MA444 202301 Cuaderno de Trabajo

MA444 Estadística
Civil
Electrónica
Mecatrónica
Cuaderno de trabajo
Área de Ciencias
Marzo 2023
2
UPC MA444 Estadística
3
Tabla de contenido
Unidad 1. Estadística Descriptiva

Estadística
Estadística descriptiva 6
Estadística inferencial 6
Conceptos básicos
Variables 9
Escalas de medición 11
Dato 17
Observación 17
Parámetro 18
Estadístico 18
Organización de datos cualitativos 19
Tabla de distribución de frecuencias 19
Gráficos de una variable cualitativa 20
Organización de datos cuantitativos discretos 24
Gráfico de bastones o líneas 24
Organización de datos cuantitativos continuos 30
Gráficos de una variable cuantitativa continua 36
Medidas de resumen 42
Definiciones 42
Medidas de tendencia central 43
Medidas de posición o cuantiles 50
Medidas de variabilidad o dispersión 54
Medida de asimetría 63
Unidad 2. Probabilidad y variable aleatoria 69

Definiciones 70
Experimento aleatorio 70
Espacio muestral 70
Evento 70
Operaciones con eventos 71
Probabilidad 74
Regla aditiva de la probabilidad 76
Principios fundamentales de conteo 81
Probabilidad condicional 87
Ley multiplicativa de probabilidad 90
Eventos independientes 91
Aplicación al sistema de componentes: Confiabilidad de sistemas 95
Probabilidad total y el teorema de Bayes 98
Probabilidad total 98
Teorema de Bayes 98
4
Variable aleatoria 107
Distribuciones discretas especiales 115
Distribución binomial 115
Distribución Poisson 121
Variables aleatorias continuas 129
Función de densidad de una variable continua 129
Función de distribución acumulada 131
Principales distribuciones de variables aleatorias continuas 134
Distribución exponencial 134
Distribución normal 138
Unidad 3. Inferencia estadística 148

Tamaño de muestra para estimar la media de una población 149
Margen de error 149
Nivel de confianza 149
Varianza poblacional 149
Conceptos básicos 154
Unidad elemental 154
Muestreo probabilístico 160
Muestreo simple aleatorio 160
Uso de la tabla de números aleatorios 161
Prueba de hipótesis 171
Contraste de hipótesis 171
Tipos de errores 171
Pasos para realizar una prueba de hipótesis 172
Prueba de hipótesis para una media con varianza poblacional desconocida 173
Prueba de hipótesis para una proporción poblacional 182
Prueba de hipótesis para la razón de varianzas poblacionales 189
Prueba de hipótesis para la diferencia de medias poblacionales 192
Caso 1: Varianzas poblacionales desconocidas y homogéneas 192
Diseño de experimentos 204
Conceptos generales 205
Diseño completamente al azar 207
Análisis de la varianza 210
Método de comparaciones múltiples: Prueba de Tukey - Kramer 215
Regresión lineal simple 224
Diagrama de dispersión o gráfico del plot 226
Método de los mínimos cuadrados 226
Recta o ecuación de regresión 227
Validación del modelo de regresión lineal 230
Coeficiente de determinación 232
Coeficiente de correlación 232
Tablas estadísticas 247
Tabla de la distribución normal estándar 247
Tabla de la distribución t - Student 249
Tabla de la distribución F 251
5
Unidad 1. Estadística Descriptiva
Logro
Al término de la unidad, el estudiante entiende claramente la información presentada en tablas y

gráficas. Asimismo, calcula resúmenes obtenidos a partir de un conjunto de datos y los utiliza para
dar solución a un problema dentro de un contexto real o de su especialidad.
Temario
● La Estadística. Conceptos básicos.
● Organización de datos cualitativos y cuantitativos
● Medidas de tendencia central: media, mediana, moda, media ponderada
● Medidas de posición: cuartiles, deciles y percentiles
● Medidas de dispersión: varianza, desviación estándar y coeficiente de variación
● Coeficiente de asimetría
Bibliografía
● Introducción a la Probabilidad y Estadística/ Mendenhall, Beaver, Beaver. Capítulo 1.1 (pág. 7-11)
6
● Introducción a la Probabilidad y Estadística/ Mendenhall, Beaver, Beaver. Capítulo 1.3 (pág. 11-
17)
● Introducción a la Probabilidad y Estadística/ Mendenhall, Beaver, Beaver. Capítulo 1.5 (pág. 24-
57)
7
Estadística
Es la ciencia de los datos. Implica la recolección de datos, clasificación, organización, análisis e
interpretación de resultados.
Estadística descriptiva
Es la rama de la Estadística que se dedica al análisis, descripción y representación de un conjunto de
datos obtenidos a partir de una muestra. Las conclusiones son válidas sobre las características de
dicho conjunto de datos.
Estadística inferencial
Es la rama de la Estadística que desarrolla los procesos de estimación, análisis y pruebas de hipótesis
de un conjunto de datos extraídos de una muestra, con el propósito de llegar a conclusiones acerca
de una población.
Estadística descriptiva
Se obtienen conclusiones sobre el conjunto de datos sin
incertidumbre. No realiza proyecciones
Recolección de datos
Clasiicación de datos
Organización de datos
Analisis e interpretación
Estadística inferencial
Se obtienen conclusiones respecto a la población bajo
incertidumbre. Realiza proyecciones
Toma de decisiones a partir de una muestra
8
Conceptos básicos
Población
Es un conjunto de elementos (personas, objetos, etc.) que tienen una o más características
observables que se pueden medir en ellos. Se denota por la letra N mayúscula.
Ejemplo 1
Para conocer la opinión que tienen los estudiantes de ingeniería sobre el servicio que ofrece el
Centro de Información, se puede considerar como población a todos los estudiantes de ingeniería de
la UPC matriculados en el semestre anterior.
Muestra
Se denomina muestra a una parte de la población. El tamaño de la muestra se denota con la letra n
minúscula.
Ejemplo 2
Para conocer la opinión que tienen los estudiantes de ingeniería, sobre el servicio que ofrece el
Centro de Información, se puede considerar como muestra a un subconjunto de estudiantes de
ingeniería de la UPC matriculados en el semestre anterior.
Elemento o unidad elemental

Es cada una de las entidades acerca de las cuales se reúnen los datos.
Población Todos los trabajadores del área de marketing de la inmobiliaria Nexo

Muestra Algunos
Elemento Un
Población Todos
Muestra Un subconjunto
Elemento Un
9
Ejemplo 3
El gobierno está preocupado por la ocurrencia de un sismo de alta intensidad
en el departamento de Lima y las consecuencias que éste podría generar en el
Cercado de Lima. Por esta razón, Defensa Civil ha decidido realizar un
diagnóstico de la situación de las viviendas en este distrito encuestando a
1200 viviendas seleccionadas al azar. Parte de la encuesta se presenta a
continuación.
Encuesta de vivienda
1. Tiempo de antigüedad de la vivienda

● Menos de 10 años
● Entre 10 y 20 años
● Más de 20 años
2. Material de construcción de la vivienda:
● Cemento
● Adobe
● Quincha
● Prefabricado
3. Número de habitaciones: ____________
4. Área de terreno: __________ m2
5. La vivienda se encuentra en:
● Buen estado de conservación
● Regular estado de conservación
● Mal estado de conservación
Complete la siguiente ficha técnica:

Fecha: Del 02 al 15 de marzo del 2020
Población: …
Muestra: …
Unidad elemental: …
Con 95% de confianza y 3% de margen de error.
Ejemplo 4
10
Se realizó un estudio para determinar la cantidad promedio diario de residuos de construcción y
demolición en la ciudad de Lima durante los meses de enero, febrero y marzo del presente año.
Determine la población, muestra y elemento.
Población
Muestra
Elemento
Variables
Una variable es la característica de interés de los elementos. Se representan con las letras
mayúsculas de nuestro alfabeto; por lo general, X, Y, Z.
Tipo de variables
Variable cualitativa
Es la característica cuyos valores no son numéricos. Por ejemplo, carrera universitaria, material de
construcción y tipo de resistencia.
Variable cuantitativa
Es la característica cuyos valores son numéricos. Se dividen en discretas y continuas.
Variable cuantitativa discreta

Es aquella variable cuyo resultado sólo puede tomar un número finito o infinito numerable de
valores. Estos valores surgen de un proceso de conteo.
Variable cuantitativa continua

Es aquella variable cuyo resultado puede tomar infinitos valores entre dos valores cualesquiera. Estos
valores surgen de un proceso de medición.
Ejemplo 1
Son variables cuantitativas discretas:
● Número de artículos defectuosos producidos diariamente
● Número de defectos por barra de acero
Son variables cuantitativas continuas:

● Temperatura (°C)
● Longitud de las barras de acero (cm)
Son variables cualitativas:

11
● Grado de instrucción
● Opinión sobre la calidad del servicio
Ejemplo 2
Si formulamos la siguiente pregunta al elemento: ¿Cuál es tu programa de televisión preferido?, la
variable en estudio la representamos con una letra mayúscula, por ejemplo, X= Programa de
televisión preferido.
Pregunta Variable en estudio Tipo de variable

¿Cuál es tu programa de televisión X = programa de televisión
Cualitativa
preferido preferido
Ejemplo 3
En cada caso, identifique la variable en estudio y su tipo.
Pregunta Variable en estudio Tipo de variable
¿Cuál es su grado de
instrucción?
¿Cuál es su ingreso
mensual, en soles?
¿Cuántos hermanos
tiene?
¿Cuál es tu año de
nacimiento?
12
Escalas de medición
Las escalas de medición de las variables permiten determinar la cantidad de información que
contienen los datos e indica el resumen de estos y el análisis estadístico más apropiado.
Las escalas de medida de una variable cualitativa son las siguientes:
Nominal
Una variable está medida en escala nominal cuando los datos son etiquetas o nombres que se
emplean para definir un atributo del elemento. Por ejemplo: el género de las personas, el estado
civil, el número telefónico, etc.
Ordinal
Una variable está medida en escala ordinal cuando pueden ordenarse de acuerdo con algún criterio.
Se pueden ordenar en forma ascendente o descendente. También, pueden registrarse por medio de
un código numérico. Por ejemplo: el orden de mérito de los alumnos en el curso de estadística, el
grado de instrucción de los clientes de un banco, nivel socioeconómico de los alumnos de la
universidad.
Las escalas de medida de una variable cuantitativa son las siguientes:
Intervalo
Una variable está medida en escala de intervalo si el cero es relativo, es decir, no indica la ausencia
de la característica medida. Por ejemplo: las temperaturas en grados Celsius o en grados Fahrenheit.
Razón
Una variable está medida en escala de razón si el cero indica la ausencia de característica de la
medida. Por ejemplo: el sueldo de los empleados de una empresa, el peso de los trabajadores.
Ejemplo 1
Indique en cada caso la variable, su tipo y escala de medida:
a. ¿Cuál es tu programa de TV preferido?

Y=
Tipo de variable: Escala de medida:
b. ¿Cuánto es la temperatura hoy, en grados centígrados?

Y=
c. ¿Cuál es su año de nacimiento?

13
Y=
d. ¿Cuántos hermanos tiene?

Y=
Ejemplo 2
La Corporación Aceros Perú es una empresa que se dedica a la industria del acero. Actualmente, la
empresa está fabricando hierro esponja, palanquillas de acero, barras helicoidales, alambrón y barras
de construcción y tiene una capacidad de 680,000 toneladas al año. Uno de los mercados a los que
más se orientan los productos es el mercado de la construcción de Lima.
El departamento de Control de Calidad está encargado de realizar un estudio sobre las varillas
devueltas a la fábrica. Al seleccionar una muestra aleatoria de 80 barras de aceros de la sección de
devoluciones del almacén, se midieron algunas características de acuerdo con la siguiente ficha
técnica:
Número de barra: ___________

1. Tipo de barra de acero:
● Corrugado ASTM
● Corrugado Grado60
● Corrugado NBR7480
● Corrugado 4,7 mm
2. El destino de uso de la barra de acero
● Columnas
● Vigas
● Cimentación
● Concreto armado
3. Resistencia a la tracción: ________________ kg/cm2
4. Número de protuberancias: ________________

5. Categoría del límite a afluencia
● Alta
● Regular
14
● Baja
6. Tipo de defecto
● Escamas ● Marcas mecánicas ● Corrosión
● Pliegues ● Fisuras
● Grietas ● Porosidad
A partir de la información, complete el siguiente cuadro.
Indique la población
Indique la muestra
Identifique las características e

indique el tipo de variable y la
escala de medida.
15
Ejercicios propuestos
1. Corporación Domar S.A.C. es una empresa peruana ubicada en la ciudad de Lima con más de ocho
años de experiencia en el sector Industrial. La empresa ejecuta proyectos de instalación de
sistemas mecánicos y electrónicos, además brinda un servicio industrial de mantenimiento
especializado de maquinarias y laboratorios en todas las especialidades de ingeniería. El gerente
del área de servicios quiere convertir a la corporación en una de las empresas con mayor
representatividad, a nivel nacional, en el rubro industrial, por lo que desea evaluar los servicios
brindados durante el último trimestre. Se seleccionaron al azar 22 registros de los servicios
realizados durante el último trimestre. Algunas de las variables registradas se presentan a
continuación:
● Precio neto por el servicio (en miles de soles)
● Rubro de la empresa cliente (Construcción, Industria Manufacturera, Salud, Educación)
● Número de ingenieros necesarios para realizar el servicio
● Tipo de servicio (Mantenimiento preventivo, mantenimiento correctivo, instalación de

laboratorios, instalación de máquinas industriales)
● Cantidad de días de ejecución del servicio
a. Identifique la población y clasifique las variables según su tipo y escala de medida.
Población
Variable Tipo de variable Escala de medida
Precio neto por el servicio
Rubro de la empresa cliente

Número de ingenieros necesarios
para realizar el servicio
Tipo de servicio
Cantidad de días de ejecución del
servicio
2. El gobierno peruano está preocupado por la ocurrencia de un sismo de alta intensidad en el

departamento de Lima y por las consecuencias que esto podría generar, especialmente en
algunos distritos como el Cercado de Lima. Por esta razón, Defensa Civil realizó un diagnóstico de
la situación de las viviendas en el mencionado distrito a través de una muestra de 1200 viviendas
seleccionadas al azar.
Se registraron las siguientes variables:

16
● Tiempo de construida la vivienda, en años
● Material de construcción de la vivienda (cemento, adobe, quincha, material prefabricado)
● Número de habitaciones por vivienda
● Área del terreno en donde se construyó la vivienda.
De acuerdo con el enunciado, identifique:
Población
Muestra

Tiempo de construida la
vivienda, en años
Material de construcción de
la vivienda
Número de habitaciones por
vivienda
Área del terreno en donde se
construyó la vivienda
3. Computer es una compañía dedicada a brindar servicios informáticos a empresas que desean
tener una presencia firme y contundente en la red. Esta compañía se dedica al tendido de redes
LAN, instalación de equipos, servidores y toda una gama de productos tecnológicos que puedan
resultar imprescindibles para una empresa.
Como parte de un estudio realizado por Computer se analizó la información correspondiente a

una muestra de 30 empresas en la ciudad de Lima a las que se les brindó los servicios
informáticos.
Identifique el tipo y escala de medición de las variables consideradas en dicho estudio.

Lenguajes de programación (Cobol,
Java, etc.)
Cantidad de servidores por
empresa
Costo de las licencias de software
(en dólares)
Año de instalación del software
17
4. La empresa de investigación de mercados Alpha S.A. realizó un estudio para evaluar el efecto de
la caída de la bolsa de valores de Lima (BVL) en las administradoras de fondos de pensiones (AFP).
En este estudio se tomó una muestra de 300 afiliados entre 25 y 35 años en Lima seleccionados al
azar.
Se registraron las siguientes variables:

● AFP a la que pertenece el afiliado
● Monto del fondo del afiliado (en soles)
● Edad del afiliado (en años)
● Tipo de fondo según riesgo (bajo, moderado, alto).
De acuerdo con el enunciado, identifique:
Población
Muestra

AFP a la que pertenece el
afiliado
Monto del fondo del
afiliado (en soles)
Edad del afiliado (en años)
Tipo de fondo según riesgo
5. Indique el tipo y la escala de medición de las características observadas en una muestra de

secciones de tuberías de agua.
Variable Tipo de variable Escala de medición
Diámetro de la tubería (pulgadas)
Material de la tubería
Año de instalación
Ubicación (subterránea, aérea)
Longitud de la tubería (pies)

Estabilidad del suelo circundante (inestable,
18
moderadamente estable o estable)
Corrosividad del suelo circundante (corrosivo
o no corrosivo)
19
Dato
Es la respuesta que se tiene, por variable, de cada unidad elemental. Los datos pueden ser numéricos
o no numéricos.
Observación
Es el conjunto de datos que se tiene por unidad elemental. Existirán tantas observaciones como
elementos se tengan.
Ejemplo 1
La siguiente base de datos contiene información de una muestra de 10 usuarios de Internet de un

determinado distrito de la ciudad capital.
Usuari Marca de Principales problemas con Número de PC Tiempo de navegación

o PC Internet con Internet diaria (min)
1 HP Saturación de la red 1 194,00
2 Dell Lentitud para subir información 1 274,45
3 IBM Saturación de la red 3 104,89
4 HP Lentitud para ver videos 3 125,53
5 Dell Lentitud para ver videos 3 123,97
Calidad y durabilidad del
6 HP 4 134,66
modem
7 Otra marca Baja velocidad en la señal 2 256,33
8 HP Otros 2 195,32
9 HP Baja velocidad en la señal 2 121,90
10 Lenovo Lentitud para ver videos 2 378,27
Identifique y complete:
Indique la unidad elemental
¿Cuántos datos hay por unidad elemental?
¿Cuántas observaciones hay?
¿Cuántas características se están evaluando?
¿Cuántos datos hay en total?

Proporcione un ejemplo de dato cuantitativo
discreto
Proporcione un ejemplo de dato cuantitativo
continuo
Proporcione un ejemplo de observación
20
Parámetro
Un parámetro resume una característica de la población. Para obtener su valor se hace necesario
contar con toda la información que brindan los elementos de una población.
Estadístico
Un estadístico resume una característica de la muestra, para obtener su valor se utiliza la
información muestral. El valor obtenido de un estimador se conoce como estimación. Al estimador se
le llama estadígrafo o estadístico.
Algunos parámetros y estadísticos:
Nombre de la medida de resumen Notación del parámetro Notación del estadístico

N N
Promedio
∑ ❑ xi ∑ ❑ xi
i=1
μ= x= i=1
N n
Moda Mo mo
A a
Proporción p= ^p=
N n
Ejemplo 1
Se tiene una población de 30 alumnos del curso de estadística de la sección CI3A. A cada alumno se le
preguntó su edad. Con estos 30 datos se calculó la media y se obtuvo un valor de 19,7 años.
Complete el siguiente cuadro:
Indique si la medida de resumen corresponde

a un parámetro o a un estadístico
Indique el valor de la medida de resumen
Indique la notación de la medida de resumen

21
Organización de datos cualitativos
La organización se presenta a través de una tabla y de gráficos.
Tabla de distribución de frecuencias
Distribución de < elementos> según <variable>

Frecuencia porcentual
Variable Frecuencia absoluta fi Frecuencia relativa hi
pi
f1
Categoría 1 f1 h1 = p1=h 1 ×100 %
n
f2
Categoría 2 f2 h2 = p2=h 2 ×100 %
n
⋮ ⋮ ⋮ ⋮
fk
Categoría k fk h k= pk =hk ×100 %
n
Fuente: ……………………………………..
Los elementos de la tabla de frecuencias se describen a continuación:
Frecuencia absoluta (fi)

La frecuencia absoluta (fi) de una categoría, está dada por el número de repeticiones en las
observaciones que presenta esta categoría.
Frecuencia relativa (hi)

La frecuencia relativa (hi) de una categoría está dada por la proporción del número total de
observaciones que caen en esa categoría.
Frecuencia relativa acumulada (Hi)

La frecuencia relativa acumulada de una categoría está dada por la proporción del número total de
observaciones que caen hasta esa categoría.
Elementos de la tabla de frecuencias
Título
El título de la tabla debe tener la siguiente estructura:
Distribución de <elementos> según <variable en estudio>
Fuente
Se refiere de dónde se recolectaron los datos para posteriormente ser organizados. Se ubica siempre
en la parte inferior de la tabla.
22
23
Ejemplo 1
La siguiente información muestra la distribución de una muestra de viviendas de un determinado
distrito de Lima según material con el cual fue construido.
Distribución de viviendas según material de construcción

Material de construcción fi hi = fi/n pi = hi x 100%
Cemento 48 0,160
Adobe 100 0,333
Quincha 108 0,360
Material prefabricado 44 0,147
Total 300 1,000
Fuente: Municipalidad distrital
Indique la unidad elemental, variable en estudio, su tipo y escala de medición.
Unidad elemental
Variable en estudio Tipo de variable Escala de medición
Interprete el valor de las siguientes frecuencias:
f3 = …
p3 = …
Gráficos de una variable cualitativa
Barras y sector circular
● Para organizar gráficamente la variable cualitativa se utiliza el gráfico de barras o el gráfico de

sector circular.
● En caso la variable cualitativa sea de escala ordinal, se recomienda usar el gráfico de barras,
donde en el eje X se muestre la jerarquía de las categorías. Si trabajamos con variables cualitativas
de escala nominal, las categorías pueden ser colocadas en cualquier orden.
● En el gráfico de barras es posible usar las frecuencias absolutas o porcentuales, pero se prefieren
las frecuencias porcentuales.
● Para el caso del gráfico circular sólo es posible usar las frecuencias porcentuales.
● El título del gráfico es el mismo que se ha colocado a la tabla de frecuencias.
● En ambos tipos de gráfico, barras o sector circular, colocar la fuente y las etiquetas.
24
Ejemplo 1
La empresa PC Review – Perú está interesada en conocer cuál es el programa de Microsoft Office que
más utilizan los empleados de las empresas de la ciudad de Lima. Por tal motivo seleccionó al azar
una muestra de 500 empleados y se les pidió que indicaran el programa que más usaban
diariamente. La información se presenta a continuación:
Distribución de empleados según tipo de programa de Microsoft que usan diariamente

Programa de Microsoft Número de empleados fi hi pi% = hi x 100%
Access 50
MS Excel 101
MS Power Point 90
MS Word 113
Outlook 101
Otros 45
Total 500
Fuente: PC-Review-Perú
Complete los elementos que faltan en cada uno de los gráficos y comente:
Título del gráfico

120 113
101 101
100
90
80
Axis Title
60
50
45
40
20
0
Access MS Excel MS Power Point MS Word Outlook Otros
Axis Title
Comente el gráfico
25
Chart Title
Otros Access
9% 10%
Outlook
20% MS Excel
20%
MS Word MS Power Point

23% 18%
Comente el gráfico
26
Caso: Corporación Domar S.A.C.
Domar, es una empresa peruana ubicada en la ciudad de Lima y

ejecuta proyectos de instalación de sistemas mecánicos y electrónicos.
Además, brinda servicio de mantenimiento especializado de
maquinarias y laboratorios. Últimamente, se han presentado ciertos
inconvenientes con las empresas que solicitan sus servicios. Por esta
razón, el jefe del área desea realizar una evaluación seleccionando al
azar 32 registros de los servicios que se realizaron el primer trimestre
del presente año.
Complete la siguiente tabla:
Variable Tipo de variable Escala de medición

Costo por servicio (en miles de soles)
Número de técnicos especializados

necesarios para realizar el servicio
Principal queja presentada por la

empresa que recibió un servicio
Tiempo en horas para realizar el servicio
Calificación por el servicio (1 al 10)
El jefe del Área de Servicios impulsará paquetes si más del 25% de los clientes que solicitaron un
servicio pertenecen a este rubro.
Rubro de la empresa cliente de una muestra de 32 registros

Salud Servicios Manufacturera Manufacturera
Construcción Salud Salud Salud
Servicios Servicios Manufacturera Educación
Construcción Servicios Manufacturera Manufacturera
Manufacturera Construcción Educación Manufacturera
Salud Manufacturera Manufacturera Educación
Servicios Manufacturera Manufacturera Servicios
Servicios Manufacturera Salud Educación
Interpretación Representación Cálculo Análisis / Argumentación

El estudiante El estudiante indica la
El estudiante El estudiante indica conque
redacta el variable y que
muestra los cálculos valor calculado responde el
problema, con un herramienta
realizados para dar problema y redacta la decisión
lenguaje sencillo, estadística utilizará en
respuesta al que tomará a partir del
como pregunta u la solución del
problema. resultado de su análisis.
objetivo. problema.
27
Organización de datos cuantitativos discretos
La variable cuantitativa discreta, además de presentar las frecuencias absolutas y relativas, presenta
dos frecuencias acumuladas. La frecuencia acumulada absoluta representada por Fi y la frecuencia
acumulada relativa representada por Hi.
Frecuencia acumulada absoluta (Fi)

Representa el número de observaciones que caen hasta esa categoría.
Frecuencia porcentual (pi)

Representa el valor porcentual de la frecuencia relativa.
Distribución de < elementos> según <variable>

Variable fi hi Fi Hi pi
0 f1 h1 F1 H1 p1
1 f2 h2 F2 H2 p2
2 f3 h3 F3 H3 p3
… … … … … …
k fk hk n 1 pk
Total n 1
Fuente: ………
Gráfico de bastones o líneas
Es un gráfico para variable cuantitativa discreta donde se representan los valores de la variable y sus
respectivas frecuencias absolutas, relativas o porcentuales. Como todo gráfico debe tener su título
principal, títulos en los ejes, X e Y, las etiquetas, y la fuente.
Elementos de la tabla de frecuencias
Título
El título de la tabla debe tener la siguiente estructura:
Distribución de <elementos> según <variable en estudio>
Fuente
Se refiere de dónde se recolectaron los datos para posteriormente ser organizados. Se ubica siempre
en la parte inferior de la tabla.
28
Ejemplo 1
Corporación Domar S.A.C. es una empresa peruana ubicada en la ciudad de Lima. El gerente de
servicios desea evaluar el servicio brindado durante el primer trimestre del año, para ello seleccionó
al azar 22 registros de servicios realizados en dicho periodo. Para lograr una mayor
representatividad, se requiere que el número de ingenieros necesarios para realizar un servicio debe
ser como máximo 6, esto es por criterio de optimización del personal especializado. Si más del 15%
de los servicios se realizaron con más de 6 ingenieros, entonces el gerente sancionará al jefe de
personal. ¿Qué decisión tomará? La data se presenta a continuación:
Número de Precio neto del servicio

Servicio Tipo de servicio
ingenieros (en miles de soles)
1 5 23.3 Mantenimiento preventivo
2 4 27.5 Instalación de laboratorios
3 7 23 Mantenimiento preventivo
4 3 28.1 Mantenimiento correctivo
6 7 38.4 Instalación de máquinas industriales
14 3 29 Instalación de máquinas industriales
19 5 35 Mantenimiento correctivo
a. Identifique la variable, su tipo y escala de medida.

b. Identifique la herramienta a usar para dar respuesta a la consulta del gerente.
c. ¿Qué decisión tomará el gerente de servicio?
Solución
● Variable: Número de ingenieros necesarios para realizar el servicio
● Tipo: cuantitativa discreta

29
● Escala: razón
Se pide determinar el porcentaje de servicios con más de 6 ingenieros. Por lo tanto, se

debe realizar la tabla de distribución de frecuencias y adicionalmente el gráfico de
bastones.
Distribución de servicios según número de ingenieros

Número de ingenieros fi hi Fi Hi
3 6 0.273 6 0.273
4 4 0.182 10 0.455
5 6 0.273 16 0.727
6 3 0.136 19 0.864
7 3 0.136 22 1.000
Total 22 1.000
Fuente: Corporación Domar S.A.C.
Distribución de servicios según número de ingenieros
30% 27.3% 27.3%

porcentaje de ingenoeros
25%
20% 18.2%
15% 13.6% 13.6%
10%
5%
0%
2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5
Fuente: Corporación Domar Número de ingenieros

S.A.C.
c. ¿Qué decisión tomará el gerente de servicio?
Se observa que en el 13,6% de los servicios realizados participaron más de 6 ingenieros y de acuerdo
a la condición, el gerente del área de servicios no sancionará al jefe de personal.
30
Ejemplo 2
A continuación, se presenta el gráfico de bastones para la variable <número de capacitaciones
realizadas durante el último semestre del año>, obtenida a partir de una muestra de trabajadores de
una determinada empresa de cemento ubicada en la ciudad de Lima. En base al siguiente gráfico
identifique:
Distribución de empleados según número de capacitaciones
Número de empleados
60 54 52
49
50
40
30
20 16
8 6
10
0
0 1 2 3 4 5 6
Número de capacitaciones
Fuente: Empresa de Cemento A
Identifique la unidad elemental.
Indique el tamaño de muestra.
Indique la variable en estudio.
Interprete el gráfico
31
6. El jefe de recursos humanos de la empresa A desea determinar la distribución de la cantidad de

faltas que han tenido los trabajadores el mes anterior. Por tal motivo, seleccionó al azar 30
trabajadores y registró el número de faltas. Los datos se presentan a continuación:
0 0 0 0 1 1 1 1 1 1 1 1 2 2 2
2 2 2 2 2 2 2 3 3 3 3 3 3 4 4
a. Con la información anterior, indique:
Variable en estudio
Escala de medida de la variable
Unidad elemental
Interprete un dato
b. Complete la tabla y llene los espacios en blanco.
Distribución de ……
Número de faltas fi hi Fi Hi
0 4 4
1 8 12
2 10 22
3 28
4 30
Total
Fuente: Empresa A
c. Indique el porcentaje de trabajadores que no presentaron faltas el mes anterior.

d. Indique el número de trabajadores que tuvieron a lo más dos faltas.
e. Los trabajadores con problemas son aquellos con tres o más faltas. Indique el porcentaje de
trabajadores que tienen problemas.
f. Interprete la primera frecuencia absoluta.
g. Interprete la tercera frecuencia relativa.
h. Interprete la cuarta frecuencia acumulada absoluta.
i. Presente el gráfico adecuado para la variable en estudio. Interprete.
7. La siguiente información muestra el número de ladrillos defectuosos fabricados diariamente en

una de las plantas de la empresa Rex. En una muestra aleatoria de 50 días se obtuvo la siguiente
información:
32
Distribución de días según número de ladrillos defectuosos
Número de ladrillos defectuosos fi hi Fi Hi
0 12
1 0,32
2 0,10
3 9
4 8 0,16
Total 50 1,00
Fuente: Rex S.A.
Si el gerente de Rex encuentra al menos un ladrillo defectuoso, en más de 40 días, deberá revisar
su sistema de fabricación.
8. El gerente de la empresa Líder S.A. solicita al jefe del Departamento de Ingeniería realizar una
investigación de las obras que fueron atendidas por la empresa el periodo anterior. Para la
realización del estudio, seleccionó aleatoriamente una muestra de 160 obras de construcción
atendidas el año pasado. La gerencia decidirá adquirir más camiones mezcladores, para las obras
de construcción, si el porcentaje de obras en el que se utiliza mínimo tres camiones para el
traslado del concreto armado premezclado supera el 55%. Indique lo que hará la empresa.
Distribución de obras según número de camiones

60 55
Cantidad de obras
50 45
40
30 25
20 15
10 10
10
0
0 1 2 3 4 5 6 7
Número de camiones
Fuente: Empresa Líder S.A.
9. Investigadores del Massachussets Institute of Technology (MIT) estudiaron las propiedades

espectroscópicas de asteroides de la franja principal, con un diámetro menor a los 100 kilómetros.
Los asteroides se observaron con el telescopio Hiltner del observatorio de MIT; se registró el
número de exposiciones de imagen espectral independiente para cada observación. Aquí se
presentan los datos de 40 observaciones de asteroides obtenidas de Science.
3 4 3 3 1 4 1 3 2 3
1 1 4 2 3 3 2 6 1 1
3 3 2 2 2 2 1 3 2 1
6 3 1 2 2 3 2 2 4 2
Construir un gráfico de bastones para el número de exposiciones de imagen espectral.

33
Organización de datos cuantitativos continuos

Los datos se agruparán de intervalo (también llamados clases, categorías o grupos) cuando la
variable tiene gran variabilidad.
Distribución de <unidades elementales> según <variable>

Frecuenci Frecuenci
Frecuencia Frecuencia
Intervalos Marca de clase a a
´ absoluta relativa
(clases) x1 absoluta relativa
acumulada F i acumulada H i
fi hi
Li 1 + Ls 1 f1
[ Li 1−Ls 1 ] ´
x 1= f1 h1 = F 1=f 1 H 1=h 1
2 n
L +
i2 Ls 2 f2
¿ Li 2−Ls 2 ¿ ´
x 2= f2 h2 = F 2=f 2+ F 1 H 2=h2+ H 1
2 n
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
Lik + L sk fk
¿ Lik −Lsk ¿ ´
xk= fk h k= F k =f k + F k−1 H k =hk + H k−1
2 n
Total n 1,00
Fuente:
Pasos para elaborar la tabla de distribución de frecuencias
● Obtener el rango ( R ) o recorrido, usando la siguiente fórmula:
R=dato máximo−dato mínimo
● Calcular el número de intervalos, usando la regla de Sturges:
k =1+3,322 n
El valor de k debe ser un valor entero y se redondea por redondeo simple.
● Calcular la amplitud del intervalo, usando la siguiente fórmula:
R
w=
k
El valor de w debe tener el mismo número de cifras decimales que tienen los datos y se
redondea por exceso.
34
Si los datos son enteros Si w = 12,7207; entonces w =
Si los datos tienen una cifra decimal Si w = 2,0205; entonces w =
Si los datos tienen dos cifras decimales Si w = 165,33033; entonces w =
● Calcular las frecuencias absolutas y relativas con sus respectivas frecuencias acumuladas.
● Calcular la marca de clase a través de la siguiente fórmula:
´ límite inferior i+ límite superior i

xi =
2
Ejemplo 1
Corporación Domar S.A.C. es una empresa peruana ubicada en la ciudad de Lima. El gerente de
servicios desea evaluar el servicio brindado durante el primer trimestre del año, para ello seleccionó
al azar 22 registros de servicios realizados en dicho periodo. La data se presenta a continuación:
Número de Precio neto del servicio

Servicio Tipo de servicio
ingenieros (en miles de soles)
3 7 23 Mantenimiento preventivo
35
La meta del gerente del área de servicios es que menos del 38% de los servicios tengan
precios netos hasta 29200 soles. De llegar a cumplirse la meta, el gerente será reconocido
con una bonificación especial por parte del directorio.

c. ¿El gerente recibirá la bonificación especial?
Solución
● Variable: Precio neto por el servicio, en soles
● Tipo: cuantitativa continua

● Escala: razón
Se pide determinar el porcentaje de servicios realizados cuyos precios netos sean como
máximo 29200 soles; por lo tanto, se debe realizar la tabla de distribución de frecuencias y
adicionalmente el histograma.
Para construir la tabla de frecuencias seguir los siguientes pasos:
● Calcule el rango (R) o recorrido.
R=dato máximo−dato mínimo = 38,4 – 23 =15,4
● Determine el número de intervalos (k ).
k =1+3,322 ( 22 )=5 , 46
Como k debe ser un número entero, por redondeo simple k = 5
● Determine el tamaño del intervalo de clase (w ).
15 , 4
w= =3 , 08
5
Los datos tienen dos decimales; por lo tanto, w se redondea por exceso a un decimal, luego, el
valor de w es 3,1
36
Distribución de servicios según precio neto
i Intervalo Xí fi hi Fi Hi
1 [23,0 26,1] 24,6 2 0,091 2 0,091
2 ]26,1 29,2] 27,7 6 0,273 8 0,364
3 ]29,2 32,3] 30,8 7 0,318 15 0,682
4 ]32,3 35,4] 33,9 3 0,136 18 0,818
5 ]35,4 38,5] 37,0 4 0,182 22 1,000
22 1
Distribución de servicios según precio neto

35%
31.80%
porcentaje de servicios
30% 27.30%
25%
20% 18.20%
15% 13.60%
10% 9.10%
5%
0%
[23.0-26.1] ]26.1-29.2] ]29.2-32.3] ]32.3-35.4] ]35.4-38.5]
precio neto
Fuente: Corporación Domar S.A.C.
c. ¿El gerente recibirá la bonificación especial?
Se observa que el 36,4% de los servicios tienen precios netos menores o iguales a 29200
soles. Por lo tanto, el gerente será reconocido con una bonificación especial por parte del
directorio de la Corporación Domar S.A.C.
Ejemplo 2
Se ha llevado a cabo un estudio para evaluar el tiempo, en horas, que utiliza cada trabajador de una
planta hidroeléctrica para verificar el normal funcionamiento de la tubería de presión y las válvulas
de control. Para ello se eligieron al azar 30 de ellos.
0,0 0,1 0,1 0,7 0,7 0,8 0,8 0,9 0,9 1,1 1,1 1,1 1,2 1,4
1,4
8 5 9 1 5 2 4 2 6 6 7 9 3 7
1,5 1,6 2,0 2,1 2,3 2,4 3,0 3,2 3,5 3,7 3,9 4,5 4,7 5,4
4,5
9 1 1 6 8 2 7 2 3 6 4 9 5 1
Para construir la tabla de frecuencias deberá seguir los siguientes pasos:
● Calcule el rango (R) o recorrido.

37
● Determine el número de intervalos (k ).
● Determine el tamaño del intervalo de clase (w ).
Título: …
i Intervalo Xí fi hi Fi Hi
1 [0,08 – 0,97]
2 ]0,97 – 1,86]
3 ]1,86 – 2,75]
4 ]2,75- 3,64]
5 ]3,64 – 4,53]
6 ]4,53 – 5,42]
Fuente: ……………………
Interprete los valores de las siguientes frecuencias.
f2
h2(%)
F4
H4(%)
Ejemplo 3
Use la regla de Sturges para construir la tabla de distribución de frecuencias del monto de venta
diario, en cientos de soles, del último año de la empresa Beta Systems S.A.
52,0 94,7 95,1 97,5 102,5 104,1 106,0 125,2 125,6 146,0
146,8 158,6 158,7 162,6 166,2 166,2 166,2 166,2 168,2 169,7
196,0 204,9 204,9 204,9 204,9 208,3 215,2 217,5 218,1 218,1
38
218,1 218,1 220,9 226,2 235,0 239,7 242,2 259,6 261,6 277,2
286,5 287,0 297,8 313,9 315,0 316,2 338,6 359,9 363,1 398,3
Identifique.
Elemento
Variable en estudio
Tipo de variable y escala
Título: …
Intervalo Xí fi hi Fi Hi
Fuente: …
Interprete los valores de las siguientes frecuencias.
f2
h3(%)
F4
H2(%)
39
Gráficos de una variable cuantitativa continua
Son gráficas que representan las observaciones obtenidas de la variable cuantitativa continua. Se
pueden realizar con las fi o pi. Como todo gráfico los elementos son: el título principal, título de los
ejes X e Y, etiquetas y fuente.
Los siguientes gráficos se han obtenido con los datos del ejemplo 2 y usando el software MINITAB.
Histograma
Es una gráfica de barras cuyos valores del eje X son los intervalos de clase. Además, la altura de las
barras está determinada por las frecuencias relativas de los intervalos de clase. Según el interés del
estudio se pueden considerar también, las frecuencias absolutas.
Polígono
Es una gráfica donde los valores del eje X son las marcas de clase.
Para cerrar el polígono se debe aplicar el siguiente artificio: restar a la primera marca de clase el valor
de la amplitud y sumar a la última marca de clase el valor de la amplitud.
Según sea el interés del estudio se pueden considerar las frecuencias absolutas o porcentuales.
40
Ojiva
Es una gráfica donde los valores del eje X son los límites superiores.
Es una gráfica creciente a la que debe aplicarse el siguiente artificio: El primer valor del eje X es el
dato más pequeño del conjunto de datos o valor mínimo o valor del primer límite inferior.
Según el interés del estudio se pueden considerar las frecuencias absolutas o relativas.
41
10.El jefe del Área de Operaciones de Tricon S.A. aplicará una mejora continua en la distribución del
concreto premezclado a las obras, debido a las constantes quejas de los clientes respecto al
tiempo de llegada de los camiones a la obra desde la planta de Los Olivos. Tomará tal decisión si
más del 30% de los camiones llegan después de los 39,5 minutos a la obra.
19,1 20,0 23,9 26,1 26,5 27,9 30,1 30,8 32,9 34,7
36,1 36,5 36,6 37,5 38,4 39,3 43,7 44,2 44,6 45,1
46,1 46,3 48,8 51,3 52,7 52,9 53,0 55,0 57,3 59,6
¿Recomendaría usted aplicar la mejora continua en la distribución del concreto premezclado?
11.Corporación Domar es una empresa peruana ubicada en la ciudad de Lima con más de ocho años
de experiencia en el sector Industrial. La empresa ejecuta proyectos de instalación de sistemas
mecánicos y electrónicos, además brinda un servicio industrial de mantenimiento especializado
de maquinarias y laboratorios en todas las especialidades de ingeniería. Debido a las expectativas
de las utilidades del último trimestre, la meta del gerente del área de servicios es que por lo
menos el 40% de servicios tengan precios netos por el servicio mayores a 33 900 soles. De llegar a
cumplir la meta, el gerente será reconocido con una bonificación por parte del directorio. ¿Cuál
será la decisión del directorio? Los registros del último trimestre se presentan a continuación:
N° de Número de Precio neto del servicio

Tipo de servicio
servicio ingenieros (en miles de soles)
1 5 23,3 Mantenimiento preventivo
2 4 27,5 Instalación de laboratorios
4 3 28,1 Mantenimiento correctivo
6 7 38,4 Instalación de máquinas industriales
42
12.En la producción de las piezas electrónicas, el tiempo de fabricación es muy importante, de tal
manera que el jefe de producción debería calibrar su maquinaria si verifica que hay por lo menos
30% de piezas electrónicas cuyo tiempo de fabricación es más de 10,55 minutos. ¿Deberá el jefe
de producción calibrar su maquinaria? Se cuenta con la siguiente información del tiempo de
fabricación en una muestra de 30 piezas electrónicas.
Distribución de piezas electrónicas según tiempo de fabricación

f h F H
Tiempo de fabricación Xí
i i i i
4,71 0,100
7,63 2
8
5 0,167
11,28 7
Fuente: Empresa A
43
Caso: Riesgo de construcción de viviendas
El crecimiento demográfico en Lima se ha incrementado de

manera exponencial. Este problema ha conllevado a ocupar
espacios con riesgos y vulnerabilidad a desastres por
construcción, debido a una mala técnica, mal manejo de
materiales, tipo de suelo, tipo de cimentación o altitud de la
construcción.
Para tomar decisiones, la gerencia de gestión del riesgo de desastres de la Municipalidad de Lima
realizó el mes pasado un estudio de riesgo de construcción de viviendas, para ello se seleccionaron
200 viviendas ubicadas en las laderas de los cerros de Lima Metropolitana.
En el estudio se presentaron las siguientes situaciones:
Situación 1
Determinar si se brindará asistencia técnica a las viviendas.
La Gerencia de Gestión del Riesgo de Desastres de la Municipalidad de Lima brindará asistencia

técnica a las viviendas ubicadas en la zona alta de Lima con riesgo de cimientos siempre y cuando
más del 30% de ellas tengan al menos cuatro pisos.
Para ello se evaluaron 24 viviendas seleccionadas al azar con dichas características. La información
obtenida se muestra a continuación:
Distribución de viviendas según número de pisos

7
Número de viviendas
6 6 6
6
5
4
4
3
2
2
1
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Fuente: Municipalidad de Lima

Número de pisos
¿Qué decisión tomará la gerencia de gestión del riesgo de desastres de la Municipalidad de Lima?
Cálculo Análisis / Argumentación

El estudiante muestra los El estudiante indica con que valor calculado responde el
cálculos realizados para problema y redacta la decisión que tomará a partir del
dar respuesta al problema. resultado del análisis.
44
45
Situación 2
Realizar un estudio de materia orgánica en las laderas.
El analista del departamento de gestión del riesgo de desastres de la Municipalidad de Lima desea
realizar un estudio completo de materia orgánica en las laderas de los cerros que tienen suelo
arenoso. Para ello es importante evaluar la capacidad de intercambio catiónico (CIC). Para el estudio
se tomó información del CIC de una muestra de 80 viviendas con suelo arenoso. El analista decidirá
realizar el estudio completo, si más del 18% de estas viviendas registran un CIC mayor a 41,48
meq/100 gr. A continuación, se presenta la siguiente información:
Distribución de …………… según ……………

Intervalos Marca de clase fi hi Fi Hi
[18,36 24,14] 21,25 12 0,1500 12 0,15
]24,14 29,92] 27,03 0,1875 27 0,3375
]29,92 35,70] 32,81 20 0,2500 47 0,5875
]35,70 38,59 18 0,2250 65 0,8125
47,26] 44,37 10 75 0,9375
]47,26 53,04] 50,15 5 0,0625 80 1,00
¿El analista del departamento de gestión de riesgos de desastres realizará el estudio completo?

