determinado de ellos. Se denota nCr o 𝐂𝐧𝐫
Combinaciones sin repetición Combinaciones con repetición
Combinaciones sin repetición Ejemplo 5): En un bar disponen de 3 tipos de

Son todas las agrupaciones frutas para realizar jugos de: naranja, mora y
posibles que se pueden hacer con tomate. ¿Cuántos tipos de jugos pueden
n elementos; teniendo en cuenta preparar si realizan una combinación de dos
que en cada combinación que se frutas en cada preparación?
forme: Solución: Tenemos como información que:
• No entran todos los elementos. n = 3 y r = 2.
• No importa el orden.
3! 3! 3×2×1
• No se repiten los elementos. ∴ C32 = = = =3
2! 3−2 ! 2!×1! 2×1
𝐧!
𝐂𝐧𝐫 = (𝐧 ≥ 𝐫) Rpta/ Existen tres posibles combinaciones
𝐧 − 𝐫 ! 𝐫!
distintas para preparar los jugos.
Combinaciones con repetición
Son todas las agrupaciones Ejemplo 6): En una heladería
posibles que se pueden hacer con ofertan cinco diferentes sabores de
n elementos; teniendo en cuenta helados ¿De cuántas maneras se
que en cada combinación que se puede elegir tres sabores de
forme: helado diferentes?
• No entran todos los elementos.
• No importa el orden. Solución:
• Sí se repiten los elementos. n= 5 r =3
(𝐧 + 𝐫 − 𝟏)! 3 (𝟓+𝟑−𝟏)! 7!
CRr𝑛 =
𝐧 − 𝟏 ! 𝐫!
CR 5 = = =35
𝟓−𝟏 !𝟑! 4!∗3!

Tema 2: Resolución de ejercicios y problemas de permutaciones y combinaciones

• Entran todos los elementos
Permutación 𝐏𝐧 = 𝐧!
• Sí importa el orden
sin repetición
• No se repiten los elementos
PERMUTACIONES
• Entran todos los elementos Permutación 𝐧!
• Sí importa el orden 𝐏𝐑 =
con repetición 𝐧𝟏 ! 𝐧𝟐 ! … 𝐧𝐤 !
• Sí se repiten los elementos
COMBINACIONES
• No entran todos los elementos

Variación 𝐧!
• Sí importa el orden 𝐧𝐕𝐫 =
• No se repiten los elementos sin repetición 𝐧−𝐫 !
VARIACIONES
• No entran todos los elementos
Variación
• Sí importa el orden 𝐕𝐑𝐫𝐧 = 𝐧𝐫
con repetición
• Sí se repiten los elementos
• No entran todos los elementos 𝐧!

Combinación
• No importa el orden 𝐂𝐧𝐫 =
sin repetición 𝐧 − 𝐫 ! 𝐫!
• No se repiten los elementos
COMBINACIONES
• No entran todos los (𝐧 + 𝐫 − 𝟏)!
Combinación
elementos 𝐂𝐑𝐫𝐧 =
con repetición 𝐧 − 𝟏 ! 𝐫!
• No importa el orden
• Sí se repiten los elementos Docente: Graciela Abad Peña, Ph.D. 2021
1) Se desea formar grupos de tres personas en un curso de 12
estudiantes. ¿Cuántos grupos se podrá formar?
___ Permutación
___Variación
___ Combinación
2) Se desea escoger presidente y vicepresidente de un curso de 12

estudiantes. ¿ De cuántas maneras distintas podrán quedar las
dignidades?
___ Permutación
___ Combinación
___Variación
3) ¿De cuántas maneras distintas se pueden sentar Pedro, María y José, si

solo cuentan con tres asientos?
___ Combinación
___Variación
___ Permutación

4) ¿Cuántos números de nueve cifras se pueden formar con los dígitos 2;
2; 2; 5; 5; 5; 5; 8; 8?
5) De 10 estudiantes se debe seleccionar cuatro para asistir a un evento

¿De cuántas maneras diferentes se pueden seleccionar a los cuatro
estudiantes?
5) En una empresa necesitan formar un equipo de trabajo de 3 hombres y 2
mujeres, y tienen entre el personal como elegibles a 5 hombres y 4
mujeres. ¿De cuántas maneras se puede crear el equipo?
6) En una competición participan cuatro equipos de fútbol ¿Cuántos

partidos se deben jugar para conocer al equipo ganador, contando el
partido de ida y vuelta?
7) ¿Cuántos números de tres cifras se pueden formar con los dígitos

1; 2; 3; 4; 5?

8) ¿Cuántos cuadriláteros se pueden formar con los vértices de un
pentágono regular?

Tema 1: Técnicas de conteo: permutaciones y combinaciones

1) Si Ernesto compra 3 camisetas deportivas y 2 shorts. ¿De cuántas
formas puede combinarlos?
a. 2
b. 3
c. 5
d. 6
2) ¿De cuántas maneras se pueden sentar en una fila de 4 sillas dos
personas?
a. 4
b. 6
c. 8
d. 12
3) ¿Cuántas sumas de dinero diferentes se pueden hacer con las
monedas 10, 5 y 25 centavos (una de cada una)?
a. 1
b. 3
c. 5
d. 4

4) ¿Cuántas señales diferentes se pueden hacer con 2 banderas rojas y 1
blanca, si cada señal se hace con las tres banderas?
a. 2
b. 6
c. 8
d. 3
5) ¿Cuántas señales diferentes se pueden hacer con 1 bandera azul, 1 roja y 1
verde, si las señales se pueden hacer con 2 o 3 banderas?
a. 4
b. 6
c. 8
d. 12
6) ¿Cuántas comidas diferentes puedes servirte si tienes para escoger 3 platos

fuertes y 4 postres?
a. 3
b. 4
c. 7
d. 12

7) ¿De cuántas maneras se pueden ordenar en un estante 3 libros diferentes de
matemáticas y 2 libros diferentes de lengua?
a. 2
b. 6
c. 12
d. 24
8) En la serie A del campeonato ecuatoriano de fútbol participan 12 equipos.

