Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Agradecimientos 17
Lección 1
Conceptos Básicos 21
1.1 Definición de la estadística 21
1.2 Ramas de la estadística 21
1.2.1 Estadística Descriptiva 21
1.2.2 Estadística Inferencial 21
1.3 Población, muestra y unidad elemental 22
1.3.1 Población 22
1.3.2 Tipos de población 22
1.3.3 Muestra 22
1.3.4 Unidad elemental 23
1.4 Tipos de muestreo 24
1.4.1 Muestreo probabilístico 24
1.4.2 Muestreo no probabilístico 26
1.5 Variable 27
1.5.1 Tipos de variables 27
1.6 Parámetro 29
1.7 Estadístico o estadígrafo 29
1.8 Organización de datos 32
1.9 Tablas de frecuencias 32
1.10 Tablas de frecuencias para variables cualitativas 33
1.11 Gráficos para variables cualitativas 34
1.12 Ejercicios resueltos 39
1.13 Trabajo colaborativo (Para trabajar en clase) 43
1.14 Trabajo autónomo 46
Lección 2
Tablas de frecuencia para
variables cuantitativas discretas y continuas 51
2.1 Tablas de frecuencia para variables cuantitativas discretas 51
2.2 Gráfico de líneas o bastones 52
2.3 Tablas de frecuencias por intervalos 59
2.4 Gráficos para variables cuantitativas continuas 61
2.4.1 Histograma 61
2.4.2 Polígono de frecuencias 62
2.5 Ejercicios resueltos 63
2.6 Trabajo colaborativo (Para trabajar en clase) 67
2.7 Trabajo autónomo 69
2.8 Problemas de reforzamiento del capítulo 72
2.9 Portafolio (Para subir al campus virtual) 74
2.10 Organización de datos con MINITAB 77
Tarea Académica N°1 103
2.11 Bibliografía 105
Lección 3
Medidas de tendencia central 109
3.1 Media Aritmética 109
3.1.1 Cálculo de la media aritmética para datos no agrupados 109
3.1.2 Ventajas y desventajas de la media aritmética 111
3.1.3 Propiedades de la media aritmética 112
3.2 Mediana 114
3.2.1 Cálculo de la mediana para datos no agrupados 114
3.2.2 Ventajas y desventajas de la mediana 116
3.3 Moda 117
3.3.1 Cálculo de la moda para datos no agrupados 117
3.4 Relación entre la media aritmética, mediana y moda 117
3.5 Media ponderada 119
3.6 Media Total 120
3.7 Ejercicios resueltos 121
3.8 Trabajo colaborativo (Para trabajar en clase) 124
3.9 Trabajo autónomo 126
Lección 4
Medidas de Tendencia No Central 129
4.1 Cuartiles 129
4.2 Deciles 129
4.3 Percentiles 130
4.3.1 Cálculo de percentiles para datos no agrupados 131
4.4 Ejercicios resueltos 134
4.5 Trabajo colaborativo (Para trabajar en clase) 138
4.6 Trabajo autónomo 140
4.7 Problemas de reforzamiento del capítulo 142
4.8 Portafolio (Para subir al campus virtual) 144
4.9 Medidas de tendencia central y no central con MINITAB 145
Bibliografía 149
Lección 5
Medidas de variabilidad o dispersión 154
5.1 Rango 154
5.2 Rango intercuartílico 155
5.3 Varianza poblacional 155
5.4 Varianza muestral 156
5.5 Desviación estándar poblacional 157
5.6 Desviación estándar muestral 157
5.7 Coeficiente de variación 158
5.8 Propiedades de la varianza y la desviación estándar 159
5.9 Ejercicios resueltos 161
5.10 Trabajo colaborativo (Para trabajar en clase) 165
5.11 Trabajo autónomo 167
Lección 6
Medidas de asimetría y curtosis. Diagrama de caja. 171
6.1 Medidas de asimetría 171
6.2 Medidas de curtosis 173
6.3 Diagrama de caja 175
6.4 Ejercicios resueltos 177
6.5 Trabajo colaborativo (Para trabajar en clase) 179
6.6 Trabajo autónomo 182
6.7 Problemas de reforzamiento del capítulo 185
6.8 Portafolio (Para subir al campus virtual) 188
6.9 Medidas de dispersión con MINITAB 189
Tarea Académica N°2 191
6.10 Bibliografía 194
CAPÍTULO 4: Probabilidades