El estudiante indica la
El estudiante El estudiante muestra El estudiante indica con que
variable y que
redacta el problema los cálculos realizados valor calculado responde el
herramienta
con un lenguaje para dar respuesta al problema y redacta la decisión
estadística utilizará en
sencillo, como problema. que tomará a partir del
la solución del
pregunta u objetivo. resultado del análisis.
problema.
46
Medidas de resumen
Definiciones
Parámetro
Es una medida de resumen que caracteriza a la población. Para obtener su valor se hace necesario
contar con toda la información que brinda los elementos de una población. Por ejemplo, la media
poblacional μ, varianza poblacional σ 2.
Estadístico
Es una medida de resumen que caracteriza a la muestra. Para obtener su valor se utiliza la
información muestral. A los valores obtenidos de un estimador se conoce como estimación.
Por ejemplo: la media muestral ( x ), varianza muestral ( s2).
Los parámetros y estadísticos de mayor uso son:
Nombre de la medida de resumen Parámetro Estadístico

N N
Media
∑ ❑ xi ∑ ❑ xi
i=1
μ= x= i=1
N n
N N
Varianza
∑ ❑ ( x i−μ )2 ∑ ❑ ( x i−x )2
σ 2= i =1 s2= i=1
N n−1
Desviación estándar σ s
número de éxitos número de éxitos

Proporción p= ^p=
N n
47
Medidas de tendencia central
Son aquellas que localizan el “centro” de una distribución, indicando el valor alrededor del cual
tienden a concentrarse o distribuirse las demás observaciones. Lo que se persigue es conseguir un
valor que sea representativo del conjunto de datos que se está analizando.
Media aritmética
La media llamada también promedio, se define como el cociente de la suma de los valores
observados de la variable en estudio y el número de observaciones.
Características de la media
● Se puede calcular para variables de escala intervalo o razón.
● La mayor desventaja es que se ve afectado por valores extremos; es decir si hay valores muy
pequeños o grandes, la media no los representaría adecuadamente.
Cálculo de la media
La media poblacional es un parámetro y se calcula con:

N
∑ ❑ xi
μ= i=1
N
Para datos simples (no agrupados) se calcula por:

N
∑ ❑ xi
x= i=1
n
Para datos discretos (agrupados) se calcula por:

k
∑ ❑ f i xi
x= i=1
n
Para datos continuos (agrupados) se calcula por:

k
∑ ❑ f i x í
x= i=1
n
Cálculo del promedio usando una calculadora Casio

Para conocer cómo calcular la media en una calculadora científica Casio mire
el video: “Calcular media, varianza y desviación estándar con calculadora
CASIO fx-570ES”.
48
https://www.youtube.com/watch?v=Ds4vXpZ5jOw
Ejemplo 1
Los siguientes datos son medidas de la resistencia al rompimiento (en onzas) de una muestra de hilos
de lino.
15,2 15,8 16,2 18,5 19,4 20,6 21,2 21,9 25,4 27,3 28,3 29,5 32,5 33,7 36,9
Solución
N
La fórmula es:
∑ ❑ xi
x= i=1
n
Ingresando estos valores a la calculadora resulta: x=24 ,16
Interpretación
La resistencia al rompimiento de los hilos está alrededor de 24,16 onzas.

La resistencia al rompimiento de los hilos está próximo a 24,16 onzas.
Ejemplo 2
Calcule e interprete la media para el número de hijos obtenida a partir de una muestra de 35
familias.
Número de hijos Número de familias

0 13
1 6
2 8
3 6
4 2
Ejemplo 3
Calcule el tiempo promedio de verificación, en horas, para una muestra de trabajadores e interprete.
Tiempo de verificación fi X’i

[0,02 - 0,81] 6
]0,81 - 1,60] 13
]1,60 - 2,39] 4
]2,39 - 3,18] 3
49
]3,18 - 3,97] 2
]3,97 - 4,76] 2
50
Caso: Riesgo de construcción de viviendas
El crecimiento demográfico en Lima se ha incrementado de

manera exponencial. Este problema ha conllevado a ocupar
espacios con riesgos y vulnerabilidad a desastres por
construcción, debido a una mala técnica, mal manejo de
materiales, tipo de suelo, tipo de cimentación o altitud de la
construcción.
Situación 1
Para tomar decisiones, la gerencia de Gestión del riesgo de desastres de la Municipalidad de Lima
realizó, el mes pasado, un estudio para brindar asistencia técnica a las viviendas ubicadas en la zona
alta de Lima con riesgo de cimientos, siempre y cuando el número promedio de pisos por vivienda
sea mayor a dos. Para ello se evaluaron 24 viviendas seleccionadas al azar con dichas características.
La información obtenida se muestra a continuación:
Distribución de viviendas con riesgo de cimientos según número de pisos

Número de viviendas
7
6 6 6
6
5
4
4
3
2
2
1
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Número de pisos
¿Qué decisión tomará la gerencia de gestión del riesgo de desastres de la Municipalidad de Lima?
El estudiante muestra los cálculos El estudiante indica con que valor calculado
realizados para dar respuesta al responde el problema y redacta la decisión que
problema. tomará a partir del resultado del análisis.
51
Situación 2
El analista del Departamento de gestión del riesgo de desastres de la Municipalidad de Lima desea
realizar un estudio completo de materia orgánica en las laderas de los cerros que tienen suelo
arenoso. Para ello es importante evaluar la capacidad de intercambio catiónico (CIC).
Para el estudio se tomó información del CIC de una muestra de 80 viviendas con suelo arenoso. El
analista decidirá realizar un estudio completo, siempre y cuando el CIC promedio supera el valor de
25 meq/100 gr. A continuación, se presenta la siguiente información:
Distribución de ………
Intervalos Marca de clase fi hi Fi Hi
18,36 24,14 21,25 12 0,1500 12 0,1500
24,14 29,92 27,03 0,1875 27 0,3375
29,92 35,70 32,81 20 0,2500 47 0,5875
35,70 38,59 18 0,2250 65 0,8125
47,26 44,37 10 75 0,9375
47,26 53,04 50,15 5 0,0625 80 1,0000
¿El analista del Departamento de gestión de riesgo de desastres realizará el estudio completo?

El estudiante indica la
El estudiante El estudiante muestra El estudiante indica con que
variable y que
redacta el problema los cálculos realizados valor calculado responde el
herramienta
con un lenguaje para dar respuesta al problema y redacta la decisión
estadística utilizará en
sencillo, como problema. que tomará a partir del
la solución del
pregunta u objetivo. resultado del análisis.
problema.
52
Mediana
Es el valor que ocupa el lugar central de un conjunto de datos ordenados. Por tanto, es el valor que
divide en dos partes a dicho conjunto de datos.
Características de la mediana
Se puede calcular para variables medidas en escala intervalo o razón.

La mediana no se ve afectada por valores extremos (mínimo y máximo).
Cálculo de la mediana para datos no agrupados
Si denotamos las observaciones ordenadas por x [ 1 ], x [ 2 ], x [ 3 ], … , x [ n ] , la mediana calcularse por:
● Si n es impar, la mediana es:

me=x
[ ]
n+1
2
● Si n es par, la mediana es:

x n +x
me=
[] [ ]
2
n
2
+1
Es decir, n es par, la mediana es el promedio de los datos que se encuentran en la posición []

n
2
y
[ ]
n
2
+1 .
Ejemplo 1
Los siguientes datos corresponden a una muestra de baterías cuyas lecturas de voltaje (en voltios) se
muestran a continuación:
10,00 10,05 10,12 10,26 25,00 9,84 9,96 9,98 9,99 10,00
Calcule e interprete el valor de la mediana.
Solución
Primero ordenamos los datos.
9,84 9,96 9,98 9,99 10,00 10,00 10,05 10,12 10,26 25,00
Como n = 10, el cual es un número par, la mediana se calcula con:

53
x n +x
me=
[ 2 ] [ n2 +1]
2
Reemplazando los valores.
x 10 + x 10
2 2
+1 x 5+ x6 10+10
me= = = =10
2 2 2
Interpretación: El 50% de las baterías tienen una lectura máxima de 10 voltios.
Ejemplo 2
Los siguientes datos corresponden a la distribución del número de piezas defectuosas producidas en
una muestra de 150 días. Calcule e interprete el valor de la mediana.
Número de piezas de defectuosas Número de días fi Fi

0 50
1 60
2 25
3 10
4 5
54
Moda
La moda de un conjunto de datos es aquel valor que se repite con mayor frecuencia.
Características de la moda
● La moda (mo) se puede calcular para cualquier escala de medición.
● El valor de la moda no se ve afectada por valores extremos.
● Si un conjunto de datos tiene una moda, se dice que es unimodal, si tiene dos modas se dice que
es bimodal y si tiene más de dos modas se dice que es polimodal.
● Se puede dar el caso en que un conjunto de datos no tenga moda.
Ejemplo 1
Los siguientes datos corresponden a una muestra de baterías cuyas lecturas de voltaje se presentan a
continuación:
9,84 9,89 9,98 9,99 10,00 10,00 10,05 10,12 10,26 25,00
Moda = 10, pues es el valor que más se repite.
Interpretación
La lectura de voltaje más frecuente es de 10 voltios.
La lectura de voltaje que se repite con mayor frecuencia es 10 voltios.
Ejemplo 2
Renacer S.A. es una empresa que fabrica hornos microondas. La gerencia encargó al jefe de control
de calidad informar cuál es el problema más frecuente encontrado en la fabricación de estos
aparatos. Para dar respuesta a la consulta, se tomó una muestra de equipos del área de
reparaciones. Los resultados se presentan en la siguiente tabla:
Problemas Número de hornos fi

Capacidad de descongelación 6
Velocidad de calentamiento 14
Cable de alimentación 3
Fuga de la microondas 8
Frecuencia de la microondas (MHz) 9
Potencia de microondas (kilowatts) 10
Con la información presentada, ¿qué problema se presenta con mayor frecuencia?

55
56
Medidas de posición o cuantiles
Se define así a un número real que divide a un conjunto de datos en dos partes con porcentajes
especificados debajo y sobre este valor. Para su cálculo, los datos deben estar previamente
ordenados.
Cuartil
Divide al conjunto de datos en cuatro partes porcentualmente iguales. Se denotan Q1, Q2 y Q3 que son
los correspondientes percentiles P25, P50 y P75.
Decil
Divide al conjunto de datos en diez partes porcentualmente iguales. Hay nueve deciles D1, D2, …, D9
que son los correspondientes percentiles P10, P20, …, y P90 .
Percentil
Divide un conjunto de datos en 100 partes porcentualmente iguales. Dado un percentil Pk, este divide
el conjunto de datos en dos partes, la inferior que contiene el k% de datos y la superior que contiene
el (100 – k)% de datos.
El k% de las unidades elementales presentan El (100 – k)% de las unidades elementales

valores menores o iguales o al percentil k presentan valores mayores al percentil k
Pk
Cálculo del percentil para datos no agrupados
Primero debe ordenarse los datos en orden creciente.
Luego, para hallar el percentil Pk se sigue los siguientes pasos:
Calcular el valor de la posición que ocupa el percentil Pk en la lista de datos ordenados que está
determinada por la siguiente expresión:
k ( n+1 )
i= =E , d
100
Donde E es la parte entera y d es la parte decimal.
Luego,
Pk = X [ E ] +0 , d ( X [ E +1 ]− X [ E ] )
57
Ejemplo 1
Suponga que los promedios ponderados de una muestra de 12 ingenieros civiles egresados se
muestran a continuación:
14,5 15,5 15,5 16,1 16,2 16,4 16,5 17,0 17,1 17,3 17,5 17,6
a. Calcule e interprete el valor del D4.
b. Si se desea contratar a un egresado que pertenezca al quinto superior, ¿qué percentil debe
calcular y cuál es la nota mínima que debería de tener?
58
Ejemplo 2
Una muestra de 30 trabajadores de una plataforma petrolera marina formó parte de un ejercicio de
escape del área. Para ello se registraron los tiempos, en minutos, empleados en la evacuación.
31,5 32,5 32,5 33,4 33,9 34,0 35,6 35,6 35,9 35,9
36,3 36,4 36,9 37,0 37,3 37,3 37,4 37,5 38,0 38,9
39,2 39,3 39,4 39,7 40,2 40,3 41,5 42,4 42,8 44,5
a. ¿Cuál es el tiempo mínimo registrado por el 18% de trabajadores que emplearon más tiempo en
la evacuación de la plataforma?
b. ¿Cuál es tiempo máximo empleado por el 28% de trabajadores que emplearon menos tiempo en
la evacuación de la plataforma?
59
Ejemplo 3
Investigadores del Massachussets Institute of Technology (MIT) realizaron el 9 de abril de 1993 un
estudio sobre asteroides. Al observar 39 de estos asteroides con el telescopio Hiltner del
observatorio de MIT; se registró el número de exposiciones de imagen espectral.
Número de exposiciones de imagen espectral

1 1 1 1 1 1 1 1 1 2 2 2 2
2 2 2 2 2 2 2 2 2 3 3 3 3
3 3 3 3 3 3 3 3 4 4 4 4 6
a. A partir de los datos, elabore la tabla de frecuencias.
Título: ……………………………………………………………………………………………………………………………..
Número de exposiciones fi hi Fi Hi
1
2
3
4
6
Total
b. Indique el mínimo número de exposiciones obtenidos en el 15% de los asteroides con mayores
exposiciones. Además, indique a qué percentil corresponde.
c. Se desea categorizar a los asteroides según su número de exposiciones en categorías baja, media
y alta. ¿Cuáles serán los límites de las categorías si la categoría media contiene al 50% central de
la cantidad de asteroides?
60
Medidas de variabilidad o dispersión
Son aquellas que cuantifican que tan dispersos o concentrados se encuentran los datos respecto de
una medida de tendencia central. Los datos que están relativamente cercanos entre sí tienen bajas
medidas de variabilidad, mientras que los que están más alejados entre sí tienen medidas de
variación más grandes.
Varianza
● Es una medida del grado de dispersión o variación de los valores de una variable con respecto a su
media aritmética.
● Las unidades en las que queda expresada la varianza son unidades al cuadrado.
● Esta medida no tiene interpretación.

2 2
● La notación de la varianza de una muestra es s , mientras que la de una población es σ .
Cálculo de la varianza
Varianza poblacional para datos simples
∑ ❑ ( x i−μ )2
σ 2= i =1
N
Varianza muestral para datos simples
∑ ❑ ( x i−x )2
s2= i=1
n−1
Varianza muestral para datos agrupados discretos
∑ ❑f i ( x i−x )2
s2= i=1
n−1
Varianza muestral para datos agrupados continuos
k
2
∑ ❑f i ( x 'i−x )
s2= i=1
n−1
Desviación estándar
61
● La desviación estándar es la raíz cuadrada positiva de la varianza
● Se denota por σ si la desviación estándar es poblacional (parámetro) y por s si la desviación

estándar es muestral (estadístico).
● Las unidades de la desviación estándar son las mismas unidades de la variable. Por ejemplo, si la
variable tiene unidades centímetros, entonces, la desviación estándar tendrá como unidades
centímetros.
Cálculo de la desviación estándar
Desviación estándar poblacional
√
N
∑ ❑ ( x i−μ )2
i=1
σ=
N
Desviación estándar muestral para datos simples
√
n
∑ ❑ ( x i−x )2
i=1
s=
n−1
Desviación estándar muestral para datos agrupados discretos
√
n
∑ ❑ f i ( x i−x )2
i=1
s=
n−1
Desviación estándar muestral para datos agrupados continuos
√
n
∑ ❑ f i ( x 'i−x )2
i=1
s=
n−1
Cálculo de la varianza usando una calculadora Casio

Para conocer cómo calcular la desviación estándar en una calculadora
científica Casio mire el video: “Calcular media, varianza y desviación estándar
con calculadora CASIO fx-570ES”.
https://www.youtube.com/watch?v=Ds4vXpZ5jOw
Ejemplo 1
62
Calcule la varianza y la desviación estándar para la cantidad de plomo en una muestra de agua
potable en miligramos por litro.
35 73 30 15 36 60 47 19 15 38 10 35 31 21 22 20
Ejemplo 2
Calcule la varianza y desviación estándar del número de accidentes automovilísticos en una muestra
de 100 días.
Número de accidentes automovilísticos 0 1 2 3 4

fi 10 15 30 35 10
Ejemplo 3
Calcule la varianza y desviación estándar de los tiempos de exposición, en minutos, de un metal a
una sustancia química. Los resultados de una muestra de 66 reacciones son las siguientes:
Intervalos fi Marca de clase

[15,2 – 17,2] 12
]17,2 – 19,2] 13
]19,2 – 21,2] 20
]21,2 – 23,2] 16
63
]23,2 – 25,2] 5
Total 66
Calcule la varianza y desviación estándar.
Coeficiente de variación
Las medidas de variación estudiadas son medidas de variación absolutas pues estas se expresan en
las mismas unidades que la variable original (excepto la varianza que se expresa en unidades al
cuadrado).
El coeficiente de variación proporciona una estimación de la magnitud de las desviaciones con

respecto a la magnitud de la media.
El coeficiente de variación poblacional es un parámetro y se calcula por la siguiente fórmula:
σ
CV = × 100 %
μ
El coeficiente de variación muestral es un estadístico y se calcula por la siguiente fórmula:
s
CV = ×100 %
x
Características del coeficiente de variación
● Es una medida de dispersión relativa libre de unidades.
● Es útil al comparar la variabilidad de dos o más series de datos que se expresan en distintas o
iguales unidades, pero difieren a tal punto que una comparación directa de las respectivas
desviaciones estándar no es muy útil, por ejemplo, cuando las medias están muy distantes.
● El coeficiente de variación se calcula en variables medidas en escala de razón.
64
Ejemplo 1
A continuación, se presentan los tiempos de transmisión de un archivo, en segundos, evaluados en
una muestra de empresas que adoptaron la tecnología WAN y la tecnología LAN bajo condiciones
similares.
Tiempo de transmisión de un archivo con tecnología WAN

138 126 125 124 119 119 137 110 119 155 123 124 126 126 129
Distribución de empresas según tiempo de transmisión de un archivo con tecnología LAN

Tiempo de transmisión Frecuencia
[108 111] 3
]111 114] 35
]114 117] 66
]117 120] 57
]120 123] 29
]123 126] 16
Fuente: Consultora TEC
Determine para qué tipo de tecnología utilizada los tiempos de transmisión de datos son más
homogéneos. Justifique numéricamente su respuesta.
Medida de resumen WAN LAN
Promedio
Interpretación
La tecnología que presenta los tiempos de transmisión de datos más homogéneos es ……………
65
13.Electro, empresa dedicada a la venta de artefactos electrónicos para el hogar cuenta con tres
tiendas A, B y C. Los últimos informes indican que las ventas de cierto producto electrónico han
descendido. El gerente, con el fin de enfrentar el problema, ha determinado que es necesario un
estudio estadístico de las ventas semanales de este producto, en miles de soles. A continuación,
se presentan los resultados obtenidos para cada tienda:
Distribución de semanas según ventas de cierto producto electrónico en la tienda A

Ventas semanales, en miles de soles Número de semanas
[100 – 200] 5
]200 – 300] 14
]300 – 400] 21
]400 – 500] 7
]500 – 600] 3
Total 50
Fuente: Empresa Electro
Distribución de semanas según ventas de cierto producto electrónico en la tienda B

Ventas semanales, en miles de soles Número de semanas
20 2
40 8
60 25
80 20
100 8
Total 63
Fuente: Empresa Electro
Ventas semanales, en miles de soles, de cierto producto electrónico en la tienda C

120 200 100 50 45 120 100 100 90 75 100 210 100 50 120
a. Calcule la media y la varianza de las ventas semanales en las tiendas A, B y C.
Medida de resumen Tienda A Tienda B Tienda C
Media
b. Determine en cuál de las tiendas las ventas realizadas son más homogéneas.
Tienda A Tienda B Tienda C

66
14.En el medio local hay dos plantas (planta 1 y planta 2) que se dedican a la fabricación de barras de
acero para la construcción. Las empresas proveedoras de barras de acero para la construcción,
que abastecen al mercado constructor, desean averiguar acerca de la media y la desviación
estándar de la resistencia a la tracción.
Para ello, se tomaron muestras aleatorias en ambas plantas y la información registrada acerca de
la resistencia a la tracción (en kg/cm2) se muestra en las siguientes tablas:
Distribución de barras de acero según resistencia a la tracción – Planta 1

Resistencia a la tracción – Planta 1 fi
[69,220 – 70,436] 14
]70,436 – 71,652] 5
]71,652 – 72,868] 6
]72,868 – 74,084] 8
]74,084 – 75,300] 7
]75,300 – 76,516] 17
]76,516 – 77,732] 5
Total 62
Fuente: Estudio de barras de acero de planta 1 y 2
Estadísticas descriptivas: Resistencia a la tracción – Planta 2

Tamaño de muestra 62
Media muestral 64,52
Desviación estándar muestral 2,983
Realice el análisis adecuado para la dispersión y responda ¿qué planta es más heterogénea en las
resistencias a la tracción? Sustente su respuesta estadísticamente.
Medida de resumen Planta 1 Planta 2
Promedio
15.En una reciente entrevista, el presidente de la Confederación Nacional de Instituciones

Empresariales Privadas (Confiep), sostuvo que, en el país y a largo plazo, la mejor forma de
prevenir los desastres naturales es la construcción de represas y reservorios.
Debido a la previsión de falta de agua, la Confiep ha encargado realizar un nuevo estudio de

prefactibilidad a cargo de profesionales de ingeniería civil, en zonas cercanas a los ríos de la costa
norte del país, Tumbes, Piura, y Lambayeque, para decidir la construcción de una represa.
La información recogida se presenta a continuación:

67
Zonas Tipo de estructura Ríos Caudal del río (m3/segundo)
1 Cimientos Tumbes 13,3
12 Cimientos Piura 38,1
15 Excavaciones Piura 56,2
21 Excavaciones Lambayeque 34,4
24 Terraplenes Lambayeque 44,5
a. Según los especialistas un punto muy importante a considerar al momento de diseñar la

ubicación de las represas es evaluar el caudal (m 3/segundo) en cada uno de los ríos (Tumbes,
Piura y Lambayeque), porque si el caudal es muy bajo la represa no almacenaría la cantidad
de agua esperada para su posterior distribución. Por ello, el gerente de la empresa decidirá
construir la represa en aquella zona, que concentre los caudales del río en los valores más
altos. Según los resultados, ¿Cuál sería la recomendación de ustedes al gerente de la
empresa?
b. Ingenieros especialistas indicaron, que se debe realizar la construcción de la represa en

aquella zona que presente menor variabilidad posible en el caudal del río. Según la
información analizada, ¿en cuál de los ríos es más propicia la construcción de la represa?
16.Las represas constituyen una de las principales causas directas e indirectas de contaminación
ambiental. Una de estas causas es la filtración de sustancias contaminantes originando el
debilitamiento de la densidad de la superficie en la cual está construida la represa. Los resultados
que Andino S.A. obtuvo sobre las densidades de los terrenos, en gr/cm 3 en represas calificadas
con impacto ambiental regular y en represas con impacto ambiental fuerte se presentan a
continuación:
68
Densidad del terreno, en gr/cm3, en represas con impacto ambiental regular
15,2 20,7 16,6 22,7 35,6 17,1 25,2 26,6 10,4 23,6
Distribución de represas con impacto ambiental fuerte según den-

sidad del terreno, en gr/cm3
12
10
10
Cantidad de represas
8
7 7
6
5
4
3
2
2
1
0
5.5 9.8 14.1 18.4 22.7 27 31.3 35.635.6
Fuente: Andino S.A. Densidad del terreno
Para que una represa siga funcionando, la Confiep establece el cumplimiento de dos condiciones:
● Condición 1: La densidad promedio del terreno con impacto ambiental (regular o fuerte)
donde se ubica la represa debe ser por lo menos 17,5 gr/cm3 para que ésta no se derrumbe.
● Condición 2: La densidad del terreno donde se ubica la represa con impacto ambiental (regular
o fuerte) debe tener una variabilidad relativa de a lo más 34%.
Verifique las condiciones de tal manera que pueda presentar un informe que ayude a identificar
qué tipo de represa (con impacto ambiental fuerte o regular) está habilitada para su normal
funcionamiento.
69
Medida de asimetría
Coeficiente de asimetría de Pearson
Mide si los datos aparecen ubicados simétricamente o no respecto de la media. El coeficiente de

asimetría para datos simples o agrupados se calcula con la siguiente fórmula:
As=3 ( x̄− Mediana

s )
Si el coeficiente de simetría As es:
Ejemplo 1
Complete los siguientes textos:
● Si un grupo de datos tiene un coeficiente de asimetría negativo, esto significa que hay una
concentración de datos en los valores ………
● Si un grupo de datos tiene un coeficiente de asimetría positivo, esto significa que hay una
concentración de datos en los valores ………
● En un país como el Perú, los sueldos de las personas seguramente tienen un coeficiente de
asimetría …………, porque …………
● En un examen de Estadística, los tiempos que toman los alumnos en resolverlo seguramente
tienen un coeficiente de asimetría ……………, porque …………………
70
Ejemplo 2
Comasa es una empresa que produce artículos pesados de acero y dispone de un equipo
especializado de operarios que se capacitan constantemente. El último año se ha observado un
aumento en el número de accidentes, incrementándose así el costo de atención inmediata. Con el
propósito de implementar estrategias de prevención de accidentes, se analizarán los costos de la
planta de producción de Lima Sur. A continuación, se presenta la información, en miles de soles:
8 9 10 11 11 12 12 13 13 13 13 14
14 15 15 16 17 17 18 18 19 19 20 21
22 23 24 25 25 26 27 28 28 29 30
a. ¿Qué forma presenta la distribución de esta variable? Presente la gráfica.
b. Analizando la forma de la distribución, ¿es preocupante para la empresa?

71
72
17.Covisa es una empresa de construcción civil que compra ladrillos al proveedor Fax S.A. Para
continuar con el proveedor o cambiarlo, ha decidido realizar un análisis de la resistencia
transversal de los ladrillos, en Mn/m2.
A continuación, se presentan los resultados de una muestra de 40 ladrillos fabricados por el

proveedor:
3 4 4 4 5 5 6 6 6 7
8 8 8 8 8 9 9 9 10 11
11 11 11 11 11 12 12 12 12 13
13 13 14 15 15 17 17 18 19 20
¿Qué forma presenta la distribución de esta variable? Presente la gráfica.
18.Zinder y Crisis (1990), presentaron un algoritmo híbrido para resolver un problema de

programación matemática polinomial cero-uno. El algoritmo incorpora una combinación de
conceptos pseudo booleanos y procedimientos de enumeración implícitos probados y
comprobados.
Se resolvieron 52 problemas al azar utilizando el algoritmo híbrido; los tiempos de resolución

(tiempos de CPU en segundos) se listan en la siguiente tabla.
0,045 0,036 0,045 0,049 0,064 0,07 0,079 0,088 0,091 0,118 0,13 0,136
0,136 0,136 0,145 0,179 0,182 0,182 0,194 0,209 0,209 0,227 0,242 0,258
0,258 0,258 0,291 0,327 0,333 0,336 0,361 0,379 0,394 0,412 0,445 0,506
0,554 0,567 0,579 0,600 0,67 0,912 1,055 1,07 1,267 1,639 1,894 3,046
3,888 3,985 4,170 8,788
Se desea categorizar a los problemas según sus tiempos de resolución en categorías normal,
media y alta ¿Cuáles serán los límites de cada una de ellas si la categoría media contiene al 50%
central de la cantidad de problemas?
19.Los ingresos mensuales de una muestra de pequeños comerciantes se tabularon en una

distribución de frecuencias simétrica de cinco intervalos de igual amplitud resultando que el
ingreso mínimo es de 125 dólares y la marca de clase del cuarto intervalo es de 300 dólares. Si el
8% de los ingresos son menores que 175 dólares y el 70% de los ingresos son menores a 275
dólares.
a. Determine las frecuencias relativas de cada intervalo.

b. ¿Qué porcentaje de ingresos son superiores a 285 dólares?
20.A continuación, se presenta al número de camiones que atendió la planta de Lurín en cada obra
con el objetivo de evaluar indicadores en las atenciones que realiza la planta de Lurín.
73
Distribución del número de obras según número de camiones enviados

16 15
14
12 11
Número de obras
10 9
8 7
6
6
4
4 3
2
0
0 1 2 3 4 5 6 7 8
Número de camiones
Fuente: Planta de Lurín
a. Calcule las medidas de tendencia central e interprete los resultados.

b. ¿Qué forma presenta la distribución de esta variable?
21.Cuando se diseña un puente los ingenieros deben determinar la tensión que el concreto puede
soportar. En lugar de probar cada pulgada cúbica de concreto para determinar su capacidad de
resistencia, los ingenieros toman una muestra, la prueban y llegan a la conclusión sobre qué tanta
tensión, en promedio, puede resistir este tipo de concreto. A continuación, se presenta la tensión
(en kg/cm2) obtenidos de una muestra de 30 bloques de concreto que se utilizarán para construir
un puente.
1,2 2,1 2,2 2,2 2,5 2,5 2,6 2,6 2,7 2,8
3,0 3,0 3,2 3,2 3,2 3,4 3,4 3,5 3,5 3,6
3,6 3,6 3,6 3,7 3,8 3,9 3,9 4,0 4,0 4,0
a. Calcule e interprete el valor de las siguientes medidas de posición: P35, D8 y Q3

b. Calcule las medidas de tendencia central e interprete los resultados.
c. ¿Qué forma presenta la distribución de esta variable? Presente la gráfica.
74
Caso: Industria alimentaria
Multi Cereales S.R.L. es una empresa dedicada a la elaboración de cereales

para desayunos. La empresa ha adquirido una nueva máquina, la que
permitirá elevar la producción de 1200 a 1500 cajas por hora. Según las
especificaciones técnicas del producto, esta caja debe tener un peso promedio
de 500 gramos. Para monitorear el proceso de llenado, el inspector seleccionó
una muestra aleatoria de 20 cajas de avena en hojuelas del almacén cuyos
pesos (en gramos) se muestran a continuación:
471,13 472,19 476,25 477,32 478,52 481,02 490,65 496,66 497,66 498,40
502,77 504,44 503,78 506,14 512,88 515,06 516,23 516,89 523,45 523,78
Situación 1
Determinar si la nueva máquina llena las cajas de avena en hojuelas de acuerdo con la especificación
técnica.
La especificación técnica indica que el 90% central de las cajas de avena en hojuelas deben tener un
peso entre 480 y 520 gramos. El gerente de control de calidad sospecha que el peso de la caja no
está cumpliendo con la especificación técnica, y de ser así, significaría que la nueva máquina, al
momento de ser instalada, no fue calibrada correctamente.
¿La nueva máquina deberá ser recalibrada?

¿Dónde se concentran los pesos de las cajas de avena en hojuelas, en valores altos o en valores
bajos?

El estudiante muestra los El estudiante indica con que valor calculado
cálculos realizados para dar responde el problema y redacta la decisión
respuesta al problema. que tomará a partir del resultado del análisis.
Situación 2
Determinar qué proceso de producción tiene mayor variabilidad.
Una de las razones de la falta de calidad en un proceso productivo es la alta variabilidad en el

cumplimiento de las especificaciones técnicas, por lo que el gerente de control de calidad desea
comparar la variabilidad del proceso de llenado de las cajas de avena en hojuelas con la variabilidad
del porcentaje de grasa que deben tener las hojuelas de avena. El gerente ordenará una revisión
completa de aquel proceso que presente mayor variabilidad. ¿Cuál de los dos procesos deberá ser
revisado completamente?
Nota: Para el caso del proceso de llenado de la caja utilice los cálculos hechos para la situación 1.
Con los datos de la situación 1, el gerente obtuvo el siguiente gráfico:

75
Distribución de cajas de avena en hojuelas según porcentaje de grasa

8
7
7
6
5
Número de cajas
5
4
3
3
2 2
2
1
1
0
1.89 3.37 4.85 6.33 7.81 9.29 10.77 12.25 13.73 15.21
Porcentaje de grasa
Fuente: Multi Cereales S.R.L.

El estudiante El estudiante indica El estudiante
El estudiante indica con que
redacta el la variable y que muestra los
valor calculado responde el
problema con un herramienta cálculos realizados
problema y redacta la
lenguaje sencillo, estadística utilizará para dar respuesta
decisión que tomará a partir
como pregunta u en la solución del al problema.
del resultado del análisis.
objetivo. problema.
Unidad 2. Probabilidad y variable aleatoria
Logro
Al terminar la unidad, el estudiante utiliza las distribuciones de probabilidad para modelar variables
dentro de situaciones de incertidumbre en contextos reales
Temario
● Probabilidad: concepto. Experimento aleatorio, espacio muestral y evento
● Operaciones con eventos
● Probabilidad condicional
● Probabilidad total. Teorema de Bayes.
● Eventos independientes
● Variable aleatoria. Valor esperado y desviación estándar
● Distribución de probabilidad de una variable discreta: binomial y Poisson
● Distribución de densidad de una variable continua: normal y exponencial
Bibliografía
● Introducción a la Probabilidad y Estadística/Mendenhall, Beaver, Beaver. Capítulo 4.1 (pág. 124-

126) Capítulo 4.5 (pág. 139-143)
77
● Introducción a la Probabilidad y Estadística/Mendenhall, Beaver, Beaver. Capítulo 4.7 (pág. 152-

166)
● Introducción a la Probabilidad y Estadística/Mendenhall, Beaver, Beaver. Capítulo 6.1 (pág. 211)
● Introducción a la Probabilidad y Estadística/Mendenhall, Beaver, Beaver. Capítulo 6.1 (pág. 213)

78
Definiciones
Experimento aleatorio
Es una operación cuyo resultado no se puede predecir con certeza y que se realiza bajo las siguientes
condiciones:
● Se puede repetir indefinidamente donde los resultados dependen del azar, por lo que no se
pueden predecir con certeza.
● Se puede describir el conjunto de todos los resultados posibles.
● Cuando se repite un gran número de veces, aparece un modelo definido de regularidad.
Un experimento aleatorio se denota por ε.
Ejemplo 1
ε1: Lanzar un dado.

ε2 : Se lanzan dos monedas y se registra el resultado obtenido.
ε3 : Seleccionar un dispositivo electrónico y registrar si es defectuoso o no.
ε4 : Observar el tiempo de vida de un artefacto eléctrico.
Espacio muestral
Es el conjunto de todos los posibles resultados de un experimento aleatorio. Cada elemento de este
conjunto se le denomina punto muestral y se le denota con w .
Un espacio muestral se denota por .
Ejemplo 2
❑1={1 , 2 ,3 , 4 ,5 ,6 }
❑2={cc , cs , sc , ss }
❑3={defectuoso , no defectuoso }
❑4={t /t ≥ 0}
Evento
Es todo subconjunto del espacio muestral y representa cierta característica de ella. Se denotan
mediante las letras mayúscula de nuestro alfabeto, como por ejemplo A, B o C.
Evento simple
Es un evento formado por un solo punto muestral. No se puede descomponer.
Ejemplo 3
Si Ω1 = {1, 2, 3, 4, 5, 6}, entonces {1}, {2}, {3}, {4},{ 5}, {6} son eventos simples.
Si Ω2 = {cc, cs, sc, ss}, entonces {cc}, {cs}, {sc}, {ss} son eventos simples.
79
Si Ω3 = {defectuoso, no defectuoso}, entonces {defectuoso} y {no defectuoso} son eventos simples.
Evento compuesto
Es un evento formado por dos o más puntos muestrales.
Ejemplo 4
Si Ω1= {1, 2, 3, 4, 5, 6}, entonces A = {1, 3, 5} o A= obtener un número impar es un evento compuesto.
Si Ω2= {cc, cs, sc, ss}, entonces B= {cs, sc} o B= obtener valores diferentes en las caras superiores de
las dos monedas es un evento compuesto.
Operaciones con eventos

Intersección
La intersección de dos eventos A y B es el evento que ocurre si tanto A como B ocurren en una sola
realización del experimento.
La intersección de los eventos A y B se denota mediante el símbolo A ∩ B.
Unión
La unión de dos eventos A y B es el evento que ocurre si A o B, o ambos ocurren en una sola
realización del experimento.
La unión de dichos eventos se denota mediante el símbolo A ∪ B
Eventos mutuamente excluyentes

Son aquellos eventos donde la ocurrencia de uno de ellos excluye la ocurrencia del otro. Esto es, no
pueden ocurrir los dos a la vez.
Ejemplo 1
En el experimento ε: lanzamiento de un dado.
Sean los eventos:
A :=¿ Resulta un número menor que 5

B:=¿ Resulta un número par
a. Obtenga la intersección y la unión de los eventos A y B.

b. ¿Son los eventos A y B mutuamente excluyentes?
Solución
80
a. Obtenga la intersección y la unión de los eventos A y B.
Solución
El espacio muestral es:
¿ {1 , 2 ,3 , 4 , 5 ,6 }
Los eventos A y B son:
A={1 , 2, 3 , 4 }
B= {2 , 4 ,6 }
La intersección de los eventos es:

A ∩ B= {2 , 4 }
La unión de los eventos es:

A ∪ B={1, 2 , 3 , 4 , 6 }
b. ¿Son los eventos A y B mutuamente excluyentes?
Solución
Como A ∩ B≠ ∅ , los eventos no son mutuamente excluyentes.
Ejemplo 2
Sea el experimento ε: lanzamiento de dos dados
El espacio muestral es:
¿ {( 1 , 1 ) , ( 1 , 2 ) (1 , 3 ) , … ,(6 , 1),(6 , 2) ,(6 , 3),(6 , 4),(6 ,5) ,(6 , 6)}
Se definen los eventos necesarios:
A :=¿ obtener una suma de seis.
A :={( 1 , 5 ) , ( 5 , 1 ) , ( 2 , 4 ) , ( 4 , 2 ) ,(3 , 3)}
B:=¿ obtener una suma de cinco.
B={(1 , 4),(4 , 1),(2 , 3),(3 ,2)}
Estos eventos A y B son mutuamente excluyentes porque A ∩ B= ∅ ; es decir, la intersección de los

eventos no tiene elementos comunes.
81
Ejemplo 3
Se realiza el siguiente experimento aleatorio ε: lanzamiento de dos dados de seis caras.
a. Determine el espacio muestral.
b. Sean los eventos: A: suma de los dados es ocho; B: suma de los dados mayor a seis y C: suma de
los dados menor a nueve. Determine los elementos de los eventos.
c. Obtenga la intersección de los eventos A y B, la unión de los eventos B y C ¿Son los eventos A y C
mutuamente excluyentes?
82
83
Probabilidad
Sea ε un experimento aleatorio, Ω el espacio muestral asociado y sea A un evento definido en el
espacio muestral Ω.
La probabilidad del evento A es la medida del grado de posibilidad de ocurrencia del evento A
cuando se realiza una vez el experimento.
La probabilidad de un evento A es un valor numérico y se denota por P( A).
Axiomas de probabilidad
● 0 ≤ P( A)≤ 1
● P()=1
● Sean los eventos { Ai }, Ai ∈, i=1 , 2 ,3 , … , n una sucesión de eventos mutuamente excluyentes,

entonces:
n
P( A 1 ∪ A2 ∪ A 3 ∪ … ∪ A n )=∑ ❑ P ( A i )
i=1
Además,
● Si P( A) tiende a 0 es poco probable que el evento A ocurra.
● Si P( A) tiende a 1 es un muy probable que el evento A ocurra.
● En un espacio muestral finito, la suma de las probabilidades de todos los eventos simples Ei es
igual a 1.
n
∑ ❑ P(E i)=1, i=1 , 2 ,3 , … , k

i=1
Definición clásica de la probabilidad de un evento
Sea un experimento aleatorio cuyo correspondiente espacio muestral Ω está formado por un
número n finito de posibles resultados distintos y con la misma probabilidad de ocurrir, entonces
definimos la probabilidad de un evento A como sigue:
n( A) número de casos favorables al evento A

P ( A )= =
n () número de casos totales
84
Ejemplo 1
Complete el siguiente cuadro.
Experimento aleatorio Espacio muestral Evento Probabilidad

Se lanza un dado, calcule la
probabilidad de que salga 3 ó 5.
n ( A) ❑
Ω = {1, 2, 3, 4, 5, 6} A = {3, 5} P ( A )= =
n( ) ❑
Se lanzan dos dados, calcule la

probabilidad de que la suma sea
mayor a 7.
Ω = {(1,1); (1,2); n ( A) ❑
A={ } P ( A )= =
(1,3); ….; (6,6)} n() ❑
Se saca una bola de una urna con

tres bojas rojas y cuatro negras,
calcule la probabilidad de que
sea roja.
n ( A) ❑
Ω={ } A={ } P ( A )= =
n( ) ❑
85
Eventos complementarios
El complemento de un evento A es el evento en el que A no ocurre, es decir, el evento formado por

todos los eventos simples que no están en el evento A. El complemento del evento A se denota
mediante el símbolo Ac.
c
A ∪ A =¿
Ac
A
La suma de las probabilidades complementarias es igual a 1.
c
P( A)+ P( A )=1
Regla aditiva de la probabilidad
La probabilidad de la unión de los eventos A y B es la suma de las probabilidades de los eventos A y B

menos la probabilidad de la intersección de los eventos A y B:
P( A ∪ B)=P( A)+ P(B)−P( A ∩ B)
A B
ABc AB AcB
ACBC
Regla aditiva para eventos mutuamente excluyentes
Si dos eventos A y B son mutuamente excluyentes, la probabilidad de la unión de A y B es igual a la

suma de las probabilidades de A y B.
P ⁡( A ∪ B)=P( A)+ P(B)

86
Ejemplo 1
MEC, es una organización orientada a suministrar productos, servicios y desarrollo de soluciones de

ingeniería aplicada. El gerente de esta organización considera que la probabilidad de que los
accidentes en transmisiones y ejes hayan sido ocasionados por las conexiones eléctricas es 0,24, por
falla mecánica es 0,18 y por conexiones eléctricas o falla mecánica es 0,39. Si se selecciona al azar un
accidente producido en transmisiones y ejes.
a. Determine la probabilidad que se haya producido por ambos tipos de falla.
Solución
Definamos los eventos necesarios.
E :=¿ {Accidentes por conexiones eléctricas} P(E)=0 ,24

M :=¿ {Accidentes por falla mecánica} P(M )=0 , 18
Además, se sabe que:

P(E ∪ M )=0 , 39
Usando la regla aditiva de la probabilidad, se tiene que:
P ( E ∪ M )=P ( E ) + P ( M ) −P ( E ∩ M )
Reemplazando valores:
0 , 39=0 ,24 +0 , 18−P(EM )
P(E ∩ M )=0 , 03
E M
0,21 0,03 0,15
0,61
La probabilidad que se haya producido por ambos tipos de falla es P(E ∩ M )=0 , 03.
b. ¿Cuál es la probabilidad de que el accidente se haya producido por un solo tipo de falla?
Solución
La probabilidad pedida es:

87
P ( E ∩ M c )=P ( E )−P ( E ∩ M )=0 ,24−0 , 03=0 , 21
P ( Ec ∩ M )=P ( M )−P ( E ∩ M )=0 , 18−0 ,03=0 , 15

c c
P(E ∩ M )+ P (E ∩ M )=0 ,21+0 , 15=0 ,36
E M
0,21 0,03 0,15
0,61
Ejemplo 2
Dos vendedores de seguros trabajan en la empresa Pacifico. La probabilidad de que el vendedor más
viejo llegue tarde cierto día es 0,20, de que el vendedor más joven llegue tarde cierto día es 0,15 y
que ambos lleguen tarde es 0,09.
a. Determine la probabilidad de que al menos un vendedor llegue tarde al trabajo cierto día.
Solución
Definamos los eventos necesarios:
A :=¿ el vendedor más viejo llega tarde cierto día P( A)=0 ,20
B:=¿ el vendedor más joven llega tarde cierto día P(B)=0 , 15
La probabilidad de que ambos lleguen tarde cierto día es 0,09, luego:
P ( A ∩B )=0 , 09
A B
0,11 0,09 0,06
0,74
6
88
La probabilidad de que al menos uno llegue tarde cierto día es la probabilidad de la unión de A
con B, por lo tanto:
P ( A ∪ B )=0 , 20+0 , 15−0 ,09=0 , 26
b. Determine la probabilidad que solo un vendedor llegue tarde al trabajo cierto día.
Solución
P ( ( A ∩ B ) ∪ ( A ∩B ) )
c c
A B
0,11 0,09 0,06
Como los eventos A ∩ Bc y Ac ∩B son mutuamente excluyentes, entonces:
P ( ( A ∩ B ) ∪ ( A ∩B ) )=P ( A ∩ B ) + P ( A ∩B )=0 , 11+ 0 ,06=0 , 17

c c c c
c. Determine la probabilidad que ninguno llegue tarde al trabajo cierto día.

Solución
c c
P( A ∩ B )=1−P( A ∩ B)=1−0 ,09=0 , 91
A B
0,11 0,09 0,06
Ejemplo 3
Después de una política de mejora de la calidad de la producción de Latex, tanto en el área de

llenado como el de sellado, los trabajadores fueron sensibilizados para realizar sus labores de
producción de la mejor manera y así disminuir los productos defectuosos en la producción. Para
89
corroborarlo se toma una muestra de 80 productos, encontrándose que 25 presentan defectos en el
llenado, 32 presentan defectos en el sellado y 30 no presentaban defectos. Si se selecciona un
producto al azar.
a. Determine la probabilidad de que se hayan producido ambos tipos de defectos.
b. ¿Cuál es la probabilidad de que se haya producido solo uno de los tipos de defectos?
c. ¿Los eventos defecto en el sellado y defecto en llenado son mutuamente excluyentes?

90
Principios fundamentales de conteo
Comprende un conjunto de procedimientos que permiten determinar el número de resultados de un

suceso o experimento sin necesidad de utilizar una enumeración e identificación directa de todos los
posibles resultados de dicho suceso o experimento.
Analicemos los siguientes experimentos aleatorios:
ε1: lanzar un dado y registrar el número de la cara superior.
❑1={1 , 2 ,3 , 4 ,5 ,6 }
Observamos que es fácil listar y contar los posibles resultados.
ε2: números pares de tres cifras que se pueden formar con los dígitos 1, 2, 3, 4, 5, 6, 7, 8, 9
❑2={174 ,148 , 184 ,198 , 194 , 144 , … }
Observamos que ya no es fácil listar y contar los posibles resultados, ante esta situación es necesario
utilizar técnicas que nos faciliten el conteo de estos posibles resultados.
Principio de la multiplicación
Si un procedimiento A puede realizarse de m maneras y otro procedimiento B puede realizarse de n
maneras, entonces los dos procedimientos A y B (uno seguido del otro) ocurren de m ×n maneras o
formas.
Ejemplo 1
Un ensamblador de computadoras tiene cuatro microprocesadores de diferentes marcas y tres

memorias de diferentes marcas ¿de cuántas maneras posibles puede ensamblar una computadora?
91
Principio de la adición
Si un procedimiento A puede realizarse de m maneras y otro procedimiento B puede realizarse de n
maneras, y si no es posible que ambos se realicen en forma simultánea entonces los dos
procedimientos A o B ocurren de m+n maneras o formas.
Ejemplo 1
La biblioteca de la UPC tiene en uno de sus estantes 40 libros de Cálculo y 50 de Estadística. Si un

estudiante desea estudiar uno de estos dos temas. ¿De cuántas formas puede realizar la elección de
los libros?
Solución
Definamos los eventos:
C :=¿ elegir un libro de Cálculo n ( C )=40

E :=¿ elegir un libro de Estadística n ( E ) =50
L :=¿ elegir un libro
Por la regla de la adición:
n ( L )=n ( C ) +n ( E )=40+50=90
Se puede realizar la elección de los libros de 90 maneras diferentes.
Ejemplo 2
Un ingeniero de telecomunicaciones está proyectando un viaje a una provincia para instalar una
antena parabólica, debe decidir el viaje por bus o por tren. Si hay tres rutas para el bus y dos para el
tren ¿de cuántas maneras posibles puede realizar el viaje?
92
Técnica de conteo: Combinación
Es una técnica que permite contar el número de maneras de seleccionar o elegir aleatoriamente r
elementos de un total de n , sin considerar el orden de selección. Está dado por:
n n!
Cr=
r ! ( n−r ) !
Ejemplo 1
Una empresa ha decidido que, para el trabajo remoto de su personal, tres de los 15 trabajadores del
área de Recursos Humanos deben asistir de manera presencial a la empresa, ¿de cuántas maneras
puede seleccionar al grupo?
Solución
Definamos el evento necesario:
C :=¿ elegir tres de los de los 15 trabajadores del área de Recursos Humanos para que asistan de
manera presencial a la empresa.
Como no implica orden, entonces:
15 15 !
n ( C )=C 3 = =455
3 ! ( 15−3 ) !
Se puede realizar la elección de los libros de 90 maneras diferentes.
Ejemplo 2
Una planta de producción emplea 20 trabajadores en el turno mañana, 15 trabajadores en el turno

tarde y 10 en el turno de noche. Un consultor de control de calidad selecciona a seis trabajadores de
un turno para ser entrevistados. ¿De cuántas formas se puede realizar la selección?
Solución
Definamos el evento necesario:
A :=¿ elegir seis trabajadores de un turno para ser entrevistados.
Como no implica orden, entonces:
20 15 10
n ( A ) =C6 +C 6 +C 6 =43 975
Ejemplo 2
Una empresa fabricante de electrodomésticos cuenta en su almacén de productos terminados con

un lote de diez refrigeradoras, de las cuales tres de ellas presentan imperfecciones en la pintura. Un
93
comerciante compra tres de ellas, la empresa hace la elección de las refrigeradoras en forma
aleatoria, se pide determinar lo siguiente:
a. Indique el espacio muestral.

b. Calcule la probabilidad de que las tres refrigeradoras compradas por el comerciante no presenten
imperfecciones de pintura.
c. Calcule la probabilidad de que en la compra realizada por el comerciante se encuentre al menos
una refrigeradora con imperfecciones de pintura.
Solución
a. Indique el espacio muestral.