¿de cuántas maneras pueden estos equipos ocupar los dos primeros lugares?
a. 6
b. 72
c. 144
d. 132
9) Para solicitar un crédito vas a dos bancos que te ofrecen la siguiente
información:
Banco A: Te ofrece una línea de crédito con dos períodos de tiempo a escoger.
Banco B: Te brinda dos líneas de crédito con tres períodos de tiempo a escoger
en cada caso.
¿De cuántas opciones dispones para realizar el crédito?
a. 3
b. 5
c. 10
d. 8
10) Si hay 12 candidatos en tu ciudad para escoger 3 representantes para el
municipio. ¿De cuántas maneras puedes seleccionarlos?
a. 15
b. 36
c. 1320
d. 220
11) ¿Cuántos números de cinco cifras diferentes mayores que 60000 se pueden
hacer con las cifras 1, 3, 5. 7. 9?
a. 24
b. 60
c. 120
d. 48

Tema 2: Definiciones de probabilidad. Experimentos. Espacios muestrales y eventos

¿Qué es la probabilidad ?
La Probabilidad es la mayor o menor posibilidad de que ocurra un
determinado suceso o evento.
Suele expresarse como un número entre
0 y 1 (o entre 0 % y 100 %).
Cuanto más próxima se encuentre una probabilidad a 0, más
improbable es que el evento
suceda.
Cuanto más próxima se encuentre la probabilidad a 1, más seguro
es que suceda.
Para denotar una probabilidad se emplea la letra P y por lo general
se utilizan letras mayúsculas (A, B y C) para denotar eventos
específicos de un experimento. ⇒ la probabilidad de que ocurra el
evento A lo denotamos como P(A).
Ejemplo: Lanzar un dado

Experimento aleatorio: Proceso que induce a que ocurra una y sólo una
de varias posibles observaciones.
Ejemplo: Lanzar un dado; lanzar una moneda al aire.
Espacio muestral (o espacio muestra) de un experimento es el conjunto de

todos los posibles resultados del experimento, y se le denota generalmente
por la letra griega Ω (Omega) o S.
Ejemplo: El espacio muestral en el lanzamiento de un dado sería:
Ω = {1,2,3,4,5,6}
Resultado: Resultado particular de un experimento.
Evento o suceso: Conjunto de uno o más resultados de un experimento. Es

cualquier subconjunto del espacio muestral y se denotan por las primeras
letras del alfabeto en mayúsculas: A,B,C, etc.
Ejemplo: El conjunto A = {2, 4, 6}, corresponde al suceso de obtener como
resultado un número par al lanzar un dado.
❖ Suceso elemental o simple: es cada uno de los elementos que
forman parte del espacio muestral.
Ejemplo: Tirando un dado un suceso elemental es sacar 5.
❖ Suceso seguro (E), está formado por todos los posibles resultados
(es decir, por el espacio muestral).
Ejemplo: Tirando un dado obtener una puntuación que sea menor que 7.
❖ Suceso imposible, (Ø) es el que no tiene ningún elemento.

Ejemplo: Tirando un dado obtener una puntuación igual a 7.
❖ Suceso compuesto: se forman combinando dos o más eventos

simples.
Ejemplo: Tirando un dado un suceso sería que saliera par, otro, obtener
múltiplo de 3.

REGLAS DE PROBABILIDAD
Dado cualquier evento imaginable, puede ocurrir una de tres
cosas:
1. Es imposible que ocurra.
2. Es seguro que ocurre.
3. La certeza de que ocurra está en un punto intermedio.
Por lo tanto:
1. La probabilidad de un evento imposible es 0.
2. La probabilidad de un evento que ocurrirá de seguro es 1.
3. Para cualquier evento A, la probabilidad de que A ocurra se
encuentra entre 0 y 1, inclusive. Es decir, 0 ≤ P(A) ≤1.
Ejemplo 1: Al lanzar un dado al azar, la probabilidad de obtener un 7 es 0.
O sea, es imposible que ocurra este evento pues los resultados posibles
son 1, 2, 3, 4, 5 y 6.
Ejemplo 2: Al lanzar un dado al azar, la probabilidad de obtener un número

menor que 7 es 1.
O sea, este evento ocurrirá de seguro pues todos los números posibles son
menores de 7.
Ejemplo: Términos experimento aleatorio, resultado y evento.
Tomado de: Estadística para Administración y Economía, Mason Robert/Lind Douglas. Dècima edición, Editorial Alfaomega, 2002.

Ejemplo 1): Determine el espacio muestral del experimento de lanzar al
aire dos monedas y escriba los elementos del evento de que a la primera
caiga en cruz.
Ω = {(c,x), (c,c), (x,x), (x,c) }

A = {(x,x), (x,c) }
Ejemplo 2): Determine el espacio muestral del experimento de lanzar una

moneda y un dado y escriba los elementos del evento de que la moneda caiga en
cara.
Ω = {(C,1), (C,2), (C,3), (C,4), (C,5), (C,6), (X,1), (X,2), (X,3), (X,4), (X,5), (X,6)}
A = {(C,1), (C,2), (C,3), (C,4), (C,5), (C,6)}
Ejemplo 3): En una urna hay una bola roja, dos azules y tres blancas. Si se saca
una sola, ¿Cuál sería el espacio muestral? Escriba el evento de sacar una bola
que no sea blanca.
Ω = {R, A1 , A2 , B1, B2, B3}

A = {R, A1 , A2 }

FORMAS PARA DEFINIR LA PROBABILIDAD DE UN EVENTO
BASADAS EN FORMAS DISTINTAS DE CALCULAR O ESTIMAR LA
PROBABILIDAD
• Clásica o a priori
• Subjetiva
• Empírica o frecuentista

Probabilidad clásica o a priori:
La probabilidad clásica de un evento es la razón entre el
numero de casos (sucesos) favorables, y el numero total de
casos (sucesos) posibles.
𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐜𝐚𝐬𝐨𝐬 𝐟𝐚𝐯𝐨𝐫𝐚𝐛𝐥𝐞𝐬
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 (𝐞𝐯𝐞𝐧𝐭𝐨) =
𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐩𝐨𝐬𝐢𝐛𝐥𝐞𝐬 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬
Ejemplo: ¿Cuál es la probabilidad de sacar un cuatro en el tiro de un

dado?
𝟏 𝟏
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 (𝐬𝐚𝐜𝐚𝐫 𝟒 𝐞𝐧 𝐮𝐧 𝐭𝐢𝐫𝐨 𝐝𝐞 𝐮𝐧 𝐝𝐚𝐝𝐨) = ⇒0,166 𝐏 (𝐀) = ⇒0,166
𝟔 𝟔
Rpta/La probabilidad de sacar un cuatro en el tiro de un dado es del 16%