Lección 7
Conceptos básicos 197
7.1 Experimento aleatorio 197
7.2 Espacio muestral 197
7.3 Evento 197
7.4 Ocurrencia de un evento 198
7.5 Operaciones entre eventos 198
7.6 Probabilidad de un evento 201
7.7 Definición clásica de probabilidad 201
7.8 Principio de adición para dos eventos 203
7.9 Ejercicios resueltos 203
7.10 Trabajo colaborativo (Para trabajar en clase) 207
7.11 Trabajo autónomo 208
Lección 8
Probabilidad condicional 210
8.1 Definición 210
8.2 Principio de multiplicación para dos eventos 213
8.3 Principio de multiplicación para n eventos 213
8.4 Ejercicios resueltos 215
8.5 Trabajo colaborativo (Para trabajar en clase) 218
8.6 Trabajo autónomo 220
Lección 9
Eventos independientes 222
9.1 Definición 222
9.2 Ejercicios resueltos 225
9.3 Trabajo colaborativo (Para trabajar en clase) 227
9.4 Trabajo autónomo 229
Lección 10
Probabilidad Total y Bayes 231
10.1 Probabilidad Total 231
10.2 Teorema de Bayes 233
10.3 Ejercicios resueltos 234
10.4 Trabajo colaborativo (Para trabajar en clase) 239
10.5 Trabajo autónomo 240
10.6 Problemas de reforzamiento del capítulo 242
10.7 Portafolio (Para subir al campus virtual) 243
10.8 Bibliografía 244
CAPÍTULO 5: Distribuciones Discretas Importantes
Lección 11
Distribución Binomial 247
11.1 Definición 247
11.2 Medidas de resumen 247
11.3 Gráfica de la distribución Binomial 248
11.4 Ejercicios Resueltos 250
11.5 Trabajo Colaborativo (Para trabajar en clase) 252
11.6 Trabajo Autónomo 254
Lección 12
Distribución Poisson 256
12.1 Definición 256
12.2 Medidas de resumen 256
12.3 Gráfica de la distribución Poisson 257
12.4 Ejercicios Resueltos 258
12.5 Trabajo Colaborativo (Para trabajar en clase) 260
12.6 Trabajo Autónomo 261
12.7 Problemas de reforzamiento del capítulo 263
12.8 Portafolio (Para subir al campus virtual) 264
12.9 Distribuciones discretas (Binomial y Poisson) con MINITAB 265
12.10 Bibliografía 268
Lección 13
Distribución Normal 271
13.1 Definición 271
13.2 Propiedades de la curva de la distribución Normal 271
13.3 Distribución Normal Estándar 273
13.4 Tabla de la Distribución Normal Estándar 273
13.5 Ejercicios Resueltos 282
13.6 Trabajo Colaborativo (Para trabajar en clase) 286
13.7 Trabajo Autónomo 287
Lección 14
Distribuciones: Chi-Cuadrado, T-Student y F-Fisher 289
14.1 Distribución Chi – Cuadrado 289
14.1.1 Gráfica de la distribución Chi – Cuadrado 289
14.1.2 Medidas de resumen para la distribución Chi – Cuadrado 290
14.1.3 Relación entre las distribución Normal y Chi – Cuadrado 290
14.1.4 Uso de la tabla de la distribución Chi – Cuadrado 291
14.2 Distribución T-Student 294
14.2.1 Gráfica de la distribución T-Student 294
14.2.2 Propiedades de la distribución T-Student 295
14.2.3 Medidas de resumen para la distribución T-Student 295
14.2.4 Uso de la tabla de la distribución T-Student
14.3 Distribución F-Fisher 299
14.3.1 Gráfica de la distribución F-Fisher 299
14.3.2 Medidas de resumen para la distribución F-Fisher 299
14.3.3 Relación entre las distribuciones F-Fisher y Chi-Cuadrado 300
14.3.4 Uso de la tabla de la distribución F-Fisher 300
14.4 Ejercicios resueltos 302
14.5 Trabajo colaborativo (Para trabajar en clase) 303
14.6 Trabajo autónomo 303
14.7 Problemas de reforzamiento del capítulo 304
14.8 Portafolio (Para subir al campus virtual) 305
14.9 Distribuciones continuas (Normal) con MINITAB 306
14.10 Bibliografía 309
Capítulo 7: Estimación por intervalos
Lección 15
Estimación de parámetros.