Definamos el evento I :=¿ que una refrigeradora tenga imperfecciones en la pintura.
Ω={( I , I , I ) ; ( I c , I , I ) ; ( I , I c , I ) ; ( I , I , I c ) ; ( I , I c , I c ) ; ; ( I c , I , I c ) ; ( I c , I c , I ) ; ( I c , I c , I c ) }
b. Calcule la probabilidad de que las tres refrigeradoras compradas por el comerciante no presenten
imperfecciones de pintura.
Definamos el evento necesario.
B:=¿ las tres refrigeradoras compradas por el comerciante no presenten imperfecciones de

pintura
7 3
C3 ×C 0
P(B)= 10
=0,2917
C3
c. Calcule la probabilidad de que en la compra realizada por el comerciante se encuentre al menos

una refrigeradora con imperfecciones de pintura.
C :=¿ se seleccione al menos una refrigeradora con imperfecciones de pintura.
P ( C ) =1−P ( C c ) =1−0,2917=0,7083
Ejemplo 3
La empresa System S.A. se dedicada a la venta de computadoras de diferentes marcas. En estos

momentos está ofertando cinco modelos diferentes de la marca A, seis modelos diferentes de la
marca B y cuatro modelos diferentes de la marca C. Una empresa de servicios ha decidido comprar
tres computadoras a dicha empresa.
94
a. Determine la probabilidad de seleccionar tres computadoras de marcas diferentes.
A :=¿ seleccionar una computadora de la marca de A n( A)=5

B:=¿ seleccionar una computadora de la marca de B n(B)=6
C :=¿ seleccionar una computadora de la marca de C n(C)=4
5A
6B
4C
N = 15 n=3
F :=¿ seleccionar una computadora de la marca A, una de la marca B y una de la marca C.
5 6 4
C 1 × C1 ×C 1
P(F)= 15
=0,2637
C3
b. Determine la probabilidad de seleccionar dos de la marca A y una de la marca B.

D :=¿ seleccionar dos de la marca A y una de la marca B
5 6 4
C2 ×C 1 × C 0
P ( D )= 15
=0,1319
C3
c. Determine la probabilidad de seleccionar al menos una computadora de la marca B.
E :=¿ al menos una computadora es de la marca B
6 9
C 0 ×C 3
P ( E )=1−P ( E )=
c
15
=0,8154
C3
95
Ejemplo 4
Un grupo de 20 ingenieros civiles igualmente capacitados forman la plantilla de una empresa

constructora. Si se eligen al azar a tres de ellos para participar en un proyecto, ¿de cuántas maneras
posibles se pueden seleccionar a estos tres ingenieros?
Ejemplo 5
De un grupo de ocho pequeñas empresas se sabe que dos no cumplen con sus obligaciones
tributarias. Si al seleccionar tres pequeñas empresas la probabilidad de que por lo menos una no
cumple con sus obligaciones tributarias es mayor a 0,62, la SUNAT revisará el cumplimiento de los
tributos de todas las pequeñas empresas ¿Qué decisión tomará?
96
Probabilidad condicional
Si A y B son dos eventos de un espacio muestral Ω, entonces, la probabilidad condicional de que
ocurra el evento A dado B se determina por:
P ( BA )= P(P(B)
A ∩ B)
, P ( B )> 0
Ejemplo 1
Para ocupar un puesto de trabajo en el departamento de diseño de ingeniería de una compañía

constructora de barcos, se han presentado postulantes, cuyas principales características se resumen
en el siguiente cuadro:
Egresado de ingeniería
No egresado de
Mecánica Industrial Total
universidad (N)
Años de experiencia (M) (I)
Al menos tres años de experiencia
14 4 9 27
(A)
Menos de tres años de experiencia
25 11 27 63
(B)
Total 39 15 36 90
El orden en que el gerente de la estación entrevista a los aspirantes es aleatorio. Calcule la

probabilidad de que el primer entrevistado por el gerente:
a. No sea egresado de universidad si se sabe que tiene menos de tres años de experiencia.
b. Sea egresado de ingeniería mecánica o tenga al menos tres años de experiencia.
c. No sea egresado de universidad si se sabe que tiene menos de tres años de experiencia.
d. Tenga al menos tres años de experiencia dado que es egresado de ingeniería industrial.
Solución
a. No sea egresado de universidad si se sabe que tiene menos de tres años de experiencia.
B:=¿ que el postulante tenga menos de tres años de experiencia

M :=¿ que el postulante sea egresado de mecánica
25
P(B ∩ M )= =0,278
90
b. Sea egresado de ingeniería mecánica o tenga al menos tres años de experiencia.

97
A :=¿ que el postulante tenga al menos tres años de experiencia

M :=¿ que el postulante sea egresado de mecánica
39 27 14
P(M ∪ A )=P(M )+ P ( A )−P(M ∩ A )= + − =0,578
90 90 90
c. No sea egresado de universidad si se sabe que tiene menos de tres años de experiencia.
B:=¿ que el postulante tenga menos de tres años de experiencia

N :=¿ que el postulante no sea egresado de universidad
27
P( )
N
B
=
P ( N ∩B ) 90 27
P (B )
= = =0,429
63 63
90
d. Tenga al menos tres años de experiencia dado que es egresado de ingeniería industrial.
A :=¿ que el postulante tenga al menos de tres años de experiencia

I :=¿ que el postulante sea egresado de ingeniería industrial
4
P( )
A P ( A ∩ I ) 90 4
I
=
P (I )
= = =0,267
15 15
90
Ejemplo 2
Un estudio de mejoramiento de la producción de un fabricante de semiconductores proporcionó

datos para una muestra de 530 placas de silicio. La siguiente tabla presenta el resumen de las
respuestas a dos interrogantes: ¿se encontraron partículas en el troquel que produjo la placa de
silicio? y ¿la placa es regular, buena o mala?
Condición del troquel

Sin partículas Cantidad media de Gran cantidad de Total
Calidad de la placa (S) partículas (P) partículas (G)
98
Buena (B) 35 80 70 185
Regular (R) 40 125 30 195
Mala (M) 25 65 60 150
Total 100 270 160 530
Se selecciona al azar una placa de silicio.
a. ¿Cuál es la probabilidad que sea de calidad regular y tenga gran cantidad de partículas?
b. ¿Cuál es la probabilidad que tenga una cantidad media de partículas o sea de mala calidad?
c. ¿Cuál es la probabilidad de que la placa haya sido producida por un troquel con una cantidad
media de partículas o por un troquel con gran cantidad de partículas si la placa no es buena?
d. Dado que la placa de silicio es producida con un troquel que no tiene gran cantidad de
partículas, ¿cuál es la probabilidad que sea de buena calidad?
Solución
a. ¿Cuál es la probabilidad que sea de calidad regular y tenga gran cantidad de partículas?
R :=¿ que la placa sea de calidad regular

G :=¿ que el troquel tenga gran cantidad de partículas
30
P(R ∩G)= =0,0566
530
b. ¿Cuál es la probabilidad que tenga una cantidad media de partículas o sea de mala calidad?
M :=¿ que la placa sea de mala calidad

P :=¿ que el troquel tenga una cantidad media de partículas
P ( P∪ M ) =P ( P ) + P ( M )−P ( P∩ M )
270 150 65
¿ + − =0,6698
530 530 530
c. ¿Cuál es la probabilidad de que la placa haya sido producida por un troquel con una cantidad
media de partículas o por un troquel con gran cantidad de partículas si la placa no es buena?

99
P :=¿ que el troquel tenga una cantidad media de partículas
B:=¿ que la placa sea de buena calidad
P
( P ∪B G )=P ( BP )+ P ( BG ) – P ( P B∩G )
c c c c
190 90 0
¿ + − =0,8116
345 345 345
d. Dado que la placa de silicio es producida con un troquel que no tiene gran cantidad de partículas,
¿cuál es la probabilidad que sea de buena calidad?

B:=¿ que la placa sea de buena calidad
c
P(B ∩G ) 80+35
c
P(B/G )= = =0,3108
P(G c ) 370
Ley multiplicativa de probabilidad
De la definición de probabilidad condicional, obtenemos la fórmula para hallar la probabilidad de la

intersección (o producto) de los eventos A y B, esto es, de:
P ⁡( A ∩ B)=P ⁡(A / B) P ⁡(B)=P ⁡( B / A) P ⁡( A)
Ejemplo 1
Sean A y B son eventos tales que P( A)=0 , 4 ; P(B)=0 , 2 y P( A /B)=0 , 5 .
Calcule P( A ∪ B).
Calcule P ¿).
100
101
Eventos independientes
Los eventos A y B son independientes si la ocurrencia de B no altera la probabilidad de que haya

ocurrido A, es decir, los eventos A y B son independientes si:
P ( BA )=P ( A )
Si dos eventos no son independientes, se dice que son dependientes.
Regla multiplicativa para eventos independientes
Si los eventos A y B son independientes, la probabilidad de la intersección de A y B es igual al

producto de las probabilidades de A y B, es decir,
P ⁡( A ∩ B)=P ⁡(A )P(B)
Generalizando para los eventos independientes E1 , E2 ,… , E k.
(E1 ∩ E2 ∩... E k )=(E 1)(E2 ) ⋯ (E k )
Propiedades
Si los eventos A y B son independientes, entonces también son independientes:
c c
● A y B ; entonces:
c c c c
P( A ∩ B )=P ( A ) P( B )
c
● A y B; entonces:
c c
P( A ∩ B)=P( A ) P( B)
c
● A y B ; entonces:
c c
P( A ∩ B )=P( A) P (B )
Esta propiedad se puede generalizar para más de dos eventos.
Leyes de Morgan
c c c
● P( ( A ∩ B ) )=P( A ∪ B )
c c c
● P( ( A ∪ B ) )=P( A ∩B )
102
Estas leyes se pueden generalizar para más de dos eventos.
103
Ejemplo 1
Un sistema electrónico está compuesto por tres subsistemas A, B y C, de tal manera que las
probabilidades de fallar de cada uno son 0,15; 0,20 y 0,35. Si los subsistemas funcionan de manera
independiente, calcular:
a. Calcular la probabilidad de que al menos uno de los subsistemas falle.

b. Calcular la probabilidad de solo dos de los subsistemas funcione.
Solución
c
A :=¿ el subsistema A falle P( A)=0 ,15 P( A )=0 , 85
c
B:=¿ el subsistema B falle P(B)=0 , 20 P( B )=0 , 80
c
C :=¿ el subsistema C falle P(C )=0 , 35 P(C )=0 , 65
a. Calcular la probabilidad de que al menos uno de los subsistemas falle.
S :=¿ al menos uno de los sistemas falle

c
S :=¿ ninguno de los sistemas falle
P ( S )=1−P ( S c )
Para que ninguno de los sistemas falle, no debe fallar ninguno de los sistemas A , B y C .
P(S)=1−P ( A c ∩ Bc ∩Cc )
Como los eventos A , B y C son independientes:
c c c
P( S)=1−P( A ) P( B ) P(C )
P ( S )=1−0 , 85× 0 , 80 ×0 , 65=0,558
b. La probabilidad de solo dos de los subsistemas funcione.
S2 :=¿ solo dos de los sistemas funcionen.
Para que solo dos de los sistemas funcionen, deben funcionar A y C pero no B; B y C pero no A; A
y B pero no C. Por lo tanto:
c c c c c c
P(S2 )=P( A ∩ B ∩C )+ P( A ∩ B ∩C )+ P( A ∩ B ∩C)
104
c c c c c c
P(S2 )=P( A )P (B) P(C )+ P( A) P(B ) P(C )+ P( A )P (B )P (C)
Reemplazando los valores, tendremos:
P(S2 )=0 , 85 × 0 ,20 × 0 ,65+ 0 ,15 × 0 , 80× 0 , 65+0 , 85 ×0 , 80 ×0 , 35=0,4265
Ejemplo 2
Una empresa produce piezas en tres máquinas, M 1, M2 y M3, que pueden presentar desajustes de
manera independiente, con probabilidades 0,02; 0,01 y 0,06 respectivamente. Al inicio de un día de
operación se realiza una prueba en cada máquina. Si se observan desajustes en una máquina, ésta
debe pasar el día en revisión técnica. Para cumplir el nivel mínimo de producción diaria se necesita
que al menos dos de las tres máquinas funcionen.
a. ¿Cuál es la probabilidad de que una de las tres máquinas deba pasar el día en revisión técnica?
b. ¿Cuál es la probabilidad de cumplir con el nivel mínimo de producción diaria?
Solución
c
A :=¿ la máquina M1 presenta desajustes P( A)=0 ,02 P( A )=0 , 98
c
B:=¿ la máquina M2 presenta desajustes P(B)=0 , 01 P(B )=0 , 99
c
C :=¿ la máquina M3 presenta desajustes P(C )=0 , 06 P(C )=0 , 94
a. ¿Cuál es la probabilidad de que una de las tres máquinas deba pasar el día en revisión técnica?
Se define el evento necesario:
R :=¿ una de las tres máquinas presenta desajustes
Para que solo una de las máquinas presente desajustes, deben presentarlos M1 pero no M2 y M3;
M2 pero no M1 y M3; M3 pero no M1 y M2.
Por lo tanto:
c c c c c c
P(R)=P( A ∩ B ∩C )+ P( A ∩ B∩ C )+ P ( A ∩ B ∩C)
P(R)=P ( A ) P ( B c ) P(C c )+ P ( A c ) P ( B ) P(C c )+ P ( A c ) P ( Bc ) P (C)
P(R)=0 ,02 ×0 ,99 × 0 , 94+0 , 98 × 0 ,01 × 0 ,94 +0 , 98 × 0 ,99 × 0 , 06=0,086

105
b. ¿Cuál es la probabilidad de cumplir con el nivel mínimo de producción diaria?
Se define el evento necesario:
N :=¿ cumplir con el nivel mínimo de producción
Para cumplir el nivel mínimo de producción diaria se necesita que al menos dos de las tres
máquinas funcionen, es decir, funcionen dos de las máquinas o las tres.
P ( N )=P ( Ac ∩B c ∩C ) + P ( A c ∩B ∩C c ) + P ( A c ∩ B c ∩C )+ P ( A c ∩ Bc ∩Cc )
P ( N )=P ¿
P ( N )=0 , 98 × 0 , 99× 0 , 06+0 , 98 ×0 ,01 ×0 , 94 +0 , 02× 0 , 99 ×0 , 94 +0 , 98 ×0 , 99 ×0 , 94
P(N )=0,9980
106
Aplicación al sistema de componentes: Confiabilidad de sistemas
Podemos aplicar el concepto de la independencia de eventos al caso en que se tenga un sistema de

componentes electrónicos acoplados en serie o en paralelo.
Sistema en serie
Un sistema de componentes acopladas en serie funciona si todos sus componentes funcionan.
Sean los eventos:

A ≔ el componente A funcione
B≔ el componente B funcione
S ≔el sistema funcione
Para que el sistema funcione S, ambos componentes, A y B, deben funcionar. Se asume que cada
componente funciona de forma independiente.
P(S)=P( A ∩ B)
Cada componente funciona de forma independiente, entonces:
P(S)=P( A) P(B)
Ejemplo 1
El sistema funcionará sólo si ambos componentes funcionan. El componente A funciona con una
probabilidad de 0,98 y el componente B funciona con una probabilidad de 0,95. Suponga que A y B
funcionan de manera independiente. Determine la probabilidad que el sistema funcione.
Solución
Sean los eventos:
A ≔ el componente A funcione
B≔ el componente B funcione
S ≔el sistema funcione
La probabilidad de que funcione el sistema es:
P(S)=P( A ∩ B)
Cada componente funciona de forma independiente, entonces:

107
P(S)=P( A) P(B)=0 , 98 ×0 , 95=0,931
Sistema en paralelo
Un sistema de componentes acoplada en paralelo funciona, si al menos una de sus componentes
funciona. El sistema funcionará si alguno de los componentes, A o B, funciona.
P ( S )=P ( A ∪ B )=P ( A ) + P ( B )−P ( A ∩ B )
Se asume que cada componente funciona de forma independiente.
P ( S )=P ( A ∪ B )=1−P ¿
Usando las leyes de De Morgan
P ( S )=P ( A ∪B )=1−P ( A c ∩ BC )
Cada componente funciona de forma independiente, entonces la probabilidad de que el sistema

funcione es:
c c
P( S)=1−P( A ) P( B )
Ejemplo 2
Los componentes A y B funcionan con una probabilidad de 0,90 y 0,85 respectivamente. Suponga
que los componentes A y B funcionan de manera independiente. Determine la probabilidad de que el
sistema funcione.
Solución
La probabilidad de que el sistema funcione es:
P ( S )=1−P ( A c ) P ( Bc )=1−( 0 , 10× 0 , 15 )=0,985

108
Ejemplo 3
Un sistema eléctrico consta de cuatro componentes. El sistema funciona si los componentes A y B

funcionan, y si funciona cualquiera de los componentes C o D. La confiabilidad (probabilidad de que
funcionen) de cada uno de los componentes también se muestra en la figura. Suponga que los cuatro
componentes funcionan de manera independiente.
a. Calcule la probabilidad de que el sistema completo funcione.
b. Calcule la probabilidad de que el componente C no funcione dado que el sistema completo

funciona.
109
Probabilidad total y el teorema de Bayes
Probabilidad total
Sean los eventos A1 , A 2 ,... , A k , los cuales forman una partición del espacio muestral Ω mutuamente
excluyentes y exhaustivos y sea E otro evento cualquiera de Ω, se cumple:
P ( E )=P ( A1 ) P ( ) E
A1
+ P ( A2 ) P
E
A2( )
+ …+ P ( A k ) P
E
( )
Al
Donde a P(E) se le conoce como la probabilidad total.
Teorema de Bayes
Si los eventos A1 , A 2 ,... , A k constituyen una partición del espacio muestral Ω, entonces para
cualquier evento E de Ω, se cumple que:
P ( AE )= P (P(E)
i
A ∩ E)
i
i=1 ,2 , … , k
P ( )=
A i
( E
A )P ( Ai ) P
i
(A ) (A ) (A )
E E E E
P( A ) P1 +P ( A ) P +…+ P ( A ) P
2 k
1 2 k
110
Ejemplo 1
Una cadena de tiendas de suministros de construcción vende tres marcas diferentes de teodolitos.
De sus ventas de teodolitos, 50% son de la marca 1 (la menos cara), 30% son de la marca 2 y 20% son
de la marca 3 (la más cara).
Cada fabricante ofrece un año de garantía en las partes y mano de obra. Se sabe que 25% de los
teodolitos de la marca 1 requieren trabajo de reparación dentro del periodo de garantía, mientras
que los porcentajes correspondientes de las marcas 2 y 3 son 20% y 10%, respectivamente.
Determine:
a. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya adquirido un teodolito de
la marca 1 y que necesitará reparación mientras se encuentra dentro de garantía?
b. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya comprado un teodolito
que necesite reparación mientras se encuentra dentro de la garantía?
c. Si un cliente regresa a la tienda con un teodolito que necesita reparación dentro de garantía,
¿cuál es la probabilidad de que sea un teodolito de la marca 1?
Solución
Primero, definimos los eventos y a continuación elaboramos el diagrama del árbol.
A :=¿ que un comprador haya adquirido un teodolito de la marca A1

B:=¿ que un comprador haya adquirido un teodolito de la marca A2
C :=¿ que un comprador haya adquirido un teodolito de la marca A3
N :=¿ necesita reparación mientras se encuentra dentro de la garantía
P ( NA )=0 , 25 P(A ∩N)
P ( A )=0 ,50
( ) P ( A ∩ Nc )
c
N
P =0 ,75
A
P ( NB )=0 , 20 P (B ∩ N )
P ( B )=0 , 30
( ) P (B ∩ N c)
c
N
P =0 ,80
B
P ( )
N
C
=0 ,10
P (C ∩ N )
P ( C ) =0 , 20
111
( ) P (C ∩ N c )
c
N
P =0 ,90
C
a. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya adquirido un teodolito de

la marca 1 y que necesitará reparación mientras se encuentra dentro de garantía?
B
P( A ∩ B)=P( ) P( A)=0,125
A
b. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya comprado un teodolito

que necesite reparación mientras se encuentra dentro de la garantía?
P ( N )=P ( A ∩ N ) + P ( B ∩ N )+ P ( C ∩ N )
Usando el teorema de la probabilidad total.
P ( N )=P ( NA ) P ( A ) + P ( NB ) P ( B ) + P ( NC ) P ( C )
¿ 0 , 5 ×0 , 25+0 , 30 ×0 , 20+0 , 20 ×0 , 10=0,205
¿ 0,125+ 0 ,06+ 0 , 02=0,205
c. Si un cliente regresa a la tienda con un teodolito que necesita reparación dentro de la garantía,
¿cuál es la probabilidad de que sea un teodolito de la marca 1?
P ( )
A
N
=
P( A ∩ N ) 0 ,5 × 0 , 25
P(N )
=
0,205
=0,6098
Ejemplo 2
Tres máquinas A, B y C, producen el 45%, 30% y 25% respectivamente del total de las piezas
producidas en una fábrica. El porcentaje de producción de piezas defectuosas de estas máquinas son
del 3%, 4% y 5% respectivamente.
a. Si seleccionamos una pieza al azar ¿cuál es la probabilidad de que sea defectuosa?

b. Si tomamos al azar una pieza y resulta defectuosa ¿cuál es la probabilidad de que haya sido
producida por la máquina B?
c. ¿Qué máquina tiene mayor probabilidad de haber producido una pieza defectuosa?
112
Solución
Primero, definimos los eventos y a continuación elaboramos el diagrama del árbol:
A :=¿ que la pieza sea producida por la máquina A P( A)=0 , 45

B:=¿ que la pieza sea producida por la máquina B P(B)=0 , 30
C :=¿ que la pieza sea producida por la máquina C P(C )=0 , 25
D :=¿ que se elija una pieza defectuosa
P ( DA )=0 , 03 P ( A ∩ D)
P ( A )=0 , 45
( ) P ( A ∩ Dc )
c
D
P =0 ,97
A
P ( )
D
B
=0 , 04
P (B ∩ D )
P ( B )=0 , 30
( ) P (B ∩ D c)
c
D
P =0 ,96
B
P ( DC )=0 , 05 P (C ∩ D)
P ( C ) =0 , 25
( ) P ( C ∩ Dc )
c
D
P =0 ,95
C
a. Si seleccionamos una pieza al azar ¿cuál es la probabilidad de que sea defectuosa?
P(D)=0 , 45× 0 , 03+0 , 30 ×0 , 04+ 0 ,25 × 0 , 05=0,038
b. Si tomamos al azar una pieza y resulta defectuosa ¿cuál es la probabilidad de que haya sido
producida por la máquina B?
113
P ( D /B ) P(B) 0 , 04 × 0 ,30
P ( B /D )= = =0,3158
P(D) 0,038
c. ¿Qué máquina tiene mayor probabilidad de haber producido una pieza defectuosa?
Las probabilidades pedidas son:
P ( D/ A ) P (A ) 0 , 03 × 0 , 45
P ( A / D )= = =0,3553
P(D) 0,038
P ( D /B ) P(B) 0 , 04 × 0 ,30
P ( B /D )= = =0,3158
P(D) 0,038
P ( D/C ) P(C ) 0 , 05 × 0 ,25

P ( C /D ) = = =0,3289
P (D) 0,038
La máquina con mayor probabilidad de haber producido la pieza defectuosa es la máquina A.

114
Ejemplo 3
Una empresa se encuentra estudiando la posibilidad de importar para el próximo año un nuevo
modelo de celular de última generación. Al estudiar la situación económica del próximo año se
contemplan tres posibilidades: inflación, estabilidad o crecimiento, estimando dichas alternativas con
las siguientes probabilidades: 0,55; 0,35 y 0,10 respectivamente. La probabilidad de importar el
nuevo modelo de celular es 0,25 si existiera inflación; 0,40 si existiera estabilidad y 0,65 si existiera
crecimiento.
a. Defina los eventos y presente el diagrama del árbol.
b. Calcule la probabilidad de importar el nuevo modelo de celular para el próximo año.
c. Asumiendo que la empresa decidió importar el nuevo modelo de celular, ¿cuál es la probabilidad
que existiera inflación en la economía?
115
Ejemplo 4
17
La probabilidad que la construcción de un edificio termine a tiempo es , la probabilidad que no
20
3
haya huelga es y la probabilidad que la construcción se termine a tiempo dado que no hubo huelga
4
14 1
es ; la probabilidad que haya huelga y no se termine la construcción a tiempo es .
15 10
a. Calcule la probabilidad de que la construcción se termine a tiempo y no haya huelga.
b. No haya huelga dado que la construcción se terminó a tiempo.
c. La construcción no se termine a tiempo si hubo huelga.
d. La construcción no se termine a tiempo si no hubo huelga.

116
22.Una empresa constructora emplea a tres ingenieros de ventas. El ingeniero 1 hace el trabajo de
estimar costos en 60% de las cotizaciones solicitadas a la empresa, el ingeniero 2 hace lo mismo
en 30% de las cotizaciones y el ingeniero 3 en el resto. Se sabe que la tasa de error para el
ingeniero 1 es tal que la probabilidad de encontrar un error en su trabajo es 0,02; la probabilidad
de encontrar un error en el trabajo del ingeniero 2 es 0,04 y la probabilidad de encontrar un error
en el ingeniero 3 es de 0,03.
Suponga que al revisar una solicitud de cotización se encuentra un error grave en la estimación de
los costos. ¿Qué ingeniero supondría usted que hizo los cálculos?
23.Consideremos que tres máquinas Alpha, Beta y Gamma producen respectivamente el 50%, el 30%
y el 20% del número total de artículos de una fábrica. Si la proporción de artículos defectuosos
que produce cada una de estas máquinas es 0,03; 0,04 y 0,05 respectivamente y se selecciona un
artículo aleatoriamente.
a. Calcule la probabilidad de que el artículo sea defectuoso.

b. Calcule la probabilidad de que el artículo seleccionado al azar haya sido producido por la
máquina Alpha si se sabe que es defectuoso.
c. Calcule la probabilidad de que el artículo seleccionado al azar haya sido producido por la
máquina Alpha o la máquina Beta, si se sabe que es defectuoso.
24.Una empresa vende tres tipos de maquinaria pesada para la industria textil A, B y C. El 70% de las
máquinas son del tipo A, el 20% del tipo B y el 10% son del tipo C. Las máquinas A tienen una
probabilidad de 0,10 de producir una pieza defectuosa a lo largo de un año, las máquinas B tienen
una probabilidad de 0,30 y las máquinas C tienen una probabilidad 0,60 de producir una de tales
piezas defectuosas a lo largo de un año.
Una de estas máquinas ha estado funcionando durante un año de prueba y ha producido una
pieza defectuosa. ¿De cuál tipo de máquina es más probable que provenga la pieza defectuosa?
25.Una de las etapas de producción de drones es el ensamblado de la cubierta del casco para
exteriores. Se programan diariamente 1400 cascos utilizando a tres especialistas A, B y C. El
especialista A atiende 170 cascos, el especialista B atiende 500 cascos y el especialista C atiende
los restantes.
Cabe la posibilidad de que el ensamblado del casco no sea el correcto; por lo tanto, el casco
ensamblado sería defectuoso. La siguiente tabla muestra como varía la proporción del
ensamblado defectuoso del casco para cada especialista.
117
Especialista Proporción de cascos ensamblados defectuosos

A 0,02
B 0,04
C 0,03
Si se selecciona al azar un dron con casco ensamblado defectuoso, ¿cuál es la probabilidad de que
lo haya ensamblado el especialista B?
26.Una de las medidas que se consideran para regular el volumen de agua en m 3 en las represas, es
abrir las compuertas para que las represas no rebalsen. Las compuertas operan en forma
independiente de acuerdo con dos tipos de sistemas. Estos sistemas operan solo si hay una
trayectoria de dispositivos funcionales de izquierda a derecha. Su funcionamiento es muy
importante por lo que el ingeniero de mantenimiento recomendará utilizar aquel sistema que
presente mayor probabilidad de flujo de funcionamiento continuo.
¿Cuál de los dos sistemas deberá elegir para ser instalado en una compuerta? Suponga que cada
dispositivo funciona de manera independiente con una probabilidad de 0,85.
27.Considere el sistema de componentes electrónicos conectados como se muestra en la figura. Los

componentes funcionan de manera independiente uno del otro, y la probabilidad de que cada
componente funcione es 0,90; ¿cuál es la probabilidad de que el sistema electrónico funcione?
28.Si la probabilidad de que cada llave esté cerrada dejando pasar corriente es p=¿ 0,6 y las llaves
se cierran y se abren en forma independiente, calcular la probabilidad de que pase corriente de I
hacia O en el siguiente circuito:
118
29.Electronic Company brinda soporte especializado en la instalación de redes con tecnología LAN o
WAN a diferentes empresas. Se sabe que el 15% de las empresas prefieren como medio físico de
transporte los cables de cobre de par trenzado, el 35% prefiere los cables coaxiales, el 40% fibras
ópticas y 10% el aire. Además, si la empresa elige los cables de cobre de par trenzado como medio
físico, la probabilidad que elija la tecnología WAN es 0,62; las empresas que eligen cables
coaxiales tienen una probabilidad de 0,45 de elegir la tecnología LAN; las empresas que eligen la
fibra óptica tienen una probabilidad de 0,55 de elegir la tecnología WAN y las empresas que eligen
el aire como medio físico de transporte tienen una probabilidad de 0,5 de elegir la tecnología LAN.
a. Calcule la probabilidad que una empresa elija para su red la tecnología LAN.
b. Si se selecciona al azar una empresa que utiliza tecnología WAN, ¿cuál es la probabilidad que
utilice como medio físico de transporte cables de cobre de par trenzado?
Caso: Construcción de represas
El informe de la Comisión Mundial de Represas

(ONU,2015) indica que numerosos impactos
ambientales logran dañar represas, provocando en ellas
averías muy serias; por lo tanto, la CONFIEP debe
recomendar un tipo de material antes de diseñar una
nueva represa.
Por registros anteriores se sabe que en el Perú el 55%

de las represas están construidas a base de cimientos,
el 2B% con terraplenes y el resto con excavaciones. Además, se conoce que si el diseño de la
estructura de la represa es a base de cimientos esta no presenta averías en un B0%, si es a base de
terraplenes presenta averías en un 35% y si la estructura es a base de excavaciones presenta averías
en un 25%.
Si se elige una represa al azar y esta presenta averías, ¿cuál es el tipo de material que debería
recomendar la CONFIEP para que no ocurran fallas estructurales?
119
120
Variable aleatoria
Sea Ω un espacio muestral. Una variable aleatoria es una función X que transforma cada resultado w
del espacio muestral en un número real X (w).
El rango de la variable aleatoria X es el conjunto RX de todos sus posibles valores.
Ejemplo 1
Al lanzar dos monedas para registrar los posibles resultados se obtiene el espacio muestral siguiente:
Ω = {cc, cs, sc, ss}
Si definimos la variable aleatoria X como número de caras que se obtiene, entonces a cada resultado
de Ω, es posible asignarle un número real de la siguiente manera:
● cc, se le asigna el número real 2
● cs, se le asigna el número real 1
● sc, se le asigna el número real 1
● ss, se le asigna el número real 0
Clasificación de variables aleatorias
Una variable es discreta si su rango es un conjunto finito o infinito numerable.
Por ejemplo: número de circuitos electrónicos producidos por una empresa que cumplen con las
especificaciones técnicas, número de llamadas que recibe una central telefónica.
Una variable es continua si su rango es un conjunto infinito no numerable.

121
Por ejemplo: resistencia a la ruptura de un material plástico (onzas por pulgada cuadrada),
resistencia transversal de los ladrillos fabricados por una empresa (MN/m2).
Variable aleatoria discreta
Sea X una variable aleatoria discreta. La función de probabilidad de una variable aleatoria discreta
representa la probabilidad de que la variable aleatoria tome un valor genérico igual a x y se denotará
de la siguiente manera:
f (x)=P (X =x)
La función de probabilidad de X debe cumplir las siguientes condiciones:
f (x)≥ 0
❑
∑ ❑ f (x)=1
Rango X
Ejemplo 1
El ingeniero de producción de la empresa Tecnotronics S.A. ha determinado que la distribución de
probabilidades del número de artículos defectuosos por lote es la siguiente:
Número de artículos defectuosos 0 1 2 3 4

f(x) = P(X = x) 0,25 a 0,10 0,25 0,25
a. Calcule el valor de la constante a para que la distribución sea de probabilidad.

b. Calcule la probabilidad de encontrar menos de dos artículos defectuosos por lote.
c. Si el lote tiene dos o más artículos defectuosos, es considerado malo; calcule la probabilidad que
el lote sea malo.
d. Si el número de artículos defectuosos por lote es al menos uno, calcule la probabilidad de que el
número de artículos defectuosos sea menor a tres.
Solución
a. Calcule el valor de la constante a para que la distribución sea de probabilidad.
Solución
Para hallar el valor de la constante usaremos la siguiente condición:

❑
∑ ❑ f (x)=1
Rango X
f ( 0 )+ f ( 1 ) + f ( 2 ) + f ( 3 ) +f ( 4 )=1
122
0 , 25+a+ 0 ,10+ 0 , 25+0 , 25=1
Despejando se tiene que a = 0,15
b. Calcule la probabilidad de encontrar menos de dos artículos defectuosos por lote.
Solución
P( X< 2)=P(X =0)+ P (X =1)=0 ,25+ 0 ,15=0 , 40
c. Si el lote tiene dos o más artículos defectuosos, es considerado malo; calcule la probabilidad que
el lote sea malo.
Solución
Sea el evento A :=¿ el lote sea malo
El lote será malo si tiene dos o más artículos defectuosos, por lo tanto, la probabilidad pedida es:
P( A)=P (X ≥2)=1 – P (X <2)=1 – 0 , 40=0 , 60
d. Si se sabe que el número de artículos defectuosos por lote es al menos uno, calcule la
probabilidad de que el número de artículos defectuosos sea menor a tres.
Solución
P ( XX <3≥ 1 )
P ( X< 3 ∩ X ≥1 )
¿
P ( X ≥ 1)
P ( X=1 ) + P ( X=2 )
¿
1−P ( X=0 )
f ( 1 ) +f ( 2 )
¿
1−f ( 0 )
123
0 ,15+ 0 ,10
¿ =0,3333
1−0 , 25
124
Ejemplo 2
El departamento de control de calidad de una empresa selecciona al azar diariamente tres bombillas
de un lote que contiene 20 bombillas, para decidir si acepta el lote y los pasa al departamento de
producción o rechaza el lote y los devuelve al proveedor.
a. Construya la distribución de probabilidad del número de bombillas defectuosas que se encuentra

en la muestra, si el muestreo es sin reposición y bajo la suposición que el lote contiene dos
bombillas defectuosas.
Identificamos la variable X :=¿ número de bombillas defectuosas encontradas en la muestra.
Los valores del rango de la variable son R X =¿ { }
D :=¿ bombilla defectuosa P ( D )=¿

c
D :=¿ bombilla no defectuosa P ( Dc )=¿
P ( X=0 )=¿
P ( X=1 )=¿
P ( X=2 )=¿
Finalmente, colocamos los resultados en la tabla de función de probabilidades.
Numero de bombillas
0 1 2
defectuosas
f(x) = P(X = x)
b. Si la regla de decisión es rechazar el lote si en la muestra se encuentra más de un artículo

defectuoso. ¿Cuál es la probabilidad de rechazar un lote?
c. En relación con la regla planteada en (b), si el lote es aceptado, ¿cuál es la probabilidad que la
muestra contenga un defectuoso?
125
126
Esperado de una variable aleatoria discreta
Sea X una variable aleatoria discreta con función de probabilidad f(x). Entonces el valor esperado o
media de X es:
❑
μ=E ( X )= ∑ ❑x f ( x)
Rango X
Varianza de una variable aleatoria
Sea X una variable discreta con función de probabilidad f(x). Entonces, la varianza de X es:
σ 2=V ( X )=E ( ( X−μ )2 )

La fórmula abreviada para el cálculo de la varianza es:
2 2
V ( X)=E(X )– [E ( X )]
donde:
❑
E ( X )=
2
∑ 2
❑ x f (x )
Rango X
Desviación estándar de una variable aleatoria
La desviación estándar de X es la raíz cuadrada positiva de la varianza de X .
σ =√ σ 2
Ejemplo 1
El número de fallas de energía eléctrica que afectan a cierta región en cualquier año dado se
considera una variable aleatoria que tiene la siguiente función de probabilidad:
x 0 1 2 3
P(X = x) 0,38 0,24 k 0,08
a. Calcule e interprete el valor esperado de X .

b. Calcule la desviación estándar y el coeficiente de variación de X.
127
Solución
a. Calcule e interprete el valor esperado de X .
Solución
En primer lugar, hallaremos el valor de k para que la distribución sea función de probabilidad:
0 , 38+0 , 24+ k +0 , 08=1
Despejando, el valor de k =0 , 3.
El valor esperado de X se calcula con la siguiente fórmula:

❑
μ=E ( X )= ∑ ❑x f ( x)
Rango X
Reemplazando:
μ=E ( X )=0 × f ( 0 ) +1 × f (1 )+ 2× f ( 2 ) +3 × f (3)
¿ 0 ×0 ,38+1 ×0 ,24 +2× 0 , 3+3 ×0 , 08=1, 08
Interpretación
Si el experimento se repitiera muchas veces, en promedio el número de fallas de energía
eléctrica que afectan a cierta región en cualquier año dado sería de 1,08.
b. Calcule la desviación estándar y el coeficiente de variación de X.
Solución
Primero, calculamos la varianza y usaremos la fórmula:
2 2
V ( X)=E(X )– [E ( X )]
Donde:
2
E( X )=0 2× 0 , 38+12 × 0 ,24 +2 2× 0 ,3+ 32 × 0 ,08=2 , 16
Reemplazando:
2
V ( X )=2, 16−1 ,08 =0,9936
Finalmente,
la desviación estándar de X es:

σ =DS ( X )= √ V ( X ) =¿
el coeficiente de variación de X es:

128
DS ( X ) ❑
CV ( X )= = =¿
E(X) ❑
Ejemplo 2
Un ingeniero civil del departamento de obras muestra la distribución de probabilidad de la variable
aleatoria X :=¿ número de habitaciones a construir en edificios residenciales.
x 4 5 7 8 9
f(x) 0,20 0,25 0,10 0,15 0,30
a. Si la gerencia del departamento de obras le impone que construya menos de ocho habitaciones y
suponiendo que se cumple con este requerimiento, ¿cuál es la probabilidad que construya por lo
menos cinco habitaciones?
b. Si el costo de una vivienda, en dólares, está en función del número de habitaciones de acuerdo
con la siguiente ecuación C (X )=14000 X +5000 . Indique la media del costo de una vivienda.
Solución
a. Si la gerencia del departamento de obras le impone que construya menos de ocho habitaciones y
suponiendo que se cumple con este requerimiento, ¿cuál es la probabilidad que construya por lo
menos cinco habitaciones?
Solución
Se trata de una probabilidad condicional. Aplicando la fórmula se tiene que:
P ( XX ≥<85 )= P (( 5 ≥PX( X) ∩<8( X) <8) ) = PP( 5≤( XX<<8)8) = f ( 4f) +f(5 )+( 5f) +( 7f) ( 7)
0 , 25+0 , 10 0 ,35
¿ = =0,6364
0 ,20+ 0 , 25+0 , 10 0 ,55
b. ¿Cuánto esperaría pagar un cliente por una vivienda?
Solución
Usando la fórmula se tiene que:
9
μ=E ( X )=∑ ❑ xf ( x )=4 × 0 , 20+5 ×0 , 25+7 × 0 ,10+ 8× 0 , 15+9 ×0 , 30
x=4
E( X )=6 , 65 habitaciones
El valor esperado o media del costo será:

129
E ( C (X ) )=E ( 14000 X +5000 )=14000 E ( X ) +5000
Por lo tanto, la media del costo de una vivienda es de 89100 dólares.

130
30.Según el departamento de control de calidad de la empresa Construye S.A., el número de fallas

superficiales en la elaboración de cables de luz en su presentación de rollos de 20 metros
corresponde a una variable aleatoria X, la misma que presenta la siguiente función de
probabilidad:
Número de fallas superficiales 0 1 2 3 4

Probabilidad a 0,27 0,16 b 0,01
Si el valor esperado de X es 1,71 fallas por cable, ¿cuál es la probabilidad de que un cable presente
a lo más dos fallas?
31.Según el departamento de control de calidad de una empresa fabricante de tornillos, el número

de fallas superficiales en los tornillos corresponde a una variable aleatoria X con E( X )=¿0,88
por tornillo. Además, se sabe que la función de probabilidad está dada por:
x 0 1 2 3 4
f(x) a 0,37 0,16 b 0,01
a. Calcule la probabilidad de que un tornillo presente al menos dos fallas.

b. Calcule la varianza y el coeficiente de variación de X.
32.Una librería necesita hacer el pedido semanal de una revista especializada de ingeniería. Por
registros históricos, se sabe que las frecuencias relativas de vender una cantidad de ejemplares es
la siguiente:
Demanda de ejemplares 1 2 3 4 5 6
Frecuencia relativa 1/15 2/15 3/15 4/15 3/15 2/15
Calcule la media y varianza de la demanda de ejemplares.
33.En un almacén de aparatos electrónicos se almacenan 10 tostadoras para su distribución, cuatro

de la marca A y el resto de las marcas menos conocidas. Si un empleado selecciona al azar cinco
tostadoras para llevarlas por encargo a una tienda para su comercialización, calcular la
probabilidad de que en las cinco tostadoras seleccionadas:
a. Calcule la probabilidad de que en las cinco tostadoras seleccionadas existan exactamente dos
de la marca A.
b. Calcule la probabilidad de que en las cinco tostadoras seleccionadas, a lo sumo, haya una
tostadora de las marcas menos conocidas.
131
Distribuciones discretas especiales
Distribución binomial
El experimento consiste en n pruebas idénticas de Bernoulli. Cada prueba tiene únicamente dos
resultados: éxito o fracaso. P(éxito)= p y P(fracaso)=1− p se mantiene constante a lo largo de
todas las pruebas.
Las pruebas son independientes.
La probabilidad del evento considerado como éxito es constante en cada prueba y se denota por p.
La variable aleatoria binomial se define como:
X :=¿ número de éxitos que ocurren en los n ensayos o pruebas
La función de probabilidad de X es:
n x n−x
f ( x )=P ( X =x )=C x p (1− p ) , x=0 , 1, 2 , ..., n
donde:
n :=¿ número de ensayos o pruebas

p :=¿ probabilidad de éxito en cada ensayo
1 – p :=¿ probabilidad de fracaso
Notación
Si la variable aleatoria X sigue una distribución binomial con parámetros n y p se denota
X B(n , p).
Media
¿ E ( X ) =np
Varianza
2
❑ =V ( X )=np(1− p)
Para el cálculo de probabilidades de una distribución binomial en Excel se usa la función:

=DISTR.BINOM.N( x ; n = número de repeticiones; p = probabilidad de éxito; acumulado = 1).
132
Ejemplo 1
La probabilidad de que el comprador de un osciloscopio haga uso del servicio dentro del plazo de
garantía es 0,20. Para los cinco osciloscopios que cierta empresa ha vendido independientemente a
cinco compradores este mes.
a. ¿Cuál es la probabilidad de que exactamente tres compradores hagan uso de la garantía?

b. ¿Cuál es la probabilidad que máximo un comprador haga uso de la garantía?
c. ¿Cuál es la probabilidad de que tres o más compradores hagan uso de la garantía?
Solución
X :=¿ número de compradores de osciloscopios que hagan uso de la garantía
X B(n=5 , p=0 , 20)
El rango de X es 0, 1, 2, …, 5
La función de probabilidad f ( x ) es:
5 x 5− x
f (x)=P (X =x)=C x 0 , 20 (1−0 , 20) , x=0 , 1 ,2 , ... ,5
a. ¿Cuál es la probabilidad de que exactamente tres compradores hagan uso de la garantía?
Solución
5 3 2
P ( X=3 )=f (3)=C 3 0 , 20 ( 1−0 , 20 ) =0,0512
b. ¿Cuál es la probabilidad que máximo un comprador haga uso de la garantía?
Solución
P ( X ≤1 ) =P ( X=0 )+ P ( X=1 )=f ( 0 ) + f (1)

5 0 5 5 1 4
P ( X ≤1 ) =C0 0 , 20 ( 1−0 , 20 ) +C 1 0 , 20 ( 1−0 , 20 ) =0,73728
c. ¿Cuál es la probabilidad de que tres o más compradores hagan uso de la garantía?
Solución

133
P ( X ≥3 )=1−P ( X < 3 )
¿ 1−[P ( X =0 ) + P ( X =1 ) + P ( X=2 ) ]
¿ 1−[ C50 0 , 200 ( 1−0 , 20 )5 +C 51 0 , 21 ( 1−0 , 2 )4 +C 52 0 , 22 (1−0 , 2 )3 ]
P ( X ≥3 )=1−0,94208=0,05792
Ejemplo 2
El supervisor de una obra ha determinado que un proveedor entrega los pedidos a tiempo alrededor
del 94% de las veces. Para su última obra, el supervisor seleccionó una muestra de 12 pedidos.
a. Calcule la probabilidad de que el proveedor entregue 11 pedidos a tiempo.

b. Calcule el valor esperado del número de pedidos entregados a tiempo.
Sea X :=¿ número de pedidos entregados a tiempo en una muestra de 12 pedidos
X B(n=12 , p=0 , 94)
El rango de X es 0, 1, 2, …, 12
La función de probabilidad f ( x ) es:
12 x 12− x
f ( x )=P ( X =x )=C x 0 , 94 (1−0 , 94 ) x=0 , 1 ,2 , ... ,12
a. Calcule la probabilidad de que el proveedor entregue 11 pedidos a tiempo.
Solución
12 11 1
P ( X=11 )=C 11 0 , 94 (1−0 ,94 ) =0,3645
c. Calcule el valor esperado del número de pedidos entregados a tiempo.
Solución
El valor esperado es:
E( X )=np=11, 28
134
Ejemplo 3
En un proceso de fabricación se produce unidades precoladas con un 1% de unidades defectuosas.