Ejemplo 2): Se tiene una canasta llena de peras y manzanas, de las
cuales hay 20 peras y 10 manzanas ¿Qué fruta es más probable que
saque al azar de la canasta?
Condiciones: 30 es el total de frutas en la canasta

casos posibles: 20 peras y 10 manzanas
𝟏𝟎 𝟏
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 (sacar una manzana) = = =0,333 ⇒ 33,3%
𝟑𝟎 𝟑
𝟐𝟎 𝟐
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 (sacar una pera) = = ==0,667 ⇒ 66,7%
𝟑𝟎 𝟑
Rpta/: Existe mayor probabilidad de sacar una pera que una manzana.
𝟏𝟎 𝟏
Evento A: sacar una manzana 𝐏 (𝐀) = = 0,333 ⇒ 33,3%
𝟑𝟎 𝟑
Evento B: sacar una pera 𝟐𝟎 𝟐

𝐏 (𝐁) = = = 0,667 ⇒ 66,7%
𝟑𝟎 𝟑
Probabilidad subjetiva
En este caso la probabilidad de un evento depende del
observador, es decir, según lo que el observador conoce del
fenómeno en estudio.
Ejemplo: La probabilidad de que un arquitecto de la UG se

presente y gane la Tercera Convocatoria Académica de la
Bienal Panamericana de Arquitectura de Quito (BAQ),
prevista para noviembre de 2022.

Probabilidad empírica o frecuentista:
Se basa en el número de veces que ocurre el evento como proporción del
número de intentos conocidos. O sea, para calcularla es necesario que el
evento se haya realizado repetidas ocasiones con anterioridad.
𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐯𝐞𝐜𝐞𝐬 𝐪𝐮𝐞 𝐞𝐥 𝐞𝐯𝐞𝐧𝐭𝐨 𝐨𝐜𝐮𝐫𝐫𝐞
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 𝐞𝐦𝐩í𝐫𝐢𝐜𝐚 =
𝐍ú𝐦𝐞𝐫𝐨 𝐭𝐨𝐭𝐚𝐥 𝐝𝐞 𝐨𝐛𝐬𝐞𝐫𝐯𝐚𝐜𝐢𝐨𝐧𝐞𝐬

Ejemplo: Se conoce que una moneda está cargada (o sea,
al lanzarla al azar un número grande de veces, un lado de
la moneda se obtiene con mayor frecuencia que el otro
lado). Para determinar la probabilidad de que caiga cara, la
moneda se lanza 60 veces al aire, de las cuales 24 veces
cayó cara.
𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐯𝐞𝐜𝐞𝐬 𝐪𝐮𝐞 𝐞𝐥 𝐞𝐯𝐞𝐧𝐭𝐨 𝐨𝐜𝐮𝐫𝐫𝐞

𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 𝐞𝐦𝐩í𝐫𝐢𝐜𝐚 =
𝐍ú𝐦𝐞𝐫𝐨 𝐭𝐨𝐭𝐚𝐥 𝐝𝐞 𝐨𝐛𝐬𝐞𝐫𝐯𝐚𝐜𝐢𝐨𝐧𝐞𝐬
𝟐𝟒
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 (sacar cara) = =0,4 ⇒ 40%
𝟔𝟎
Al calcular probabilidades con este método de frecuencias relativas obtenemos una

aproximación en vez de un valor exacto. A mayor número de veces que repitamos el
experimento, más cerca estará la aproximación del valor real. Esta propiedad se enuncia en
forma de teorema, el cual se conoce comúnmente como la ley de los números grandes.
“Conforme un experimento se repite una y otra vez, la probabilidad de
frecuencias relativas de un evento tiende a aproximarse a la probabilidad real”.
1) Una pareja planifica tener tres hijos. Considerando sólo el género de
éstos, halle el espacio muestral.
2) Lanzamos un dado y luego una moneda americana, ambos al azar.

Halle el espacio muestral.
3) La probabilidad de que terminen las negociaciones en un conflicto

laboral en los próximos dos días es baja. Esto es un ejemplo de
probabilidad:
a. clásica
b. empírica
c. subjetiva
4) La probabilidad de que un arquitecto de la UG se presente y gane la

Tercera Convocatoria Académica de la Bienal Panamericana de
Arquitectura de Quito (BAQ), prevista para noviembre de 2022, es un
ejemplo de probabilidad:
a. a posteriori
b. empírica
c. clásica
d. subjetiva
5) La probabilidad que se basa en la frecuencia relativa de un evento se
conoce como probabilidad
a. empírica
b. b. teórica
c. c. subjetiva
d. d. clásica
6) A una profesora universitaria le pregunta uno de sus estudiantes la

probabilidad de que él apruebe su curso. La profesora le contestó que un
50%. Esto es un ejemplo de probabilidad:
a. clásica
b. empírica
c. Subjetiva
7) Calcule la probabilidad de obtener un múltiplo de 3 si lanzamos un

dado.
8) En una caja con 68 dispositivos electrónicos hay 17 defectuosos. ¿Cuál

es la probabilidad, de que al extraer aleatoriamente uno de esto
dispositivos no sea defectuoso?
9) Se tienen dos cajas con 4 bolitas cada una. La primera tiene 3 rojas y 1
verde; la segunda 2 rojas y 2 azules. Se extrae al azar una bolita de cada
caja. Calcular la posibilidad de sacar 2 rojas
5
a)
16
b) 40%
3
c)
8
d) 30%
10) ¿Cuál es la probabilidad de que en una familia que tiene tres hijos,
haya dos niñas y un niño, si se considera igualmente probable el
nacimiento de un niño o niña?
11) En un envase hay 2 canicas rojas, 4 negras y 5 blancas. Si
seleccionamos al azar una de estas canicas, ¿cuál es la probabilidad de que
la canica sea negra?
12) Un juego tiene 25 fichas, de las cuales hay 6 de color rojo, 8 azules y el
resto de otros colores. Si se selecciona una ficha al azar, ¿cuál es la
probabilidad de que esta sea roja o azul?
13) Al lanzar un dado al azar, ¿cuál es la probabilidad de obtener un número

par? Docente: Graciela Abad Peña, Ph.D. 2021
Tema 3: Probabilidad de un evento. Reglas de Probabilidad. Probabilidad condicional.