Estimación por intervalos para la media poblacional (𝝁) 312
15.1 Estimación puntual de parámetros 312
15.2 Estimación por intervalo 312
15.3 Intervalo de confianza para la media poblacional (𝝁) 313
15.4 Ejercicios resueltos 319
15.5 Trabajo colaborativo (Para trabajar en clase) 322
15.6 Trabajo autónomo 323
Lección 16
Estimación por intervalos para la varianza
poblacional (𝝈𝟐) y la Proporción poblacional 325
16.1 Intervalo de confianza para la varianza poblacional (𝝈𝟐) 325
16.2 Intervalo de confianza para la proporción poblacional (𝝅) 327
16.3 Tamaño de muestra 329
16.3.1 Tamaño de muestra cuando se estima la media poblacional 329
16.3.2 Tamaño de muestra cuando se estima la proporción poblacional 331
16.4 Ejercicios resueltos 332
16.5 Trabajo colaborativo (Para trabajar en clase) 336
16.6 Trabajo autónomo 337
Lección 17
Estimación de intervalos para el
cociente de varianzas y diferencia de medias 339
17.1 Intervalo de confianza para el cociente de varianzas 339
17.2 Intervalo de confianza para la diferencia de dos medias poblacionales 341
17.3 Ejercicios resueltos 346
17.4 Trabajo colaborativo (Para trabajar en clase) 350
17.5 Trabajo autónomo 352
Lección 18
Estimación por intervalos para la
diferencia de proporciones poblacionales 354
18.1 Intervalos de confianza para la
diferencia de proporciones poblacionales 354
18.2 Ejercicios resueltos 355
18.3 Trabajo colaborativo (Para trabajar en clase) 359
18.4 Trabajo autónomo 360
18.5 Problemas de reforzamiento del capítulo 361
18.6 Portafolio (Para subir al campus virtual) 363
Lección 19
Conceptos básicos y prueba
de hipótesis para la media poblacional (𝝁) 367
19.1 Prueba de hipótesis 367
19.2 Hipótesis estadística 367
19.3 Tipos de hipótesis 367
19.4 Tipos de errores 368
19.5 Tipos de hipótesis 369
19.6 Prueba de hipótesis para la media poblacional (𝝁) 370
19.7 Ejercicios resueltos 375
19.8 Trabajo colaborativo (Para trabajar en clase) 381
19.9 Trabajo autónomo 384
Lección 20
Prueba de hipótesis para la
proporción y la varianza poblacional (𝝈𝟐) 386
20.1 Prueba de hipótesis para la proporción poblacional 386
20.2 Prueba de hipótesis para la varianza poblacional (𝝈𝟐) 388
20.3 Ejercicios resueltos 389
20.4 Trabajo colaborativo (Para trabajar en clase) 393
20.5 Trabajo autónomo 395
Lección 21
Prueba de hipótesis para el
cociente de varianzas y para la diferencia de medias 398
21.1 Prueba de hipótesis para el cociente de varianzas 398
21.2 Prueba de hipótesis para la diferencia de medias poblacionales 401
21.3 Ejercicios resueltos 405
21.4 Trabajo colaborativo (Para trabajar en clase) 413
21.5 Trabajo autónomo 415
Lección 22
Prueba de hipótesis para la diferencia de proporciones
22.1 Prueba de hipótesis para la diferencia de proporciones 417
22.2 Ejercicios resueltos 419
22.3 Trabajo colaborativo (Para trabajar en clase) 422
22.4 Trabajo autónomo 423
22.5 Problemas de reforzamiento del capítulo 425
22.6 Portafolio (Para subir al campus virtual) 427
Lección 23
23.1 Conceptos básicos 431
23.1.1 Factor 431
23.1.2 Niveles del factor 431
23.1.3 Tratamiento 431
23.1.4 Unidad experimental 431
23.1.5 Variable respuesta 432
23.1.6 Dato u observación 432
23.1.7 Experimento 432
23.2 Diseño Experimental 432
23.3 Error Experimental 433
23.4 Principios Básicos de un Diseño Experimental 433
23.5 Modelo Aditivo Lineal 433
23.6 Análisis del modelo con efectos fijos 434
23.7 Análisis de Varianza (ANOVA) 435
23.7.1 Tabla ANOVA 436
23.8 Supuestos del Modelo 438
23.9 Ejercicios resueltos 443
23.10 Trabajo colaborativo (Para trabajar en clase) 456