Todos los días se someten a prueba 10 unidades seleccionadas al azar de la producción diaria. Si
existen fallas en una o más de estas unidades se detiene el proceso de producción.
La variable aleatoria X se define X :=¿
El rango de X es 0, 1, 2, …,
n x n−x
f ( x )=P ( X =x )=C x p (1− p ) x=0 , 1 ,2 , ... ,n
a. ¿Cuál es la probabilidad de encontrar dos unidades defectuosas?
b. ¿Cuál es la probabilidad de encontrar al menos dos unidades defectuosas?
c. ¿Cuál es la probabilidad de detener el proceso?
d. Calcule el valor esperado y el coeficiente de variabilidad del número de unidades no defectuosas.

135
34.Un cierto sistema mecánico contiene componentes y se han seleccionado al azar 10. Suponga que
la probabilidad de que cualquier componente individual falle es de 0,07 y que los componentes
fallan independientes unos de otros.
a. Calcule la probabilidad de que falle al menos uno de los componentes.

b. Calcule la probabilidad de que fallen exactamente dos componentes.
c. Calcule la probabilidad de que fallen entre dos y cinco componentes.
d. Obtenga los valores de E( X ) y V ( X).
136
Caso: Ferrosa
Ferrosa es una empresa dedica a la venta al por mayor y

menor de artículos de ferretería. Actualmente, la gerencia de
comercialización ha detectado determinados problemas que
están afectando las ventas de la empresa, por lo que, encargó
a un grupo de profesionales realizar un estudio para identificar
dichos los problemas. Analizando la información, se
identificaron los siguientes problemas:
Problema 1
En el área de ventas de la empresa se han detectado reclamos por parte de los clientes que
adquirieron equipos de protección fallados y que serán devueltos. Si la probabilidad que se
devuelvan dos o más equipos en una semana es mayor a 0,35; se recomendará a la gerencia de
comercialización cambiar de proveedor. A continuación, se muestra la siguiente información:
Cantidad de equipos de protección fallados devueltos por

1 2 3 4 5
semana
0,4 0,2 0,0
f(x) = P(X = x) 2k k
2 0 8
¿Qué decisión deberá tomar el gerente de comercialización?

Habilidad para analizar,
Habilidad para identificar
Habilidad para Habilidad para entender e interpretar los
la variable(s) y elegir las
identificar el determinar los resultados y comunicar,
herramientas estadísticas
problema a valores de las sustentar la decisión final en
que usará para resolver
resolver probabilidades base al análisis de los
el problema
resultados.
Problema 2
Debido a la globalización y al desarrollo constante de las comunicaciones, los pedidos por internet se
han incrementado últimamente. Un grupo de profesionales de la empresa ha observado que el 25%
de sus clientes realiza sus compras por Internet. Si se eligen al azar 10 clientes y se obtiene que la
probabilidad de que más de tres de ellos realizaron sus compras por Internet supera el 0,2, entonces
se recomendará a la gerencia implementar la promoción de envió de pedidos a domicilio sin ningún
costo.

el problema
resultados.
137
Distribución Poisson
El experimento consiste en realizar el conteo del número X de veces que ocurre un evento en
particular durante una unidad de tiempo, área, volumen, peso, distancia o cualquier otra unidad de
medida dada.
La probabilidad de que un evento ocurra en una unidad dada de tiempo, área, etc.; es la misma para
todas las unidades.
El número de eventos que ocurren en una unidad de tiempo, área, volumen es independiente del
número de los que ocurren en otras unidades.
La variable aleatoria Poisson se define como:
X :=¿ número de veces que ocurre un evento durante un intervalo definido
La función de probabilidad f ( x ) de X es:
−μ x
e μ
f ( x )=P ( X =x )= x=0 ,1 , 2 ,3 , …
x!
donde:
e :=¿ base del sistema de logaritmos neperianos

:=¿ razón promedio de ocurrencia
t :=¿ periodo de evaluación
Notación
La variable aleatoria X sigue una distribución Poisson con parámetro μ y se denota por X P(μ),
donde μ=t
Media
μ=E ( X )=λt
Varianza
2
σ =V ( X )=λt
Para el cálculo de probabilidades de una distribución Poisson en Excel se usa la función:

=POISSON.DIST(x; media = lambda; acumulado = 0).
138
Ejemplo 3
En la inspección del pavimento y asfalto de una carretera recién construida se ha detectado que hay,
en promedio 1,25 baches o fisuras cada cuatro kilómetros. Asumiendo una distribución de Poisson,
determine:
a. La probabilidad de que en el siguiente kilómetro se encuentre dos baches o fisuras.
Solución
Sea X :=¿ número de baches o fisuras cada kilómetro
Calculemos la media μ=t .
¿ 1 ,25 baches cada 4 km
t=1 km
Por lo tanto,
1 , 25 baches
μ=t= ×1 km=0,3125
4 km
X P(μ=0,3125)
La función de distribución de la variable Poisson es:
−0,3125 x
e 0,3125
f ( x )=P ( X =x )= x=0 , 1 ,2 , 3 , …
x!

−0,3125 2
e 0,3125
f ( 2 )=P ( X=2 ) = =0,03572
2!
b. La probabilidad de que en los siguientes dos kilómetros se encuentre a lo más tres baches o
fisuras.
Solución
Sea Y :=¿ número de baches o fisuras cada dos kilómetros
t=2 km
Por lo tanto,
139
1 , 25 baches
μ=t= ×2 km=0,625
4 km
Y P(μ=0,625)
La función de distribución de la variable Poisson es:
−0,625 y
e 0,625
f ( y )=P (Y = y )= y=0 ,1 , 2 ,3 , …
y!
P ( X ≤3 )=P ( X=0 ) + P ( X=1 ) + P ( X =2 )+ P ( X=3 )
¿ f ( 0 )+ f ( 1 ) + f ( 2 ) + f ( 3 )
−0,3125 0 −0,3125 1 −0,3125 2 −0,3125 3
e 0,3125 e 0,3125 e 0,3125 e 0,3125
¿ + +
0! 1! 2! 3!
¿ 0,5353+ 0,3345+0,1045+0,0218=0,9961
c. El costo de reparación de estos defectos es de 35 dólares por cada bache o fisura detectada.
Calcule el costo esperado al inspeccionar 80 km de esta carretera.
Solución
Sea W :=¿ número de baches o fisuras en 80 kilómetros
t=80 km
Por lo tanto,
1 , 25 baches
μ=t= ×80 km=25
4 km
W P(μ=25)
Definamos la variable costo C ( X ).
C ( X )=35 X
Calculemos el esperado de la variable costo C ( X ).

140
E ( C ( X ) )=E ( 35 X )=35 E ( X )=35 × 25=875
Luego, el costo esperado al inspeccionar 80 km de esta carretera es 875 dólares.
Ejemplo 3
En un estudio del tránsito en cierta intersección, se determinó que el número de automóviles que
llegan a un óvalo tiene distribución de Poisson con media igual a tres automóviles por segundo.
a. Calcule la probabilidad de que en dos segundos lleguen al óvalo exactamente dos automóviles.
b. Calcule la probabilidad de que en dos segundos lleguen al óvalo menos de tres automóviles.
c. Calcule la probabilidad de que en los siguientes tres segundos lleguen al óvalo por lo menos dos
automóviles.
Solución
a. Calcule la probabilidad de que en dos segundos lleguen al óvalo exactamente dos automóviles.
Solución
Sea X :=¿ número de automóviles que llegan a un óvalo en dos segundos
¿ 3 autos cada segundo
t=2 segundos
Por lo tanto:
3 autos
μ=t= × 2 segundos=6
1 segundo
X P(μ=6)
2 −6
6 ×e
P ( X=2 )= =0,0446
2!
b. Calcule la probabilidad de que en dos segundos lleguen al ovalo menos de tres automóviles.
Solución

141
P ( X <3 )=P ( X=0 )+ P ( X=1 ) + P ( X=2 )=f ( 0 )+ f ( 1 ) +f (2)
0 −6 1 −6 2 −6
6 e 6 e 6 e
P ( X <3 )= + +
0! 1! 2!
P ( X <3 )=0,0620
c. Calcule la probabilidad de que en los siguientes tres segundos lleguen al óvalo por lo menos dos
automóviles.
Solución
Sea Y :=¿ número de automóviles que llegan a un óvalo en tres segundos
¿ 3 autos cada segundo
t=3 segundos
Por lo tanto,
3 autos
μ=t= × 3 segundos=9
1 segundo
X P(μ=9)
P ( Y ≥ 2 )=1−P ( Y <2 )=1−[ P (Y =0 ) + P ( Y =1 )]
( )
0 −9 1 −9
9 ×e 9 ×e
P ( Y ≥ 2 )=1− +
0! 1!
P ( Y ≥ 2 )=1−0,00123=0,9988
Ejemplo 4
Con la finalidad de diseñar un nuevo sistema de control de tráfico, un ingeniero recoge información
sobre el número de automóviles que llegan a una intersección. Por histórico, se sabe que en
promedio llegan cuatro autos a la intersección cada minuto según un proceso de Poisson.
a. ¿Qué probabilidad hay de que en 30 segundos lleguen tres autos?

b. ¿Qué probabilidad hay de que entre las 5:25 pm y 5:28 pm lleguen más de dos autos?
c. Si en un minuto llegaron más de tres autos, ¿cuál es la probabilidad que como máximo sean
cinco los autos que llegaron en ese minuto?
142
Solución
La variable aleatoria X se define X :=¿
X
El rango de X es
La función de probabilidad f (x) es:
a. ¿Qué probabilidad hay de que en 30 segundos lleguen tres autos?
b. ¿Qué probabilidad hay de que entre las 5:25 pm y 5:28 pm lleguen más de dos autos?
c. Si en un minuto llegaron más de tres autos, ¿cuál es la probabilidad que como máximo sean
cinco los autos que llegaron en ese minuto?
Ejemplo 5
Cierto tipo de azulejo puede tener un número X de puntos defectuosos con media de tres puntos
defectuosos por azulejo. Calcule la probabilidad de que se presenten cinco defectos en un azulejo
elegido al azar.
La variable aleatoria X se define como X :=¿
X
El rango de X es
La función de probabilidad f (x) es:

143
144
35.Debido al calentamiento global, es muy común la presencia de caracoles en las represas debido a
sus aguas estancadas, lo cual hace que se produzcan enfermedades nocivas para el hombre y su
entorno. El número de caracoles presentes en las aguas estancadas sigue una distribución Poisson
con un promedio de 16 caracoles por cinco m3 de agua.
La OMS establece que si la probabilidad de que haya más de un caracol presente en un m 3 de

agua estancada es mayor a 0,75 se deberá comprar un filtro especial como norma sanitaria. ¿Se
llegará a realizar la compra de dicho filtro?
36.En un estudio del tránsito en cierta intersección, se determinó que el número de automóviles que
llegan a un óvalo tiene distribución de Poisson con media igual a cinco automóviles por segundo.
a. Calcule la probabilidad de que en un segundo lleguen al óvalo más de dos automóviles.

b. Calcule la probabilidad de que en los siguientes diez segundos lleguen al óvalo 40
automóviles.
c. Suponga que el 90% de vehículos que llegan diariamente al óvalo mencionado son de
transporte privado. Para los siguientes cinco días, calcule la probabilidad de que lleguen al
óvalo por lo menos tres vehículos de transporte privado.
145
Caso: Ferrosa
Ferrosa es una empresa dedica a la venta al por mayor y

menor de artículos de ferretería. Actualmente, la
gerencia de comercialización ha detectado algunos
problemas que están afectando las ventas de la
empresa. Los clientes manifiestan que el tiempo que
esperan para pagar los productos es demasiado y
algunos optan por retirase y dirigirse a la competencia,
ocasionando pérdidas significativas para la empresa.
El grupo encargado de la investigación ha revisado la información histórica y determinó que en

promedio llegan a la ferretería 30 clientes cada hora según un proceso de Poisson. La gerencia de
comercialización establece que; si la probabilidad de que lleguen a la ferretería por lo menos tres
clientes en un lapso de cinco minutos es mayor a 0,30; tomará la decisión de ampliar el número de
ventanillas para el pago de productos.
¿La gerencia deberá ampliar el número de ventanillas para el pago de productos?

el problema
resultados.
146
Variables aleatorias continuas

Función de densidad de una variable continua
Se denomina función de densidad f ¿ ) de una variable aleatoria continua X a la función f(x) integrable
que satisface:
Condición 1
f (x)≥ 0
Condición 2
+∞
∫ ❑ f ( x ) dx=1
−∞
Cálculo de una probabilidad usando la función de densidad
b
P ( a ≤ X ≤b )=∫ ❑ f ( x ) dx
a
Para variables continuas se cumple:
P(a≤ X ≤ b)=P(a< X ≤ b)=P(a ≤ X < b)=P(a< X < b)
Ejemplo 1
Sea k una constante y consideremos la función de densidad de la vida útil, en años, de cierto tipo de
computadora.
f ( x )={kx 0 ≤ x ≤2 0 en otro caso
a. Obtenga el valor de k , para que f (x) sea función de densidad.

b. Calcule P(0 , 5< X <1 ,8).
c. Calcule P( X> 1) .
147
Solución
a. Obtenga el valor de k , para que f (x) sea función de densidad.
Solución
Para que f (x) sea función de densidad debe satisfacer las siguientes condiciones:
Condición 1
f (x)≥ 0
Para el tramo 0 ≤ x ≤ 2
k x ≥0
Por tanto, k debe ser positivo.
Condición 2
+∞
∫ ❑ f ( x ) dx=1
−∞
La función tiene el valor 0, fuera del tramo 0 ≤ x ≤ 2; por lo tanto:
∫ ❑kx dx=1
0
Integrando:
( )
2
x 2
k ∨¿0 ¿
2
Evaluando en 0 y 2. se tiene:
2 2
2 0
k −k =1
2 2
1
k=
2
Reemplazando tenemos:
1
f ( x )={ x 0 ≤ x ≤ 2 0 en otro caso
2
b. Calcule P(0 , 5< X <1 ,8).
Solución
1, 8
1
P ( X >1 )= ∫ ❑ x dx =0,7475
0 ,5 2
148
c. Calcule P( X> 1).
Solución
2
1
P ( X >1 )=∫ ❑ x dx=0 , 75
1 2
Función de distribución acumulada
La función de distribución acumulativa F (x) para una variable aleatoria continua X se define:
x
F (x)=P (X ≤ x )= ∫ ❑ f ( t ) dt
−∞
Si F (x) es la función de distribución acumulativa para una variable aleatoria continua X , entonces la
función de densidad f (x) para X es:
dF (x )
f ( x )=
dx
Para la siguiente probabilidad se cumple que:
P(a< X ≤ b)=F (b)−F (a)
En general, para variables cuantitativas continuas se cumple:
P(a≤ X ≤ b)=P(a< X ≤ b)=P(a ≤ X < b)=P(a< X < b)

149
Ejemplo 1
El tiempo, en minutos, que un tren se retrasa es una variable aleatoria continua X con la siguiente
función de densidad:
3 2
f (x)={ ( 25−x )0 ≤ x ≤ 5 0 en otro caso
250
a. Determine la función acumulada F (X ).

b. Calcule P( X> 2) haciendo uso de la función acumulada.
c. Calcule P(1 , 5< X <3 , 5) haciendo uso de la función acumulada.
Solución
a. Determine la función acumulada F (X ).
Solución
Para hallar la función acumulada emplearemos la definición de la función de distribución
acumulada F ( x )=P ( X ≤ x ).
Para el tramo 0 ≤ x<5 , se tiene:
x
F ( x )=P ( X ≤ x )=∫ ❑ f ( t ) dt
−∞
Para el tramo descrito se tiene que:
x
3
F ( x )=∫ ❑ ( 25−t 2 ) dt
0 250
( )
3
3 t x
¿ 25 t− ∨¿0 ¿
250 3
3
75 x−x
F ( x )=
250
Finalmente, la función de distribución acumulada se representa de la siguiente manera:
3
75 x−x
F ( x )={0 x< 0 0 ≤ x<5 1 x ≥ 5
250
150
b. Calcule P( X> 2) haciendo uso de la función acumulada.
Solución
P ( X >2 ) =1−P( X ≤ 2)
Usando la definición de función de distribución acumulada.
F ( x )=P ( X ≤ x )
P ( X >2 ) =1−P ( X ≤2 ) =1−F ( 2 )

3
75 x−x
Reemplazando el valor X = 2 en F (x)= .
250
3
75 ×2−2
¿ 1− =0,432
250
c. Usando la función acumulada, calcule P(1 , 5< X <3 , 5).
Solución
P ( 1 ,5< X <3 , 5 )=F ( 3 , 5 )−F ( 1 ,5 )

3 3
75× 3 ,5−3 , 5 75 ×1 , 5−1 , 5
¿ − =0,442
250 250
151
Principales distribuciones de variables aleatorias continuas

Distribución exponencial
Función de densidad
Una variable aleatoria X es exponencial con parámetro β >0, si su función de densidad es:
−x
1 β
f ( x )={ e x ≥ 0 0 otro caso
β
Notación
Si X sigue una distribución exponencial con parámetro β se denota por X exp ().
Media
μ=E ( X )=β
Varianza
σ 2=V ( X )=β 2
Función de distribución acumulada
La definición de la función de distribución acumulada es:
x
F ( x )=P ( X ≤ x )=∫ ❑ f ( x ) dx
−∞
Como el rango de X es de 0 a + ∞.
x −x −x
1
F ( x )=∫ ❑ e β
dx=1−e β
0 β
152
−x
β
F ( x )=1−e
Características
● La variable puede tomar valores de 0 a +∞, no toma valores negativos.
● La gráfica es descendente con sesgo a la derecha.
● Existe una curva para cada valor de β.
● La distribución exponencial se usa para describir la vida útil de un dispositivo o tiempo de

funcionamiento hasta que falle y β es el promedio de la vida útil (vida media) del dispositivo.
Ejemplo 1
El tiempo de vida de un componente tiene la siguiente función de densidad:
−x
1 500
f ( x )= e x≥0
500
a. ¿Cuál es la probabilidad de que un componente dure más de 800 días?

b. Calcule el valor de la mediana.
Solución
a. ¿Cuál es la probabilidad de que un componente dure más de 800 días?
Solución
P ( X >800 )
¿ 1−P ( X ≤ 800 )
( )=0,2019
−800
500
¿ 1− 1−e
b. Calcule el valor de la mediana.
Solución
153
Por definición de mediana.
P ( X ≤ Me ) =0 ,50
F ( Me )=0 ,50
−x
Usando la función de distribución acumulada F ( x )=1−e β de la variable exponencial tenemos
que:
−Me
(1−e 500 )=0 ,50
− Me
500
e =0 ,50
Tomamos logaritmo neperiano en ambos términos de la ecuación:
ln ( e )=ln(0 ,50)
− Me
500
−Me
=ln ln ( 0 , 50 )
500
Despejando:
−Me=−0,693× 500
Me=346 , 5 días
El 50% de las componentes duran 346,5 días o menos.
Ejemplo 2
La duración, en miles de millas, que obtienen los dueños de automóviles con cierto tipo de
neumático es una variable aleatoria con la siguiente función de densidad:
−x
1
f (x)={ e 20 x ≥ 0 0 otro caso
20
a. Calcule la probabilidad de que un neumático dure como máximo diez mil millas.
b. Calcule la probabilidad de que un neumático dure entre 16 mil y 24 mil millas.

154
c. Calcule la probabilidad de que un neumático dure al menos 30 mil millas.

155
37.La duración, en minutos, de una conversación telefónica de larga distancia nacional tiene
distribución exponencial con promedio de ocho minutos.
a. ¿Cuál es la probabilidad que una llamada dure entre tres y diez minutos?
b. ¿Cuál es la probabilidad que una llamada dure más de 9 minutos?
c. ¿Cuánto debe durar como mínimo una llamada para estar considerada dentro del 10% de las
de mayor duración?
d. Si la llamada dura más de cinco minutos ¿cuál es la probabilidad de que dure a lo más 8
minutos?
38.Suponga que la vida útil, en horas, de cierta marca de foco electrónico, es una variable aleatoria X
cuya función de densidad de probabilidad es:
−x
f (x)={c e 8000 x ≥ 0 0 otro caso
a. Calcule el valor de la constante c para que f (x) sea función de densidad.

b. Si se selecciona un foco electrónico al azar, calcule la probabilidad de dure más de diez mil
horas.
39.La vida, en horas, de un dispositivo electrónico es una variable aleatoria que tiene la siguiente
función de densidad:
−x
1 50
f (x)={ e x ≥ 0 0 otro caso
50
a. Calcule e interprete la mediana. Si un lote tiene 20 de estos dispositivos, ¿cuántos se

esperaría que duren más que la mediana?
b. Si el dispositivo duró 80 horas, ¿cuál es la probabilidad de que dure 25 horas más?
156
Distribución normal
Esta distribución se aproxima a las distribuciones de frecuencias observadas de muchas medidas

naturales y físicas, como es el caso de pesos, alturas, ventas, vida útil de producción, coeficiente
intelectual, etc.
La curva normal tiene forma de campana y es simétrica con respecto a su media

La media, la mediana y la moda son iguales y se encuentran en x = μ y la desviación estándar es σ.
Función de densidad
La variable aleatoria X es normal si su función de densidad se define de la siguiente manera:
( )
2
−1 x− μ
1 2 σ
f (x)= e −∞< x < ∞
√2 π σ
Notación
Si la variable aleatoria tiene distribución normal con parámetros μ y σ 2 se denota:
2
X N ( ,❑ ).
X :=¿ variable aleatoria de interés

μ ≔media de la distribución
σ ≔desviación estándar de la distribución
Media
E( X )=¿
Varianza
2
V ( X)=❑
157
Ejemplo 1
Si las gráficas son simétricas, ¿qué las diferencia?
Distribución normal estándar
● La distribución normal estándar es una distribución de una variable aleatoria continua, denotada
con la letra Z , que tiene media 0 y desviación estándar 1.
● Una variable aleatoria con distribución normal se puede convertir en una distribución normal
estándar si se realiza la siguiente transformación, llamada de estandarización o de tipificación.
X−μ
Z=
σ
Notación de una variable normal estándar
Si una variable es normal estándar se denota por:
Z N (0 ,1)
Función acumulada de la normal estándar
F (Z )=P(Z ≤ z )
158
La distribución de la variable Z se encuentra tabulada en la tabla estadística de la normal estándar.

159
Tabla de la distribución normal estándar
Área bajo la curva normal P ( Z ≤ z ) =α
Z -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 -0.00
-
3. 0.00003 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
9 3 34 36 37 39 41 42 44 46 48
-
3. 0.00005 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
8 0 52 54 57 59 62 64 67 69 72
-
3. 0.00007 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001
7 5 78 82 85 88 92 96 00 04 08
-
3. 0.00011 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
6 2 17 21 26 31 36 42 47 53 59
-
3. 0.00016 0.0001 0.0001 0.0001 0.0001 0.0002 0.0002 0.0002 0.0002 0.0002
5 5 72 78 85 93 00 08 16 24 33
-
3. 0.00024 0.0002 0.0002 0.0002 0.0002 0.0002 0.0003 0.0003 0.0003 0.0003
4 2 51 60 70 80 91 02 13 25 37
-
3. 0.00034 0.0003 0.0003 0.0003 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004
3 9 62 76 90 04 19 34 50 66 83
-
3. 0.00050 0.0005 0.0005 0.0005 0.0005 0.0005 0.0006 0.0006 0.0006 0.0006
2 1 19 38 57 77 98 19 41 64 87
-
3. 0.00071 0.0007 0.0007 0.0007 0.0008 0.0008 0.0008 0.0009 0.0009 0.0009
1 1 36 62 89 16 45 74 04 35 68
-
3. 0.00100 0.0010 0.0010 0.0011 0.0011 0.0011 0.0012 0.0012 0.0013 0.0013
0 1 35 70 07 44 83 23 64 06 50
-
2. 0.0014 0.0014 0.0015 0.0015 0.0016 0.0016 0.0017 0.0018 0.0018
9 0.00139 4 9 4 9 4 9 5 1 7
-
2. 0.0019 0.0020 0.0021 0.0021 0.0022 0.0023 0.0024 0.0024 0.0025
8 0.00193 9 5 2 9 6 3 0 8 6
-
2. 0.0027 0.0028 0.0028 0.0029 0.0030 0.0031 0.0032 0.0033 0.0034
7 0.00264 2 0 9 8 7 7 6 6 7
-
2. 0.0036 0.0037 0.0039 0.0040 0.0041 0.0042 0.0044 0.0045 0.0046
6 0.00357 8 9 1 2 5 7 0 3 6
-
2. 0.0049 0.0050 0.0052 0.0053 0.0055 0.0057 0.0058 0.0060 0.0062
5 0.00480 4 8 3 9 4 0 7 4 1
- 0.00639 0.0065 0.0067 0.0069 0.0071 0.0073 0.0075 0.0077 0.0079 0.0082
160
2.
4 7 6 5 4 4 5 6 8 0
-
2. 0.0086 0.0088 0.0091 0.0093 0.0096 0.0099 0.0101 0.0104 0.0107
3 0.00842 6 9 4 9 4 0 7 4 2
-
2. 0.0113 0.0116 0.0119 0.0122 0.0125 0.0128 0.0132 0.0135 0.0139
2 0.01101 0 0 1 2 5 7 1 5 0
-
2. 0.0146 0.0150 0.0153 0.0157 0.0161 0.0165 0.0170 0.0174 0.0178
1 0.01426 3 0 9 8 8 9 0 3 6
-
2. 0.0187 0.0192 0.0197 0.0201 0.0206 0.0211 0.0216 0.0222 0.0227
0 0.01831 6 3 0 8 8 8 9 2 5
-
1. 0.0238 0.0244 0.0250 0.0255 0.0261 0.0268 0.0274 0.0280 0.0287
9 0.02330 5 2 0 9 9 0 3 7 2
-
1. 0.0300 0.0307 0.0314 0.0321 0.0328 0.0336 0.0343 0.0351 0.0359
8 0.02938 5 4 4 6 8 2 8 5 3
-
1. 0.0375 0.0383 0.0392 0.0400 0.0409 0.0418 0.0427 0.0436 0.0445
7 0.03673 4 6 0 6 3 2 2 3 7
-
1. 0.0464 0.0474 0.0484 0.0494 0.0505 0.0515 0.0526 0.0537 0.0548
6 0.04551 8 6 6 7 0 5 2 0 0
-
1. 0.0570 0.0582 0.0593 0.0605 0.0617 0.0630 0.0642 0.0655 0.0668
5 0.05592 5 1 8 7 8 1 6 2 1
-
1. 0.0694 0.0707 0.0721 0.0735 0.0749 0.0763 0.0778 0.0792 0.0807
4 0.06811 4 8 5 3 3 6 0 7 6
-
1. 0.0837 0.0853 0.0869 0.0885 0.0901 0.0917 0.0934 0.0951 0.0968
3 0.08226 9 4 1 1 2 6 2 0 0
-
1. 0.1002 0.1020 0.1038 0.1056 0.1074 0.1093 0.1112 0.1131 0.1150
2 0.09853 7 4 3 5 9 5 3 4 7
-
1. 0.1190 0.1210 0.1230 0.1250 0.1271 0.1292 0.1313 0.1335 0.1356
1 0.11702 0 0 2 7 4 4 6 0 7
-
1. 0.1400 0.1423 0.1445 0.1468 0.1491 0.1515 0.1538 0.1562 0.1586
0 0.13786 7 1 7 6 7 1 6 5 6
-
0. 0.1635 0.1660 0.1685 0.1710 0.1736 0.1761 0.1787 0.1814 0.1840
9 0.16109 4 2 3 6 1 9 9 1 6
-
0. 0.1894 0.1921 0.1948 0.1976 0.2004 0.2032 0.2061 0.2089 0.2118
8 0.18673 3 5 9 6 5 7 1 7 6
- 0.21476 0.2177 0.2206 0.2236 0.2266 0.2296 0.2327 0.2357 0.2388 0.2419
161
0.
7 0 5 3 3 5 0 6 5 6
-
0. 0.2482 0.2514 0.2546 0.2578 0.2610 0.2643 0.2676 0.2709 0.2742
6 0.24510 5 3 3 5 9 5 3 3 5
-
0. 0.2809 0.2843 0.2877 0.2911 0.2946 0.2980 0.3015 0.3050 0.3085
5 0.27760 6 4 4 6 0 6 3 3 4
-
0. 0.3156 0.3191 0.3227 0.3263 0.3299 0.3336 0.3372 0.3409 0.3445
4 0.31207 1 8 6 6 7 0 4 0 8
-
0. 0.3519 0.3556 0.3594 0.3631 0.3669 0.3707 0.3744 0.3782 0.3820
3 0.34827 7 9 2 7 3 0 8 8 9
-
0. 0.3897 0.3935 0.3974 0.4012 0.4051 0.4090 0.4129 0.4168 0.4207
2 0.38591 4 8 3 9 7 5 4 3 4
-
0. 0.4285 0.4325 0.4364 0.4403 0.4443 0.4482 0.4522 0.4562 0.4601
1 0.42465 8 1 4 8 3 8 4 0 7
-
0. 0.4681 0.4721 0.4760 0.4800 0.4840 0.4880 0.4920 0.4960 0.5000
0 0.46414 2 0 8 6 5 3 2 1 0
162
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0. 0.5000 0.5039 0.5079 0.5119 0.5159 0.5199 0.5239 0.5279 0.5318 0.5358
0 0 9 8 7 5 4 2 0 8 6
0. 0.5398 0.5438 0.5477 0.5517 0.5556 0.5596 0.5635 0.5674 0.5714 0.5753
1 3 0 6 2 7 2 6 9 2 5
0. 0.5792 0.5831 0.5870 0.5909 0.5948 0.5987 0.6025 0.6064 0.6102 0.6140
2 6 7 6 5 3 1 7 2 6 9
0. 0.6179 0.6217 0.6255 0.6293 0.6330 0.6368 0.6405 0.6443 0.6480 0.6517
3 1 2 2 0 7 3 8 1 3 3
0. 0.6554 0.6591 0.6627 0.6664 0.6700 0.6736 0.6772 0.6808 0.6843 0.6879
4 2 0 6 0 3 4 4 2 9 3
0. 0.6914 0.6949 0.6984 0.7019 0.7054 0.7088 0.7122 0.7156 0.7190 0.7224
5 6 7 7 4 0 4 6 6 4 0
0. 0.7257 0.7290 0.7323 0.7356 0.7389 0.7421 0.7453 0.7485 0.7517 0.7549
6 5 7 7 5 1 5 7 7 5 0
0. 0.7580 0.7611 0.7642 0.7673 0.7703 0.7733 0.7763 0.7793 0.7823 0.7852
7 4 5 4 0 5 7 7 5 0 4
0. 0.7881 0.7910 0.7938 0.7967 0.7995 0.8023 0.8051 0.8078 0.8105 0.8132
8 4 3 9 3 5 4 1 5 7 7
0. 0.8159 0.8185 0.8212 0.8238 0.8263 0.8289 0.8314 0.8339 0.8364 0.8389
9 4 9 1 1 9 4 7 8 6 1
1. 0.8413 0.8437 0.8461 0.8484 0.8508 0.8531 0.8554 0.8576 0.8599 0.8621
0 4 5 4 9 3 4 3 9 3 4
1. 0.8643 0.8665 0.8686 0.8707 0.8728 0.8749 0.8769 0.8790 0.8810 0.8829
1 3 0 4 6 6 3 8 0 0 8
1. 0.8849 0.8868 0.8887 0.8906 0.8925 0.8943 0.8961 0.8979 0.8997 0.9014
2 3 6 7 5 1 5 7 6 3 7
1. 0.9032 0.9049 0.9065 0.9082 0.9098 0.9114 0.9130 0.9146 0.9162 0.9177
3 0 0 8 4 8 9 9 6 1 4
1. 0.9192 0.9207 0.9222 0.9236 0.9250 0.9264 0.9278 0.9292 0.9305 0.9318
4 4 3 0 4 7 7 5 2 6 9
1. 0.9331 0.9344 0.9357 0.9369 0.9382 0.9394 0.9406 0.9417 0.9429 0.9440
5 9 8 4 9 2 3 2 9 5 8
1. 0.9452 0.9463 0.9473 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9544
6 0 0 8 5 0 3 4 4 2 9
1. 0.9554 0.9563 0.9572 0.9581 0.9590 0.9599 0.9608 0.9616 0.9624 0.9632
7 3 7 8 8 7 4 0 4 6 7
1. 0.9640 0.9648 0.9656 0.9663 0.9671 0.9678 0.9685 0.9692 0.9699 0.9706
8 7 5 2 8 2 4 6 6 5 2
1. 0.9712 0.9719 0.9725 0.9732 0.9738 0.9744 0.9750 0.9755 0.9761 0.9767
9 8 3 7 0 1 1 0 8 5 0
2. 0.9772 0.9777 0.9783 0.9788 0.9793 0.9798 0.9803 0.9807 0.9812 0.9816
0 5 8 1 2 2 2 0 7 4 9
2. 0.9821 0.9825 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9853 0.9857
1 4 7 0 1 2 2 1 0 7 4
2. 0.9861 0.9864 0.9867 0.9871 0.9874 0.9877 0.9880 0.9884 0.9887 0.9889
163
2 0 5 9 3 5 8 9 0 0 9
2. 0.9892 0.9895 0.9898 0.9901 0.9903 0.9906 0.9908 0.9911 0.9913 0.9915
3 8 6 3 0 6 1 6 1 4 8
2. 0.9918 0.9920 0.9922 0.9924 0.9926 0.9928 0.9930 0.9932 0.9934 0.9936
4 0 2 4 5 6 6 5 4 3 1
2. 0.9937 0.9939 0.9941 0.9943 0.9944 0.9946 0.9947 0.9949 0.9950 0.9952
5 9 6 3 0 6 1 7 2 6 0
2. 0.9953 0.9954 0.9956 0.9957 0.9958 0.9959 0.9960 0.9962 0.9963 0.9964
6 4 7 0 3 5 8 9 1 2 3
2. 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9972 0.9973
7 3 4 4 3 3 2 1 0 8 6
2. 0.9974 0.9975 0.9976 0.9976 0.9977 0.9978 0.9978 0.9979 0.9980 0.9980
8 4 2 0 7 4 1 8 5 1 7
2. 0.9981 0.9981 0.9982 0.9983 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986
9 3 9 5 1 6 1 6 1 6 1
3. 0.9986 0.9986 0.9987 0.9987 0.9988 0.9988 0.9988 0.9989 0.9989 0.9989
0 50 94 36 77 17 56 93 30 65 99
3. 0.9990 0.9990 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992
1 32 65 96 26 55 84 11 38 64 89
3. 0.9993 0.9993 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9994
2 13 36 59 81 02 23 43 62 81 99
3. 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996
3 17 34 50 66 81 96 10 24 38 51
3. 0.9996 0.9996 0.9996 0.9996 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997
4 63 75 87 98 09 20 30 40 49 58
3. 0.9997 0.9997 0.9997 0.9997 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
5 67 76 84 92 00 07 15 22 28 35
3. 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
6 41 47 53 58 64 69 74 79 83 88
3. 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
7 92 96 00 04 08 12 15 18 22 25
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
8 28 31 33 36 38 41 43 46 48 50
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
9 52 54 56 58 59 61 63 64 66 67
La lectura en tabla presenta tres situaciones:
Situación 1 P ( Z ≤ a)
164
Situación 2 P ( Z > a )=1−P ( Z ≤ a )
Situación 3 P ≤ b=P ( Z ≤ b )−P ( Z ≤ a )

165
Ejemplo 1
Calcule las siguientes probabilidades:
a. ¿Cuál es la probabilidad de que Z sea menor a 1,15?
b. ¿Cuál es la probabilidad de que Z sea mayor que 2,01?
c. ¿Cuál es la probabilidad de que Z esté entre –0,13 y 1,05?
d. ¿Cuál será el valor máximo de Z tal que el 15,87% de los valores son menores a Z?
166
e. ¿Cuál será el valor mínimo de Z tal que el 15,87% de los valores son mayores a Z?
Ejemplo 2
Raúl sabe que la gestión del proyecto se mide habitualmente en términos de utilidad, por lo que
analizó la utilidad, en millones de soles, de los proyectos grandes culminados el último año. Sabe,
además, que esta variable tiene distribución normal con media 111,5 millones de soles y desviación
estándar de 25 millones de soles. Si la probabilidad de que un proyecto grande culminado en el
último año genere una utilidad mayor a 112 millones de soles supera a 0,52, no tomará la decisión
de modificar los términos de referencia para invertir en más proyectos grandes caso contrario
modificará los términos de referencia. ¿Qué decisión tomará?
Solución
Definamos la variable:
X :=¿ utilidad, en millones de soles, de los grandes proyectos culminados en el último año
2 2
X N ( μ=111, 5 ; σ =25 )

P ( X >112 )=1−P ( X ≤ 112 )
Estandarizando:
(
¿ 1−P Z <
112−111 , 5
25 )
¿ 1−P(Z <0 , 02)=1−0,50798=0,49202
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0. 0.5000 0.5039 0.5079 0.5119 0.5159 0.5199 0.5239 0.5279 0.5318 0.5358
0 0 9 8 7 5 4 2 0 8 6
0. 0.5398 0.5438 0.5477 0.5517 0.5556 0.5596 0.5635 0.5674 0.5714 0.5753
1 3 0 6 2 7 2 6 9 2 5
0. 0.5792 0.5831 0.5870 0.5909 0.5948 0.5987 0.6025 0.6064 0.6102 0.6140
2 6 7 6 5 3 1 7 2 6 9
Como la P( X> 112)=0,49202<0 , 52, entonces no cumple con lo establecido.

167
Por lo tanto, sí se tomará la decisión de modificar los términos de referencia para invertir en más
proyectos grandes.
Ejemplo 3
Una máquina llena recipientes con determinado producto. Se sabe que el peso de llenado de dicho
producto tiene distribución normal. Se sabe, de acuerdo con los datos históricos, que la media es
20,23 y la desviación estándar de pesos de llenado es de 0,6 onzas.
a. ¿Cuál es la probabilidad de que el peso de llenado sea menor que el promedio?
b. ¿Cuál es la probabilidad de que el peso de llenado sea mayor a 21 onzas?
c. Se dice que la máquina funciona correctamente si el peso de llenado del producto está entre
19,03 y 21,43 ¿Qué tan probable es que la máquina no funcione correctamente?
d. ¿Cuál debe ser el tiempo de llenado mínimo para pertenecer al 25% de recipientes con mayor
peso de llenado?
168
40. La medición mensual de la contaminación por polvo atmosférico generado por residuos sólidos
de las construcciones y demoliciones de obras es una variable aleatoria distribuida normalmente
con media de 35 toneladas/km2 y desviación estándar de 15 toneladas/km 2. Si la cantidad
máxima de contaminación aceptable según la norma ambiental es de 25 toneladas/km 2 por mes,
calcule la probabilidad de que la medición del próximo mes reporte un valor no aceptable.
41. Una máquina automática para el llenado de paquetes de arroz puede regularse de modo que la
cantidad media de arroz llenado sea la que se desee. Si la cantidad de arroz depositada se
distribuye normalmente con desviación estándar igual a 10 gramos, ¿cuál debe ser la regulación
media de modo que solo el 1% de los paquetes tengan un peso neto inferior a 990 gramos?
42. En un taller de la Industria Sideromecánica se fabrican árboles de leva para darles uso en
motores de gasolina. Después de investigaciones realizadas se ha llegado a la conclusión de que
la excentricidad de estos árboles de leva es una variable aleatoria normalmente distribuida con
media de 1,02 pulgadas y desviación estándar de 0,44 pulgadas.
a. Calcule la probabilidad que un árbol de leva tenga una excentricidad menor a una pulgada.
b. Calcule la probabilidad que un árbol de leva tenga una excentricidad mayor a 1,05 pulgadas.
c. Calcule el valor máximo para estar en el 30% de los árboles de leva con menor excentricidad.
d. Calcule el valor mínimo para estar en el 20% de los árboles de leva con mayor excentricidad.
43. La duración de las llamadas telefónicas en una empresa se modela con una variable normal con
media de 130 segundos y desviación estándar de 30 segundos. Calcule la probabilidad que una
llamada dure entre 90 y 170 segundos.
44. Un foco tiene una duración distribuida normalmente con una media de 7000 horas y una
desviación estándar de 1000 horas. Un competidor ha inventado un nuevo foco LED con una
duración distribuida normalmente con una media de 7500 horas y una desviación estándar de
1200 horas. ¿Cuál foco tiene mayor probabilidad de tener una duración mayor que 9000 horas?
45. Un contratista de construcción afirma que elaborar un proyecto demora en promedio 35 horas
de trabajo y el 97,5% de los proyectos demandan como máximo 38,92 horas. Considerando que
los tiempos para completar proyectos similares se distribuyen normalmente.
a. ¿Cuál es la probabilidad de que un proyecto demande menos de 32 horas?
b. Si el contratista demora más de 48 horas deberá devolver 2% del costo de dicho proyecto; si
en cambio demora menos de 29,5 horas, recibirá un incentivo de 5% del costo del proyecto,
¿cuánto esperaría recibir de incentivo?
46. Un fabricante de televisores asegura que el tiempo medio de funcionamiento sin fallas de los
aparatos es de dos años con una desviación estándar de 0,25 años. El tiempo de vida de los
aparatos sigue una distribución normal.
a. ¿Cuál es la probabilidad de que el tiempo de buen funcionamiento sea menor que 2,5 años?
b. Determine la probabilidad de que el tiempo de funcionamiento este entre 1 año y 1,75 años.
c. El fabricante garantiza que remplazará gratis cualquier aparato de televisión cuya duración
sin fallas sea menor que k años. Calcular k de tal modo que sólo el 1% de los aparatos
vendidos tenga que ser reemplazado.
169
170
Caso: Cemento Tumbo
Cemento Tumbo es una empresa con más de 50 años de

experiencia y vende productos de alta calidad para el
sector de la construcción. Entre sus principales
productos tenemos el cemento tipo I, II, V, que se
venden en bolsas de papel de 42,5 kilos y a granel.
La empresa cree que es bueno brindar productos de alta

calidad para mantenerse en el sitial en que se encuentra,
por lo que desea tener la certeza de que sus productos
cumplan con las especificaciones técnicas que promocionan.
El área de producción ha decidido incorporar un insumo en la elaboración de cemento que abarataría

los costos de producción, por lo que ahora la cantidad de cemento en un m 2 de concreto
premezclado de techo aligerado es una variable aleatoria que se distribuye normalmente, con media
0,31 m3 y desviación estándar 0,08 m3.
Enterado de esto, el jefe de control de calidad desea saber si el nuevo producto cumple con las
normas técnicas que indican que, por cada metro cuadrado de techo, la cantidad de cemento en
concreto premezclado debe tener un volumen entre 0,21 m 3 y 0,41 m3 y tomará la decisión de enviar
un reporte a la gerencia general pidiendo que se detenga la producción si la probabilidad de que no
se cumpla con la norma técnica es mayor a 0,10. ¿Qué decisión tomará?

el problema
resultados.
171
Unidad 3. Inferencia estadística
Logro
Al terminar la unidad, el estudiante modela la relación entre dos variables para dar respuesta a un
problema en un contexto real donde implique la predicción o la generalización.
Temario
● Tamaño de muestra
● Muestreo aleatorio simple
● Prueba de hipótesis para una media y una proporción poblacional
● Prueba de hipótesis para dos varianzas
● Prueba de hipótesis para dos medias poblacionales
● Análisis de varianza de un factor
● Regresión lineal simple
Bibliografía
● Introducción a la Probabilidad y Estadística / Mendenhall, Beaver, Beaver. Capítulo 7.1 pág. 248-
250.
● Montgomery, Douglas C., and George C. Runger. Probabilidad y Estadística Aplicadas a La
Ingeniería. México, D.F: McGraw-Hill, 2005 pág. 261.
● Introducción a la Probabilidad y Estadística / Mendenhall, Beaver, Beaver. Capítulo 9 pág. 364-
369.
Ingeniería. México, D.F: McGraw-Hill, 2005 pág. 295 – 307.
172
● Estadística. Mario Triola. 11a. Edición. Pearson Educación, México 2013 519.5 TRIO/E 2013
capitulo 7. pág. 297.
● Introducción a la Probabilidad y Estadística / Mendenhall, Beaver, Beaver. Capítulo 10 (pág. 386-
395) Montgomery, Douglas C., and George C. Runger. Probabilidad y Estadística Aplicadas a La
Ingeniería. México, D.F: McGraw-Hill, 2005 pág. 375 – 388.
Ingeniería. México, D.F: McGraw-Hill, 2005 pág. 375 - 388.
Tamaño de muestra para estimar la media de una población
Al iniciar cualquier investigación, la pregunta que surge es:
● ¿Cómo podemos determinar el tamaño óptimo de una muestra?
● ¿Bastará con aplicar un cuestionario a 100 personas?
● ¿Será necesario encuestar a 500 individuos?
● ¿Cómo influye la variabilidad de las respuestas de cada encuestado?
● ¿Qué margen de error tendrán los resultados hallados en la encuesta?
La respuesta a cada una de estas preguntas nos la da la Estadística. A la hora de determinar el

tamaño que debe alcanzar una muestra hay que tener en cuenta: el parámetro a estimar, el margen
de error o error de estimación, la varianza poblacional y el nivel de confianza.
Margen de error
Es la diferencia entre un estadístico y su parámetro correspondiente. Nos da una idea clara de hasta
dónde y con qué probabilidad una estimación basada en una muestra se aleja del valor que se
hubiera obtenido por medio de un censo completo. Un estadístico será más preciso cuando su error
sea más pequeño.
Nivel de confianza
Es la probabilidad de que el intervalo construido en torno a un estadístico contenga al verdadero

valor del parámetro.
Varianza poblacional
Cuando una población es más homogénea la varianza es menor y el número de entrevistas

necesarias será más pequeño. Cuando no se dispone del valor de la varianza de la población, ésta
puede ser estimada a partir de una muestra preliminar o piloto.
La fórmula para determinar el tamaño de muestra n es:

173
(( ))
2
Z α
.s
1−
2
n=
e
Si la población es finita; es decir, se conoce el tamaño de la población N, el tamaño de la muestra se

corrige con la siguiente fórmula:
n
n c=
n
1+
N
𝑛𝑐 ≔ tamaño de muestra corregido.
• El valor de 𝑛 obtenido en la fórmula anterior se ingresa con cuatro decimales por redondeo simple.
• El valor final 𝑛𝑐 se redondea al entero superior.
Área bajo la curva normal: P ( Z ≤ z ) =α

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0. 0.5000 0.5039 0.5079 0.5119 0.5159 0.5199 0.5239 0.5279 0.5318 0.5358
0 0 9 8 7 5 4 2 0 8 6
0. 0.5398 0.5438 0.5477 0.5517 0.5556 0.5596 0.5635 0.5674 0.5714 0.5753
1 3 0 6 2 7 2 6 9 2 5
0. 0.5792 0.5831 0.5870 0.5909 0.5948 0.5987 0.6025 0.6064 0.6102 0.6140
2 6 7 6 5 3 1 7 2 6 9
0. 0.6179 0.6217 0.6255 0.6293 0.6330 0.6368 0.6405 0.6443 0.6480 0.6517
3 1 2 2 0 7 3 8 1 3 3
0. 0.6554 0.6591 0.6627 0.6664 0.6700 0.6736 0.6772 0.6808 0.6843 0.6879
4 2 0 6 0 3 4 4 2 9 3
0. 0.6914 0.6949 0.6984 0.7019 0.7054 0.7088 0.7122 0.7156 0.7190 0.7224
5 6 7 7 4 0 4 6 6 4 0
0. 0.7257 0.7290 0.7323 0.7356 0.7389 0.7421 0.7453 0.7485 0.7517 0.7549
6 5 7 7 5 1 5 7 7 5 0
0. 0.7580 0.7611 0.7642 0.7673 0.7703 0.7733 0.7763 0.7793 0.7823 0.7852
7 4 5 4 0 5 7 7 5 0 4
0. 0.7881 0.7910 0.7938 0.7967 0.7995 0.8023 0.8051 0.8078 0.8105 0.8132
8 4 3 9 3 5 4 1 5 7 7
0. 0.8159 0.8185 0.8212 0.8238 0.8263 0.8289 0.8314 0.8339 0.8364 0.8389
9 4 9 1 1 9 4 7 8 6 1
1. 0.8413 0.8437 0.8461 0.8484 0.8508 0.8531 0.8554 0.8576 0.8599 0.8621
0 4 5 4 9 3 4 3 9 3 4
1. 0.8643 0.8665 0.8686 0.8707 0.8728 0.8749 0.8769 0.8790 0.8810 0.8829
1 3 0 4 6 6 3 8 0 0 8
1. 0.8849 0.8868 0.8887 0.8906 0.8925 0.8943 0.8961 0.8979 0.8997 0.9014
2 3 6 7 5 1 5 7 6 3 7
1. 0.9032 0.9049 0.9065 0.9082 0.9098 0.9114 0.9130 0.9146 0.9162 0.9177
3 0 0 8 4 8 9 9 6 1 4
174
1. 0.9192 0.9207 0.9222 0.9236 0.9250 0.9264 0.9278 0.9292 0.9305 0.9318
4 4 3 0 4 7 7 5 2 6 9
1. 0.9331 0.9344 0.9357 0.9369 0.9382 0.9394 0.9406 0.9417 0.9429 0.9440
5 9 8 4 9 2 3 2 9 5 8
1. 0.9452 0.9463 0.9473 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9544
6 0 0 8 5 0 3 4 4 2 9
1. 0.9554 0.9563 0.9572 0.9581 0.9590 0.9599 0.9608 0.9616 0.9624 0.9632
7 3 7 8 8 7 4 0 4 6 7
1. 0.9640 0.9648 0.9656 0.9663 0.9671 0.9678 0.9685 0.9692 0.9699 0.9706
8 7 5 2 8 2 4 6 6 5 2
1. 0.9712 0.9719 0.9725 0.9732 0.9738 0.9744 0.9750 0.9755 0.9761 0.9767
9 8 3 7 0 1 1 0 8 5 0
2. 0.9772 0.9777 0.9783 0.9788 0.9793 0.9798 0.9803 0.9807 0.9812 0.9816
0 5 8 1 2 2 2 0 7 4 9
2. 0.9821 0.9825 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9853 0.9857
1 4 7 0 1 2 2 1 0 7 4
2. 0.9861 0.9864 0.9867 0.9871 0.9874 0.9877 0.9880 0.9884 0.9887 0.9889
2 0 5 9 3 5 8 9 0 0 9
2. 0.9892 0.9895 0.9898 0.9901 0.9903 0.9906 0.9908 0.9911 0.9913 0.9915
3 8 6 3 0 6 1 6 1 4 8
2. 0.9918 0.9920 0.9922 0.9924 0.9926 0.9928 0.9930 0.9932 0.9934 0.9936
4 0 2 4 5 6 6 5 4 3 1
2. 0.9937 0.9939 0.9941 0.9943 0.9944 0.9946 0.9947 0.9949 0.9950 0.9952
5 9 6 3 0 6 1 7 2 6 0
2. 0.9953 0.9954 0.9956 0.9957 0.9958 0.9959 0.9960 0.9962 0.9963 0.9964
6 4 7 0 3 5 8 9 1 2 3
2. 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9972 0.9973
7 3 4 4 3 3 2 1 0 8 6
2. 0.9974 0.9975 0.9976 0.9976 0.9977 0.9978 0.9978 0.9979 0.9980 0.9980
8 4 2 0 7 4 1 8 5 1 7
2. 0.9981 0.9981 0.9982 0.9983 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986
9 3 9 5 1 6 1 6 1 6 1
3. 0.9986 0.9986 0.9987 0.9987 0.9988 0.9988 0.9988 0.9989 0.9989 0.9989
0 50 94 36 77 17 56 93 30 65 99
3. 0.9990 0.9990 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992
1 32 65 96 26 55 84 11 38 64 89
3. 0.9993 0.9993 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9994
2 13 36 59 81 02 23 43 62 81 99
3. 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996
3 17 34 50 66 81 96 10 24 38 51
3. 0.9996 0.9996 0.9996 0.9996 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997
4 63 75 87 98 09 20 30 40 49 58
3. 0.9997 0.9997 0.9997 0.9997 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
5 67 76 84 92 00 07 15 22 28 35
3. 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
6 41 47 53 58 64 69 74 79 83 88
3. 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
7 92 96 00 04 08 12 15 18 22 25
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
175
8 28 31 33 36 38 41 43 46 48 50
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
9 52 54 56 58 59 61 63 64 66 67
Ejemplo 2
El jefe de la oficina de seguridad del distrito de San Martín de Porres desea realizar una estimación
de cuánto tiempo, en promedio, estarían dispuestos a permanecer en las charlas sobre rondas
vecinales los vecinos del distrito. En estudios anteriores se estimó que el tiempo medio era de 45,25
minutos con una varianza de 18,75 minutos 2, ¿A cuántas personas se debería entrevistar si se estima
un error máximo de 1,25 minutos y un nivel de confianza del 95%? Suponga que esta variable se
distribuye normalmente.
Solución
El margen de error e es: e = 1,25 minutos
La desviación estándar muestral es: s = √ 18 ,75=4 , 33 minutos
Como el nivel de confianza es el 95% entonces ( 1−α )=0 , 95. Por lo tanto, α = 0,05.
Luego, se tiene que:
α 0 , 05
1− =1− =0,975.
2 2
Buscamos dentro de la tabla el valor más cercano a 0,975 y desde este valor salimos a los bordes de
la tabla.
Z
El valor de (1− α2 )en la tabla normal estándar es Z 0,975=1, 96 .
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1. 0.9640 0.9648 0.9656 0.9663 0.9671 0.9678 0.9685 0.9692 0.9699 0.9706
8 7 5 2 8 2 4 6 6 5 2
1. 0.9712 0.9719 0.9725 0.9732 0.9738 0.9744 0.9750 0.9755 0.9761 0.9767
9 8 3 7 0 1 1 0 8 5 0
2. 0.9772 0.9777 0.9783 0.9788 0.9793 0.9798 0.9803 0.9807 0.9812 0.9816
0 5 8 1 2 2 2 0 7 4 9
Entonces, reemplazando en la fórmula:
(( ) )
2
Z α
×s
1−
2
n=
e
( )
2
1 , 96 ×4 , 33
n=
1 , 25
176
n=46 , 09
El valor del tamaño de muestra se redondea siempre al entero mayor, por lo tanto, se necesita
seleccionar a una muestra de 47 vecinos del distrito de San Martin de Porres.
177
Ejemplo 3
¿Cuál debe ser el tamaño de muestra si se desea estimar el tiempo promedio, en horas, que
demoran los estudiantes en llegar a la universidad con un nivel de confianza del 94% y con un error
de estimación de 0,1 horas? Una muestra piloto de 8 alumnos arrojó los siguientes resultados:
2,0 1,5 0,45 1,45 1,0 0,30 1,20 1,30
¿Qué tamaño de muestra deberá seleccionar?
Ejemplo 4
La gerencia de un diario local desea estimar el gasto promedio mensual que las familias destinan a la
compra de diarios. La gerencia desea que sus resultados tengan un nivel de confianza del 95% y un
error de estimación no mayor a tres soles. Si la desviación estándar de los gastos en compra de
diarios en una muestra piloto fue de 20 soles ¿Qué tamaño de muestra deberá seleccionar?
178
47. El jefe de la oficina de seguridad del distrito de San Borja desea realizar una estimación de
cuánto tiempo, en promedio, estarían dispuestos a permanecer los vecinos escuchando charlas
sobre seguridad vecinal. En estudios anteriores se estimó que el tiempo promedio era de 45,25
minutos con una varianza de 18,75 minutos 2. ¿A cuántas personas se debería entrevistar si se
estima un error máximo de un minuto y una confianza del 95%? Suponga que esta variable se
distribuye normalmente.
Rpta: 73
48. La máquina de refrescos de una universidad está ajustada de tal manera que la cantidad de
líquido despachada se distribuye aproximadamente en forma normal. ¿Qué tan grande se
requiere que sea la muestra si se desea tener una confianza de 98% de que su media muestral
esté dentro de 0,05 centilitros del promedio real? Se cuenta con la siguiente información de una
muestra preliminar o piloto de tamaño 24.
Rpta: 60
1,99 1,98 2,04 1,97 2,18 2,04 2,13 2,03 2,08 2,72 2,04 2,09
2,11 2,13 2,14 1,98 2,29 2,02 1,94 1,82 2,02 2,10 2,19 2,13
49. Una editorial desea evaluar la media muestral del tiempo de distribución de su último best seller
en cada uno de sus 400 puntos de venta. Para este estudio se desea tener un error de
estimación de tres minutos con un nivel de confianza del 90%. Además, se sabe que la
desviación estándar de los tiempos de distribución es de 17 minutos. ¿Qué tamaño de muestra
debe emplearse para el estudio?
Rpta: 72
179
Conceptos básicos
Unidad elemental
Es el objeto sobre el cual se hace la medición. También llamada unidad de observación, unidad de
análisis, unidad estadística o elemento. Por ejemplo, en estudios de poblaciones humanas, con
frecuencia ocurre que la unidad elemental es cada individuo.
Población muestreada
Es el conjunto de todas las unidades elementales posibles que podrían extraerse en una muestra; es
decir, es la población de donde se extrae la muestra.
Unidad de muestreo
Es la unidad donde realizamos la muestra. Por ejemplo, si queremos estudiar a las personas, pero no
tenemos la lista de todos los individuos que pertenecen a la población objetivo, la unidad de
muestreo sería cada familia y la unidad elemental sería cada individuo que vive en la familia.
Marco muestral
Es una lista de las unidades de muestreo que están disponibles para elección.
Para las encuestas telefónicas el marco de muestreo podría ser una lista de todos los números
telefónicos residenciales de la ciudad; para las entrevistas personales una lista de las direcciones de
todas las calles; para una encuesta de agricultura una lista de todas las granjas o un mapa con todas
las áreas que contienen granjas.
Censo
Es una investigación estadística que consiste en el recuento de la totalidad de los elementos que
componen la población por investigar. Es necesario que se especifique el espacio y el tiempo al que
se refiere el recuento.
Por ejemplo, el 22 de octubre del 2017 se realizaron los Censos Nacionales 2017: XII de Población, VII
de Vivienda y III de Comunidades Indígenas. Su finalidad es proveer información sobre la
composición, distribución geográfica y crecimiento de la población, los patrones de la concentración
urbana y rural, las características y servicios básicos de la vivienda para la ejecución de las políticas
públicas.
Muestreo
Cuando se opta por una investigación usando una muestra en vez de la población, el estudio
estadístico comprende por lo menos cuatro etapas:
1. Definición de la población objetivo y búsqueda del marco muestral.

2. Determinación del tamaño de la muestra.
3. Selección de las unidades.
4. Registro de las observaciones.
En el curso trabajaremos las dos últimas.

180
● La selección de las unidades y
● El registro de las observaciones
Por ejemplo, la Asociación Peruana de Empresas de Investigación realizaba una encuesta para
determinar el nivel socioeconómico de una persona. Hoy en día, ya no encuesta, sino más bien usa la
Encuesta Nacional de Hogares (ENAHO) realizada por el Instituto Nacional de Estadística e
Informática (INEI).
Niveles socioeconómicos en Lima Metropolitana y Callao

Ficha técnica
Universo de estudio
● Se consideró como universo de estudio a todos los hogares pertenecientes
a Lima Metropolitana entendida como los distritos de Lima ubicados en el
núcleo urbano (sin considerar balnearios) y la Provincia Constitucional del
Callao. Se definió como hogar, al conjunto de personas que, habitando en la
misma vivienda, preparan y consumen sus alimentos en común.
● La persona informante fue el jefe de familia, definido como aquella persona que
más aporta económicamente en el hogar.
Marco muestral
Para el desarrollo de la investigación se consideró como marco muestral:
● La base de datos de viviendas del Instituto Nacional de Estadística e Informática (INEI).
● Actualización mediante aplicación de rastreo de campo efectuada por APEIM en las zonas de
mayor crecimiento de la ciudad (conos)
Tamaño de la muestra
● Se entrevistó a un total de 3 598 hogares distribuidos en 41 distritos.
● El margen de error máximo probable con un nivel de confianza del 95,1% y considerando el
máximo de dispersión (p = q = 0,5) fue de ± 1,63%.
● Dentro de esta muestra se realizaron 200 entrevistas en Distritos con predominio de los N.S.E.
Muy Alto/Alto con el propósito de obtener una submuestra estadísticamente significativa para
este segmento.
● El total de entrevistas fue desagregado proporcionalmente a la distribución poblacional de cada
uno de los distritos de Lima Metropolitana.
Selección de la muestra
181
● Determinada la cantidad de entrevistas a aplicar por distrito, se procedió a sortear tantas

manzanas como entrevistas se requerían.
● Dentro de cada manzana se seleccionó por un sistema aleatorio simple cinco viviendas: una
vivienda titular y cuatro viviendas suplentes. Los hogares titulares fueron visitados hasta en tres
oportunidades antes de proceder al reemplazo. Se controló que la tasa de reemplazo no
excediera el 10% del total de entrevistas originalmente sorteadas.
El muestreo se ilustrará con el siguiente esquema:

182
183
Ejemplo 1
Se tiene una población de 108 trabajadores de una empresa y se desea estimar el tiempo promedio
de servicio a partir de una muestra aleatoria.
N = 108 trabajadores
INCLUDEPICTURE
"https://encrypted-tbn0.gstatic.com/ima
ges?q=tbn%3AANd9GcTBQaYAVzz-
_WsA38rTHYyTdyqoMgOUsPQBi6F
NVo_5AUuavv_s" \*
MERGEFORMATINET Si queremos
= 9,18 = … trabajadores
n=…
Para seleccionar la muestra de trabajadores
mediante muestreo aleatorio simple, usar
las columnas: C12, C5, C10 de la tabla de
números aleatorios
Una vez obtenida la muestra,

¿qué le preguntaremos a cada
unidad elemental?
Posición
Trabajador (en la tabla de números X= …
aleatorios)
1
2
3
4
5
6
7
8
9
10
Promedio
184
Marco muestral: Trabajadores registrados
Tiemp Tiemp
Nº Ingreso Tiempo Nº Ingreso Nº Ingreso
o o
1 2300 5 37 2600 16 73 1800 3
2 2800 11 38 2700 18 74 1700 5
3 2400 4 39 2100 11 75 1700 4
4 2500 2 40 2300 14 76 1700 0
5 2300 3 41 1700 0 77 1700 1
6 2100 2 42 2200 13 78 2100 6
7 1700 2 43 2900 20 79 2600 17
8 2000 0 44 1800 5 80 2400 9
9 2200 7 45 2100 16 81 2600 19
10 2100 4 46 2000 12 82 1900 7
11 1700 0 47 2000 12 83 1600 0
12 2500 2 48 2900 20 84 1900 3
13 2800 13 49 2100 13 85 2100 14
14 2400 9 50 2100 9 86 1700 0
15 1700 1 51 1800 1 87 2100 15
16 2400 9 52 2000 9 88 1700 1
17 2200 10 53 2100 10 89 2300 14
18 2200 4 54 1900 4 90 2500 16
19 2300 10 55 2000 10 91 2600 18
20 2800 11 56 2300 11 92 1900 3
21 2100 7 57 2000 7 93 2500 19
22 1700 1 58 1700 1 94 1800 6
23 2500 6 59 1900 6 95 1700 2
24 2400 9 60 2000 9 96 2000 10
25 2700 17 61 2400 17 97 2400 16
26 1700 0 62 1700 0 98 1700 0
27 1600 2 63 1700 2 99 2500 12
28 2600 17 64 2400 17 100 1700 3
29 2500 13 65 2500 13 101 2400 17
30 2500 16 66 2600 16 102 2400 16
31 2700 17 67 2100 14 103 1900 7
32 1700 1 68 1900 7 104 1700 1
33 1600 1 69 2000 9 105 2100 6
34 2400 11 70 1800 7 106 2000 5
35 1900 3 71 2100 10 107 2000 3
36 1800 5 72 2300 12 108 2500 13
Tabla de números aleatorios

185
C C C C C C C C C C C C C C C C C C C C
1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2
0 1 2 3 4 5 6 7 8 9 0
4 8 2 4 6 6 3 5 4 5 6 0 5 2 6 9 8 0 0 9
9 2 9 8 1 4 4 1 9 8 5 1 1 9 7 9 8 5 9 0
0 2 1 3 3 9 1 6 2 9 7 1 2 6 6 0 7 5 6 4
9 6 0 8 3 5 6 6 6 4 0 8 6 3 4 8 1 8 5 4
1 6 4 1 6 5 2 7 7 2 9 9 9 9 7 4 1 5 4 9
2 9 0 5 5 0 8 4 8 7 4 6 2 1 7 0 1 5 8 7
6 1 2 9 5 0 4 0 9 8 2 0 2 6 8 7 0 1 9 7
1 3 1 8 9 9 0 1 2 6 3 7 1 9 6 1 7 9 9 8
4 5 8 1 1 4 5 6 7 9 9 9 2 1 3 2 3 7 7 9
0 0 3 6 9 6 5 0 6 4 7 9 8 1 2 4 4 8 3 6
7 2 4 5 4 1 2 4 4 6 9 2 6 6 6 5 2 0 0 4
4 9 3 4 4 2 4 5 9 0 8 7 4 8 4 2 1 2 5 4
6 1 2 8 1 3 3 2 0 2 6 0 7 2 7 9 1 4 6 5
9 3 4 0 8 1 3 3 7 3 2 4 8 6 7 9 0 6 2 8
1 8 7 1 3 4 3 9 3 1 7 8 3 7 3 3 0 8 3 5
0 2 1 4 7 5 7 3 1 1 9 3 3 8 7 4 8 0 2 5
3 6 3 4 1 9 8 1 0 9 0 1 1 0 9 3 6 8 6 0
9 4 6 7 6 7 9 1 2 2 7 2 3 9 3 4 6 9 8 1
5 9 9 8 4 4 5 9 1 5 4 7 3 0 6 8 1 6 8 1
8 1 8 8 2 3 9 1 4 2 4 9 1 4 0 6 0 3 2 8
0 5 3 8 0 4 3 9 4 6 0 8 8 3 8 7 1 2 2 3
9 7 1 4 2 7 5 5 2 8 6 6 3 5 5 9 9 0 6 8
6 9 5 9 4 9 1 8 2 0 2 5 3 9 1 2 0 3 0 8
7 4 9 1 4 8 8 6 6 8 5 9 4 8 5 7 7 9 6 7
3 8 1 2 2 4 0 1 4 5 7 7 4 0 4 8 9 4 7 0
9 9 9 7 8 0 0 9 3 2 7 0 5 0 2 7 8 7 3 6
4 8 1 5 8 5 5 1 4 9 6 4 4 4 7 4 5 7 5 0
8 6 7 3 6 1 7 1 1 3 5 5 7 4 4 7 6 7 2 8
4 7 1 4 0 3 6 2 4 4 4 4 0 3 6 3 4 1 2 8
6 5 5 8 8 4 3 4 8 9 0 6 7 6 0 0 8 6 8 4
9 2 0 9 8 2 8 3 4 3 2 8 9 4 8 7 9 4 9 4
1 3 7 9 4 8 3 7 0 8 6 6 6 8 4 1 1 3 1 3
3 3 2 5 6 7 6 1 6 6 1 7 6 5 8 1 6 2 2 7
9 9 9 8 2 8 8 1 9 1 6 2 7 5 1 8 6 1 4 4
1 7 5 4 0 9 5 7 8 7 5 0 8 6 6 2 5 3 2 3
2 7 1 7 8 8 3 8 6 9 9 2 7 4 5 9 5 6 6 6
6 0 9 2 6 1 5 1 2 3 1 8 1 2 0 8 6 4 4 0
3 3 6 3 4 9 6 4 4 9 8 5 7 3 3 4 2 3 2 8
0 1 9 7 9 7 9 4 4 1 6 6 7 7 0 7 9 8 6 8
4 7 1 5 3 7 0 9 2 5 2 1 0 0 4 0 4 6 8 8
7 8 9 9 6 8 5 6 8 1 9 2 7 5 1 7 0 1 5 5
2 2 3 3 1 8 1 9 8 4 2 8 5 2 8 1 7 6 4 6
2 6 6 4 1 4 8 1 0 6 0 1 3 4 0 9 1 2 8 6
5 1 9 0 3 9 1 6 1 7 8 8 2 8 0 7 8 4 8 0
9 0 5 8 4 9 2 2 3 9 8 5 9 5 7 8 4 9 9 4
8 6 1 9 2 5 0 0 7 9 0 0 7 4 5 4 8 6 2 3
1 9 1 0 9 7 5 1 2 7 1 9 4 8 4 8 9 6 6 9
5 6 0 6 1 3 3 5 2 1 0 1 9 2 8 0 2 6 6 3
186
8 6 9 9 8 0 8 1 8 2 6 6 8 4 0 7 8 2 5 1
3 1 6 1 0 5 7 5 7 0 6 3 0 4 1 4 0 3 0 8
187
Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de
ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de
tamaño n tienen la misma probabilidad de ser seleccionadas.
Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra

extraída y son, por tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos encontramos al muestreo simple aleatorio:
Muestreo simple aleatorio
El procedimiento consiste en seleccionar una muestra de tamaño n en forma aleatoria y sin

reemplazo de una población que contiene un total de N unidades elementales.
Los pasos son los siguientes:
● Enumere las unidades del marco muestral con números sucesivos.
● Seleccione tantos elementos del marco muestral como sea el tamaño requerido de la muestra.
● La selección de las unidades se realiza sin reemplazo.
● Para elegir a los elementos de la población, que formarán parte de la muestra, se hará uso de
una tabla llamada tabla de números aleatorios.
● Elegir una primera columna de arranque de la tabla de números aleatorios
● Agregar a esta columna de arranque tantas columnas hasta completar la cantidad de dígitos que
tiene la población.
● Los números que se elijan deben estar comprendidos entre 1 y N inclusive.
● Seleccione hasta completar el tamaño de muestra requerido
● Use tantas columnas de arranque hasta completar la muestra requrida.
El muestreo aleatorio simple presenta dos propiedades:
● Equiprobable: Cada unidad tiene las mismas posibilidades de ser elegida.
● Independencia: La selección de una unidad no influye en la selección de otras unidades.
Pero en el mundo real es difícil encontrar muestras completamente independientes y

representativas. Por ejemplo, hacer una encuesta a los votantes marcando números de teléfono al
azar es un método no representativo pues no tiene en cuenta a los votantes que no disponen de
teléfono o cuenta varias veces a los que tienen varios números telefónicos.
188
189
Uso de la tabla de números aleatorios
Para usar la tabla de números aleatorios:
● Los números se eligen de arriba hacia abajo en las columnas seleccionadas.
● Las columnas se usan en el orden dado, no se reordenan.
● No es necesario usar todas las columnas.
● Las columnas que se usarán serán las necesarias hasta completar el tamaño de muestra
requerido.
Ejemplo 1
Por ejemplo, en un problema nos dicen que elijamos las columnas C10, C7, C5 y C16.
● Si el tamaño de la población N = 87, esto implica que el número mayor 87 tiene dos cifras
significativas.
La primera columna elegida será C10 y usaremos una columna adicional a la derecha para
completar la cantidad de dígitos que tiene la población. Es decir, usaremos C 10C11 para elegir
números del 1 al 87 inclusive sin reemplazo.
1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2
0 1 2 3 4 5 6 7 8 9 0
4 8 2 4 6 6 3 5 4 5 6 0 5 2 6 9 8 0 0 9
9 2 9 8 1 4 4 1 9 8 5 1 1 9 7 9 8 5 9 0
0 2 1 3 3 9 1 6 2 9 7 1 2 6 6 0 7 5 6 4
9 6 0 8 3 5 6 6 6 4 0 8 6 3 4 8 1 8 5 4
1 6 4 1 6 5 2 7 7 2 9 9 9 9 7 4 1 5 4 9
2 9 0 5 5 0 8 4 8 7 4 6 2 1 7 0 1 5 8 7
6 1 2 9 5 0 4 0 9 8 2 0 2 6 8 7 0 1 9 7
1 3 1 8 9 9 0 1 2 6 3 7 1 9 6 1 7 9 9 8
4 5 8 1 1 4 5 6 7 9 9 9 2 1 3 2 3 7 7 9
0 0 3 6 9 6 5 0 6 4 7 9 8 1 2 4 4 8 3 6
● Si el tamaño de la población N = 550, esto implica que el número mayor 550 tiene tres cifras
significativas.
La primera columna elegida será C10 y usaremos dos columnas adicionales a la derecha para
completar la cantidad de dígitos que tiene la población. Es decir, usaremos C 10C11C12 y elegir
números del 1 al 550 inclusive sin reemplazo.
1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2
190
0 1 2 3 4 5 6 7 8 9 0
4 8 2 4 6 6 3 5 4 5 6 0 5 2 6 9 8 0 0 9
9 2 9 8 1 4 4 1 9 8 5 1 1 9 7 9 8 5 9 0
0 2 1 3 3 9 1 6 2 9 7 1 2 6 6 0 7 5 6 4
9 6 0 8 3 5 6 6 6 4 0 8 6 3 4 8 1 8 5 4
1 6 4 1 6 5 2 7 7 2 9 9 9 9 7 4 1 5 4 9
2 9 0 5 5 0 8 4 8 7 4 6 2 1 7 0 1 5 8 7
6 1 2 9 5 0 4 0 9 8 2 0 2 6 8 7 0 1 9 7
1 3 1 8 9 9 0 1 2 6 3 7 1 9 6 1 7 9 9 8
4 5 8 1 1 4 5 6 7 9 9 9 2 1 3 2 3 7 7 9
0 0 3 6 9 6 5 0 6 4 7 9 8 1 2 4 4 8 3 6
191
Tabla de números aleatorios

1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2
0 1 2 3 4 5 6 7 8 9 0
4 8 2 4 6 6 3 5 4 5 6 0 5 2 6 9 8 0 0 9
9 2 9 8 1 4 4 1 9 8 5 1 1 9 7 9 8 5 9 0
0 2 1 3 3 9 1 6 2 9 7 1 2 6 6 0 7 5 6 4
9 6 0 8 3 5 6 6 6 4 0 8 6 3 4 8 1 8 5 4
1 6 4 1 6 5 2 7 7 2 9 9 9 9 7 4 1 5 4 9
2 9 0 5 5 0 8 4 8 7 4 6 2 1 7 0 1 5 8 7
6 1 2 9 5 0 4 0 9 8 2 0 2 6 8 7 0 1 9 7
1 3 1 8 9 9 0 1 2 6 3 7 1 9 6 1 7 9 9 8
4 5 8 1 1 4 5 6 7 9 9 9 2 1 3 2 3 7 7 9
0 0 3 6 9 6 5 0 6 4 7 9 8 1 2 4 4 8 3 6
7 2 4 5 4 1 2 4 4 6 9 2 6 6 6 5 2 0 0 4
4 9 3 4 4 2 4 5 9 0 8 7 4 8 4 2 1 2 5 4
6 1 2 8 1 3 3 2 0 2 6 0 7 2 7 9 1 4 6 5
9 3 4 0 8 1 3 3 7 3 2 4 8 6 7 9 0 6 2 8
1 8 7 1 3 4 3 9 3 1 7 8 3 7 3 3 0 8 3 5
0 2 1 4 7 5 7 3 1 1 9 3 3 8 7 4 8 0 2 5
3 6 3 4 1 9 8 1 0 9 0 1 1 0 9 3 6 8 6 0
9 4 6 7 6 7 9 1 2 2 7 2 3 9 3 4 6 9 8 1
5 9 9 8 4 4 5 9 1 5 4 7 3 0 6 8 1 6 8 1
8 1 8 8 2 3 9 1 4 2 4 9 1 4 0 6 0 3 2 8
0 5 3 8 0 4 3 9 4 6 0 8 8 3 8 7 1 2 2 3
9 7 1 4 2 7 5 5 2 8 6 6 3 5 5 9 9 0 6 8
6 9 5 9 4 9 1 8 2 0 2 5 3 9 1 2 0 3 0 8
7 4 9 1 4 8 8 6 6 8 5 9 4 8 5 7 7 9 6 7
3 8 1 2 2 4 0 1 4 5 7 7 4 0 4 8 9 4 7 0
9 9 9 7 8 0 0 9 3 2 7 0 5 0 2 7 8 7 3 6
4 8 1 5 8 5 5 1 4 9 6 4 4 4 7 4 5 7 5 0
8 6 7 3 6 1 7 1 1 3 5 5 7 4 4 7 6 7 2 8
4 7 1 4 0 3 6 2 4 4 4 4 0 3 6 3 4 1 2 8
6 5 5 8 8 4 3 4 8 9 0 6 7 6 0 0 8 6 8 4
9 2 0 9 8 2 8 3 4 3 2 8 9 4 8 7 9 4 9 4
1 3 7 9 4 8 3 7 0 8 6 6 6 8 4 1 1 3 1 3
3 3 2 5 6 7 6 1 6 6 1 7 6 5 8 1 6 2 2 7
9 9 9 8 2 8 8 1 9 1 6 2 7 5 1 8 6 1 4 4
1 7 5 4 0 9 5 7 8 7 5 0 8 6 6 2 5 3 2 3
2 7 1 7 8 8 3 8 6 9 9 2 7 4 5 9 5 6 6 6
6 0 9 2 6 1 5 1 2 3 1 8 1 2 0 8 6 4 4 0
3 3 6 3 4 9 6 4 4 9 8 5 7 3 3 4 2 3 2 8
0 1 9 7 9 7 9 4 4 1 6 6 7 7 0 7 9 8 6 8
4 7 1 5 3 7 0 9 2 5 2 1 0 0 4 0 4 6 8 8
7 8 9 9 6 8 5 6 8 1 9 2 7 5 1 7 0 1 5 5
2 2 3 3 1 8 1 9 8 4 2 8 5 2 8 1 7 6 4 6
2 6 6 4 1 4 8 1 0 6 0 1 3 4 0 9 1 2 8 6
5 1 9 0 3 9 1 6 1 7 8 8 2 8 0 7 8 4 8 0
9 0 5 8 4 9 2 2 3 9 8 5 9 5 7 8 4 9 9 4
8 6 1 9 2 5 0 0 7 9 0 0 7 4 5 4 8 6 2 3
192
1 9 1 0 9 7 5 1 2 7 1 9 4 8 4 8 9 6 6 9
5 6 0 6 1 3 3 5 2 1 0 1 9 2 8 0 2 6 6 3
8 6 9 9 8 0 8 1 8 2 6 6 8 4 0 7 8 2 5 1
3 1 6 1 0 5 7 5 7 0 6 3 0 4 1 4 0 3 0 8
193
Ejemplo 2
Una empresa de tiene un total de 150 empleados y ha registrado información acerca de las variables:
ingreso mensual, en soles (Ingreso) y años cumplidos en la empresa (Años).
Marco muestral: Trabajadores registrados

Año
ID Ingreso Años ID Ingreso Años ID Ingreso Años ID Ingreso
s
3 11
1 2300 5 2600 16 77 1800 3 1700 3
9 5
4 11
2 2800 11 2700 18 78 1700 5 2600 19
0 6
4 11
3 2400 4 2100 11 79 1700 4 1600 1
1 7
4 11
4 2500 2 2300 14 80 1700 0 1800 6
2 8
4 11
5 2300 3 1700 0 81 1700 1 2100 10
3 9
4 12
6 2100 2 2200 13 82 2100 6 1700 0
4 0
4 12
7 1700 2 2900 20 83 2600 17 2400 16
5 1
4 12
8 2000 0 1800 5 84 2400 9 2600 17
6 2
4 12
9 2200 7 2100 16 85 2600 19 2100 10
7 3
1 4 12
2100 4 2000 12 86 1900 7 2100 8
0 8 4
1 4 12
1700 0 2000 12 87 1600 0 2400 17
1 9 5
1 5 12
2500 2 2900 20 88 1900 3 1700 1
2 0 6
1 5 12
2800 13 2100 13 89 2100 14 2600 20
3 1 7
1 5 12
2400 9 2100 9 90 1700 0 2400 16
4 2 8
1 5 12
1700 1 1800 1 91 2100 15 2700 17
5 3 9
1 5 13
2400 9 2000 9 92 1700 1 2100 12
6 4 0
1 5 13
2200 10 2100 10 93 2300 14 1600 0
7 5 1
1 5 13
2200 4 1900 4 94 2500 16 2100 15
8 6 2
1 5 13
2300 10 2000 10 95 2600 18 1900 5
9 7 3
2 5 13
2800 11 2300 11 96 1900 3 2100 12
0 8 4
2 5 13
2100 7 2000 7 97 2500 19 2200 12
1 9 5
2 6 13
1700 1 1700 1 98 1800 6 2400 13
2 0 6
194
2 6 13
2500 6 1900 6 99 1700 2 1800 4
3 1 7
2 6 10 13
2400 9 2000 9 2000 10 2600 17
4 2 0 8
2 6 10 13
2700 17 2400 17 2400 16 2700 20
5 3 1 9
2 6 10 14
1700 0 1700 0 1700 0 2500 16
6 4 2 0
2 6 10 14
1600 2 1700 2 2500 12 2500 16
7 5 3 1
2 6 10 14
2600 17 2400 17 1700 3 1900 6
8 6 4 2
2 6 10 14
2500 13 2500 13 2400 17 2100 15
9 7 5 3
3 6 10 14
2500 16 2600 16 2400 16 1700 9
0 8 6 4
3 6 10 14
2700 17 2100 14 1900 7 1500 0
1 9 7 5
3 7 10 14
1700 1 1900 7 1700 1 1800 18
2 0 8 6
3 7 10 14
1600 1 2000 9 2100 6 2100 10
3 1 9 7
3 7 11 14
2400 11 1800 7 2000 5 2700 19
4 2 0 8
3 7 11 14
1900 3 2100 10 2000 3 1800 9
5 3 1 9
3 7 11 15
1800 5 2300 12 2500 13 2100 15
6 4 2 0
3 7 11
1800 3 2700 20 1700 0
7 5 3
3 7 11
2400 14 2800 20 2500 19
8 6 4
a. Seleccione una muestra de 16 trabajadores usando muestreo simple aleatorio. Elabore un listado
con el número seleccionado y el valor del ingreso mensual y años en la empresa. Use las
columnas C2, C7, C11 y C9 de la tabla de números aleatorios.
b. Con la muestra, estime e interprete las medidas de tendencia central para el ingreso mensual.
c. Con la muestra, estime e interprete el cuartil 1 para la variable años en la empresa.
Solución
a. Elabore un listado con el número seleccionado y el valor del ingreso mensual y años en la
empresa:
Posición
Ingreso mensual
Años en la empresa
Posición
195
Ingreso mensual
Años en la empresa
b. Con la muestra obtenida estime e interprete las medidas de tendencia central para la variable
ingreso mensual.
Medidas Valor Interpretación
Media
Mediana
Moda
c. Con la muestra obtenida estime e interprete los cuartiles para la variable años en la empresa.
Medidas Valor Interpretación
Cuartil 1
Cuartil 2
Cuartil 3
Ejemplo 3
El siguiente marco muestral muestra la información del total de usuarios de internet de una
determinada zona de un distrito de la ciudad capital. Las variables analizadas fueron las siguientes:
● Marca de computadora portátil
● Principales problemas con Internet
● Número de computadoras con Internet en casa
● Tiempo de navegación diaria en Internet (en minutos)
Marca de Número de Tiempo de navegación

Usuario Principales problemas
computadora computadoras diaria (min)
2 Dell Saturación de la red 1 74,45
3 IBM Saturación de la red 3 104,89
7 Otra marca Saturación de la red 2 56,33
196
10 Lenovo Saturación de la red 2 78,27
12 Apple Saturación de la red 2 66,19
20 Apple Baja velocidad en la señal 3 92,69
21 Lenovo Baja velocidad en la señal 3 93,46
23 Dell Baja velocidad en la señal 4 126,85
25 Lenovo Baja velocidad en la señal 2 96,28
32 IBM Baja velocidad en la señal 4 67,75
38 IBM Baja velocidad en la señal 1 113,50
42 HP Calidad y durabilidad del modem 2 125,81
45 IBM Calidad y durabilidad del modem 2 133,69
46 IBM Calidad y durabilidad del modem 1 129,39
47 Lenovo Calidad y durabilidad del modem 1 111,01
48 Lenovo Lentitud para subir información 1 103,69
49 Lenovo Lentitud para subir información 1 121,70
50 Apple Lentitud para subir información 2 151,81
58 Otra marca Lentitud para subir información 3 118,44
59 Otra marca Otros 1 113,04
60 Otra marca Otros 2 114,44
61 Lenovo Otros 1 119,66
62 Dell Otros 1 145,52
a. Se desea seleccionar una muestra de 10 usuarios de internet usando muestreo simple aleatorio.
Use las columnas C15, C1 y C8 de la tabla de números aleatorios para indicar la posición del
197
elemento seleccionado. Indique, además, el principal problema del usuario con Internet y el
tiempo diario de navegación, en minutos.
Posición
Problema
Tiempo (min.)
b. Con la muestra obtenida, estime el porcentaje de usuarios cuyo principal problema de Internet
es la baja velocidad en la señal.
c. Con la muestra obtenida, estime e interprete las medidas de tendencia central para el tiempo
diario de navegación.
Ejemplo 4
Telecom es una empresa que brinda soluciones integrales en infraestructura de telecomunicaciones.

Cuenta con más de 12 años de experiencia y ha participado en diferentes proyectos con los
principales operadores y fabricantes de equipos del sector. El listado de todos sus trabajadores se
muestra a continuación:
198
Marco muestral
Sex Número Permanencia Remuneración
ID Grado de instrucción Motivo de cese
o de hijos (meses) bruta (soles)
1 M 0 26 Titulado 5000 Renuncia voluntaria
4 F 0 3 Titulado 1500 Renuncia voluntaria
7 F 1 12 Post grado 5575 Renuncia voluntaria
8 F 1 32 Técnico completa 2000 Renuncia voluntaria
51 M 0 16 Post grado 1500 Renuncia voluntaria
199
56 M 0 10 Técnico completa 2000 Renuncia voluntaria
57 F 0 8 Técnico completa 2000 Término de contrato
62 F 0 7 Titulado 3000 Término de contrato
64 M 0 19 Titulado 1500 Término de contrato
67 M 0 1 Técnico completa 2000 Término de contrato
70 M 0 1 Titulado 2000 Término de contrato
84 F 2 59 Post grado 4085 Término de contrato
a. Se desea seleccionar una muestra de 11 trabajadores usando muestreo simple aleatorio. Use las
columnas C13, C14 y C5 de la tabla de números aleatorios para indicar la posición del elemento
seleccionado. Indique, además, el motivo del cese y el número de hijos de cada trabajador.
Posición
Motivo
Número de hijos
Remuneración bruta
b. Con la muestra obtenida, estime el porcentaje de trabajadores cuyo motivo de cese fue por
renuncia voluntaria y el porcentaje de trabajadores que tienen hijos.
200
c. Con la muestra obtenida, estime e interprete el valor del cuartil 3 para la variable remuneración
bruta, en soles.
d. Con la muestra obtenida, estime e interprete el valor de las medidas de tendencia central para la
variable remuneración bruta, en soles.
201
Caso: Cemento Tumbo
La empresa Cemento Tumbo considera que el tiempo de

secado del cemento tipo II es un factor muy importante en
las grandes edificaciones como puentes, túneles, represas,
etc. El encargado de control de calidad desea estimar el
tiempo promedio de secado del cemento tipo II.
Asumiendo un margen de error de 1,5 minutos y un nivel de

confianza de 95%, ¿cuántas bolsas de cemento deberá seleccionar para llevar a cabo dicha
estimación?
Para obtener la desviación estándar tomará una muestra piloto de ocho bolsas del almacén mediante
muestreo simple aleatorio.
Use las columnas C7, C11, C15 de la tabla de números aleatorios.
Considere que el marco muestral es el siguiente:
N° Tiempo N° Tiempo N° Tiempo N° Tiempo

1 40 8 43 15 41 22 35
2 47 9 36 16 44 23 42
3 47 10 38 17 42 24 42
4 40 11 47 18 47 25 45
5 38 12 39 19 43 26 37
6 37 13 50 20 41 27 49
7 37 14 50 21 38 28 43
202
Prueba de hipótesis
La prueba de hipótesis involucra una suposición acerca de un parámetro de la población. Después se
toma una muestra para ver si la hipótesis podría ser correcta. La hipótesis que contrastamos se llama
hipótesis nula ( H 0). La hipótesis nula se contrasta con la hipótesis alternativa ( H 1).
Luego, a partir de los resultados obtenidos de la muestra, o bien rechazamos la hipótesis nula a favor
de la alternativa, o bien no rechazamos la hipótesis nula y suponemos que nuestra estimación inicial
del parámetro poblacional podría ser correcta.
El hecho de no rechazar la hipótesis nula no implica que ésta sea cierta. Significa simplemente que
los datos de la muestra son insuficientes para inducir un rechazo de la hipótesis nula.
Contraste de hipótesis
La hipótesis que se contrasta es rechazada o no en función de la información muestral. La hipótesis
alternativa se especifica como opción posible si se rechaza la nula.
Tipos de errores
Información muestral
No rechazar H0 Rechazar H0
H0 es cierta No hay error Error tipo I
La realidad
H0 es falsa Error tipo II No hay error
Error tipo I
Ocurre cuando se rechaza una hipótesis H 0 que es verdadera. La probabilidad de cometer error tipo I
viene a ser la probabilidad de rechazar H0 cuando ésta es cierta.
( Cometer error tipo I )= ( Rechazar

Ho es cierta )
Ho
=α
El valor α es fijado por la persona que realiza la investigación. Por lo general, 1%, 5% o 10%
Error tipo II
Ocurre cuando se acepta una hipótesis H 0 que es falsa, la probabilidad de cometer error tipo II es la
probabilidad de no rechazar H0 cuando ésta es falsa.
( Cometer error tipo II )=( NoHoes falsa )

rechazar Ho
=β
Debido a que el valor real del parámetro es desconocido este error no puede ser fijado.
203
Pasos para realizar una prueba de hipótesis
Paso 1
Plantear las hipótesis: la hipótesis nula, Ho y la hipótesis alterna, H1
Paso 2
Fijar el nivel de significancia, α
Paso 3
Calcular el estadístico de la prueba o valor calculado
Paso 4
Presentar la gráfica y obtener los valores críticos
Paso 5
Aplicar los criterios de decisión
Paso 6
Concluir
204
Prueba de hipótesis para una media con varianza poblacional desconocida
1. Plantear las hipótesis nula y alterna
Prueba unilateral izquierda Prueba bilateral Prueba unilateral derecha
H 0 : μ ≥ μ0 H 1 : μ< μ 0 H 0 : μ=μ 0 H 1 : μ ≠ μ0 H 0 : μ ≤ μ0 H 1 : μ> μ 0
2. Fijar el nivel de significación α.