OPERACIONES BÁSICAS CON SUCESOS
La unión de sucesos, 𝐀 ∪ 𝐁, es el suceso formado por todos

los elementos de A y de B (evitando la duplicidad de
elementos).
Es decir, el suceso 𝐀 ∪ 𝐁 se verifica cuando ocurre uno de los
dos, A o B, o ambos (o sea, es el conjunto de todos los
elementos que están en A, están en B o están en ambos
conjuntos).
𝐀 ∪ 𝐁 se lee como "A o B".
Ejemplo 1: Consideramos el experimento que consiste en lanzar un

dado, si A = "sacar par" y B = "sacar múltiplo de 3". Calcular 𝐀 ∪ 𝐁
A = {2, 4, 6}
B = {3, 6}
⇒ 𝐀 ∪ 𝐁= {2, 3, 4, 6} DIAGRAMA DE VENN
La intersección de sucesos, A∩ 𝐁 , es el suceso formado por
todos los elementos que son, a la vez, de A y B. O sea, es el
evento que reúne todos los elementos comunes que
pertenecen a ambos conjuntos.
Es decir, el suceso A ∩ 𝐁 se verifica cuando ocurren
simultáneamente A y B.
A∩ 𝐁 se lee como "A y B".
Ejemplo 2: Consideramos el experimento que consiste en
lanzar un dado, si A = "sacar par" y B = "sacar múltiplo de 3".
Calcular A∩ 𝐁 .
A = {2, 4, 6}
B = {3, 6}
⇒ A∩ 𝐁 = {6}

La diferencia de sucesos, A − B, es el suceso formado por
todos los elementos de A que no son de B.
Es decir, la diferencia de los sucesos A y B se verifica
cuando lo hace A y no B.
A − B se lee como "A menos B".

lanzar un dado, si A = "sacar par" y B = "sacar múltiplo de
3". Calcular A − B.
A = {2, 4, 6}
B = {3, 6}
⇒ A − B = {2, 4}

Dado un suceso A, el suceso complementario de A será un
suceso formado por todo lo que no sea A. O sea, es el evento
que reúne todos los elementos de S que no están en A.
El suceso 𝐀 ഥ =𝐄−𝐀 se llama suceso contrario o
complementario de A.

ഥ
lanzar un dado, si A = "sacar par". Calcular A
A = {2, 4, 6} E
ഥ ={1, 3, 5}
⇒ A A 3
2 6
4 1

TEORÍAS DE LA PROBABILIDAD
REGLAS DE LA REGLAS DE LA
MILTUPLICACIÓN ADICIÓN
REGLA ESPECIAL REGLA ESPECIAL

DE LA DE LA ADICIÓN
MULTIPLICACIÓN
REGLA GENERAL REGLA GENERAL

DE LA DE LA ADICIÓN
MULTIPLICACIÓN
❖ Sucesos compatibles: Dos sucesos, A y B, son
compatibles cuando tienen algún suceso elemental
común.
Ejemplo: Si A es sacar puntuación par al tirar un dado y B es
obtener múltiplo de 3, A y B son compatibles porque el 6 es
un suceso elemental común.
❖ Sucesos incompatibles: Dos sucesos, A y B, son

incompatibles cuando no tienen ningún elemento en
común.
Ejemplo: Si A es sacar puntuación par al tirar un dado y B es
obtener múltiplo de 5, A y B son incompatibles.
❖ Suceso contrario: El suceso contrario a A es otro suceso

ഥ
que se realiza cuando no se realiza A. Se denota por A
Ejemplo: Son sucesos contrarios sacar par e impar al lanzar
un dado.
❖ Eventos serán mutuamente excluyentes: Dos o más eventos serán
mutuamente excluyentes cuando no pueden ocurrir simultáneamente
Ejemplo: En una encuesta sobre opinión, una de las características de

interés es tomar en cuenta el sexo del entrevistado.
Ejemplo: En un estudio sobre calidad de vida, una de las variables de

interés es el nivel socioeconómico de los participantes.

REGLAS DE LA ADICIÓN
REGLA ESPECIAL DE LA ADICIÓN REGLA GENERAL DE LA ADICIÓN
Es la regla especifica para el caso Esta regla considera eventos no

de eventos mutuamente necesariamente mutuamente
excluyentes (disjuntos), es decir, excluyentes, si no eventos
cuando no pueden ocurrir compatibles, es decir, cuando
simultáneamente. tienen algún suceso elemental
P(A o B)= P(A) + P(B) común.
*** En notación de conjuntos sería: 𝐏(𝐀𝐨𝐁)= 𝐏(𝐀) + 𝐏(𝐁) - 𝐏(𝐀 𝐲 𝐁)
𝐏(𝐀 ∪ 𝐁)= 𝐏(𝐀) + 𝐏(𝐁) ***En notación de conjuntos sería:
𝐏(𝐀 ∪ 𝐁)= 𝐏(𝐀) + 𝐏(𝐁) - 𝐏(𝐀 ∩ 𝐁)
Donde:
P(A): probabilidad de que ocurra el evento A.
P(B): probabilidad de que ocurra el evento B.
𝐏(𝐀𝐨𝐁) o P(A⋃B): probabilidad de que ocurra el evento A o el evento B.
𝐏(𝐀 𝐲 𝐁) o P(A⋂B): probabilidad de que ocurra el evento A y el evento B a la vez.
Ejemplo: (regla especial de la adición)
Una maquina automática llena bolsas de plástico con una
mezcla de frijoles, brócolis y otras legumbres. La mayor parte
de las bolsas contiene el peso correcto, pero debido a ligeras
variaciones en el tamaño de las verduras, un paquete puede
tener un peso ligeramente menor o mayor. Una verificación de
4000 paquetes que se llenaron el mes pasado reveló lo
siguiente:
Peso Evento Número de Probabilidad de
paquetes ocurrencia
Menor A 100 0,025
Satisfactorio B 3.600 0,900
Mayor C 300 0,075
4.000 1.000
¿Cuál es la probabilidad de que un determinado paquete tenga un