23.11 Trabajo autónomo 459
Lección 24
Comparaciones Múltiples De Tukey 464
24.1 Método de Tukey 464
24.2 Ejercicios resueltos 465
24.3 Trabajo Colaborativo (Para trabajar en clase) 469
24.4 Trabajo Autónomo 475
24.5 Problemas de reforzamiento del capítulo 479
24.6 Portafolio (Para subir al campus virtual) 483
Lección 25
25.1 Prueba de Independencia 486
25.1.1 Disposición de los datos 487
25.1.2 Pasos para realizar una prueba de Independencia 488
25.2 Coeficiente de contingencia 489
25.3 Ejercicios resueltos 489
25.4 Trabajo colaborativo (Para trabajar en clase) 495
25.5 Trabajo autónomo 497
Lección 26 500
26.1 Prueba de Homogeneidad 500
26.1.1 Disposición de los datos 501
26.1.2 Pasos para realizar una prueba de homogeneidad 502
26.2 Ejercicios resueltos 503
26.3 Trabajo colaborativo (Para trabajar en clase) 505
26.4 Trabajo autónomo 507
26.5 Problemas de reforzamiento del capítulo 509
26.6 Portafolio (Para subir al campus virtual) 512
Lección 27 516
27.1 Gráfica de dispersión 516
27.2 Análisis de regresión 518
27.2.1 Regresión lineal simple 518
27.2.2 Estimación de los parámetros del modelo 519
27.2.3 Prueba de Hipótesis para validar la recta de regresión 521
27.3 Coeficiente de correlación de Pearson (r) 524
27.4 Coeficiente de Determinación (R2) 526
27.5 Ejercicios resueltos 528
27.6 Trabajo colaborativo (Para trabajar en clase) 537
27.7 Trabajo autónomo 539
27.8 Problemas de reforzamiento del capítulo 541
27.9 Portafolio (Para subir al campus virtual) 543
ESTADÍSTICA GENERAL 19
Motivación
La recolección de datos y la presentación de resultados suelen ser la principal
preocupación de las personas que usan la estadística como herramienta para
tales objetivos. Sin embargo, hay que tener claro que, para lograr un buen reporte
estadístico que ayude a los involucrados a tomar las decisiones adecuadas
basados en resultados estadísticos, es necesario que todos ellos manejen de
forma clara los conceptos e interpreten adecuadamente los resultados que se
obtienen. De esta forma se logra un lenguaje claro y horizontal.
En un estudio acerca de la longitud (en cm) que puede alcanzar una variedad
de yucas en la selva del Cusco se está considerando una muestra de estos
productos, los resultados de tales medidas se presentan haciendo uso de
histogramas. De esta manera se puede visualizar el rango de las longitudes
presentadas en las yucas que forman parte de la muestra y, con esto, tener una
idea clara a cerca de la distribución de las longitudes.
¿Cuál es la longitud máxima para que las yucas se encuentren dentro del 25%
de yucas con mayor longitud?
Saberes previos
• Nociones de población
• Operaciones algebraicas
20 ESTADÍSTICA GENERAL
Lección 1
Conceptos básicos
1.1 Definición de Estadística
La estadística es una ciencia que permite un trabajo interdisciplinario en diferentes
áreas de investigación proporcionando un conjunto de técnicas que ayudan al
profesional en la recolección, organización, resumen, análisis e interpretación de
los datos, los cuales le orientan en la toma de decisiones.
Ejemplo 1.1
Según el IV Censo Nacional Agropecuario 2012, realizado por el INEI y el Ministerio
de Agricultura y Riego, el Perú tiene 1,6 millones más de hectáreas agrícolas,
así como medio millón más de productores y de unidades agropecuarias, en
comparación con los resultados del censo de 1994.
Observación
Un censo es un conjunto de procedimientos en el que se recolecta datos, de
la totalidad de sus elementos, en un periodo de tiempo específico.