3. Establecer el estadístico de la prueba.
X−μ 0
T= t n−1 gl
S
√n
El estadístico tiene una distribución t – Student con (n – 1) grados de libertad.
4. Graficar las regiones críticas.
H 1 : μ < μ0
Unilateral izquierda
Bilateral H 1 : μ ≠ μ0
Unilateral derecha H 1 : μ > μ0
5. Decidir: Rechazar H0 o no rechazar H0.

6. Concluir
205
206
Ejemplo 1
Para la siguiente prueba de hipótesis determine los puntos críticos.
1. Plantear las hipótesis.

H 0 : μ=5 H 1 :μ ≠ 5
2. Fijar el nivel de significación α.

¿ 0 , 05
3. Estadístico de la prueba: Distribución t Student
Tamaño de muestra: n=10
La tabla t Student necesita los siguientes datos: probabilidad y grados de libertad ( gl)
t(probabilidad, gl) = t(…………. , ……..…..) = ……………………… (con todos los decimales)
● Probabilidad (cola):
● Grados de libertad: ( gl=n−1)
Bilateral H 1 : μ ≠ μ0
207
Ejemplo 2
La lucha contra el COVID-19 también se lleva a cabo con el uso de la tecnología. Esta vez, se ve
desarrollada en robots que ayudan a desinfectar habitaciones de hospitales y centros médicos. Este
robot usa lámparas germicidas de irradiación ultravioleta (UVGI). La clave de este robot para que
funcione de manera autónoma está en el software que registra la máquina vía wifi en el servidor del
centro médico. Con el uso de este robot, todas las estancias hospitalarias quedan libres de cualquier
virus, pues con este método destruye tanto el ADN como el ARN que es donde justamente se
encuentra la programación genética de los virus y bacterias.
La clínica El Porvenir desea adquirir estos equipos para la desinfección de sus áreas. Pero el jefe de
adquisiciones sospecha que el promedio de los datos consumidos por el robot del modelo ASEPT-2X
es de 20 GB. Para confirmar esta suposición eligió una muestra de 10 robots de este modelo. Los
datos se presentan a continuación:
16 16 20 19 18 16 22 19 23 22
De confirmarse la sospecha, pedirá un lote previo de cinco robots con el fin de no congestionar la red
inalámbrica de la clínica. Use un nivel de significación es α =¿ 0,05.

Establece las regiones críticas
Identifica la Define la variable, el
Determina con el (los) valor(es) crítico(s)
problemática, parámetro, la técnica
correctamente el correcto(s). Fundamenta
señalando estadística y
valor del estadístico correctamente la decisión
claramente el presenta las
de prueba. estadística y la conclusión.
objetivo del caso. hipótesis.
Solución
Usemos las cinco dimensiones del razonamiento cuantitativo.
Interpretación
Determinar si se debe adquirir un lote previo de cinco robots con el fin de no congestionar la red
inalámbrica de la clínica
Representación
Definamos la variable en estudio.
X ≔cantidad de datos consumidos diariamente por el robot (en gigabytes)
Definamos el parámetro en estudio.

μ ≔media poblacional
Herramienta estadística: Prueba de hipótesis para la media poblacional

208
Plantear las hipótesis.
H 0 : μ=20 H 1 :μ ≠ 20
Fijar el nivel de significación
α =0 , 05
Cálculo
El valor del estadístico de prueba es:
x −μ o 19 , 1−20
t c= = =−1,076
s 2,644
√n √ 10
La prueba es bilateral pues H 1 : μ ≠ μ0.
-2,26216 2,26216
α υ
υ
0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
6 0.26483 0.55338 0.90570 1.13416 1.43976 1.94318 2.10431 2.31326 2.44691 2.61224 2.82893 3.14267 3.70743 6
7 0.26317 0.54911 0.89603 1.11916 1.41492 1.89458 2.04601 2.24088 2.36462 2.51675 2.71457 2.99795 3.49948 7
8 0.26192 0.54593 0.88889 1.10815 1.39682 1.85955 2.00415 2.18915 2.30600 2.44898 2.63381 2.89646 3.35539 8
9 0.26096 0.54348 0.88340 1.09972 1.38303 1.83311 1.97265 2.15038 2.26216 2.39844 2.57380 2.82144 3.24984 9
10 0.26018 0.54153 0.87906 1.09306 1.37218 1.81246 1.9481 2.12023 2.22814 2.35931 2.52748 2.76377 3.16927 10
Análisis
Como t c =−1,076>−2,26216 ; entonces no se rechaza H0. Con un nivel de significación del 5%, es
posible afirmar que el consumo promedio de los datos que usan los robots es igual a 20 GB.
Argumentación
El jefe de adquisiciones sí deberá adquirir el lote previo de cinco robots del modelo ASEPT-2X.
209
Tabla de la distribución t-Student
Área bajo la curva P ( T ≥ c )=α
υ α υ
0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
1 0.32492 0.72654 1.37638 1.96261 3.07768 6.31375 7.91582 10.57889 12.7062 15.89454 21.20495 31.82052 63.65674 1
2 0.28868 0.61721 1.06066 1.38621 1.88562 2.91999 3.31976 3.89643 4.30265 4.84873 5.64278 6.96456 9.92484 2
3 0.27667 0.58439 0.97847 1.24978 1.63774 2.35336 2.60543 2.95051 3.18245 3.48191 3.89605 4.54070 5.84091 3
4 0.27072 0.56865 0.94096 1.18957 1.53321 2.13185 2.33287 2.60076 2.77645 2.99853 3.29763 3.74695 4.60409 4
5 0.26718 0.55943 0.91954 1.15577 1.47588 2.01505 2.19096 2.42158 2.57058 2.75651 3.00287 3.36493 4.03214 5
6 0.26483 0.55338 0.90570 1.13416 1.43976 1.94318 2.10431 2.31326 2.44691 2.61224 2.82893 3.14267 3.70743 6
7 0.26317 0.54911 0.89603 1.11916 1.41492 1.89458 2.04601 2.24088 2.36462 2.51675 2.71457 2.99795 3.49948 7
8 0.26192 0.54593 0.88889 1.10815 1.39682 1.85955 2.00415 2.18915 2.30600 2.44898 2.63381 2.89646 3.35539 8
9 0.26096 0.54348 0.88340 1.09972 1.38303 1.83311 1.97265 2.15038 2.26216 2.39844 2.57380 2.82144 3.24984 9
10 0.26018 0.54153 0.87906 1.09306 1.37218 1.81246 1.9481 2.12023 2.22814 2.35931 2.52748 2.76377 3.16927 10
11 0.25956 0.53994 0.87553 1.08767 1.36343 1.79588 1.92843 2.09614 2.20099 2.32814 2.49066 2.71808 3.10581 11
12 0.25903 0.53862 0.87261 1.08321 1.35622 1.78229 1.91231 2.07644 2.17881 2.30272 2.46070 2.68100 3.05454 12
13 0.25859 0.5375 0.87015 1.07947 1.35017 1.77093 1.89887 2.06004 2.16037 2.2816 2.43585 2.65031 3.01228 13
14 0.25821 0.53655 0.86805 1.07628 1.34503 1.76131 1.8875 2.04617 2.14479 2.26378 2.4149 2.62449 2.97684 14
15 0.25789 0.53573 0.86624 1.07353 1.34061 1.75305 1.87774 2.03429 2.13145 2.24854 2.39701 2.60248 2.94671 15
16 0.25760 0.53501 0.86467 1.07114 1.33676 1.74588 1.86928 2.02400 2.11991 2.23536 2.38155 2.58349 2.92078 16
17 0.25735 0.53438 0.86328 1.06903 1.33338 1.73961 1.86187 2.01500 2.10982 2.22385 2.36805 2.56693 2.89823 17
18 0.25712 0.53382 0.86205 1.06717 1.33039 1.73406 1.85534 2.00707 2.10092 2.21370 2.35618 2.55238 2.87844 18
19 0.25692 0.53331 0.86095 1.06551 1.32773 1.72913 1.84953 2.00002 2.09302 2.20470 2.34565 2.53948 2.86093 19
20 0.25674 0.53286 0.85996 1.06402 1.32534 1.72472 1.84433 1.99371 2.08596 2.19666 2.33624 2.52798 2.84534 20
21 0.25658 0.53246 0.85907 1.06267 1.32319 1.72074 1.83965 1.98804 2.07961 2.18943 2.32779 2.51765 2.83136 21
22 0.25643 0.53208 0.85827 1.06145 1.32124 1.71714 1.83542 1.98291 2.07387 2.18289 2.32016 2.50832 2.81876 22
23 0.25630 0.53175 0.85753 1.06034 1.31946 1.71387 1.83157 1.97825 2.06866 2.17696 2.31323 2.49987 2.80734 23
24 0.25617 0.53144 0.85686 1.05932 1.31784 1.71088 1.82805 1.97399 2.0639 2.17154 2.30691 2.49216 2.79694 24
25 0.25606 0.53115 0.85624 1.05838 1.31635 1.70814 1.82483 1.97010 2.05954 2.16659 2.30113 2.48511 2.78744 25
26 0.25595 0.53089 0.85567 1.05752 1.31497 1.70562 1.82186 1.96651 2.05553 2.16203 2.29581 2.47863 2.77871 26
27 0.25586 0.53065 0.85514 1.05673 1.3137 1.70329 1.81913 1.96320 2.05183 2.15782 2.29091 2.47266 2.77068 27
28 0.25577 0.53042 0.85465 1.05599 1.31253 1.70113 1.81659 1.96014 2.04841 2.15393 2.28638 2.46714 2.76326 28
29 0.25568 0.53021 0.85419 1.0553 1.31143 1.69913 1.81424 1.95729 2.04523 2.15033 2.28217 2.46202 2.75639 29
30 0.25561 0.53002 0.85377 1.05466 1.31042 1.69726 1.81205 1.95465 2.04227 2.14697 2.27826 2.45726 2.75000 30
31 0.25553 0.52984 0.85337 1.05406 1.30946 1.69552 1.81000 1.95218 2.03951 2.14383 2.27461 2.45282 2.74404 31
32 0.25546 0.52967 0.85300 1.05350 1.30857 1.69389 1.80809 1.94987 2.03693 2.14090 2.27120 2.44868 2.73848 32
33 0.25540 0.5295 0.85265 1.05298 1.30774 1.69236 1.80629 1.9477 2.03452 2.13816 2.26801 2.44479 2.73328 33
34 0.25534 0.52935 0.85232 1.05248 1.30695 1.69092 1.80461 1.94567 2.03224 2.13558 2.26501 2.44115 2.72839 34
35 0.25528 0.52921 0.85201 1.05202 1.30621 1.68957 1.80302 1.94375 2.03011 2.13316 2.26219 2.43772 2.72381 35
36 0.25523 0.52908 0.85172 1.05158 1.30551 1.6883 1.80153 1.94195 2.02809 2.13087 2.25953 2.43449 2.71948 36
37 0.25518 0.52895 0.85144 1.05117 1.30485 1.68709 1.80012 1.94024 2.02619 2.12871 2.25702 2.43145 2.71541 37
38 0.25513 0.52883 0.85118 1.05077 1.30423 1.68595 1.79878 1.93863 2.02439 2.12667 2.25465 2.42857 2.71156 38
39 0.25508 0.52871 0.85094 1.05040 1.30364 1.68488 1.79751 1.93711 2.02269 2.12474 2.25240 2.42584 2.70791 39
40 0.25504 0.52861 0.85070 1.05005 1.30308 1.68385 1.79631 1.93566 2.02108 2.12291 2.25027 2.42326 2.70446 40
210
Ejemplo 3
Se sabe que el rendimiento promedio (en porcentaje) de un proceso químico es 12. Sin embargo,
últimamente se observa muchos valores menores. Para comprobar que efectivamente el
rendimiento promedio ha disminuido, se toma una muestra aleatoria de un lote de materia prima y
se registra las siguientes observaciones:
9,7 12,8 8,7 13,4 8,3 11,7 10,7 8,1 9,1 10,5
Suponiendo normalidad y a partir de la información muestral, verifique si efectivamente el

rendimiento promedio ha disminuido. Use α = 0,04.
211
50. Las bombillas LED poseen un rendimiento promedio luminoso superior a todas las tecnologías
existentes. La empresa Solari afirma que el rendimiento luminoso de las bombillas LED que
produce es de 70 lumens/watio. Sin embargo, debido a la competencia en el mercado, introduce
nuevos cambios en su tecnología con la finalidad de lograr un mejor rendimiento.
Para poder comprobar los nuevos resultados, toma una muestra aleatoria de 61 bombillas
actuales, sometiéndolas a pruebas rigurosas, obteniendo un promedio de 75 lumens/watio y
una desviación estándar de 6,8 lumens/watio. Con un nivel de significación del 4%, ¿Se puede
afirmar que los nuevos cambios mejoraron el rendimiento promedio luminoso de las bombillas
LED?
51. Cierto fabricante de motocicletas anuncia en un comercial de televisión que su vehículo rendirá
en promedio 87 millas por galón. Los millajes (recorrido en millas) en ocho viajes prolongados
fueron:
88 82 81 87 80 78 79 89
Al nivel de significación del 5% ¿el millaje medio es menor que el anunciado?
52. La densidad de ciertos fluidos es muy volátil por lo que se requiere que la densidad promedio
sobrepase al valor de 0,031 para poder utilizarlo. La empresa 3C Ingenieros, encargada de
realizar los análisis fisicoquímicos, debe evaluar la densidad de la sustancia XP90.
Para estos fines se seleccionó aleatoriamente 10 muestras de distintos lotes de producción y se

registró la densidad. Los datos se muestran a continuación:
0,033 0,040 0,031 0,034 0,036 0,031 0,036 0,034 0,034 0,032
¿La empresa 3C Ingenieros recomendará usar la sustancia XP90? Use un α = 0,02.
53. Una de las últimas innovaciones en el campo de la iluminación es el proyector de cabeza móvil.
Este proyector está compuesto por un foco halógeno que permite variar la intensidad luminosa.
El gerente de ventas de la empresa Visual Systems ha decidido este año exportar este novedoso
proyector si la intensidad luminosa promedio de estos proyectores es superior a 2600 lúmenes.
Al seleccionar 12 proyectores y medir la intensidad luminosa de cada proyector se obtuvieron

los siguientes datos:
2600 2800 3000 2000 2400 2800 2700 2600 3000 3200 3100 2500
Suponiendo que la intensidad luminosa tiene distribución normal ¿Visual Systems deberá decidir
realizar la exportación del lote? Use un nivel de significación de 3%.
212
54. Según las últimas investigaciones en hidrografía, los ingenieros civiles usan actualmente
telémetros de láser manuales de bajo peso debido a su gran precisión al momento de realizar
una medición.
Un ingeniero civil de una importante constructora está encargado de analizar la eficiencia de
una marca de estos aparatos, por lo que decide realizar pruebas con este equipo, obteniendo los
siguientes resultados del error de lectura, en milímetros, en la localización de un objeto situado
a 500 metros.
5,1 5,4 4,9 5,2 5,4 5,1 5,3 5,0 4,8
La calibración de un telemetro juega un papel muy importante en la exactitud de una medida. Si,
en promedio, los errores de lectura sobrepasan los 5 mm, estaríamos en una sobreestimación de
la lectura, por lo que debería ser devuelto al laboratorio de calibración para su ajuste. Usando la
información de la muestra ¿el telémetro debería ir al laboratorio de recalibración? Use un nivel
de significación del 4%.
55. Los drones tienen un accesorio en su fabricación llamado acelerómetro. Este accesorio registra
las variaciones de aceleración o velocidad en el aire. La norma de la Agencia Estatal de Seguridad
Aérea indica que la velocidad promedio que debe alcanzar un dron en áreas urbanas no debe
sobrepasar los 20,5 metros/segundo. Por lo tanto, ante la sospecha que no se está cumpliendo
con la norma, se seleccionaron al azar 42 drones y se realizó una prueba para medir sus
velocidades. A continuación, se presentan los resultados:
Distribución de drones probados según velocidad registrada

Velocidad (metros/segundo) Número de drones probados
[14,5 – 16,5] 7
]16,5 – 18,5] 9
]18,5 – 20,5] 14
]20,5 – 22,5] 8
]22,5 – 24,5] 4
¿Se puede afirmar que no se está cumpliendo con la norma? Use un nivel de significancia del 1%.
213
Caso: Aceros Perú
Aceros Perú es una empresa siderúrgica con más de 40 años de

experiencia, vende productos de alta calidad para los sectores
de la construcción, industria y minería. Entre sus principales
productos de producción tenemos las barras de acero
corrugado ASTM A615-grado 60 con diferentes medidas de
producción.
Últimamente, se están importando productos siderúrgicos de

diferentes partes del mundo, razón por la cual el jefe del área
de Control de Calidad desea conocer el estado real de los diferentes productos que comercializa para
establecer hitos de control. Para ello, hará una investigación minuciosa teniendo en cuenta las
siguientes variables: longitud (metros), resistencia a la tracción (kg/cm2), diámetro (cm), peso (kg).

Define la variable, Grafica las regiones críticas con
Identifica la Determina
el parámetro, la el (los) valor (es) crítico (s)
problemática, correctamente el
técnica estadística y correcto (s). Fundamenta
señalando claramente valor del estadístico
presenta las correctamente la decisión
el objetivo del caso. de prueba.
hipótesis. estadística y la conclusión.
Objetivo: Determinar si se regularán las máquinas cortadoras de acero.
El jefe de Control de calidad ordena realizar el estudio de la longitud de las barras de acero ASTM
A615-grado 60, las cuales deben tener una longitud estándar de nueve metros. Según reclamos, los
clientes manifiestan que la longitud es menor a dicho valor. De ser cierto, procederá a regular las
máquinas cortadoras de las barras de acero. Para ello, seleccionó una muestra aleatoria de 20 barras
de acero ASTM A615- grado 60. Con 5% de significación, ¿se procederá con la regulación de las
máquinas cortadoras de barras de acero? Utilice las cinco dimensiones para la solución del caso.
8,90 8,91 8,92 8,93 8,93 8,94 8,95 8,95 8,97 8,98
8,99 8,99 8,99 9,01 9,02 9,02 9,03 9,04 9,05 9,06
214
Prueba de hipótesis para una proporción poblacional
Prueba unilateral izquierda Prueba bilateral Prueba unilateral derecha

H 0 : p ≥ p0 H 0 : p= p0 H 0 : p ≤ p0
H 1 : p< p 0 H 1 : p ≠ p0 H 1 : p> p 0
2. Fijar el nivel de significación. α
3. Calcular el estadístico de la prueba.

^p− p o
Z= Z (0 ,1)
√ p o (1− p o)
n
4. Establecer las regiones críticas.
Unilateral izquierda H 1 : p< p 0
Bilateral H 1 : p ≠ p0
Unilateral derecha H 1 : p> p 0
5. Aplicar las reglas de decisión: Rechazar H0 o no rechazar H0.
6. Realizar la conclusión.
215
216
Ejemplo 1
Kubick S.A. es una empresa que fabrica y comercializa termas de uso doméstico e industrial. Debido a
los constantes reclamos presentados por los clientes sobre el mal funcionamiento de las termas a
gas, el ingeniero de planta sostiene que el porcentaje de unidades defectuosas producidas debe ser a
lo más 4%. Si esto no se cumple, se implementará un programa de capacitación a los trabajadores. A
partir de una muestra aleatoria de 150 termas a gas donde se encontró que 12 de ellas están
defectuosas. Usando un nivel de significación del 4%, ¿se llevará a cabo el programa de capacitación?
Solución
Interpretación
Determinar si se implementará un programa de capacitación para los trabajadores.
Representación
Variable: Funcionamiento de las termas a gas (buen funcionamiento, mal funcionamiento)
Parámetro: Proporción poblacional de terma a gas con mal funcionamiento
Herramienta: Prueba de hipótesis de la proporción
H 0 p ≤ 0 , 04 H 1 p >0 , 04
El valor hipotético p0 es 0,04.
El nivel de significación es 4% es decir, α = 0,04.
Cálculo
La proporción muestral de terma a gas con mal funcionamiento es:
12
^p= =0 , 08
150
^p − p0 (0 ,08−0 , 04)
Z= = =2, 5
√ p 0 ( 1− p0 )
n √ 0 , 04(1−0 , 04)
150
La prueba es unilateral derecha pues H 1 : p> 0 , 04.
1,75
217
Análisis
Como Z calc = 2,5 > Z crítico = 1,75; se rechaza H0.
Conclusión
Con un nivel de significación del 4% es posible afirmar que el porcentaje de termas a gas defectuosas
es mayor al 4%.
Argumentación
Se sugiere implementar un programa de capacitación para los trabajadores de las plantas de la
empresa Kubick.
Ejemplo 2
El jefe de control de calidad de Whitney Motor está preocupado porque las máquinas de controlador
electrónico de motor (CEM), que fabrican, no se les ha dado el mantenimiento programado, y supone
que el porcentaje de CEMs con algún defecto de fabricación es superior a 20%. De ser cierta su
suposición, deberá detener el proceso de producción y realizar mantenimiento a dichas máquinas.
Para comprobarlo se seleccionó una muestra de 55 CEMs. Los resultados obtenidos del estado de
fabricación se presentan a continuación:
Distribución de CEMs según su estados de fabricación
Defectuoso
13
Normal
42
Fuente: Whitney Motor
¿Qué decisión tomará el jefe de control de calidad? Use un nivel de significación del 5%.
Solución
Interpretación
Determinar si el jefe de control de calidad no deberá detener el proceso de producción y realizar un

mantenimiento a dichas máquinas.
Representación
Variable: estado de fabricación (defectuoso, normal)

Parámetro: proporción poblacional de CEMs con algún defecto de fabricación
Herramienta: prueba de hipótesis para la proporción
218
H 0 p ≤ 0 , 20 H 1 p> 0 ,20
El nivel de significación es 4% es decir, α = 0,04.
Cálculo
La proporción muestral de CEMs con algún defecto de fabricación es:
13
^p= =0,2364
55
^p −p 0,2364−0 , 20
Z= = =0,6749
√ p (1− p)
n √ 0 ,20 (1−0 , 20)
55
Análisis
La prueba es unilateral derecha, pues H 1 : p> 0 , 20.
1,65
Como Z calc=¿ 0,6749 < Z critico = 1,65; no se rechaza H0. Con un nivel de significancia de 5%, no es
posible afirmar que el porcentaje de CEMs con algún defecto de fabricación es superior al 20%.
Argumentación
El jefe de control de calidad no deberá detener el proceso de producción y realizar mantenimiento a

dichas máquinas.
219
Ejemplo 3
La Municipalidad de Lima ampliará el presupuesto para fiscalizar las obras de la ciudad de Lima si
más del 30% de estas obras no cumplen o cumplen parcialmente con las normas de seguridad y
acabados en las obras de construcción civil. Al selecciona al azar una muestra de 94 obras de la
ciudad se obtuvo el siguiente gráfico:
Distribución de obras de la ciudad de Lima según el cumplimiento

de las normas de seguridad
70 64
Número de obras
60
50
40
30 22
20
10 8
0
No cumplen Cumplen parcialmente Cumplen totalemnte
Cumplimiento de las normas de seguridad

Con un nivel de significación del 2% y asumiendo normalidad, ¿la Municipalidad de Lima ampliará el
presupuesto para fiscalizar las obras de construcción civil de la ciudad?
220
Ejemplo 4
Un fabricante sostiene que al menos el 95% de los equipos que envía a una fábrica está acorde con
las especificaciones técnicas. Una revisión de una muestra de 200 piezas reveló que 18 estaban
defectuosas. Asumiendo normalidad, pruebe la afirmación del fabricante al nivel de significancia de
1%.
221
56. El fabricante de un nuevo controlador de errores de comunicación asegura que la proporción de

procesos en los que se pierden datos cuando su controlador está operando es menor de 0,10. A
fin de probar esta aseveración, se vigila el enlace de comunicación entre una terminal de
gráficos y una computadora con el controlador de errores funcionando. En una muestra de 300
elementos se observó que en 10 de ellos sí se perdieron datos cuando el controlador del
fabricante estaba operando. ¿La información recolectada refuta la aseveración del fabricante?
Use un nivel de significancia del 3%.
57. Una encuestadora realizó una consulta a los pobladores de la urbanización Loma Linda para
saber si están de acuerdo o no con la construcción de un nuevo centro comercial en el lugar. La
construcción empezará solo si más del 30% de los ciudadanos apoyan el proyecto. Al seleccionar
una muestra de 250 pobladores de dicha urbanización, se obtuvo que 85 de ellos apoyaban la
construcción. Realice la prueba estadística respectiva a un nivel de significación del 3%.
58. Los usuarios de la sustancia XP90 indican que cuando esta sustancia no es óptima ocurre un
fenómeno conocido como licuefacción y se requiere un reproceso. La certificadora, encargada
de la realización de los análisis fisicoquímicos, asegura que la proporción de reprocesos
disminuye cuando la sustancia está certificada por lo tanto una de las metas de la empresa es
tener más del 20% de sustancias certificadas. De una muestra de 120 reprocesos se identificó
que 26 usaron sustancias certificadas. En base a esta información podemos afirmar que ¿la
empresa ha logrado la meta? Use un nivel de significación del 3%.
222
Prueba de hipótesis para la razón de varianzas poblacionales
1. Plantear las hipótesis
2 2 2 2
H 0 :σ 1=σ 2 H 1 :σ 1 ≠ σ 2
2. Fijar el nivel de significación: α
3. Calcular el estadístico de la prueba.
2
S1 1
F c= 2
. 2 F (n −1 , n −1)
S2 σ2 1 2
σ 21
Donde:
1
F 1=
F (α ¿¿ 2 ;n −1, n −1¿ )¿ ¿
2 1
F 2=F(¿ α )¿
;n1−1 ,n2−1
2
En Excel se usa: INV.F.CD (probabilidad; grados de liberta1 ; grados de libertad2)
223
Ejemplo 1
La producción de compuestos inflamables es delicada y requiere técnicas muy precisas para lograr
resultados óptimos. Actualmente, en el laboratorio se aplica la técnica A y se desea probar una nueva
técnica, B. La siguiente información muestra el resultado de los tiempos, en minutos, que utilizó cada
técnica por proceso.
Técnicas Tamaño de muestra Promedio Desviación estándar

Técnica A 16 9,97 6,56
Técnica B 11 9,27 2,05
Un ingeniero desea probar si la variabilidad entre los tiempos usados por ambas técnicas no es
similar. Use α = 0,05
2 2 2 2
H 0 :σ 1=σ 2 H 1 :σ 1 ≠ σ 2
2. Fijar el nivel de significación: α = 0,05
3. Calcular el valor del estadístico de la prueba.
2 2
S1 6 , 56
F c= 2
= 2
=10 , 24
S2 2 , 05
donde:
1
F 1=
F ( α2 ; n −1 , n −1)
2 1
1 1
¿ = =0,3268
F ( 0,025 ; 10 ; 15 ) 3 , 06
224
F 2=F ( 0,025 , 15 ,10 )=3 , 52
Área bajo la curva: P ( F ≥ c )=α

v1
α v2 1 2 3 4 5 6 7 8 9 10
0.05
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
0
0.02
6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
5
0.01
8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
0
0.00
10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42
5
v1
α v2 12 15 20 24 30 40 50 60 70 120
0.05
2.91 2.85 2.77 2.74 2.70 2.66 2.64 2.62 2.61 2.58
0 10
0.02
3.62 3.52 3.42 3.37 3.31 3.26 3.22 3.20 3.18 3.14
5
0.01
4.71 4.56 4.41 4.33 4.25 4.17 4.12 4.08 4.06 4.00
0
0.00
5.66 5.47 5.27 5.17 5.07 4.97 4.90 4.86 4.83 4.75
5
En Excel, para el caso de F2: INV.F.CD (0,025;15;10) = 3,52
En Excel, para el caso de F1: INV.F.CD (0,975;15;10) = 0,3268
5. Aplicar las reglas de decisión.

225
Como Fc = 10,24 > F2 = 3,52, entonces Rechazar H0.
Con un nivel de significancia del 5%, sí es posible afirmar que la variabilidad entre los tiempos
usados por ambas técnicas no es similar.
226
Prueba de hipótesis para la diferencia de medias poblacionales
Caso 1: Varianzas poblacionales desconocidas y homogéneas
Unilateral izquierda Bilateral Unilateral derecha

H 0 : μ1−μ2 ≥ k H 0 : μ1−μ2=k H 0 : μ1−μ2 ≤ k
H 1 : μ 1−μ2 <k H 1 : μ 1−μ2 ≠ k H 1 : μ 1−μ2 >k
3. Calcular el valor del estadístico de prueba.
( x1−x 2 ) −(μ1−μ 2)
t c= t (n +n −2)
√ ( )
1 2
2 1 1
S p +
n1 n2
2
Calcular el valor de la varianza combinada S p .
2 2
(n1−1)S 1+(n2−1)S 2
2
S= p
n1+ n2−2
Unilateral izquierda H 1 : μ 1−μ2 <k
−t α ;n +n −2
1 2
Bilateral H 1 : μ 1−μ2 ≠ k
−t α tα
; n1+n2−2 ; n1+n2−2
2 2
227
Unilateral derecha H 1 : μ 1−μ2 >k
t α ;n +n −2
1 2
Caso 2: Varianzas poblacionales desconocidas y heterogéneas
Unilateral izquierda Bilateral Unilateral derecha

H 0 : μ1−μ2 ≥ k H 0 : μ1−μ2=k H 0 : μ1−μ2 ≤ k
H 1 : μ 1−μ2 <k H 1 : μ 1−μ2 ≠ k H 1 : μ 1−μ2 >k
2. Fijar el nivel de significación. α
3. Calcular el estadístico de prueba.
( x1−x 2 ) −(μ1−μ 2)
t c=
√
2 2
S1 S2
+
n1 n 2
Los grados de libertad se obtienen de la siguiente manera:
( )
2 2 2
S 1 S2
+
n 1 n2
υ=
( ) ( )
2 2 2 2
S1 S2
n1 n2
+
( n1−1 ) ( n2−1 )
El valor de v debe ser un valor entero y deberá redondearse al entero menor. Por ejemplo, si v =
18,12608, entonces v = 18.
228
Unilateral izquierda H 1 : μ 1−μ2 <k
−t α ;v
Bilateral H 1 : μ 1−μ2 ≠ k
−t α tα
;v ;v
2 2
Unilateral derecha H 1 : μ 1−μ2 >k
t α ;v
5. Aplicar las reglas de la decisión: Rechazar H0 o no rechazar H0.
Ejemplo 1
Para determinar la concentración de partículas de nitrato en el aire en dos centros poblados, Larrea
(Pasco) y San Marcos (Ancash), cuya principal actividad económica es la minería, se tomaron 8
muestras de aire en Larrea y 6 muestras de aire en San Marcos. Los resultados se muestran a
continuación:
Centros poblados Tamaño de muestra Media (fibra/litro) Desviación estándar (fibra/litro)

Larrea (1) 8 0,04806 0,00610
San Marcos (2) 6 0,03286 0,00135
229
El Ministerio del Medio Ambiente, desea realizar una inspección exhaustiva de la calidad de aire que
respiran los habitantes de estos centros poblados, pero por cuestiones de presupuesto solo podrá
realizarlo en el centro poblado de Larrea, siempre y cuando se llegue a demostrar que la
concentración promedio de nitrato es mayor que en el centro poblado de San Marcos; caso
contrario, se esperará el próximo año para inspeccionar los dos centros poblados. Usando un nivel de
significancia 5%. ¿Cuál será la decisión que tomará el Ministerio de Medio Ambiente?
Solución
Resolviendo con las cinco dimensiones:
Interpretación
Determinar si el Ministerio de Medio Ambiente realizará una inspección exhaustiva de la calidad de
aire que respiran los habitantes de los centros poblados de Larrea y San Marcos; caso contrario, se
esperará el próximo año para inspeccionar los dos centros poblados.
Representación
Variable: Concentración de nitrato (fibra/litro)
Variable de agrupación: Centro poblado: Larrea (1) San Marcos (2)
Herramienta estadística: Prueba de hipótesis para la diferencia de medias y prueba de
hipótesis para la razón de varianzas
Cálculo
Para establecer cuál es el estadístico de prueba adecuado para la prueba de diferencia de medias
poblacionales, debemos realizar primero una prueba de razón de varianzas para determinar si
consideramos que las varianzas poblacionales son iguales o diferentes.
Prueba de hipótesis para la razón de varianzas

Las hipótesis para la razón de varianzas son:
2 2
H 0 :σ 1=σ 2
2 2
H 1: σ1 ≠ σ2
El nivel de significancia es de α = 0,05.
2 2
s1 0,00610
F cal= 2
= 2
=20 , 42
s2 0,00135
230
Donde:
1 1 1
F 1= = = =0,1890
Fα F 0,025; 5; 7 5 , 29
;n2−1 ,n1−1
2
F 2=F0,025 ;7 ;5 =6 , 85
Aplicando las reglas de decisión, se rechaza H0.
Conclusión
Con un nivel de significancia de 5%, es posible afirmar que las varianzas poblacionales son
heterogéneas.
Prueba de hipótesis para la diferencia de medias
Las hipótesis para la diferencia de medias son:
H 0 μ1 ≤ μ2 H 1 μ1 > μ2
H 0 μ1−μ2 ≤0 H 1 μ1−μ2 >0
El nivel de significancia es de α = 0,05.
De acuerdo con la prueba de razón de varianzas, se acepta de las varianzas poblacionales son
heterogéneas, por lo tanto, el estadístico de la prueba adecuado para la diferencia de medias es:
( x 1−x 2 )−k
t cal=
√
2 2
S1 S2
+
n1 n2
Reemplazando los valores:

231
( 0,04806−0,03286 )−0
t cal= =6 , 83
√ 0,006102 0,001352
8
+
6
Los grados de libertad del estadístico de prueba se obtienen de la siguiente manera:
( )
2 2 2
S 1 S2
+
n 1 n2
υ=
( ) ( )
2 2 2 2
S1 S2
n1 n2
+
( n1−1 ) ( n2−1 )
Reemplazando los valores:
( )
2 2 2
0,00610 0,00135
+
8 6
υ= =7 , 90
( ) ( )
2 2 2 2
0,00610 0,00135
8 6
+
( 8−1 ) ( 6−1 )
Los grados de libertad son v=7 , 90. Se redondea al entero menor, v=7.
La prueba es unilateral derecha.
1,89458
El valor crítico es t 0 ,05 ;7=1,89458 .
υ 0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015
6 0.26483 0.55338 0.9057 1.13416 1.43976 1.94318 2.10431 2.31326 2.44691 2.61224 2.82893
7 0.26317 0.54911 0.89603 1.11916 1.41492 1.89458 2.04601 2.24088 2.36462 2.51675 2.71457
8 0.26192 0.54593 0.88889 1.10815 1.39682 1.85955 2.00415 2.18915 2.30600 2.44898 2.63381
Análisis
232
Como t cal=6 , 83 ¿ t critico=1,89458 , entonces se rechaza H0.
Conclusión
A un nivel de significancia de 5%, existe evidencia estadística suficiente para afirmar que la
concentración promedio de nitrato en Larrea es mayor que en San Marcos.
Argumentación
Debido a que la concentración promedio de nitrato en Larrea es mayor que en San Marcos, el
Ministerio de Medio Ambiente realizará una inspección exhaustiva de la calidad de aire en el centro
poblado de Larrea.
Ejemplo 2
La empresa de ingeniería Forte pertenece al rubro de la construcción. Para un proyecto realizado a

una empresa minera de Ancash, se tuvo como principal tarea el movimiento de tierras. Ante ello, es
evidente que el soporte de mantenimiento que necesita esta división es elemental para la eficiencia
del trabajo.
El jefe del área de mantenimiento enviará personal de la zona norte a la zona centro, siempre y
cuando los costos de mano de obra de la zona centro superen a los costos de la zona norte. Para
decidir, use un nivel de significación del 4%. Asuma que los costos se distribuyen normalmente y que
las varianzas poblacionales son desconocidas y homogéneas.
Costo de mano de obra en la zona centro (1)

2506,46 2563,99 2501,06 2581,49 2730,66 2544,64 2534,54 2666,93
Costo de mano de obra en la zona norte (2)

Tamaño de muestra Media Desviación estándar
10 2484,5 55,5
233
234
Ejemplo 3
Un componente de los satélites son los paneles solares. La compañía Intel está probando dos tipos
de paneles solares: el EQM y el EM3, los cuales deben pasar un estricto control de calidad. Según
información del departamento de calidad si la potencia de los paneles solares EQM supera en más de
dos kW a los de EM3, se sugiere dejar de fabricar el modelo EM3.
El jefe de producción seleccionó al azar dos muestras de paneles de ambos modelos y registra las
potencias de estos. A continuación, se presenta la siguiente información:
Variable Tamaño de muestra Promedio Desviación estándar

Panel EQM (1) 16 27,21 1,620
Panel EM3 (2) 21 23,63 3,490
Considerando que la potencia se distribuye normalmente, con un nivel de significación del 5%, ¿se
debe dejar de fabricar el modelo EM3?
235
236
237
59. Los siguientes datos corresponden a la resistencia a la compresión a los 28 días, en kg/cm 2,
reportados por dos laboratorios:
Laboratorio
287,0 238,2 314,3 365,9 362,0 388,7 292,9 290,3
1
Laboratorio
306,0 338,0 349,4 307,4 316,2 326,9
2
Con 5% de nivel de significación, ¿los laboratorios reportan resultados en promedio similares?

Asuma poblaciones normales.
60. La exactitud obtenida en mediciones con GPS depende del equipo receptor. Uno de los
fabricantes de receptores está realizando un estudio para comparar la exactitud de dos
modelos, GPSMAP (1) y Oregón (2). Según información del departamento de control de calidad,
la exactitud del modelo GPSMAP es menor que la de Oregón, por lo cual se sugiere dejar de
fabricarla.
El jefe de producción seleccionó al azar dos muestras de receptores de ambos modelos con la
finalidad de realizar la prueba correspondiente y registra la exactitud, en mm, obtenida por
ambos receptores. Considerando que la exactitud se distribuye normalmente y con un nivel de
significación del 4%, ¿la empresa debe dejar de fabricar el modelo GPSMAP.
61. El tiempo de exposición, en minutos, de un metal con una sustancia química hasta lograr un
adherido perfecto es parte de un proceso de producción. Se considera que el menor tiempo de
exposición es mejor. Como parte de la mejora del proceso se somete a prueba dos
procedimientos y se mide el tiempo de exposición para dos muestras independientes.
Procedimiento Tamaño de muestra Media Desviación estándar

Procedimiento A 31 12,97 4,25
Procedimiento B 25 11,99 2,47
a. Asumiendo que los tiempos de exposición tienen distribución normal, ¿se puede afirmar que hay
diferencia en la variación de los tiempos? Use un nivel de significación del 10%.
b. Asumiendo que los tiempos de exposición tienen distribución normal y usando un nivel de
significación del 5%, ¿recomendaría el procedimiento B?
238
Caso: Constructora R&P
Constructora R&P es una empresa dedicada a la

construcción de puentes y carreteras. Recientemente
adquirió la buena pro por parte de la autoridad
competente para la construcción de un puente en la
provincia de Virú al norte del país. Los fierros de
construcción son materiales básicos para la
construcción del puente porque brinda la resistencia a
la flexión. En el mercado existen fierros de
construcción tanto de procedencia nacional como
importados.
El jefe del área de compra de materiales sospecha que el promedio de la resistencia a la flexión de las
columnas es mayor cuando se usan los fierros de procedencia nacional que cuando se usan los fierros
importados. De ser cierta su sospecha, elegirá fierros nacionales para la construcción. Para ello,
seleccionó al azar registros del último año de la resistencia a la flexión, en kg/cm 2, de las columnas
construidas con cada tipo de fierro obteniendo los siguientes resultados:
Fierro nacional (1) Fierro importado (2)

Tamaño de muestra 21 16
Media 41,8 39,1
Desviación estándar 2,57 2,02
Sabiendo que la resistencia a flexión de las columnas se distribuye normalmente y que sus varianzas
poblacionales son homogéneas. A un nivel de significación del 5% ¿cuál será la decisión del jefe del
área de compra de materiales?

El estudiante grafica las regiones
El estudiante El estudiante El estudiante críticas con el (los) valor(es)
identifica la identifica la determina crítico(s). Fundamenta
problemática y lo variable, la técnica correctamente, con correctamente la decisión estadística
redacta como estadística y precisión, el valor y la conclusión presentando un
problema o como presenta las del estadístico de informe sobre la problemática que
objetivo. hipótesis. prueba. se deseaba resolver
239
Diseño de experimentos
Un experimento diseñado es una prueba o serie de pruebas en las cuales se inducen cambios
deliberados en las variables de entrada (factores controlables) de un proceso o sistema, de manera
que sea posible observar e identificar las causas de los cambios en la variable de salida (variable
respuesta).
Variable de entrada
(Factores Variable de salida
Proceso
controlables y no (Variable respuesta)
controlables)
Ejemplo 1
Se tienen dos poblaciones, una de alumnos que lleva el curso de Estadística en modalidad presencial
y otra de alumnos que lleva el curso en modalidad blended. Se quiere saber si la nota promedio de
los alumnos es similar en ambas modalidades.
N1: modalidad presencial N2: modalidad

blended
¿µ1 = µ 2?
n1 = 5
n2 = 10
Variable en estudio
Variable de agrupación (poblaciones)
Elemento
Parámetro
240
Herramienta estadística
241
Conceptos generales
Factor
Variable independiente que afecta los resultados del experimento: controlables o no controlables. En
un experimento se puede evaluar uno o más factores.
Tratamiento
Un tratamiento corresponde a los niveles de un factor o a la combinación de los niveles de dos o más
factores. Es un conjunto de procedimientos cuyo efecto sobre la variable respuesta nos interesa
estudiar. Su efecto se mide y se compara con otros tratamientos.
Variable respuesta
Es la variable en la cual se evaluarán los efectos de los tratamientos.
Unidad experimental
Es la unidad, sujeto u objeto, al el cual se le aplica un tratamiento.
Ejemplo 2
Se tienen ahora tres poblaciones, una de alumnos que lleva el curso de Estadística en modalidad
presencial, otra en modalidad blended y otra en modalidad online. Se quiere saber si la nota
promedio de los alumnos es similar en las tres modalidades.
N1: modalidad presencial N2: modalidad N3: modalidad online

blended
¿µ1 = µ2 = µ 3?
n1 = 5 n2 = 10 n3 = 5
242
Identifique los conceptos generales:
Antes Ahora Identifique
Variable en estudio Variable respuesta
Variable de agrupación (poblaciones) Factor
Categorías de la variable de agrupación Tratamientos
Elemento Unidad de análisis
Herramienta estadística
A continuación, se presentan los datos recolectados, los mismos que se han tabulado en una matriz
de datos. El Y ij representa la variable en estudio, siendo i el tratamiento y j las repeticiones.
Tratamientos
Repeticiones
Tratamiento 1 Tratamiento 2 Tratamiento 3
1 Y 11 Y 21 Y 31
2 Y 12 Y 22 Y 32
3 Y 13 Y 23 Y 33
… … … …
j Y1j Y2j Y3j
… … … …
ni Y 1n 1
Y 2n 2
Y 3n 3
Total Y 1. Y 2. Y 3.
Ejemplo 3
El gerente de una compañía dedicada a ensamblar piezas de equipos electrónicos realizó un estudio
con el fin de comparar la eficacia de tres programas de capacitación, A, B y C. Para ello se asignaron
al azar quince empleados, cinco a cada uno de los tres programas. Después de terminado los cursos
de capacitación se registró el tiempo, en minutos, que les tomó ensamblar las piezas en los equipos
electrónicos.
Complete lo solicitado:
Variable respuesta
Factor
Tratamientos
Unidad experimental
243
244
Diseño completamente al azar
En el diseño completamente al azar (DCA) suponga que se cuenta con los resultados de k muestras
aleatorias independientes, cada una de tamaño ni , obtenidas desde k diferentes poblaciones y se
desea probar la hipótesis de que las medias de estas k poblaciones son todas iguales.
Las poblaciones que se desea comparar suelen ser producto de la aplicación de distintos
tratamientos a ciertas unidades de análisis.
Considere el caso en el que se desea comparar el efecto de cinco programas de incentivos en la

productividad de los trabajadores.
En este caso:
● Los cinco programas de incentivos serían los cinco tratamientos aplicados (los cuales definen las
cinco poblaciones que se van a comparar).
● La unidad de análisis sería un trabajador (quien recibe el tratamiento).
Los datos para analizar pueden arreglarse en una tabla como la que se muestra a continuación:
Tratamientos
Repeticiones
Tratamiento 1 Tratamiento 2 … Tratamiento i … Tratamiento k
1 Y 11 Y 21 … Y i1 … Yk1
2 Y 12 Y 22 … Y i2 … Yk2
3 Y 13 Y 23 … Y i3 … Yk3
… … … … … … …
j Y1j Y2j … Y ij … Y kj
… … … … … … …
ni Y 1n 1
Y 2n 2
… Y in i
… Ykn k
Total Y 1. Y 2. … Y i. … Yk.
Para probar la hipótesis de la igualdad de las medias, se deben probar los siguientes supuestos:
● Homogeneidad de las varianzas
● Normalidad de los errores.
Supuesto 1: Homogeneidad de varianzas
Las hipótesis son:
2 2 2 2 2
H 0 :σ 1=σ 2 ¿ σ 3=σ 4 H 1 : Al menosuna σ i es diferente ; i=1 , 2 , 3 , 4
245
La hipótesis H 0 significa la varianza es la misma en las cuatro sucursales y la hipótesis H 1 significa
que al menos una varianza es diferente.
Los resultados de Minitab son:
Como el p valor (P-value) es mayor al nivel de significancia α (0,988 > 0,05), no se rechaza H 0, el
resultado de esta prueba indica que no hay suficiente evidencia estadística afirmar que alguna de las
varianzas poblacionales es diferente, es decir, se acepta que el supuesto de homogeneidad de
varianzas al 5% de nivel de significancia.
Supuesto 2: Normalidad de los errores

Las hipótesis son:
H 0 : Los errores del modelo sí tienen distribución normal

H 1 : Los errores del modelo no tienen distribución normal
Los resultados de Minitab son:

246
Como el p valor (P-value) es mayor al nivel de significancia α (0,150 > 0,05), no se rechaza H 0, el
resultado de esta prueba indica que no hay suficiente evidencia estadística para afirmar que los
errores del modelo no tienen distribución normal, es decir se acepta el supuesto de normalidad al 5%
de nivel de significancia.
Observación
Ambos supuestos se han obtenido con el software Minitab. Para efectos del curso se asumirán
ambos supuestos.
El modelo para este diseño es el siguiente:
y ij =μ+ τ i+ ε ij i=1 , 2 , ⋯ , k ; j=1 , 2 , ⋯ , ni
donde:
y ij :=¿valor observado del i -ésimo tratamiento en la j -ésima repetición
μ :=¿efecto de la media poblacional
τi :=¿efecto del i-ésimo tratamiento
ε ij :=¿error experimental asociado a la observación y ij
Por ejemplo, podríamos usar en análisis de varianza para responder a las siguientes situaciones:
● Una importante compañía de construcciones desea comparar tres marcas de taladros para
determinar cuánto tiempo pasa antes de necesitar una reparación; si los tiempos de vida de los
taladros de cada marca se distribuyen normalmente. ¿Las marcas de taladro tienen un tiempo de
vida útil promedio similar a las otras marcas antes de requerir una reparación?
● Un ingeniero civil residente de una obra desea evaluar el efecto que tiene las técnicas de
mezclado de concreto sobre la resistencia (kg/cm 2) a la compresión. Para ello evalúa cuatro
técnicas diferentes y para realizar la prueba produce especímenes de concreto. ¿La resistencia
promedio a la compresión es la misma para cada técnica de mezclado?
● Una empresa constructora brinda capacitación con diferentes métodos a sus operarios. ¿El
rendimiento promedio de los operarios en la empresa es el mismo según los métodos de
adiestramiento recibido por el operario?
● Una importante compañía de construcciones desea comparar tres marcas de camiones antes de
ordenar toda una nueva flota de una clase de camión. ¿Los costos medios de operación por
kilómetro de cada camión es el mismo para cada marca de camión?
247
Análisis de la varianza
El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar tres o más
medias. Se desea medir el efecto del factor en estudio (variable independiente de naturaleza
cualitativa o cuantitativa) sobre la variable respuesta (variable dependiente de naturaleza
cuantitativa).
En un diseño completamente al azar (DCA) los tratamientos se asignan aleatoriamente a las unidades
experimentales.
Hay k poblaciones (k tratamientos) y se seleccionan k muestras aleatorias independientes, una de

cada población.
Esta técnica estadística permite descomponer la variabilidad total de los resultados de un

experimento en sus distintas fuentes (tratamientos, error experimental), con la finalidad de
compararlas e identificar su importancia relativa en la explicación de la variación total.
Variabilidad entre grupos Variabilidad dentro de los grupos
Mide el efecto de los tratamientos Mide la variabilidad del error

experimental
Tabla del ANOVA o ANVA

Fuente de
Grados de libertad Suma de cuadrados Cuadrado medio Fc
variación
Tratamiento SCTR
k −1 SCTR CMTR=
s k−1 CMTR
SCE CME
Error n−k SCE=SCT−SCTR CME=
n−k
Total n−1 SCT
La prueba para k medias o el análisis de varianza se basa en la descomposición de la variación total

de los datos con respecto a la media global ( SCT ) en dos partes:
k ni k ni 2
y ..
SCT=∑ ❑ ∑ ❑ ( y ij − y ) =∑ ❑ ∑ ❑ y −
2 2
ij
i=1 j=1 i=1 j=1 n.
Variación dentro de las muestras o variación intragrupos que denotaremos como SCTR.
248
k k 2 2
y i . y ..
SCTR=∑ ❑ ni ( y i− y ) =∑ ❑
2
−
i=1 i=1 ni n.
Variación entre muestras o variación intergrupos que denotaremos como SCE.
k ni
SCE=SCT−SCTR=∑ ❑ ∑ ❑ ( y ij − y i )
2
i=1 j=1
donde:
SCT : Suma de cuadrados del total

SCTR: Suma de cuadrados de los tratamientos
SCE: Suma de cuadrados del error
ni : Tamaño de muestra del i -ésimo tratamiento
n: Tamaño de muestra total n=n1 +n2 + ⋯ +nk
k: Número de tratamientos
Y i: Total de la i -ésima muestra Y =Y 1+Y 2+ ⋯ +Y k
Asumiendo el cumplimiento de los supuestos antes mencionados, y que en realidad no hay

diferencia entre los tratamientos, la cantidad Fc del cuadro de análisis de varianza seguiría una
distribución F con los grados de libertad del tratamiento y con los grados de libertad del error.
Entonces, se puede utilizar esta distribución para evaluar la hipótesis nula de que no hay diferencias
entre las medias de los tratamientos.
Hipótesis estadística
1. Formular las hipótesis.
H 0 : μ1=μ2=…=μ k H 1 : Al menos una μi es diferente a los demás
H 0 es la afirmación de que no hay diferencia entre las medias poblacionales, es decir, que el
factor en estudio no afecta a la variable respuesta.
H 1 es la afirmación de que sí hay diferencia entre las medias poblacionales, es decir, que el
factor en estudio sí afecta a la variable respuesta.
3. Calcular el estadístico de prueba.