peso menor o mayor?
¿Cuál es la probabilidad de que un determinado paquete tenga
un peso menor o mayor?
Peso Evento Número de Probabilidad de

paquetes ocurrencia
Menor
Menor A
A 100 0,025
Satisfactorio B 3.600 0,900
Mayor
Mayor C 300 0,075
4.000 1.000
𝑷(𝑨 𝒐 𝑪) = 𝟎, 𝟎𝟐𝟓 + 𝟎, 𝟎𝟕𝟓 = 𝟎, 𝟏𝟎

Ejemplo: (regla general de la adición)
La comisión de turismo de Florida seleccionó una muestra de
200 turistas que visitaron ese estado. La encuesta reveló que
120 fueron a Disney World, y 100 a Busch Gardens, y que 60
asistieron a ambos parques. ¿Cuál es la probabilidad de
que un turista seleccionado haya visitado Disney World o
Bush Gardens?
𝟏𝟐𝟎 𝟏𝟎𝟎 𝟔𝟎
= + −
𝟐𝟎𝟎 𝟐𝟎𝟎 𝟐𝟎𝟎
= 𝟎. 𝟔 + 𝟎. 𝟓 − 𝟎. 𝟑 = 𝟎. 𝟖
REGLAS DE LA MULTIPLICACIÓN
REGLA ESPECIAL DE LA REGLA GENERAL DE LA

MULTIPLICACIÓN MULTIPLICACIÓN
Es la regla especifica para el caso Si A y B son dos eventos

de eventos independientes, es dependientes, es decir, si la
decir, cuando la ocurrencia de un ocurrencia de A afecta la
evento no tiene efecto en la probabilidad de ocurrencia de B,
probabilidad de la ocurrencia de entonces, dicha probabilidad es
cualquier otro evento).
igual a:
P(A y B)= P(A) . P(B) 𝐏(𝐀𝐲𝐁)= 𝐏(𝐀) . 𝐏(𝐁/A)
*** En notación de conjuntos sería:
***En notación de conjuntos, la regla
P(A⋂B) = 𝐏(𝐀) . 𝐏(𝐁)
general de la suma sería:
Donde: 𝐏(𝐀⋂𝐁)= 𝐏(𝐀) . 𝐏(𝐁/A)
P(A): probabilidad de que ocurra el evento A.
P(B): probabilidad de que ocurra el evento B.
𝐏(𝐀 𝐲 𝐁) o P(A⋂B): probabilidad de que ocurra el evento A y el evento B a la vez.
𝐏(𝐁 /𝐀): probabilidad condicional de B dado A. Docente: Graciela Abad Peña, Ph.D. 2021
Ejemplo: (regla especial de la multiplicación)
En un colegio, la probabilidad de que un estudiante seleccionado al azar

hable inglés es de 0,20; mientras que la probabilidad de que un estudiante
juegue fútbol es de 0,80.
Solución:
El hecho de que un estudiante hable inglés, no afecta en nada que juegue
fútbol; por lo tanto, se trata de eventos independientes.
Evento A: que el estudiante hable inglés. P(A) = 0,20.

Evento B: que el estudiante juegue fútbol. P(B) = 0,80.
∴ Usamos la regla especial de la multiplicación para eventos
independientes:
P(A y B)= P(A) . P(B) o P(A⋂B) = 𝐏(𝐀) . 𝐏(𝐁)
P(A⋂B) =0,20 * 0,80=0,16 ⇒16%

Ejemplo: (regla general de la multiplicación)
Una caja contiene 2 bolas azules y 3 rojas. Si se extraen dos bolas al

azar sin reposición, ¿cuál es la probabilidad de que las dos sean
azules?
Solución:
Dado que las bolas serán extraídas de la misma caja, y que las bolas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.
Evento A: obtener una bola azul en la primera extracción.
Evento B: obtener una bola azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que: 𝐏(𝐀⋂𝐁)= 𝐏(𝐀) . 𝐏(𝐁/A)
) * 0,1 10%
Sean A y B dos eventos de un mismo espacio muestral entonces, la
probabilidad del evento B, calculada bajo la suposición de que el evento A
ha ocurrido, se denomina probabilidad condicional de B dado A y se
denota por P(B/A).
Ejemplo: Probabilidad condicional

En un examen de nivelación, el 76 % de los estudiantes aprobó
Matemática y el 45 % aprobó Estadística. Además, el 30 % aprobaron
Matemática y Estadística. Si Lourdes aprobó Matemática, ¿qué probabilidad
tiene de haber aprobado también Estadística?
Solución:
Evento A: aprobar Matemática. P(A) = 76 %.
Evento B: aprobar Estadística. P(B) = 45 %.
Evento A y B: aprobar Matemática y Estadística. P(A∩B) = 30 %
Calcular la probabilidad de aprobar Estadística, dado que se aprobó
P(A⋂B) 30 15
Matemática. 𝐏(𝐁/A) = P(A) ⇒ P B/A = = = 39,47
76 38
Rpta/ Para Lourdes, la probabilidad de aprobar Estadística, dado que

aprobó Matemática es de 39,47 %.
P(A y B)
REGLA DE LA MULTIPLICACIÓN
REGLA ESPECIAL
Si P(A y B)= P(A) . P(B)
¿A y B son independientes? DE LA
MULTIPLICACIÓN
No
𝐏(𝐀𝐲𝐁)= 𝐏(𝐀) . 𝐏(𝐁/A) REGLA GENERAL DE LA
MULTIPLICACIÓN
P(A o B)
REGLA DE LA ADICIÓN
REGLA ESPECIAL
¿A y B son mutuamente
Si P(A o B)= P(A) + P(B) DE LA ADICIÓN
excluyentes?
No
REGLA GENERAL DE LA
𝐏(𝐀𝐨𝐁)= 𝐏(𝐀) + 𝐏(𝐁) - 𝐏(𝐀 𝐲 𝐁) ADICIÓN
1) Considere el siguiente diagrama de Venn y determine los eventos
compuestos indicados
a) A ∪ B S
b) A∩B A B
c) ഥ
A 2 4
d) ഥ
B 3 1 5
6
2) Decir que dos sucesos son excluyentes es decir que son:

a. Elementales
b. Independientes
c. Complementarios
d. Incompatibles

3) Sabiendo que:
P(A) = 0,70
P(B) = 0,50
P(A∩B) = 0,40
Determinar si son eventos dependientes o independientes.
4) En estudio realizado con los consumidores asiduos de un bar, se

determinó que el 65% consume el sanduche con mostaza, el 70%
los consume con mayonesa y el 80% los consume con mostaza o
mayonesa. ¿Cuál es la probabilidad de que un consumidor
seleccionado al azar consuma mostaza y mayonesa a la vez?
5) Sea P(A) = 0,2 y P(B) = 0,5, donde A y B son independientes,

entonces P(A o B) es:
a. 0
b. 0.1
c. 0.6
d. 0.7

6) En un campamento de verano el 40% de lo estudiantes habla español, el 55
habla inglés y el 15 % habla ambos idiomas. Si se selecciona un estudiante al
azar, qué probabilidades hay de que hable español o inglés.
7) Una compañía le administra un examen a un grupo de 40 de sus

empleados, que aspiran a cierta posición, para cualificarlos. La siguiente
tabla resume los resultados divididos por género:
Masculino (M) Femenino (F)
Positivo 7 2
Negativo 18 13
Si uno de estos empleados es seleccionado al azar, halle la probabilidad
de que:
a) sea masculino (M) o aprobó el examen
b) sea femenino (F) o fracasó
8) De una caja que contiene 3 pelotas rojas, 5 blancas y 2 azules, Juan

extrae al azar, sin repetir, 2 pelotas, calcular la probabilidad de que la
primera pelota extraída sea azul y la segunda sea roja.

9) Calcule la probabilidad que el último dígito de un número de cinco
cifras elegido al azar sea 7 y el penúltimo dígito del mismo número sea 5.
10) De los 50 estudiantes de una universidad que están previsto para

participar en una pasantía, 10 tienen tutor empresarial y 20 tienen tutor
académico. Solamente 5 tienen tutor académico y empresarial y, el resto no
tiene ningún tutor. Si se elige al azar un estudiante, determine la
probabilidad de que:
a) Tenga un tutor empresarial.
b) Tenga un tutor académico.
c) Tenga tutor empresarial y tutor académico.
d) Tenga tutor empresarial o tutor académico.
11) Al 25% de los alumnos de un colegio les gusta el helado de vainilla y el de chocolate,
mientras que al 60% le gusta el chocolate. ¿Cuál es la probabilidad de que a un alumno
que le gusta el chocolate, le guste la vainilla?

12) Si se sabe que la probabilidad de que un estudiante consuma
sanduche con mostaza es de 65% y, la probabilidad de que consuma
sanduche el con mayonesa es del 70% y de que la probabilidad de que
consuma sanduche con mostaza y mayonesa es del 55%. ¿Cuál es la
probabilidad de que un estudiante consuma mostaza dado que
consume mayonesa?
13) La probabilidad de que un día cualquiera, Carlos almuerce pollo frito es de

0,4. La probabilidad de que almuerce hamburguesa es de 0,3; mientras que la
probabilidad de que almuerce pollo frito y hamburguesa el mismo día es de 0,1.
Calcula la probabilidad de que un día cualquiera, Carlos almuerce pollo frito o
hamburguesa.
14) De una tómbola que contiene 3 bolas rojas, 5 blancas y 4 azules, Mathías
extrae una bola, calcular la probabilidad de que la bola extraída sea:
a) Roja o blanca
b) Roja o azul

Tema 4: Eventos independientes. Teorema de Bayes

TEOREMA DE BAYES
se sustenta en
❖ Probabilidad condicionada
❖ Diagrama de árbol
❖ Probabilidad total
La probabilidad del evento B, calculada bajo la suposición de que el

evento A ha ocurrido, se denomina probabilidad condicional de B dado
A y se denota por P(B/A).

DIAGRAMA DEL ÁRBOL
Los diagramas en árbol constituyen una técnica que permite construir

espacios muestrales de experimentos de cierta dificultad, los denominados
experimentos compuestos. Es decir, que se utilizan para determinar todos
los posibles resultados de un experimento aleatorio.
Construcción de un diagrama en árbol:

− Se parte poniendo una rama para cada una de las posibilidades,
acompañada de su probabilidad.
− Cada una de estas ramas se conoce como rama de primera generación.
− En el final de cada rama de primera generación se constituye a su vez,
un nudo del cual parten nuevas ramas conocidas como ramas de
segunda generación, según las posibilidades del siguiente paso, salvo
si el nudo representa un posible final del experimento (nudo final).
OBSERVACINES:
• La suma de probabilidades de las ramas de cada nudo ha de valer 1.
• Si se trata de ramas adyacentes (contiguas), se multiplican las
probabilidades.
• Si se trata de ramas separadas que emergen de un mismo punto se
suman las probabilidades.
Ejemplo 3: Lancemos tres monedas al aire.
a) Calcula la probabilidad de obtener tres caras.
b) Calcula la probabilidad de obtener una cara y dos cruces.
Moneda 1 Moneda 2 Moneda 3 ESPACIO MUESTRAL