CMTR
F c=
CME
4. Establecer la región crítica.
El valor crítico es: F critico=F ;gl tratamiento ; glerror =F ;k−1 ;n−k

249
5. Aplicar los criterios de decisión.
El valor crítico es:
F critico=F ;gl tratamiento ; glerror =F ;k−1 ;n−k
En Excel se usa: =INV.F.CD (probabilidad; grados de libertad1; grados de libertad2)
Para tomar una decisión seguimos la siguiente regla:
Si F c ≤ Fcritico , no se rechaza H 0
Si F c > F critico , sí se rechaza H 0
Ejemplo 1
La gerente de mercadeo de un banco planea poner en marcha cierto tipo de promociones para atraer
nuevos clientes en cuatro sucursales del banco. Ella está convencida que diferentes tipos de
promociones atraerán a personas de diferentes grupos de ingreso, por lo que, de haber diferencias
entre los ingresos medios de los clientes de cada sucursal, se optará por un programa de
promociones distinto para cada una.
Considere a los montos de los depósitos, en miles de soles, como una medida representativa de los
ingresos de los clientes. Se presentan datos para una muestra de siete depósitos de cada sucursal
¿Debe la gerente optar por un programa de promociones distinto para cada sucursal? Evalúe esta
posibilidad con un nivel de significación del 5%.
Depósito Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4

1 Y11 = 5,3 Y21 = 3,3 Y31 = 3,6 Y41 = 4,3
2 Y12 = 2,6 Y22 = 4,6 Y32 = 2,8 Y42 = 2,5
3 Y13 = 3,6 Y23= 2,1 Y33 = 4,5 Y43 = 1,8
4 Y14 = 3,8 Y24 = 3,5 Y34 = 3,8 Y44 = 3,0
5 Y15 = 2,7 Y25 = 5,0 Y35 = 1,9 Y45 = 3,9
6 Y16 = 5,1 Y26 = 2,8 Y36 = 4,1 Y46 = 3,5
7 Y17 = 4,2 Y27 = 2,5 Y37 = 5,1 Y47 = 4,1
Total, Yi. Y1. = 27,3 Y2. = 23,8 Y 3. = 25,8 Y 4. = 23,1
Solución
Variable respuesta
Factor
250
Tratamientos
Unidad experimental
H 0 : μ1=μ2=μ 3 H 1 : Al menos una μ i es diferente alos demás ; i=1 , 2 ,3
H 0 es la afirmación de que no hay diferencia entre las medias poblacionales, es decir, que el
factor en estudio no afecta a la variable respuesta.
H 1 es la afirmación de que sí hay diferencia entre las medias poblacionales, es decir, que el factor
en estudio sí afecta a la variable respuesta.
2. Establecer el nivel de significación: ¿ 0 , 05
Los cálculos para obtener las sumas de cuadrados son:
(∑ )
k=4 7 2
❑ ∑ ❑ y ij
y 2.. i=1 j=1 ( 27 , 3+23 , 8+25 , 8+23 , 1 )2 1002
= k =4
= = =357,1429
n 7 +7+7+ 7 28
∑ ❑ ni
i=1
La suma de cuadrados total es:
k =4 7 2
y ..
SCT=∑ ❑ ∑ ❑ y ij − =( 5 , 3 +2 , 6 +…+ 4 , 1 )−357,1429=27,0171
2 2 2 2
i=1 j=1 n.
La suma de cuadrados de los tratamientos es:
( )
k=4 2 2
y i . y .. 27 , 3 2 23 , 8 2 25 , 8 2 23 , 1 2
SCTR=∑ ❑ − = + + + −357,1429=1,568
i=1 ni n. 7 7 7 7
La suma de cuadrados de los errores es:
SCE=SCT−SCTR=27,0171−1,568=25,4486
La tabla del análisis de varianza:
Fuente de Suma de Cuadrados

Grados de libertad Fcalculado
variación cuadrados medio
1,569 0,523
Tratamientos k −1=4−1=3 SCTR=1,569 =0,523 =0 , 49
3 1,060
251
25,449
Error n−k =28−4=24 SCE=25,449 =1,060
24
Total n−1=28−1=27 SCT=27,017

F calculado=0 , 49
Esta es una prueba unilateral izquierda.
F critico=F ;gl tratamientos ;gl error =F ;k−1 ;n−k =F 0 ,05 ;3 ;24=3 , 01
v1
α
v2 1 2 3 4 5 6 7 8 9 10
0.05
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
0
0.02
5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
5
0.01
7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
0
0.00
9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59
5
F calculado=0 , 49< F critico =3 , 01; entonces no se rechaza H 0.
Al 5% de significación, no es posible afirmar que al menos un monto promedio sea diferente a los
demás.
252
Método de comparaciones múltiples: Prueba de Tukey - Kramer
Se supone que el experimentador tiene a su disposición mediciones relativas a varios tratamientos. El

análisis de varianza indica si hay evidencias de que al menos una de las medias sea diferente o no.
Cuando se rechaza la hipótesis nula, el análisis de varianza no revela cuál o cuáles de las medias son
significativamente diferentes. En este caso, se debe utilizar otra prueba estadística.
Cuando el experimentador desea determinar todos los pares de medias que se puede concluir que
difieren de otro (µi versus µj) se utiliza la prueba de comparación múltiple de Tukey – Kramer, con el
fin de probar todas las hipótesis nulas simultáneas. Para fines de este curso se presentará la salida
obtenida con MINITAB.
Ejemplo 1
Croma Color S.A. es una empresa especializada en la comercialización de pinturas envasadas a nivel
industrial, comercial y residencial. El gerente de marketing propone lanzar una campaña publicitaria
para incrementar las ventas de las pinturas. La campaña publicitaria se lanzará en el distrito o
distritos donde las ventas promedio, sean menores. Para identificar el distrito dónde se lanzará la
campaña publicitaria, se registró el monto de venta, en miles de soles, de algunos meses del último
año tomados al azar. Los resultados se presentan a continuación:
Santa Anita Breña Ate

70 30 40
60 40 50
60 30 70
80 40 80
60 40 60
Los resultados de la prueba de Tukey – Kramer son:
Factor N Mean Grouping

Santa Anita 5 66.00 A
Ate 5 60.00 A
Breña 5 36.00 B
¿En qué distrito o distritos se debe lanzar la campaña publicitaria? Utilice un nivel de significación del
1%.

Identifica el factor,
Identifica la
tratamientos, variable Realiza la prueba de Realiza y analiza comparaciones
problemática,
de respuesta, unidad la técnica estadística múltiples, sustenta los resultados
señalando
experimental aplicada e encontrados en la muestra y
claramente el
Identifica la técnica interpreta. brinda una recomendación al
objetivo del
estadística a usar. problema.
caso.
253
Solución
Interpretación
Determinar en qué distrito o distritos se debe lanzar la campaña publicitaria.
Representación
Factor: Distrito
Tratamientos: Santa Anita, Breña, Ate
Variable respuesta: Monto de ventas de pintura envasada, en miles de soles
Unidad experimental: Un mes de venta de pintura envasada
Herramienta estadística: Usaremos la herramienta del diseño completamente al azar (DCA)
H 0 : μ1=μ2=μ 3 H 1 : Al menos una μ i es diferente alas demás ; i=1 , 2 ,3
2. Establecer el nivel de significación: ¿ 0 , 05
Cálculo
Fuente de Suma de Cuadrados

2520 1260
Tratamientos k – 1=3−1=2 SCTR=2520 =1260 =10 ,5
2 120
1440
Error n−k =15−3=12 SCE=1440 =120
12
Total n−1=15−1=14 SCT=3960
Finalmente, la tabla del análisis de varianza es:
Fuente de Suma de Cuadrado

Distritos 2 2520 1260 10,5
Error 12 1440 120
Total 14 3960
F calculado=10 , 5
254
F critico=F ;gl tratamiento ; glerror =F ;k−1 ;n−k =F 0 , 05;2 ;12=3 , 89
v1
α
v2 1 2 3 4 5 6 7 8 9 10
0.05
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
0
0.02
6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
5
0.01
9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
0
0.00
11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09
5
Análisis
Para decidir comparamos el valor del estadístico de prueba y el valor crítico.
F calculado=10 , 5> F critico=3 , 89
Por lo tanto, se rechaza H0.
Conclusión: Al 1% de nivel de significancia, se puede afirmar que existe diferencia en al menos un

monto promedio de venta de pintura envasada, en miles de soles.
De la prueba Tukey - Kramer
µBreña µAte µSanta Anita

36,0 60,0 66,0
Se puede observar que no hay diferencia significativa entre las ventas de los distritos de Ate y Santa
Anita. Los distritos con mayor monto promedio de ventas de pintura envasada son Ate y Santa Anita.
Por lo tanto, la empresa debe decidir por dichos distritos para lanzar la campaña publicitaria.
Argumentación
255
La campaña publicitaria se lanzará solo en el distrito de Breña, porque las ventas promedio de
pintura envasada son menores.
256
Ejemplo 2
Un ingeniero civil residente de una obra desea evaluar el efecto que tienen las técnicas de mezclado
de concreto sobre la resistencia (kg/cm 2) a la compresión. Para ello evalúa cuatro técnicas diferentes
y para realizar la prueba produce especímenes de concreto. La resistencia a la compresión del
concreto de cada técnica se distribuye normalmente y tienen la misma varianza. Los datos
recolectados son los siguientes:
Técnica 1 Técnica 2 Técnica 3 Técnica 4

2765 3200 2800 2600
2665 3300 3150 2700
2865 2975 2885 2600
2890 3150 2850 2765

Técnica 2 4 3156.3 A
Técnica 3 4 2921.3 A B
Técnica 1 4 2796.3 B
Técnica 4 4 2666.3 B
a. Identifique:
Variable respuesta
Factor
Tratamientos
Unidad experimental
b. Al 5% de significación, ¿al menos una técnica de mezclado influye en la resistencia a la

compresión del concreto?
Anova con Excel
Fuente de Grados de Suma de

Cuadrados medio Fcalculado
variación libertad cuadrados
Tratamientos
Error
Total
1. Formular las hipótesis de trabajo
H0:
H1:
257
2. Establecer el nivel de significación: α =
3. Calcular el valor del estadístico de prueba: Fc =
4. Aplicar el criterio de decisión.
Como Fc = …………… …… Fcrit (…………; ………., ……….) = ……….….. entonces …….. rechaza H0.
c. Si la prueba resulta significativa, ¿qué técnica recomendaría utilizar?

258
62. Una compañía que produce ladrillos efectuó un experimento para determinar si cuatro
temperaturas de cocción específicas, en °F, afectan la densidad de cierto tipo de ladrillo, en
gr/cm3. La densidad de los ladrillos para cada temperatura se distribuye normalmente y tienen la
misma varianza.
Temperaturas
100°F (1) 125°F (2) 150°F (3) 175°F (4)
19,9 21,7 20,9 21,8
19,7 21,4 20,8 21,9
19,8 21,5 20,8 21,7
19,7 21,5 20,6 21,6
20,0 21,7
175°F (4) 5 21.7400 A
125°F (2) 4 21.5250 A
150°F (3) 4 20.7750 B
100°F (1) 5 19.8200 C
a. Interprete el valor de Y23.

b. Complete el siguiente cuadro:
Variable respuesta
Factor
Tratamientos
Unidad experimental
c. Utilice nivel de significación de 5% para probar si al menos una temperatura de cocción

influye en la densidad de los ladrillos. Presente el ANOVA del Excel.
d. Si la prueba resulta significativa, ¿qué temperatura recomendaría utilizar?
63. Una importante compañía de construcciones desea comparar tres marcas de taladros para
determinar cuánto tiempo pasa antes de necesitar una reparación. Los tiempos de vida de los
taladros de cada marca se distribuyen normalmente y tienen la misma varianza. Los datos de los
tiempos de vida útil, en decenas de horas, para cada marca se encuentran en la siguiente tabla:
Marca A Marca B Marca C

6 10 3
2 9 2
4 8 5
1 6 4
7
259

Marca B 4 8.250 A
Marca A 5 4.000 B
Marca C 4 3.500 B
a. Identifique:
Variable respuesta
Factor
Tratamientos
Unidad experimental
b. Interprete el valor de Y13.

c. ¿Sugieren los datos que el tiempo promedio de vida es el mismo para cada marca de taladro
antes de una reparación? Utilice nivel de significación de 5%.
d. Si la prueba resulta significativa, ¿qué marca de taladro recomendaría utilizar?
64. Un empresario debe elegir la alternativa más eficiente para fabricar un mismo producto. Se
analiza el costo por unidad, en soles, de tres alternativas. El costo por unidad para cada
alternativa se distribuye normalmente y tienen la misma varianza, ¿qué alternativa deberá
elegirse?
Alternativa A Alternativa B Alternativa C

9,35 8,35 9,35
8,35 8,35 10,35
7,35 7,35 9,35
8,35 7,35 8,35
9,35 8,35 9,35
7,35 7,35 9,35

Alternativa C 6 9.350 A
Alternativa A 6 8.350 A B
Alternativa B 6 7.850 B
a. Pruebe si existe alguna diferencia significativa en los costos unitarios de las tres alternativas
de fabricación. Utilice nivel de significación de 5%.
b. Si existen diferencias, ¿entre qué grupos están las diferencias? Utilice nivel de significación
de 5%.
260
65. Importación Bombardera desea determinar si el tipo de chip (A, B, C) que tienen las laptops que
ellos importan influye en el tiempo de respuesta (microsegundos). El tiempo de respuesta para
cada tipo de chip se distribuye normalmente y tienen la misma varianza. Al probar cinco laptops
con cada tipo de chip, se obtuvieron los siguientes resultados, en microsegundos:
Tipo A Tipo B Tipo C

18 24 17
23 25 14
21 30 19
18 27 20
24 38 17

Tipo B 5 28.80 A
Tipo A 5 20.80 B
Tipo C 5 17.40 B
a. Al nivel de significancia del 5%, ¿la importadora puede concluir que hay diferencia en los
tiempos promedio de respuesta según el tipo de chip utilizado?
b. Si la prueba resulta significativa, ¿qué tipo de chip recomendaría utilizar?
66. Para determinar si la resistencia a la ruptura (libras/ pulg 2) difiere según el tipo de estructura, se
tomó al azar una muestra de zonas con estructura tipo cimientos, zonas con estructura tipo
terraplenes y zonas con estructura tipo excavación. Asuma que se cumplen los supuestos de
normalidad y de homogeneidad. Los resultados de la resistencia a la ruptura (libras/ pulg 2) se
presenta en el siguiente cuadro:
Cimiento Terraplenes Excavación

2050 2200 2300
2100 2230 2180
2100 2150 2200
2100 2150 2200
2150 2200
Tipo_estructura N Media Agrupación

Excavación 5 2216.0 A
Terraplenes 5 2176.0 A
Cimiento 4 2087.5 B
a. Complete la siguiente información:
Variable respuesta
Factor
Tratamientos
Unidad experimental
261
b. Explique y fundamente, con un nivel de significación del 5%, ¿con qué tipo de estructura se
debería construir la represa?
Caso: Compañía Clean
La compañía Clean S.A ha diseñado cuatro sistemas diferentes (A, B, C y

D) para limpiar manchas de grasa en departamentos. Los especialistas
desean determinar cuál de estos sistemas es más efectivo. Para ello,
diseñan un experimento de la siguiente manera: de una muestra de 19
trabajadores de la empresa (todos con la misma destreza en el trabajo)
se seleccionaron aleatoriamente cinco trabajadores para el sistema A,
cinco para el sistema B, cuatro para el sistema C y cinco para el sistema
D, de tal manera que cada grupo de trabajadores limpia las manchas de grasa con un determinado
sistema.
La siguiente tabla contiene los resultados, medidos por área, en m2, que se limpian en una hora:
Sistema A Sistema B Sistema C Sistema D

15 22 16 13
14 20 18 15
20 26 18 12
17 23 20 10
22 23 12

Sistema 2 5 22.800 A
Sistema 3 4 18.000 B
Sistema 1 5 17.600 B
Sistema 4 5 12.400 C
¿Qué sistema o sistemas para limpiar manchas de grasa en departamentos es más efectiva de tal
manera que se pueda trabajar exclusivamente con dicho sistema? Asuma que se cumplen los
supuestos de normalidad y homogeneidad. Utilice un nivel de significación del 5%.
Interpretación Representación Cálculo Análisis Argumentación

Identifica la Identifica el factor, Realiza las pruebas Presenta el valor de la Sustenta los
problemática, niveles, necesarias de la tabla. resultados
señalando tratamientos, técnica estadística Realiza la decisión y encontrados en la
claramente el variable de aplicada e conclusión estadística. muestra y brinda
objetivo del respuesta, unidad interpreta. Realiza y analiza las una
caso. experimental comparaciones recomendación al
Identifica la técnica múltiples problema.
estadística a usar.
Plantea la hipótesis.
262
Regresión lineal simple

Podemos hacernos muchas preguntas sobre la relación entre dos variables:
● ¿La velocidad de transferencia de datos de un disco duro depende de la velocidad en que giran
los discos del plato del disco duro o de su capacidad de almacenamiento?
● ¿El tiempo de ejecución de una obra civil depende del número de trabajadores o del índice de
automatización?
● ¿El tiempo de falla de los equipos electrónicos dependerá de la resistencia de los resistores?
● ¿El sueldo dependerá del grado de instrucción?
● ¿El tiempo de procesamiento de trabajos estará relacionado con el número de trabajos por día?
● ¿La temperatura está relacionada con la presión sobre el rendimiento de un producto químico?
Estas preguntas surgen cuando queremos estudiar dos variables de una población con el fin de
examinar la relación existente entre ellas. Las dos variables en estudio son variables cuantitativas que
nos permitirá construir una ecuación lineal que modela la relación existente entre estas dos
variables.
En el análisis de regresión la ecuación lineal puede usarse para estimar o predecir los valores de una
variable dependiente, llamada Y, cuando se conocen o se suponen conocidos los valores de otra
variable, variable independiente, llamada X.
El análisis de correlación permite determinar el grado de relación lineal existente entre dos variables.
Es útil en un trabajo exploratorio cuando el investigador desea encontrar el grado o la fuerza de esa
relación.
La regresión lineal simple es modelar la dependencia de la variable Y en función de la variable X a

través de la ecuación de una recta
Y i=β 0 ± β1 X i +e i i=1 , 2 ,3 ,… , n
Donde:
X :=¿ variable independiente
Y :=¿ variable dependiente
Se trabaja con variables de tipo cuantitativas, entre las cuales se puede establecer una relación
funcional.
Y =f ( X )
Entonces diremos que la variable Y depende de la variable X.

263
Ejemplo 1
Para cada par de variables, identifique la variable dependiente (Y ) e independiente ( X ), la pendiente

(positiva o negativa) y el tipo de relación (inversa o directa) y qué significa el tipo de relación:
Ingreso mensual (soles)

Variables
Consumo mensual (soles)
Variable dependiente
Variable independiente
Pendiente
Tipo de relación
Significado de la relación
Precio de venta del auto (dólares)

Variables
Antigüedad (años)
Variable dependiente
Variable independiente
Pendiente
Tipo de relación
Significado de la relación
264
Diagrama de dispersión o gráfico del plot
El primer paso en el análisis de regresión es registrar simultáneamente los valores de las dos
variables asociadas (X , Y ) en una gráfica bidimensional para ver si existe una tendencia lineal que
podría explicar la relación entre estas dos variables
Método de los mínimos cuadrados
Mediante este método es posible seleccionar la recta que se ajuste mejor a los datos. La recta
resultante tiene dos características importantes:
● La suma de las desviaciones verticales de los puntos con relación a la recta es cero.
● La suma de los cuadrados de las desviaciones es mínima (es decir, ninguna otra recta daría una
n
menor suma de cuadrados de tales desviaciones). Es decir, ∑ ❑ ( yi −^y i ) es mínima.
2
i=1
Los valores de b 0 y b1 que minimizan la suma de los cuadrados de las desviaciones, son las soluciones
de las llamadas ecuaciones normales de la recta de regresión:
( )
n n
∑ ❑ y i=n b0 +b 1 ∑ ❑ xi
i=1 i=1
( ) (∑ )
n n n
∑ ❑ x i y i=b0 ∑ ❑ x i +b1 ❑ x 2i
i=1 i=1 i =1
265
Este método nos permite estimar los parámetros del modelo de regresión. Resolviendo las
ecuaciones simultáneas para b o y b 1 tenemos:
( ) ( )( )
n n n
n ∑ ❑ x i y i − ∑ ❑ xi ∑ ❑ y i
i=1 i=1 i=1
b 1=
(∑ ) (∑ )
n n 2
n ❑ x2i − ❑ xi
i=1 i=1
b o= y−b1 x
Recta o ecuación de regresión
El modelo poblacional es:
Y = β0 + β 1 X +e
El modelo muestral es:
^y =b0 +b 1 x
donde:
b 1 es la pendiente de la recta o coeficiente de regresión.
b 0 es la ordenada en el origen o intercepto de la recta con eje Y.
Ejemplo 1
Para las siguientes variables:
Y :=¿ ingreso mensual (soles)
X :=¿ experiencia profesional (años)
a. Indique la relación entre las variables.

266
b. Interprete el valor de los coeficientes de regresión.
b0 = …
b 1= …
Ejemplo 2
Se desea modelar la vida útil (en años) de un satélite en función de la cantidad de combustible (en
kg) requerido para moverlo de su posición orbital, usando un modelo lineal. Los datos se muestran a
continuación:
Vida útil 10,8 11,5 12 12,4 13,2 13,7 13,9 14,1 14,8 15
Cantidad de combustible 150,4 156,3 162,5 165,8 172,5 168,9 184,5 185,9 187,2 199,4
Dispersión de la vida útil vs la cantidad de combustible
15
14
Vida útil
13
12
11
150 155 160 165 170 175 180 185 190 195 200
Cantidad de combustible
Fuente: Empresa A
a. Comente el diagrama de dispersión de estas variables.

267
b. Calcule e interprete los coeficientes de regresión estimados del ejemplo anterior, considerando
la siguiente información:
X:= cantidad de
N° Y:= vida útil xy x2 y2
combustible
1 150,4 10,8 1624,32 22620,16 116,64
2 156,3 11,5 1797,45 24429,69 132,25
3 162,5 12,0 1950,00 26406,25 144,00
4 165,8 12,4 2055,92 27489,64 153,76
5 172,5 13,2 2277,00 29756,25 174,24
6 168,9 13,7 2313,93 28527,21 187,69
7 184,5 13,9 2564,55 34040,25 193,21
8 185,9 14,1 2621,19 34558,81 198,81
9 187,2 14,8 2770,56 35043,84 219,04
10 199,4 15,0 2991,00 39760,36 225,00
Total 1733,4 131,4 22965,92 302632,46 1744,64
c. Interprete los valores de los coeficientes de regresión.
b0
b1
268
Validación del modelo de regresión lineal
No siempre la ecuación estimada es válida. Puede ocurrir que no exista pendiente, es decir que la
pendiente poblacional sea igual a 0. Esto significaría que no existe relación lineal entre las variables X
e Y. Es necesario entonces verificar si el modelo es válido.
El objetivo de esta prueba es probar que la pendiente poblacional β 1 es diferente a cero.
1. Establecer las hipótesis:
H 0 : β 1=0 H 1 : β 1 ≠ 0
2. Fijar el nivel de significancia: α
CMReg
F cal=
CMError
El valor F cal se obtiene de la tabla del análisis de varianza. El análisis de la varianza es la

descomposición de la variación total en sus fuentes de variación: regresión y error (residual).
Fuente de Grados de Suma de Cuadrado medio Estadístico de

variación libertad cuadrados prueba
SCReg CMReg
Regresión 1 SCReg CMReg= F c=
1 CME
SCE
Error (residual) n–2 SCE CME=
n−2
Total n –1 SCT
Donde:
La suma de cuadrados de la regresión se calcula con:
( ( ) )
n 2
n ∑ ❑ xi
SCReg= ^β 1 ∑ ❑ x2i −
2 i=1
i=1 n
La suma de cuadrados de los errores se calcula con:
SCE=SCT−SCReg
La suma de cuadrados total se calcula con:

269
(∑ )
n 2
n
❑ yi
SCT=∑ ❑ y − 2 i=1
i
i=1 n
El valor crítico es F crit (α ,1 , n−2)
Si F cal > F crit (α , 1 , n−2), entonces se rechaza Ho

Si F cal ≤ F crit (α ,1 , n−2),entonces no se rechaza Ho
6. Realizar la conclusión
Si se rechaza Ho; con un nivel de significancia α, el modelo de regresión es válido.

Si no se rechaza Ho; con un nivel de significancia α, el modelo de regresión no es válido.
Ejemplo 1
A un nivel de significación del 5%, valide el modelo de regresión lineal del ejercicio anterior. Obtenga
el ANOVA del Excel.
1. Establecer las hipótesis:
H0 :
H1:
2. Fijar el nivel de significancia: α
CMReg
F cal=
CMError
270
Coeficiente de determinación
Es una medida de bondad de ajuste del modelo. Nos indica que tan bueno es el modelo para explicar
el porcentaje de variabilidad de la variable dependiente Y. Por lo tanto, el coeficiente de
determinación R2 indica el porcentaje de la variabilidad de la variable Y que es explicada por X en el
modelo de regresión lineal estimado.
También nos ayuda a saber la precisión con la que se puede predecir o pronosticar el valor de la
variable dependiente, si se conocen los valores de la variable dependiente.
El coeficiente de determinación R2 se calcula de la siguiente manera:
2 SCReg
R= ×100 %
SCTot
Coeficiente de correlación
El coeficiente de correlación expresa el grado de asociación lineal que existe entre dos variables X e
Y. El coeficiente de correlación muestral se denota por r y varía dentro del intervalo de -1 a 1. El
coeficiente de correlación r siempre tiene el signo de la pendiente b1
r ={√ R2 si b1 >0−√ R 2 si b1 <0
● Si b1 y r son positivos, entonces la relación entre las variables es directa.
● Si b1 y r son negativos, entonces la relación entre las variables es inversa.
Además,
● Cuando r = 0, indica que no existe correlación o asociación entre las variables.
● Cuando r se acerca -1 o a +1 indica que existe una asociación fuerte.
● Cuando r = -1 o r = +1, la correlación o asociación entre estas variables es perfecta.
En los resultados del Excel, el valor de r siempre se muestra en positivo. En el caso de que la
pendiente b1 sea negativa, deberá colocar al coeficiente de correlación r el signo negativo.
Los valores que se pueden tomar como referencia para determinar si existe o no una relación lineal
directa o inversa se muestra a continuación y pueden variar de acuerdo con el campo de estudio:
271
-1,0 -0,65 -0,2 0,2 0,65 1,0

Relación lineal fuerte e inversa No existe relación lineal Relación lineal fuerte y directa
Ejemplo 1
Indique qué valor de r2 y r que le corresponde a cada gráfico. Considere los siguientes valores: r =
0,95; r = -0,78 y r = 0,52. Además, indique el tipo de relación entre las variables.
Rellene los espacios en blanco.
Situación 1
El coeficiente de correlación es ……………..…………., por tanto, la relación entre las variables es

…………………….. y …………………………
El coeficiente de determinación es ……………………….
Situación 2
El coeficiente de correlación es …………………….……., por tanto, la relación entre las variables es

……………………….. y …………………………
El coeficiente de determinación es …………………….
Situación 3
El coeficiente de correlación es …………………………., por tanto, la relación entre las variables es

……………………….. y …………………………
El coeficiente de determinación es …………………….

272
Regresión usando una calculadora Casio
Coeficientes de regresión usando calculadora
Los pasos para obtener los valores de los coeficientes de regresión b 0 y b 1, el coeficiente de regresión
r usando una calculadora Casio son los siguientes:
1. Desactive la opción de frecuencias.

2. Ingrese al MODE 3: STAT.
3. Elija la opción 2: A+BX.
4. Ingrese los datos en ambas columnas, X e Y.
5. Presione Shift + 1. A continuación, presione 5: Reg.

273
Las opciones que se muestran son las siguientes:
1: A es el valor del intercepto b 0

2: B es el valor de la pendiente b 1
3: r es el valor del coeficiente de correlación
4: ^x es el valor estimado de la variable X para un valor dado de la variable Y
5: ^y es el valor estimado de la variable Y para un valor dado de la variable X
En la calculadora, b 0= A y b 1= B. Luego, el modelo de regresión es:
Y = A + B X ¿ b 0+ b1 x
En la calculadora, el coeficiente de correlación r = r.
Análisis de varianza usando calculadora
La tabla de análisis de varianza ANVA es la siguiente:
Fuente de Grados de Suma de Cuadrados Estadístico de

variación libertad cuadrados medio prueba
CMReg
Regresión 1 SCReg CMReg Fc=
CME
Error (residual) n−2 SCE CME
Total n−1 SCT
Para realizar la tabla de análisis de varianza se necesita calcular la suma de cuadrados total SCT , la
suma de cuadrados de la regresión SCReg y la suma de cuadrados de errores SCE.
274
Para calcular la suma de cuadrados total SCT usaremos la siguiente fórmula:
2
SCT=( n−1 ) S Y
Para calcular la suma de cuadrados de la regresión SCReg usaremos la siguiente fórmula:
2
SCReg=R × SCT
Para calcular la suma de cuadrados de errores SCE usaremos la siguiente fórmula:
SCE=SCT−SCReg
Los pasos en la calculadora son los siguientes:
1. Para calcular el valor del coeficiente de correlación r presione Shift + 1 y seleccione Reg, opción 3.
2. Para calcular el valor del coeficiente de determinación R2 eleve al cuadrado el valor de r.
3. Para calcular el valor SY ; seleccione Shift + 1, luego la opción 4 y luego elija 7: sy.
Ejemplo 1
Usando una calculadora Casio
Una empresa dedicada a la fabricación de equipos de telecomunicación considera que la vida útil de
los equipos puede estar explicada por la temperatura del ambiente en el que trabaja mediante una
relación lineal. Para encontrar la ecuación de regresión lineal de la vida útil de los quipos en función
de la temperatura del ambiente se tomó una muestra de 11 datos, los cuales se muestran en la tabla
siguiente:
Temperatura
24 20 18 16 10 12 13 28 16 15 23
(ºC)
Vida útil (en
8,0 6,4 5,5 4,6 3,8 3,9 5,6 8,5 6,6 4,5 8,8
años)
a. Indique la variable dependiente y la independiente.

b. Estime el modelo de regresión e interprete el coeficiente de regresión b 1.
c. Calcule e interprete el coeficiente de correlación.
d. Calcule e interprete el coeficiente de determinación.
a. Estime la vida útil de un equipo, en años, si la temperatura del medio ambiente donde trabaja es
de 10,5 °C.
275
e. Presente el cuadro de análisis de varianza.
f. Valide el modelo de regresión. Use un nivel de significancia del 5%.
Solución
Solución
Variable dependiente: vida útil de los equipos (en años)

Variable independiente: temperatura del medio ambiente (en °C)
b. Estime el modelo de regresión e interprete el coeficiente de regresión b 1.
Solución
Siguiendo los pasos descritos en una calculadora Casio obtendrá las siguientes pantallas.
La ecuación del modelo de regresión es:
^y =b0 +b 1 x= A+ Bx
Usando los valores de la calculadora:
^y =0,7984+0,2944 x
b 1 = 0,2944. Ante el incremento de 1°C en la temperatura del ambiente, la vida útil del equipo se
incrementa, en promedio, 0,2944 años.
c. Interprete el coeficiente de correlación.
Solución
276
El valor del coeficiente de correlación r = 0,9041

Entre las variables vida útil del equipo y la temperatura del medio ambiente en el que trabaja
existe una fuerte relación y es directa por ser el valor del coeficiente cercano a 1.
d. Interprete el coeficiente de determinación.
Solución
El valor del coeficiente de determinación R2 se obtiene elevando al cuadrado el valor del

coeficiente de correlación r. Luego, R2 = r2 = 0,90412 = 0,8174.
El 81,74% de la variabilidad total de la vida útil de un equipo está siendo explicada por la
temperatura del ambiente en el que trabaja en el modelo de regresión estimado.
e. Estime la vida útil de un equipo, en años, si la temperatura del medio ambiente donde trabaja es
de 10,5 °C.
Solución
Para estimar la vida útil, reemplazamos X = 10,5 en la ecuación de regresión:
^y =0,7984+0,2944 x
^y =0,7984+0,2944 ×10 , 5=3 , 89
La vida útil de un equipo, en años, estimada es 3,89 años; si la temperatura del medio ambiente
donde trabaja es de 10,5 °C.
f. Presente el cuadro de análisis de varianza.
Solución
La tabla de análisis de varianza ANVA es la siguiente:
Fuente de Grados de Suma de Cuadrados Estadístico de

variación libertad cuadrados medio prueba
CMReg
Regresión 1 SCReg CMReg Fc=
CME
277
Error (residual) n−2 SCE CME
Total n−1 SCT
Para realizar la tabla de análisis de varianza se necesitan calcular la suma de cuadrados de la

regresión SCReg, la suma de cuadrados de errores SCE y la suma de cuadrados total SCT .
Para calcular la suma de cuadrados total SCT usaremos la siguiente fórmula:
2
SCT=( n−1 ) S Y
Para calcular la suma de cuadrados de la regresión SCReg usaremos la siguiente fórmula:
2
SCReg=R × SCT
Para calcular la suma de cuadrados de errores SCE usaremos la siguiente fórmula:
SCE=SCT−SCReg
Usando los valores de la calculadora:
El valor del coeficiente de correlación r es r = 0,9040953415.
El valor del coeficiente de determinación R2 es r2 = 0,90409534152 = 0,8174.
Reemplazando:
2 2
SCT=( n−1 ) S y =10 ×1,8021 =32,4756
2 2
SCReg=R × SCT =0,9041 ×32,4756=26,5456
SCE=SCT−SCReg=32,4756 – 26,545=5,9300
La tabla de análisis de varianza ANVA se calcula de la siguiente manera:
Fuente de Grados de libertad Suma de Cuadrados medio Estadístico de

variación cuadrados prueba
26,5456 26,5456
Regresión 1 SCReg=26,5456 CMReg= Fc=
1 0,6589
278
Error 5,9300
n−2=11−2=9 SCE=5,9300 CME=
(residual) 9
Total n−1=11−1=10 SCT=32,4756
La tabla de análisis de varianza ANVA quedaría de la siguiente manera:

Fuente de Grados de libertad Suma de Cuadrado medio Estadístico de
variación cuadrados prueba
Regresión 1 26,5456 26,5456 40,2878
Error
9 5,9300 0,6589
(residual)
Total 10 32,4756
g. Valide el modelo de regresión. Considere un nivel de significancia del 5%.
Solución
Validar el modelo de regresión implica probar que la pendiente poblacional es diferente de cero,
por tanto, las hipótesis son:
H 0 β 1=0 H 1 β 1 ≠ 0
El nivel de significancia del 5%; luego, α = 0,05.
El valor del estadístico de la prueba es:
CMReg 26,5458
F c= = =40,2878
CME 0,6590
Establecer la región crítica
F critico ( 0 , 05; 1 ; 11−2 )=F critico (0.05 ; 1 ; 9)=5 , 12
v1
279
α v2 1 2 3 4 5 6 7 8 9 10
0.050 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42
Decisión
Fc=40,2878> F critico (0.05 ; 1; 9)=5 ,12, entonces, se rechaza H0.
Conclusión
Con un nivel de significación del 5%, el modelo es válido. Por lo tanto, existe una relación lineal
entre la vida útil del equipo y la temperatura del ambiente.
Caso: SYMA
Syma es una de las marcas más populares de drones sobre todo

porque lleva muchos años innovando y lanzando infinidad de
cuadricópteros que conquistan el mercado una y otra vez. Estos
drones destacan sobre todo por su bajo precio, su facilidad de
manejo y su robustez. Debido a las últimas investigaciones se sabe
que el tiempo de vuelo de los drones está en función de la
temperatura del medio ambiente.
La empresa desea incursionar en América Latina, donde las temperaturas son más cálidas, para lo
cual debe cumplir con un tiempo mínimo de vuelo de seis minutos a una temperatura ambiente de
30°C. De cumplir con la exigencia, ingresará al mercado latino, de lo contrario deberá realizar
reajustes a su dron.
Se ha encargado al área de producción realizar la estimación solicitada, para ello se seleccionó una
muestra de 10 drones. Los resultados se presentan a continuación:
Temperatura (°C) 25 26 20 25 23 18 18 20 21 22
Duración (minutos) 8,0 9,0 10,3 8,4 8,6 12,5 14,0 11,5 8,9 10,0
Interpretació
Representación Cálculo Análisis / Argumentación
n
Identifica las Realiza las pruebas
Identifica la En base a los resultados de la evidencia
variables, comenta el necesarias de la
problemática, muestral interpreta los valores de los
diagrama de técnica estadística
señalando coeficientes de correlación y
dispersión. Presenta aplicada e interpreta.
claramente el determinación, brinda solución al
el modelo a estimar e Presenta el modelo
objetivo del problema en base al análisis de los
indica la herramienta estimado y realiza la
caso. resultados.
a usar. estimación puntual.
Solución
280
Interpretación
Determinar si Syma ingresará al mercado latino donde las temperaturas son más cálidas.
Representación
Variable dependiente: Tiempo de vuelo (minutos)

Variable independiente: Temperatura del medio ambiente (°C)
Dispersión de del tiempo de vuelo vs la temperatura del medio ambiente
15
14
13
12
Duración (min)
11
10
9
8
7
6
17 18 19 20 21 22 23 24 25 26 27
Temperatura (°C)
Fuente Syma S.A.
Se observa una relación inversa, es decir a mayor valor de la temperatura en el ambiente menor será
el tiempo de vuelo (minutos).
El modelo por estimar es:

Y^ =b0 ± b1 X
La herramienta que usaremos será la regresión lineal simple.
Cálculo
Fuente de Grados de Suma de Promedio de los

F
variación libertad cuadrados cuadrados
Regresión 1 26.147 26.1467 23.17
Residuos 8 9.029 1.1287
Total 9 35.176
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.86215497
Coeficiente de determinación R^2 0.74331119
281
El modelo de regresión estimado es:
Y^ =b0−b1 X
Y^ =22, 94−0,588 X
La interpretación de la pendiente es b 1=−0,588.
Si la temperatura del medio ambiente se incrementa en 1°C el tiempo de vuelo de los drones
disminuye en 0,588 minutos.
Validación del modelo
Validar el modelo de regresión implica probar que la pendiente poblacional es diferente de cero, por
tanto, las hipótesis son:
H 0 β 1=0 H 1 β 1 ≠ 0
El nivel de significancia del 5%; luego, α = 0,05.
El valor del estadístico de la prueba es:
CMReg 26,1467
F cal= = =23 , 17
CMError 1,1287
Establezcamos la región crítica:
F crítico (0 , 05 , 1 ,9)=5 ,12
v1
α
v2 1 2 3 4 5 6 7 8 9 10
0.050 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42
282
Como F cal=23 , 17> F crítico=5 ,12, entonces se rechaza H0.
Conclusión
Con un nivel de significación del 5 %, el modelo es válido. Por lo tanto, existe una relación lineal entre
la vida útil del equipo y la temperatura del ambiente.
Y^ =22, 94−0,588 × 30=5 , 3
Para una temperatura de 30°C, el tiempo de vuelo estimado es de 5,3 minutos.
Análisis
R2 = (26,147/35,176) x100% = 74,33% o directamente de la tabla 0,7433x100% = 74,33%
Interpretación
El 74,33% de la variabilidad total de la duración del tiempo de vuelo de los drones es explicada por la
temperatura en el modelo de regresión estimado.
r = 0,8622
Entre las variables tiempo de vuelo y la temperatura del medio ambiente existe una relación fuerte y
es directa por ser el valor del coeficiente de correlación cercano a 1.
Argumentación
No se cumple con la exigencia de un tiempo mínimo de vuelo de 6 minutos a una temperatura de
30°C. Por lo tanto, la empresa deberá realizar ajustes a su dron.
283
67. Para la construcción de carreteras que experimentan heladas intensas, es importante que la
densidad del concreto (kg/m2) seleccionado tenga un valor bajo de conductividad térmica
(watts/metros.Kelvin) para reducir al mínimo los daños provocados por cambios de
temperatura. Por lo tanto, se desea estimar la conductividad térmica en función de la densidad
que posee el concreto. Por lo tanto, se toman 12 trozos al azar de diferentes densidades de
concreto y se registra la conductividad. Los datos se muestran en la siguiente tabla:
Densidad del 40 70 80 100 110 120 140 160

300 500 600 900
concreto 0 0 0 0 0 0 0 0
Conductividad 0,06 0,0 0,09 0,11 0,1 0,1 0,17 0,20 0,2 0,2 0,34 0,43
térmica 5 8 5 5 3 5 5 5 3 7 6 6

b. Comente el diagrama de dispersión o plot.
c. Presente la ecuación de la recta o modelo de regresión estimado.
d. Interprete el valor de la pendiente de la recta.
e. Valide el modelo Use 1% de significancia.
f. Interprete el coeficiente de determinación y correlación.
g. Estime la conductividad térmica cuando la densidad del concreto es 850 kg/m2.
68. Export es una empresa proveedora de GPS para automóviles de diferentes modelos. El jefe del
departamento de ventas ha implementado charlas motivadoras para sus agentes vendedores y
desea modelar mediante una relación lineal la eficiencia en ventas (%) en función al tiempo
acumulado de horas en las que estuvo presente el agente vendedor en las charlas de
capacitación durante el último trimestre.
Los siguientes datos corresponden a una muestra aleatoria de 10 agentes vendedores. Se

registró el tiempo acumulado de horas en las que estuvo presente el agente vendedor en las
charlas de capacitación durante el último trimestre y la eficiencia de sus ventas.
4
Eficiencia en las ventas (%) 84 80 46 62 72 52 87 37 68
7
2
Tiempo acumulado, en horas 45 41 19 35 39 19 49 15 31
7

b. Presente el gráfico del plot y comente.
c. Presente la ecuación de la recta.
d. Interprete los coeficientes del modelo de regresión estimado.
e. Realice el proceso de validación del modelo, con un nivel de significación de 5%.
f. Interprete el coeficiente de determinación y el de correlación.
g. Estime la eficiencia de la venta cuando el agente vendedor ha acumulado 20 horas de
capacitación.
69. El área de producción del fabricante NanoTec registró el tiempo de vuelo de los drones del
modelo CX-STAR en función de la temperatura del medio ambiente. Para una muestra de 10
drones se tienen los siguientes resultados:
284
Temperatura (°C) 25 26 20 25 23 18 18 20 21 22
Tiempo de vuelo
8 9 10,3 8,4 8,6 12,5 14 11,5 8,9 10
(min.)
a. Presente el gráfico del plot y comente.

b. Obtenga el modelo estimado de regresión lineal simple.
c. Interprete el coeficiente de regresión.
d. Valide el modelo estimado. Use α = 0,05.
e. Determine e interprete el coeficiente de determinación.
f. Estime el tiempo de vuelo cuando la temperatura del medio ambiente es 24°C.
285
Tablas estadísticas
Z -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 -0.00
-
3. 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
9 33 34 36 37 39 41 42 44 46 48
-
3. 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
8 50 52 54 57 59 62 64 67 69 72
-
3. 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0001 0.0001
7 75 78 82 85 88 92 96 00 04 08
-
3. 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
6 12 17 21 26 31 36 42 47 53 59
-
3. 0.0001 0.0001 0.0001 0.0001 0.0001 0.0002 0.0002 0.0002 0.0002 0.0002
5 65 72 78 85 93 00 08 16 24 33
-
3. 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0003 0.0003 0.0003 0.0003
4 42 51 60 70 80 91 02 13 25 37
-
3. 0.0003 0.0003 0.0003 0.0003 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004
3 49 62 76 90 04 19 34 50 66 83
-
3. 0.0005 0.0005 0.0005 0.0005 0.0005 0.0005 0.0006 0.0006 0.0006 0.0006
2 01 19 38 57 77 98 19 41 64 87
-
3. 0.0007 0.0007 0.0007 0.0007 0.0008 0.0008 0.0008 0.0009 0.0009 0.0009
1 11 36 62 89 16 45 74 04 35 68
-
3. 0.0010 0.0010 0.0010 0.0011 0.0011 0.0011 0.0012 0.0012 0.0013 0.0013
0 01 35 70 07 44 83 23 64 06 50
-
2. 0.0013 0.0014 0.0014 0.0015 0.0015 0.0016 0.0016 0.0017 0.0018 0.0018
9 9 4 9 4 9 4 9 5 1 7
-
2. 0.0019 0.0019 0.0020 0.0021 0.0021 0.0022 0.0023 0.0024 0.0024 0.0025
8 3 9 5 2 9 6 3 0 8 6
-
2. 0.0026 0.0027 0.0028 0.0028 0.0029 0.0030 0.0031 0.0032 0.0033 0.0034
7 4 2 0 9 8 7 7 6 6 7
-
2. 0.0035 0.0036 0.0037 0.0039 0.0040 0.0041 0.0042 0.0044 0.0045 0.0046
6 7 8 9 1 2 5 7 0 3 6
- 0.0048 0.0049 0.0050 0.0052 0.0053 0.0055 0.0057 0.0058 0.0060 0.0062
2. 0 4 8 3 9 4 0 7 4 1
286
5
-
2. 0.0063 0.0065 0.0067 0.0069 0.0071 0.0073 0.0075 0.0077 0.0079 0.0082
4 9 7 6 5 4 4 5 6 8 0
-
2. 0.0084 0.0086 0.0088 0.0091 0.0093 0.0096 0.0099 0.0101 0.0104 0.0107
3 2 6 9 4 9 4 0 7 4 2
-
2. 0.0110 0.0113 0.0116 0.0119 0.0122 0.0125 0.0128 0.0132 0.0135 0.0139
2 1 0 0 1 2 5 7 1 5 0
-
2. 0.0142 0.0146 0.0150 0.0153 0.0157 0.0161 0.0165 0.0170 0.0174 0.0178
1 6 3 0 9 8 8 9 0 3 6
-
2. 0.0183 0.0187 0.0192 0.0197 0.0201 0.0206 0.0211 0.0216 0.0222 0.0227
0 1 6 3 0 8 8 8 9 2 5
-
1. 0.0233 0.0238 0.0244 0.0250 0.0255 0.0261 0.0268 0.0274 0.0280 0.0287
9 0 5 2 0 9 9 0 3 7 2
-
1. 0.0293 0.0300 0.0307 0.0314 0.0321 0.0328 0.0336 0.0343 0.0351 0.0359
8 8 5 4 4 6 8 2 8 5 3
-
1. 0.0367 0.0375 0.0383 0.0392 0.0400 0.0409 0.0418 0.0427 0.0436 0.0445
7 3 4 6 0 6 3 2 2 3 7
-
1. 0.0455 0.0464 0.0474 0.0484 0.0494 0.0505 0.0515 0.0526 0.0537 0.0548
6 1 8 6 6 7 0 5 2 0 0
-
1. 0.0559 0.0570 0.0582 0.0593 0.0605 0.0617 0.0630 0.0642 0.0655 0.0668
5 2 5 1 8 7 8 1 6 2 1
-
1. 0.0681 0.0694 0.0707 0.0721 0.0735 0.0749 0.0763 0.0778 0.0792 0.0807
4 1 4 8 5 3 3 6 0 7 6
-
1. 0.0822 0.0837 0.0853 0.0869 0.0885 0.0901 0.0917 0.0934 0.0951 0.0968
3 6 9 4 1 1 2 6 2 0 0
-
1. 0.0985 0.1002 0.1020 0.1038 0.1056 0.1074 0.1093 0.1112 0.1131 0.1150
2 3 7 4 3 5 9 5 3 4 7
-
1. 0.1170 0.1190 0.1210 0.1230 0.1250 0.1271 0.1292 0.1313 0.1335 0.1356
1 2 0 0 2 7 4 4 6 0 7
-
1. 0.1378 0.1400 0.1423 0.1445 0.1468 0.1491 0.1515 0.1538 0.1562 0.1586
0 6 7 1 7 6 7 1 6 5 6
-
0. 0.1610 0.1635 0.1660 0.1685 0.1710 0.1736 0.1761 0.1787 0.1814 0.1840
9 9 4 2 3 6 1 9 9 1 6
-
0. 0.1867 0.1894 0.1921 0.1948 0.1976 0.2004 0.2032 0.2061 0.2089 0.2118
8 3 3 5 9 6 5 7 1 7 6
287
-
0. 0.2147 0.2177 0.2206 0.2236 0.2266 0.2296 0.2327 0.2357 0.2388 0.2419
7 6 0 5 3 3 5 0 6 5 6
-
0. 0.2451 0.2482 0.2514 0.2546 0.2578 0.2610 0.2643 0.2676 0.2709 0.2742
6 0 5 3 3 5 9 5 3 3 5
-
0. 0.2776 0.2809 0.2843 0.2877 0.2911 0.2946 0.2980 0.3015 0.3050 0.3085
5 0 6 4 4 6 0 6 3 3 4
-
0. 0.3120 0.3156 0.3191 0.3227 0.3263 0.3299 0.3336 0.3372 0.3409 0.3445
4 7 1 8 6 6 7 0 4 0 8
-
0. 0.3482 0.3519 0.3556 0.3594 0.3631 0.3669 0.3707 0.3744 0.3782 0.3820
3 7 7 9 2 7 3 0 8 8 9
-
0. 0.3859 0.3897 0.3935 0.3974 0.4012 0.4051 0.4090 0.4129 0.4168 0.4207
2 1 4 8 3 9 7 5 4 3 4
-
0. 0.4246 0.4285 0.4325 0.4364 0.4403 0.4443 0.4482 0.4522 0.4562 0.4601
1 5 8 1 4 8 3 8 4 0 7
-
0. 0.4641 0.4681 0.4721 0.4760 0.4800 0.4840 0.4880 0.4920 0.4960 0.5000
0 4 2 0 8 6 5 3 2 1 0
288
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0. 0.5000 0.5039 0.5079 0.5119 0.5159 0.5199 0.5239 0.5279 0.5318 0.5358
0 0 9 8 7 5 4 2 0 8 6
0. 0.5398 0.5438 0.5477 0.5517 0.5556 0.5596 0.5635 0.5674 0.5714 0.5753
1 3 0 6 2 7 2 6 9 2 5
0. 0.5792 0.5831 0.5870 0.5909 0.5948 0.5987 0.6025 0.6064 0.6102 0.6140
2 6 7 6 5 3 1 7 2 6 9
0. 0.6179 0.6217 0.6255 0.6293 0.6330 0.6368 0.6405 0.6443 0.6480 0.6517
3 1 2 2 0 7 3 8 1 3 3
0. 0.6554 0.6591 0.6627 0.6664 0.6700 0.6736 0.6772 0.6808 0.6843 0.6879
4 2 0 6 0 3 4 4 2 9 3
0. 0.6914 0.6949 0.6984 0.7019 0.7054 0.7088 0.7122 0.7156 0.7190 0.7224
5 6 7 7 4 0 4 6 6 4 0
0. 0.7257 0.7290 0.7323 0.7356 0.7389 0.7421 0.7453 0.7485 0.7517 0.7549
6 5 7 7 5 1 5 7 7 5 0
0. 0.7580 0.7611 0.7642 0.7673 0.7703 0.7733 0.7763 0.7793 0.7823 0.7852
7 4 5 4 0 5 7 7 5 0 4
0. 0.7881 0.7910 0.7938 0.7967 0.7995 0.8023 0.8051 0.8078 0.8105 0.8132
8 4 3 9 3 5 4 1 5 7 7
0. 0.8159 0.8185 0.8212 0.8238 0.8263 0.8289 0.8314 0.8339 0.8364 0.8389
9 4 9 1 1 9 4 7 8 6 1
1. 0.8413 0.8437 0.8461 0.8484 0.8508 0.8531 0.8554 0.8576 0.8599 0.8621
0 4 5 4 9 3 4 3 9 3 4
1. 0.8643 0.8665 0.8686 0.8707 0.8728 0.8749 0.8769 0.8790 0.8810 0.8829
1 3 0 4 6 6 3 8 0 0 8
1. 0.8849 0.8868 0.8887 0.8906 0.8925 0.8943 0.8961 0.8979 0.8997 0.9014
2 3 6 7 5 1 5 7 6 3 7
1. 0.9032 0.9049 0.9065 0.9082 0.9098 0.9114 0.9130 0.9146 0.9162 0.9177
3 0 0 8 4 8 9 9 6 1 4
1. 0.9192 0.9207 0.9222 0.9236 0.9250 0.9264 0.9278 0.9292 0.9305 0.9318
4 4 3 0 4 7 7 5 2 6 9
1. 0.9331 0.9344 0.9357 0.9369 0.9382 0.9394 0.9406 0.9417 0.9429 0.9440
5 9 8 4 9 2 3 2 9 5 8
1. 0.9452 0.9463 0.9473 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9544
6 0 0 8 5 0 3 4 4 2 9
1. 0.9554 0.9563 0.9572 0.9581 0.9590 0.9599 0.9608 0.9616 0.9624 0.9632
7 3 7 8 8 7 4 0 4 6 7
1. 0.9640 0.9648 0.9656 0.9663 0.9671 0.9678 0.9685 0.9692 0.9699 0.9706
8 7 5 2 8 2 4 6 6 5 2
1. 0.9712 0.9719 0.9725 0.9732 0.9738 0.9744 0.9750 0.9755 0.9761 0.9767
9 8 3 7 0 1 1 0 8 5 0
2. 0.9772 0.9777 0.9783 0.9788 0.9793 0.9798 0.9803 0.9807 0.9812 0.9816
0 5 8 1 2 2 2 0 7 4 9
2. 0.9821 0.9825 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9853 0.9857
289
1 4 7 0 1 2 2 1 0 7 4
2. 0.9861 0.9864 0.9867 0.9871 0.9874 0.9877 0.9880 0.9884 0.9887 0.9889
2 0 5 9 3 5 8 9 0 0 9
2. 0.9892 0.9895 0.9898 0.9901 0.9903 0.9906 0.9908 0.9911 0.9913 0.9915
3 8 6 3 0 6 1 6 1 4 8
2. 0.9918 0.9920 0.9922 0.9924 0.9926 0.9928 0.9930 0.9932 0.9934 0.9936
4 0 2 4 5 6 6 5 4 3 1
2. 0.9937 0.9939 0.9941 0.9943 0.9944 0.9946 0.9947 0.9949 0.9950 0.9952
5 9 6 3 0 6 1 7 2 6 0
2. 0.9953 0.9954 0.9956 0.9957 0.9958 0.9959 0.9960 0.9962 0.9963 0.9964
6 4 7 0 3 5 8 9 1 2 3
2. 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9972 0.9973
7 3 4 4 3 3 2 1 0 8 6
2. 0.9974 0.9975 0.9976 0.9976 0.9977 0.9978 0.9978 0.9979 0.9980 0.9980
8 4 2 0 7 4 1 8 5 1 7
2. 0.9981 0.9981 0.9982 0.9983 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986
9 3 9 5 1 6 1 6 1 6 1
3. 0.9986 0.9986 0.9987 0.9987 0.9988 0.9988 0.9988 0.9989 0.9989 0.9989
0 50 94 36 77 17 56 93 30 65 99
3. 0.9990 0.9990 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992
1 32 65 96 26 55 84 11 38 64 89
3. 0.9993 0.9993 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9994
2 13 36 59 81 02 23 43 62 81 99
3. 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996
3 17 34 50 66 81 96 10 24 38 51
3. 0.9996 0.9996 0.9996 0.9996 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997
4 63 75 87 98 09 20 30 40 49 58
3. 0.9997 0.9997 0.9997 0.9997 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
5 67 76 84 92 00 07 15 22 28 35
3. 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
6 41 47 53 58 64 69 74 79 83 88
3. 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
7 92 96 00 04 08 12 15 18 22 25
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
8 28 31 33 36 38 41 43 46 48 50
3. 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
9 52 54 56 58 59 61 63 64 66 67
290
Tabla de la distribución t - Student
α
υ 0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
1 0.32492 0.72654 1.37638 1.96261 3.07768 6.31375 7.91582 10.57889 12.7062 15.89454 21.20495 31.82052 63.65674
2 0.28868 0.61721 1.06066 1.38621 1.88562 2.91999 3.31976 3.89643 4.30265 4.84873 5.64278 6.96456 9.92484
3 0.27667 0.58439 0.97847 1.24978 1.63774 2.35336 2.60543 2.95051 3.18245 3.48191 3.89605 4.54070 5.84091
4 0.27072 0.56865 0.94096 1.18957 1.53321 2.13185 2.33287 2.60076 2.77645 2.99853 3.29763 3.74695 4.60409
5 0.26718 0.55943 0.91954 1.15577 1.47588 2.01505 2.19096 2.42158 2.57058 2.75651 3.00287 3.36493 4.03214
6 0.26483 0.55338 0.9057 1.13416 1.43976 1.94318 2.10431 2.31326 2.44691 2.61224 2.82893 3.14267 3.70743
7 0.26317 0.54911 0.89603 1.11916 1.41492 1.89458 2.04601 2.24088 2.36462 2.51675 2.71457 2.99795 3.49948
8 0.26192 0.54593 0.88889 1.10815 1.39682 1.85955 2.00415 2.18915 2.30600 2.44898 2.63381 2.89646 3.35539
9 0.26096 0.54348 0.8834 1.09972 1.38303 1.83311 1.97265 2.15038 2.26216 2.39844 2.5738 2.82144 3.24984
10 0.26018 0.54153 0.87906 1.09306 1.37218 1.81246 1.9481 2.12023 2.22814 2.35931 2.52748 2.76377 3.16927
11 0.25956 0.53994 0.87553 1.08767 1.36343 1.79588 1.92843 2.09614 2.20099 2.32814 2.49066 2.71808 3.10581
12 0.25903 0.53862 0.87261 1.08321 1.35622 1.78229 1.91231 2.07644 2.17881 2.30272 2.46070 2.68100 3.05454
13 0.25859 0.5375 0.87015 1.07947 1.35017 1.77093 1.89887 2.06004 2.16037 2.2816 2.43585 2.65031 3.01228
14 0.25821 0.53655 0.86805 1.07628 1.34503 1.76131 1.8875 2.04617 2.14479 2.26378 2.41490 2.62449 2.97684
15 0.25789 0.53573 0.86624 1.07353 1.34061 1.75305 1.87774 2.03429 2.13145 2.24854 2.39701 2.60248 2.94671
16 0.25760 0.53501 0.86467 1.07114 1.33676 1.74588 1.86928 2.02400 2.11991 2.23536 2.38155 2.58349 2.92078
17 0.25735 0.53438 0.86328 1.06903 1.33338 1.73961 1.86187 2.01500 2.10982 2.22385 2.36805 2.56693 2.89823
18 0.25712 0.53382 0.86205 1.06717 1.33039 1.73406 1.85534 2.00707 2.10092 2.21370 2.35618 2.55238 2.87844
19 0.25692 0.53331 0.86095 1.06551 1.32773 1.72913 1.84953 2.00002 2.09302 2.20470 2.34565 2.53948 2.86093
20 0.25674 0.53286 0.85996 1.06402 1.32534 1.72472 1.84433 1.99371 2.08596 2.19666 2.33624 2.52798 2.84534
21 0.25658 0.53246 0.85907 1.06267 1.32319 1.72074 1.83965 1.98804 2.07961 2.18943 2.32779 2.51765 2.83136
22 0.25643 0.53208 0.85827 1.06145 1.32124 1.71714 1.83542 1.98291 2.07387 2.18289 2.32016 2.50832 2.81876
23 0.25630 0.53175 0.85753 1.06034 1.31946 1.71387 1.83157 1.97825 2.06866 2.17696 2.31323 2.49987 2.80734
24 0.25617 0.53144 0.85686 1.05932 1.31784 1.71088 1.82805 1.97399 2.0639 2.17154 2.30691 2.49216 2.79694
25 0.25606 0.53115 0.85624 1.05838 1.31635 1.70814 1.82483 1.9701 2.05954 2.16659 2.30113 2.48511 2.78744
26 0.25595 0.53089 0.85567 1.05752 1.31497 1.70562 1.82186 1.96651 2.05553 2.16203 2.29581 2.47863 2.77871
27 0.25586 0.53065 0.85514 1.05673 1.3137 1.70329 1.81913 1.96320 2.05183 2.15782 2.29091 2.47266 2.77068
28 0.25577 0.53042 0.85465 1.05599 1.31253 1.70113 1.81659 1.96014 2.04841 2.15393 2.28638 2.46714 2.76326
29 0.25568 0.53021 0.85419 1.05530 1.31143 1.69913 1.81424 1.95729 2.04523 2.15033 2.28217 2.46202 2.75639
30 0.25561 0.53002 0.85377 1.05466 1.31042 1.69726 1.81205 1.95465 2.04227 2.14697 2.27826 2.45726 2.75000
31 0.25553 0.52984 0.85337 1.05406 1.30946 1.69552 1.81000 1.95218 2.03951 2.14383 2.27461 2.45282 2.74404
32 0.25546 0.52967 0.853 1.0535 1.30857 1.69389 1.80809 1.94987 2.03693 2.14090 2.27120 2.44868 2.73848
33 0.25540 0.5295 0.85265 1.05298 1.30774 1.69236 1.80629 1.94770 2.03452 2.13816 2.26801 2.44479 2.73328
34 0.25534 0.52935 0.85232 1.05248 1.30695 1.69092 1.80461 1.94567 2.03224 2.13558 2.26501 2.44115 2.72839
35 0.25528 0.52921 0.85201 1.05202 1.30621 1.68957 1.80302 1.94375 2.03011 2.13316 2.26219 2.43772 2.72381
36 0.25523 0.52908 0.85172 1.05158 1.30551 1.6883 1.80153 1.94195 2.02809 2.13087 2.25953 2.43449 2.71948
37 0.25518 0.52895 0.85144 1.05117 1.30485 1.68709 1.80012 1.94024 2.02619 2.12871 2.25702 2.43145 2.71541
38 0.25513 0.52883 0.85118 1.05077 1.30423 1.68595 1.79878 1.93863 2.02439 2.12667 2.25465 2.42857 2.71156
39 0.25508 0.52871 0.85094 1.0504 1.30364 1.68488 1.79751 1.93711 2.02269 2.12474 2.25240 2.42584 2.70791
40 0.25504 0.52861 0.85070 1.05005 1.30308 1.68385 1.79631 1.93566 2.02108 2.12291 2.25027 2.42326 2.70446
291
Tabla de la distribución t – Student
α
υ 0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
41 0.25500 0.52850 0.85048 1.04971 1.30254 1.68288 1.79517 1.93428 2.01954 2.12117 2.24825 2.42080 2.70118
42 0.25496 0.52840 0.85026 1.04939 1.30204 1.68195 1.79409 1.93298 2.01808 2.11952 2.24633 2.41847 2.69807
43 0.25492 0.52831 0.85006 1.04908 1.30155 1.68107 1.79305 1.93173 2.01669 2.11794 2.24449 2.41625 2.69510
44 0.25488 0.52822 0.84987 1.04879 1.30109 1.68023 1.79207 1.93054 2.01537 2.11644 2.24275 2.41413 2.69228
45 0.25485 0.52814 0.84968 1.04852 1.30065 1.67943 1.79113 1.92941 2.0141 2.11500 2.24108 2.41212 2.68959
46 0.25482 0.52805 0.84951 1.04825 1.30023 1.67866 1.79023 1.92833 2.0129 2.11364 2.23949 2.41019 2.68701
47 0.25479 0.52798 0.84934 1.04800 1.29982 1.67793 1.78937 1.92729 2.01174 2.11233 2.23797 2.40835 2.68456
48 0.25476 0.52790 0.84917 1.04775 1.29944 1.67722 1.78855 1.92630 2.01063 2.11107 2.23652 2.40658 2.68220
49 0.25473 0.52783 0.84902 1.04752 1.29907 1.67655 1.78776 1.92535 2.00958 2.10987 2.23512 2.40489 2.67995
50 0.25470 0.52776 0.84887 1.04729 1.29871 1.67591 1.78700 1.92444 2.00856 2.10872 2.23379 2.40327 2.67779
51 0.25467 0.52769 0.84873 1.04708 1.29837 1.67528 1.78627 1.92356 2.00758 2.10762 2.2325 2.40172 2.67572
52 0.25465 0.52763 0.84859 1.04687 1.29805 1.67469 1.78558 1.92272 2.00665 2.10655 2.23127 2.40022 2.67373
53 0.25462 0.52757 0.84846 1.04667 1.29773 1.67412 1.78491 1.92191 2.00575 2.10553 2.23009 2.39879 2.67182
54 0.25460 0.52751 0.84833 1.04648 1.29743 1.67356 1.78426 1.92114 2.00488 2.10455 2.22895 2.39741 2.66998
55 0.25458 0.52745 0.84821 1.04630 1.29713 1.67303 1.78364 1.92039 2.00404 2.10361 2.22785 2.39608 2.66822
56 0.25455 0.52740 0.84809 1.04612 1.29685 1.67252 1.78304 1.91967 2.00324 2.10270 2.22679 2.39480 2.66651
57 0.25453 0.52735 0.84797 1.04595 1.29658 1.67203 1.78246 1.91897 2.00247 2.10182 2.22577 2.39357 2.66487
58 0.25451 0.52730 0.84786 1.04578 1.29632 1.67155 1.78190 1.9183 2.00172 2.10097 2.22479 2.39238 2.66329
59 0.25449 0.52725 0.84776 1.04562 1.29607 1.67109 1.78137 1.91765 2.00100 2.10015 2.22384 2.39123 2.66176
60 0.25447 0.52720 0.84765 1.04547 1.29582 1.67065 1.78085 1.91703 2.00030 2.09936 2.22292 2.39012 2.66028
61 0.25445 0.52715 0.84755 1.04532 1.29558 1.67022 1.78034 1.91642 1.99962 2.0986 2.22204 2.38905 2.65886
62 0.25444 0.52711 0.84746 1.04518 1.29536 1.6698 1.77986 1.91584 1.99897 2.09786 2.22118 2.38801 2.65748
63 0.25442 0.52706 0.84736 1.04504 1.29513 1.6694 1.77939 1.91527 1.99834 2.09715 2.22035 2.38701 2.65615
64 0.25440 0.52702 0.84727 1.04490 1.29492 1.66901 1.77893 1.91472 1.99773 2.09645 2.21955 2.38604 2.65485
65 0.25439 0.52698 0.84719 1.04477 1.29471 1.66864 1.77849 1.91419 1.99714 2.09578 2.21877 2.38510 2.65360
66 0.25437 0.52694 0.84710 1.04464 1.29451 1.66827 1.77806 1.91368 1.99656 2.09514 2.21802 2.38419 2.65239
67 0.25436 0.52690 0.84702 1.04452 1.29432 1.66792 1.77765 1.91318 1.99601 2.09451 2.21729 2.38330 2.65122
68 0.25434 0.52687 0.84694 1.04440 1.29413 1.66757 1.77724 1.91269 1.99547 2.09390 2.21658 2.38245 2.65008
69 0.25433 0.52683 0.84686 1.04428 1.29394 1.66724 1.77685 1.91222 1.99495 2.09330 2.21589 2.38161 2.64898
70 0.25431 0.52680 0.84679 1.04417 1.29376 1.66691 1.77647 1.91177 1.99444 2.09273 2.21523 2.38081 2.64790
75 0.25425 0.52664 0.84644 1.04365 1.29294 1.66543 1.77473 1.90967 1.9921 2.09008 2.21216 2.37710 2.64298
80 0.25419 0.5265 0.84614 1.04320 1.29222 1.66412 1.77321 1.90784 1.99006 2.08778 2.20949 2.37387 2.63869
85 0.25414 0.52637 0.84587 1.0428 1.29159 1.66298 1.77187 1.90623 1.98827 2.08574 2.20713 2.37102 2.63491
90 0.25410 0.52626 0.84563 1.04244 1.29103 1.66196 1.77068 1.90480 1.98667 2.08394 2.20504 2.36850 2.63157
95 0.25406 0.52616 0.84542 1.04212 1.29053 1.66105 1.76961 1.90352 1.98525 2.08233 2.20317 2.36624 2.62858
100 0.25402 0.52608 0.84523 1.04184 1.29007 1.66023 1.76866 1.90237 1.98397 2.08088 2.20150 2.36422 2.62589
105 0.25399 0.52600 0.84506 1.04158 1.28967 1.65950 1.76779 1.90133 1.98282 2.07958 2.19998 2.36239 2.62347
110 0.25396 0.52592 0.84490 1.04134 1.28930 1.65882 1.76701 1.90039 1.98177 2.07839 2.19861 2.36073 2.62126
120 0.25391 0.52580 0.84463 1.04093 1.28865 1.65765 1.76564 1.89874 1.97993 2.07631 2.19620 2.35782 2.61742
∞ 0.25335 0.52440 0.84162 1.03643 1.28156 1.64484 1.75069 1.88079 1.95997 2.05375 2.17009 2.32635 2.57583
292
Tabla de la distribución F

v1
α v2 1 2 3 4 5 6 7 8 9 10
0.050 1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
0.025 647.79 799.48 864.15 899.60 921.83 937.11 948.20 956.64 963.28 968.63
0.010 4052.18 4999.34 5403.53 5624.26 5763.96 5858.95 5928.33 5980.95 6022.40 6055.93
0.005 16212.46 19997.36 21614.13 22500.75 23055.82 23439.53 23715.20 23923.81 24091.45 24221.84
0.050 2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40
0.010 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40
0.005 198.50 199.01 199.16 199.24 199.30 199.33 199.36 199.38 199.39 199.39
0.050 3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42
0.010 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23
0.005 55.55 49.80 47.47 46.20 45.39 44.84 44.43 44.13 43.88 43.68
0.050 4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84
0.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55
0.005 31.33 26.28 24.26 23.15 22.46 21.98 21.62 21.35 21.14 20.97
0.050 5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62
0.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62
0.050 6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46
0.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25
0.050 7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76
0.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38
0.050 8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30
0.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21
0.050 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42
0.050 10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72
0.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85
0.050 11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53
0.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54
0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42
0.050 12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
0.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09
293
294

v1
α v2 12 15 20 24 30 40 50 60 70 120
0.05
1 243.90 245.95 248.02 249.05 250.10 251.14 251.77 252.20 252.50 253.25
0
0.02 1001.4 1005.6 1008.1 1009.7 1011.0
976.72 984.87 993.08 997.27 1014.04
5 0 0 0 9 1
0.01 6106.6 6156.9 6208.6 6234.2 6260.3 6286.4 6302.2 6312.9 6320.8
6339.51
0 8 7 6 7 5 3 6 7 9
0.00 24426. 24631. 24836. 24937. 25041. 25145. 25212. 25253. 25283. 25358.0
5 73 62 51 09 40 71 76 74 55 5
0.05
2 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.48 19.48 19.49
0
0.02
39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.48 39.48 39.49
5
0.01
99.42 99.43 99.45 99.46 99.47 99.48 99.48 99.48 99.48 99.49
0
0.00
199.42 199.43 199.45 199.45 199.48 199.48 199.48 199.48 199.48 199.49
5
0.05
3 8.74 8.70 8.66 8.64 8.62 8.59 8.58 8.57 8.57 8.55
0
0.02
14.34 14.25 14.17 14.12 14.08 14.04 14.01 13.99 13.98 13.95
5
0.01
27.05 26.87 26.69 26.60 26.50 26.41 26.35 26.32 26.29 26.22
0
0.00
43.39 43.08 42.78 42.62 42.47 42.31 42.21 42.15 42.10 41.99
5
0.05
4 5.91 5.86 5.80 5.77 5.75 5.72 5.70 5.69 5.68 5.66
0
0.02
8.75 8.66 8.56 8.51 8.46 8.41 8.38 8.36 8.35 8.31
5
0.01
14.37 14.20 14.02 13.93 13.84 13.75 13.69 13.65 13.63 13.56
0
0.00
20.70 20.44 20.17 20.03 19.89 19.75 19.67 19.61 19.57 19.47
5
0.05
5 4.68 4.62 4.56 4.53 4.50 4.46 4.44 4.43 4.42 4.40
0
0.02
6.52 6.43 6.33 6.28 6.23 6.18 6.14 6.12 6.11 6.07
5
0.01
9.89 9.72 9.55 9.47 9.38 9.29 9.24 9.20 9.18 9.11
0
0.00
13.38 13.15 12.90 12.78 12.66 12.53 12.45 12.40 12.37 12.27
5
0.05
6 4.00 3.94 3.87 3.84 3.81 3.77 3.75 3.74 3.73 3.70
0
0.02
5.37 5.27 5.17 5.12 5.07 5.01 4.98 4.96 4.94 4.90
5
0.01
7.72 7.56 7.40 7.31 7.23 7.14 7.09 7.06 7.03 6.97
0
0.00
10.03 9.81 9.59 9.47 9.36 9.24 9.17 9.12 9.09 9.00
5
0.05
7 3.57 3.51 3.44 3.41 3.38 3.34 3.32 3.30 3.29 3.27
0
0.02 4.67 4.57 4.47 4.41 4.36 4.31 4.28 4.25 4.24 4.20
295
5
0.01
6.47 6.31 6.16 6.07 5.99 5.91 5.86 5.82 5.80 5.74
0
0.00
8.18 7.97 7.75 7.64 7.53 7.42 7.35 7.31 7.28 7.19
5
0.05
8 3.28 3.22 3.15 3.12 3.08 3.04 3.02 3.01 2.99 2.97
0
0.02
4.20 4.10 4.00 3.95 3.89 3.84 3.81 3.78 3.77 3.73
5
0.01
5.67 5.52 5.36 5.28 5.20 5.12 5.07 5.03 5.01 4.95
0
0.00
7.01 6.81 6.61 6.50 6.40 6.29 6.22 6.18 6.15 6.06
5
0.05
9 3.07 3.01 2.94 2.90 2.86 2.83 2.80 2.79 2.78 2.75
0
0.02
3.87 3.77 3.67 3.61 3.56 3.51 3.47 3.45 3.43 3.39
5
0.01
5.11 4.96 4.81 4.73 4.65 4.57 4.52 4.48 4.46 4.40
0
0.00
6.23 6.03 5.83 5.73 5.62 5.52 5.45 5.41 5.38 5.30
5
0.05
2.91 2.85 2.77 2.74 2.70 2.66 2.64 2.62 2.61 2.58
0 10
0.02
3.62 3.52 3.42 3.37 3.31 3.26 3.22 3.20 3.18 3.14
5
0.01
4.71 4.56 4.41 4.33 4.25 4.17 4.12 4.08 4.06 4.00
0
0.00
5.66 5.47 5.27 5.17 5.07 4.97 4.90 4.86 4.83 4.75
5
0.05
2.79 2.72 2.65 2.61 2.57 2.53 2.51 2.49 2.48 2.45
0 11
0.02
3.43 3.33 3.23 3.17 3.12 3.06 3.03 3.00 2.99 2.94
5
0.01
4.40 4.25 4.10 4.02 3.94 3.86 3.81 3.78 3.75 3.69
0
0.00
5.24 5.05 4.86 4.76 4.65 4.55 4.49 4.45 4.41 4.34
5
0.05
2.69 2.62 2.54 2.51 2.47 2.43 2.40 2.38 2.37 2.34
0 12
0.02
3.28 3.18 3.07 3.02 2.96 2.91 2.87 2.85 2.83 2.79
5
0.01
4.16 4.01 3.86 3.78 3.70 3.62 3.57 3.54 3.51 3.45
0
0.00
4.91 4.72 4.53 4.43 4.33 4.23 4.17 4.12 4.09 4.01
5
296

v1
α v2 1 2 3 4 5 6 7 8 9 10
0.05
13 4.7 3.8 3.4 3.2 3.0 2.9 2.8 2.8 2.7 2.7
0
0.02
6.4 5.0 4.3 4.0 3.8 3.6 3.5 3.4 3.3 3.2
5
0.01
9.1 6.7 5.7 5.2 4.9 4.6 4.4 4.3 4.2 4.1
0
0.00
11.4 8.2 6.9 6.2 5.8 5.5 5.3 5.1 4.9 4.8
5
0.05
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
0
0.02
6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15
5
0.01
8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94
0
0.00
11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60
5
0.05
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
0
0.02
6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
5
0.01
8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
0
0.00
10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42
5
0.05
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
0
0.02
5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77
5
0.01
8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
0
0.00
9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85
5
0.05
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
0
0.02
5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
5
0.01
7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
0
0.00
9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59
5
0.05
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
0
0.02
5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51
5
0.01
7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
0
0.00
9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34
5
0.05
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
0
0.02 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39
297
5
0.01
7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
0
0.00
8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12
5
0.05
45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05
0
0.02
5.38 4.01 3.42 3.09 2.86 2.70 2.58 2.49 2.41 2.35
5
0.01
7.23 5.11 4.25 3.77 3.45 3.23 3.07 2.94 2.83 2.74
0
0.00
8.71 5.97 4.89 4.29 3.91 3.64 3.43 3.28 3.15 3.04
5
0.05
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03
0
0.02
5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32
5
0.01
7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70
0
0.00
8.63 5.90 4.83 4.23 3.85 3.58 3.38 3.22 3.09 2.99
5
0.05
4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
0 60
0.02
5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27
5
0.01
7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
0
0.00
8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90
5
0.05
3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97
0 70
0.02
5.25 3.89 3.31 2.97 2.75 2.59 2.47 2.38 2.30 2.24
5
0.01
7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59
0
0.00
8.40 5.72 4.66 4.08 3.70 3.43 3.23 3.08 2.95 2.85
5
0.05
3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
0 120
0.02
5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16
5
0.01
6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
0
0.00
8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71
5
298

v1
α v2 12 15 20 24 30 40 50 60 70 120
0.05
13 2.6 2.5 2.5 2.4 2.4 2.3 2.3 2.3 2.3 2.3
0
0.02
3.2 3.1 2.9 2.9 2.8 2.8 2.7 2.7 2.7 2.7
5
0.01
4.0 3.8 3.7 3.6 3.5 3.4 3.4 3.3 3.3 3.3
0
0.00
4.6 4.5 4.3 4.2 4.1 4.0 3.9 3.9 3.8 3.8
5
0.05
14 2.53 2.46 2.39 2.35 2.31 2.27 2.24 2.22 2.21 2.18
0
0.02
3.05 2.95 2.84 2.79 2.73 2.67 2.64 2.61 2.60 2.55
5
0.01
3.80 3.66 3.51 3.43 3.35 3.27 3.22 3.18 3.16 3.09
0
0.00
4.43 4.25 4.06 3.96 3.86 3.76 3.70 3.66 3.62 3.55
5
0.05
15 2.48 2.40 2.33 2.29 2.25 2.20 2.18 2.16 2.15 2.11
0
0.02
2.96 2.86 2.76 2.70 2.64 2.59 2.55 2.52 2.51 2.46
5
0.01
3.67 3.52 3.37 3.29 3.21 3.13 3.08 3.05 3.02 2.96
0
0.00
4.25 4.07 3.88 3.79 3.69 3.59 3.52 3.48 3.45 3.37
5
0.05
20 2.28 2.20 2.12 2.08 2.04 1.99 1.97 1.95 1.93 1.90
0
0.02
2.68 2.57 2.46 2.41 2.35 2.29 2.25 2.22 2.20 2.16
5
0.01
3.23 3.09 2.94 2.86 2.78 2.69 2.64 2.61 2.58 2.52
0
0.00
3.68 3.50 3.32 3.22 3.12 3.02 2.96 2.92 2.88 2.81
5
0.05
24 2.18 2.11 2.03 1.98 1.94 1.89 1.86 1.84 1.83 1.79
0
0.02
2.54 2.44 2.33 2.27 2.21 2.15 2.11 2.08 2.06 2.01
5
0.01
3.03 2.89 2.74 2.66 2.58 2.49 2.44 2.40 2.38 2.31
0
0.00
3.42 3.25 3.06 2.97 2.87 2.77 2.70 2.66 2.63 2.55
5
0.05
30 2.09 2.01 1.93 1.89 1.84 1.79 1.76 1.74 1.72 1.68
0
0.02
2.41 2.31 2.20 2.14 2.07 2.01 1.97 1.94 1.92 1.87
5
0.01
2.84 2.70 2.55 2.47 2.39 2.30 2.25 2.21 2.18 2.11
0
0.00
3.18 3.01 2.82 2.73 2.63 2.52 2.46 2.42 2.38 2.30
5
0.05
40 2.00 1.92 1.84 1.79 1.74 1.69 1.66 1.64 1.62 1.58
0
0.02 2.29 2.18 2.07 2.01 1.94 1.88 1.83 1.80 1.78 1.72
299
5
0.01
2.66 2.52 2.37 2.29 2.20 2.11 2.06 2.02 1.99 1.92
0
0.00
2.95 2.78 2.60 2.50 2.40 2.30 2.23 2.18 2.15 2.06
5
0.05
45 1.97 1.89 1.81 1.76 1.71 1.66 1.63 1.60 1.59 1.54
0
0.02
2.25 2.14 2.03 1.96 1.90 1.83 1.79 1.76 1.74 1.68
5
0.01
2.61 2.46 2.31 2.23 2.14 2.05 2.00 1.96 1.93 1.85
0
0.00
2.88 2.71 2.53 2.43 2.33 2.22 2.16 2.11 2.08 1.99
5
0.05
50 1.95 1.87 1.78 1.74 1.69 1.63 1.60 1.58 1.56 1.51
0
0.02
2.22 2.11 1.99 1.93 1.87 1.80 1.75 1.72 1.70 1.64
5
0.01
2.56 2.42 2.27 2.18 2.10 2.01 1.95 1.91 1.88 1.80
0
0.00
2.82 2.65 2.47 2.37 2.27 2.16 2.10 2.05 2.02 1.93
5
0.05
1.92 1.84 1.75 1.70 1.65 1.59 1.56 1.53 1.52 1.47
0 60
0.02
2.17 2.06 1.94 1.88 1.82 1.74 1.70 1.67 1.64 1.58
5
0.01
2.50 2.35 2.20 2.12 2.03 1.94 1.88 1.84 1.81 1.73
0
0.00
2.74 2.57 2.39 2.29 2.19 2.08 2.01 1.96 1.93 1.83
5
0.05
1.89 1.81 1.72 1.67 1.62 1.57 1.53 1.50 1.49 1.44
0 70
0.02
2.14 2.03 1.91 1.85 1.78 1.71 1.66 1.63 1.60 1.54
5
0.01
2.45 2.31 2.15 2.07 1.98 1.89 1.83 1.78 1.75 1.67
0
0.00
2.68 2.51 2.33 2.23 2.13 2.02 1.95 1.90 1.86 1.77
5
0.05 12
1.83 1.75 1.66 1.61 1.55 1.50 1.46 1.43 1.41 1.35
0 0
0.02
2.05 1.94 1.82 1.76 1.69 1.61 1.56 1.53 1.50 1.43
5
0.01
2.34 2.19 2.03 1.95 1.86 1.76 1.70 1.66 1.62 1.53
0
0.00
2.54 2.37 2.19 2.09 1.98 1.87 1.80 1.75 1.71 1.61
5
300
Índice
B Circular, 19
de barras, 19
Bayes histograma, 36
Teorema de, 89 ojiva, 36
Pareto, 22
C
M
Censo, 147
Coeficiente de correlación, 221 Marca de clase, 32
Coeficiente de determinación, 221 Media
aritmética, 43
Medidas de tendencia central, 43
D Medidas de variación
Distribución Desviación estándar, 54
binomial, 105 Varianza, 54
continua, 130 Moda, 49
exponencial, 130 Muestra, 7
normal, 134 Muestreo, 147
normal estándar, 134, 135 aleatorio simple, 149
Poisson, 109 probabilístico, 149
E P
Escalas de medición Parámetro, 16, 42
intervalo, 10 Probabilidad
nominal, 10 condicional, 80
ordinal, 10 Prueba de hipótesis
razón, 10 media poblacional, 167
Esperado medias poblacionales, 186
de una variable discreta, 102 proporción poblacional, 176
de variable continua, 125 varianzas poblacionales, 183
Estadística
definición, 6 R
descriptiva, 6, 98
inferencial, 6 Regla multiplicativa
Estadístico, 16, 42 para eventos independientes, 83
Evento Regresión
complementario, 70 lineal, 215
compuesto, 67
independientes, 83
mutuamente excluyentes, 67
T
simple, 66 Tamaño de muestra
Experimento aleatorio, 66 media de una población, 158
Tipos de errores, 165
F
Frecuencia
V
acumulada absoluta, 28 Variable
porcentual, 28 aleatoria continua, 117
Función aleatoria discreta, 99
de densidad, 117 continua, 9
de distribución acumulada, 120 cualitativa, 9
cuantitativa, 9
G discreta, 9
Varianza
Gráfico de una variable aleatoria, 102, 125
bastones, 28
301

MA444 202301 Cuaderno de Trabajo

Cargado por

Información del documento

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

MA444 202301 Cuaderno de Trabajo

Cargado por

Copyright:

Formatos disponibles

MA444 Estadística

Unidad 1. Estadística Descriptiva

Unidad 2. Probabilidad y variable aleatoria 69

Unidad 3. Inferencia estadística 148

Unidad 1. Estadística Descriptiva

Al término de la unidad, el estudiante entiende claramente la información presentada en tablas y

● La Estadística. Conceptos básicos.

● Organización de datos cualitativos y cuantitativos

● Medidas de tendencia central: media, mediana, moda, media ponderada

● Medidas de posición: cuartiles, deciles y percentiles

● Medidas de dispersión: varianza, desviación estándar y coeficiente de variación

Elemento o unidad elemental

Población Todos los trabajadores del área de marketing de la inmobiliaria Nexo

1. Tiempo de antigüedad de la vivienda

● Regular estado de conservación

● Mal estado de conservación

Complete la siguiente ficha técnica:

Con 95% de confianza y 3% de margen de error.

Variable cuantitativa discreta

Variable cuantitativa continua

● Número de defectos por barra de acero

Son variables cuantitativas continuas:

● Longitud de las barras de acero (cm)

Son variables cualitativas:

● Opinión sobre la calidad del servicio

Pregunta Variable en estudio Tipo de variable

Pregunta Variable en estudio Tipo de variable

Las escalas de medida de una variable cualitativa son las siguientes:

Las escalas de medida de una variable cuantitativa son las siguientes:

Indique en cada caso la variable, su tipo y escala de medida:

a. ¿Cuál es tu programa de TV preferido?

b. ¿Cuánto es la temperatura hoy, en grados centígrados?

c. ¿Cuál es su año de nacimiento?

d. ¿Cuántos hermanos tiene?

Número de barra: ___________

2. El destino de uso de la barra de acero

3. Resistencia a la tracción: ________________ kg/cm2

4. Número de protuberancias: ________________

● Escamas ● Marcas mecánicas ● Corrosión

A partir de la información, complete el siguiente cuadro.

Identifique las características e

● Precio neto por el servicio (en miles de soles)

● Rubro de la empresa cliente (Construcción, Industria Manufacturera, Salud, Educación)

● Número de ingenieros necesarios para realizar el servicio

● Tipo de servicio (Mantenimiento preventivo, mantenimiento correctivo, instalación de

a. Identifique la población y clasifique las variables según su tipo y escala de medida.

Variable Tipo de variable Escala de medida

Precio neto por el servicio

Rubro de la empresa cliente

2. El gobierno peruano está preocupado por la ocurrencia de un sismo de alta intensidad en el

Se registraron las siguientes variables:

● Tiempo de construida la vivienda, en años

● Material de construcción de la vivienda (cemento, adobe, quincha, material prefabricado)

● Número de habitaciones por vivienda

● Área del terreno en donde se construyó la vivienda.

De acuerdo con el enunciado, identifique:

Variable Tipo de variable Escala de medida

Como parte de un estudio realizado por Computer se analizó la información correspondiente a

Identifique el tipo y escala de medición de las variables consideradas en dicho estudio.

Variable Tipo de variable Escala de medida

Se registraron las siguientes variables:

● Monto del fondo del afiliado (en soles)

● Edad del afiliado (en años)

● Tipo de fondo según riesgo (bajo, moderado, alto).