C C
C
X
S= {CCC, CCX, CXC, CXX,
C XCC, XCX, XXC, XXX}
X
X 1
P(CCC) = = 0.125
C C 8
X Hay 1 elemento de 8
X
3
P(CXX) = = 0.375
X C 8
X Docente: Graciela Abad Peña, Ph.D. 2021
Ejemplo: Representar la siguiente información mediante un diagrama de
árbol:
Una universidad está formada por tres facultades FAU, FCA y FMF:
La FAU con el 50% de estudiantes.
La FCA con el 25% de estudiantes.
La FMF con el 25% de estudiantes.
La mujeres están repartidas uniformemente, siendo el 60% del total de la
facultad.
Las facultades FAU, FCA y FMF
que forman la universidad son las 0,6 M Observar que:
ramas de primera generación ( __ ) 0,5+0,25+0,25=1
Al final de cada rama de primera 0,6+0,4=1
generación se constituye a su vez, FAU 0,4 H
un nudo (FAU primer nudo, FCD 0,5
M
segundo nudo y FMF tercer nudo. 0,6
0,25
De cada nudo parten 2 nuevas FCA
ramas conocidas como ramas de 0,4 H
segunda generación ( ___ ) (rama 0,25 M
0,6
1 Mujer y rama 2 Hombre). FMF
0,4 H
PROBABILIDAD TOTAL
Sean A1, A2, A3, … , An, eventos que forman una partición del espacio
muestral Ω (o sea, estos sucesos son incompatibles si los comparamos
dos a dos y la unión de todos suma el espacio muestral), y sea B otro
evento cualquiera del espacio muestral Ω, entonces la probabilidad del
evento B se puede obtener de la siguiente manera:
n
P B = ෍ P Ai ∗ P B/Ai
i=1
P B = P A1 ∗ P B/A1 + P A 2 ∗ P B/A 2 + ⋯ P A n ∗ P B/A n

Ejemplo: La empresa de chocolates Delicia recarga sus extintores para
incendios con tres empresas diferentes A, B o C. De datos históricos se
conoce que el 35% de las veces se mandan a la empresa A, el 45% de
las veces a la B y el 20% de las veces a la empresa C. Asimismo se
conoce que luego de que los extintores pasan por A , por B y por C,
regresan a Delicias y pueden estar no defectuosos o defectuosos. La
probabilidad de que sean defectuosos dado que pasaron por A, B o C
es de 3%, 4% y 6% respectivamente. Si se sabe que ayer recibió un
extintor recargado pero se desconoce la procedencia. ¿Cuál es la
probabilidad de que esté defectuoso?
P(Def/A)=0,03 P(Def∩A)=0,0105
A
P(A)=0,35
P(Def/B)=0,04 P(Def∩B)=0,0180
P(B)=0,45 B
C P(Def/A)=0,06
P(C)=0,20
P(Def∩C)=0,0120
P B = P A1 ∗ P B/A1 + P A2 ∗ P B/A2 + ⋯ P An ∗ P B/An

P Def = P(Def ∩ A) + P(Def ∩ B) + P(Def ∩ C) = 0,0405 ⇒ 4,05%
TEOREMA DE BAYES
Si los eventos 𝐀𝟏 , 𝐀𝟐 , … 𝐀𝐊 -no nulos mutuamente excluyentes- constituyen
una partición de S donde P (𝐀𝐢 ) ≠ 𝟎 para 𝐢 = 𝟏, 𝟐, … 𝐤, entonces para
cualquier evento B en S, tal que P(B)≠0 entonces se cumple la siguiente
fórmula que se denomina Fórmula de Bayes
𝐏 𝐁/𝐀 𝐫 𝐏 𝐀 𝐫
𝐏 𝐀 𝐫 /𝐁 = (i= 1, ….k)
σ𝐤
𝐢=𝟏 𝐏 𝐁/𝐀 𝐢 𝐏 𝐀 𝐢
Permite calcular la probabilidad

correspondiente a cada uno de los eventos
de los que depende otro evento, dado que
este ya sucedió.
Forma simplificada
P(B / A)P(A)
P(A / B) = teorema de Bayes (caso especial
P(B) de la probabilidad
condicionada)

Ejemplo 1: Supongamos que la probabilidad de que ocurra un suceso A
sea 0,3; la probabilidad de ocurra un seceso B es de 0,4 y que la
probabilidad de que ocurra el suceso A con la condición de que ocurra B
es de 0,45.
a) Calcular la probabilidad de que ocurra el suceso B con la condición
de que antes ocurriera el suceso A.
P(A)=0,3 P(B)
P(B / A) = * P(A / B)
P(A)
P(B)=0,4
P(A/B)=0,45 0,4
P(B / A) = * 0,45 = 0,6
P(B/A)=? 0,3
P(B / A)P(A)
P(A / B) =
P(B)

Ejemplo 2: En una fábrica de tornillos hay tres líneas de producción, la
primera produce el 35%, la segunda el 40% y la tercera el resto. De la
primera línea el 12 % de su producción son tornillos defectuosos, de la línea
2, el 10% son defectuosos y de la línea tres el 16%. Si elegimos al azar un
tornillo de toda la producción, calcula la probabilidad de que:
a) Sea un tornillo defectuoso producido por la línea 1.
b) Sea un tornillo no defectuoso producido por la línea 2.
c) Sea un tornillo defectuoso.
d) Si el tornillo es defectuoso haya sido producido por la línea 3.
e) Si el tornillo es defectuoso haya sido producido por la línea 1.
f) Si el tornillo no es defectuoso haya sido producido por la línea 2.
DIAGRAMA DE ÁRBOL

D
0,12 a) Sea un tornillo defectuoso producido por
la línea 1.
𝐋𝟏 0,88 ND
P(D∩ 𝐋𝟏 )= 0,35* 0,12=0,042
0,10 D
0,35 b) Sea un tornillo no defectuoso producido
por la línea 2.
𝐋𝟐
0,40 0,90
ND
P(ND∩ 𝐋𝟐 )= 0,40* 0,90=0,36
0,25
0,16 c) Sea un tornillo defectuoso.
𝐋𝟑 D
P(D)= 0,35* 0,12+0,40*0,10+0,25*0,16
0,84 =0,042+0,04+0,04=0,122
ND
d) Si el tornillo es defectuoso haya sido producido por la línea 3.

Condición: Si el tornillo es defectuoso 𝐏 𝐀/𝐁 =
𝐏 𝐀∩𝐁
𝐏 𝐁
B: el tornillo es defectuoso
A: el tornillo fue producido en la L3
𝐏 𝐋𝟑 ∩ 𝐃 𝟎,𝟐𝟓∗𝟎,𝟏𝟔 0,04
𝐏 𝐋𝟑 /𝐃 = 𝐏 𝐋𝟑 /𝐃 = = =0,33
𝐏 𝐃 0,35∗ 0,12+0,40∗0,10+0,25∗0,16 0,122
D e) Si el tornillo es defectuoso haya sido
12%⇒0,12
producido por la línea 1.
𝐋𝟏 ND Condición: Si el tornillo es defectuoso
35%⇒0,35 88%⇒0,88 𝐏 𝐀∩𝐁 B: el tornillo es defectuoso
D 𝐏 𝐀/𝐁 = A: el tornillo fue producido en L1
𝐏 𝐁
10%⇒0,10
𝐋𝟐 𝐏 𝐋𝟏 ∩ 𝐃
𝐏 𝐋𝟏 /𝐃 =
40%⇒0,40 ND 𝐏 𝐃
90%⇒0,90 𝟎,𝟑𝟓∗𝟎,𝟏𝟐 0,042

𝐏 𝐋𝟏 /𝐃 = 0,122 =0,122 =0,34
25%⇒0,25 D
𝐋𝟑 16%⇒0,16
f) Si el tornillo no es defectuoso haya sido
ND producido por la línea 2.
84%⇒0,84 Condición: Si el tornillo no es defectuoso
𝐏 𝐀∩ 𝐁 B: el tornillo no es defectuoso
𝐏 𝐀/𝐁 =
𝐏 𝐁 A: el tornillo fue producido en la L2
𝐏 𝐋𝟐 ∩ 𝐍𝐃 𝟎,𝟒𝟎∗𝟎,𝟗𝟎 0,36
𝐏 𝐋𝟐 /𝐃 = 𝐏 𝐋𝟐 /𝐍𝐃 = = =0,41
𝐏 𝑵𝐃 0,35∗ 0,882+0,40∗0,90+0,25∗0,84 0,878

Tema 6: Eventos independientes. Teorema de Bayes

1) Se realiza un sorteo de una estufa y una nevera, en este orden, entre 10
mujeres y 10 hombres participantes.
a) Si una misma persona puede ganarse ambos premios, halle la
probabilidad de que ambos enseres se los gane una mujer. ¿Son los
eventos independientes o dependientes?
b) Si una misma persona no puede ganarse ambos premios, halle la
probabilidad de que de que ambos enseres se los gane una mujer. ¿Son los
eventos independientes o dependientes?
2) En una fábrica de tornillos hay tres líneas de producción, la primera

produce el 35%, la segunda el 40% y la tercera el resto. De la primera línea
el 12 % de su producción son tornillos defectuosos, de la línea 2, el 10%
son defectuosos y de la línea tres el 16%. Si elegimos al azar un tornillo de
toda la producción, calcula la probabilidad de que:
a) Se haya producido en la línea 3 si no es defectuoso.
b) No se haya producido en la línea 1 si no es defectuso.

3) Se conoce que cierta máquina que produce tornillos, trabaja
correctamente el 90% del tiempo. Si la máquina no trabaja
correctamente, el 5% de los tornillos producidos son defectuosos. En
caso contrario solo el 1% es defectuoso. Si se escoge aleatoriamente un
tornillo producido. ¿Cuál es la probabilidad de que este sea:
a) Defectuoso.
b) Si es defectuoso que provenga de la máquina que no trabaja
correctamente.
4) En un sorteo se recibe un premio si se saca una canica roja de un saco

de 100 canicas, donde 20 canicas son rojas y el resto azules. De las
canicas rojas 15 son pequeñas y 5 grandes, mientras que de las azules 70
son pequeñas y 10 grandes. Si puedes palpar el tamaño de las canicas
¿Qué tamaño te convendría sacar?

Todas Las Clases

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

Todas Las Clases

Cargado por

Copyright:

Formatos disponibles

Unidad # 1: Organización, presentación de datos

Tema 1: Introducción a la Estadística

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Estadística Descriptiva Estadística Inferencial, o

Universo, lo constituye el conjunto de individuos o elementos que poseen

Muestra (n), es el subconjunto de individuos u observaciones tomada del

Observación, Dato o registro realizado, producto de la apreciación de una

Parámetro, es una característica de la Población. Es el resultado de la

Docente: Graciela Abad Peña, Ph.D. 2021

Dato, es cada una de las observaciones tomadas de los individuos o

Docente: Graciela Abad Peña, Ph.D. 2021

Caracteres cuantitativos o Caracteres cualitativos o

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Una escala de medición es el conjunto de los posibles valores

Se distinguen cuatro escalas o niveles de medición:

El análisis estadístico apropiado en

Identidad: cada número tiene un significado particular.

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

Clasificación según: Escala

El tipo de insuficiencia que Nominal

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

VARIABLE ESCALA TIPO DE

Nivel educativo Ordinal Cuasi-cuantitativa

Calificaciones Intervalo Cuantitativa

Docente: Graciela Abad Peña, Ph.D. 2021

3) De las siguientes variables indica cuáles son

a) La nacionalidad de una persona.

Docente: Graciela Abad Peña, Ph.D. 2021

6) En un estudio estadístico se observó el tiempo que

Docente: Graciela Abad Peña, Ph.D. 2021

Docente: Graciela Abad Peña, Ph.D. 2021

10) Supón que se obtiene la siguiente información de José

Variable Tipo de Escala Categorías o valores

Docente: Graciela Abad Peña, Ph.D. 2021

Nivel cultural de los trabajadores.

Docente: Graciela Abad Peña, Ph.D. 2021

14) Describa los valores que puede tomar la variable y

Docente: Graciela Abad Peña, Ph.D. 2021

DOCENTE: Graciela Abad Peña, PhD

Son hechos/informaciones y cifras que

Docente: Graciela Abad Peña, Ph.D. 2021

Cuando la observación de la variable se hace sobre una

Datos binarios Datos categóricos

Docente: Graciela Abad Peña, Ph.D. 2021

Datos categóricos (multicotómicos), existe un número acotado pero

Ordinales: los valores posibles de los datos tienen un orden, precedencia

Docente: Graciela Abad Peña, Ph.D. 2021

Cuando la observación que se hace de la variable puede ser

Datos cuantitativos Datos cuantitativos

Docente: Graciela Abad Peña, Ph.D. 2021