Ejemplo 1.2
En el Ministerio del Ambiente se realizaron estudios acerca de la calidad del
agua en los ríos cercanos a zonas mineras; para esto, se consideró una cantidad
limitada de ríos a ser estudiados por razones de tiempo y de capacidad de
ejecución. Los resultados del estudio se generalizan para la población utilizando
técnicas estadísticas adecuadas.
ESTADÍSTICA GENERAL 21
1.3 Población, muestra y unidad elemental
1.3.1 Población
Es un conjunto de elementos o individuos que poseen, al menos, una característica
en común delimitado en un espacio y tiempo.
Observación
Se utiliza la letra N para representar el tamaño de la población.
a) Población finita
Una población es finita cuando tiene un número limitado o finito de
elementos.
Ejemplo 1.3
Un funcionario de la Municipalidad de Lima Metropolitana está realizando
estudios acerca de la seguridad por parte de las empresas constructoras
de viviendas en Lima Metropolitana en el último año. En este caso, la
población está compuesta por todas las empresas constructoras en Lima
Metropolitana, la cual representa una población finita.
b) Población infinita
Una población es infinita cuando tiene un número infinito de elementos.
Además, una población finita con un número grande de elementos se puede
considerar como una población infinita.
Ejemplo 1.4
Todos los libros de Estadística publicados en los últimos 20 años.
1.3.3 Muestra
Es un subconjunto que se selecciona de la población. Una muestra debe ser
representativa; es decir, debe mostrar las características típicas que poseen los
elementos de toda la población. Una muestra aleatoria y representativa contiene
la información necesaria para tomar decisiones respecto a la población.
22 ESTADÍSTICA GENERAL
¿Por qué razones se trabaja con los datos de una muestra y no con los datos
de toda la población?
Un estudio de toda la población es una tarea compleja y costosa por razones de
tiempo, dinero, recursos, seguridad y acceso a ciertos lugares, entre otras. Por
lo que estudiar la población a partir de una muestra es, muchas veces, lo más
recomendable.
Observación
Se utiliza la letra n para representar el tamaño de la muestra.
Ejemplo 1.5
En una compañía financiera, el gerente general quiere conocer el nivel de
satisfacción de los clientes sobre la atención recibida por parte de sus
trabajadores; para esto, se seleccionará a 67 clientes y se les preguntará sobre
el tiempo de atención, el trato recibido por parte del trabajador, la información
brindada, entre otras. En este caso, la muestra estará conformada por los 67
clientes.
Ejemplo 1.6
En un organismo de salud se desea supervisar a las pequeñas fábricas de
alimentos que están registradas hasta el mes de diciembre del año 2014 en el
distrito de Surquillo, sobre si cumplen con los requerimientos para la producción
de alimentos. En este caso, la unidad elemental es una fábrica de alimentos que
se encuentra registrada hasta el mes de diciembre del año 2014 en el distrito de
Surquillo.
Ejemplo 1.7
En la Superintendencia de Banca y Seguros se evaluó el nivel de endeudamiento,
en el año 2014, de los clientes de los diferentes bancos en Lima Metropolitana.
Para esto, se contrató a una empresa encuestadora que consideró una muestra
de 600 clientes de los diferentes bancos que se endeudaron en el año 2014.
Determine la población de estudio, la muestra y la unidad elemental en el
problema planteado.
ESTADÍSTICA GENERAL 23
Solución
Población: Todos los clientes de los diferentes bancos en Lima Metropolitana que
se endeudaron en el año 2014.
Muestra: Los 600 clientes seleccionados de los diferentes bancos en Lima
Metropolitana que se endeudaron en el año 2014.
Unidad Un cliente de los diferentes bancos en Lima Metropolitana que se
elemental: endeudó en el año 2014.
Ejemplo 1.8
Un editor debe hacer la revisión de un compendio recién escrito que consta
de 1,000 páginas con las mismas características para corregir los errores
ortográficos. Para estimar el promedio del número de errores por página en
el compendio, el editor elige una muestra aleatoria de 80 páginas. Teniendo
en cuenta la enumeración de dichas páginas, se procede con la selección
aleatoria de las páginas a ser revisadas según el muestreo aleatorio simple.
Ejemplo 1.9
El jefe de control de calidad de una empresa textil que produce pantalones
realizó un estudio para evaluar los defectos más frecuentes en el proceso de
24 ESTADÍSTICA GENERAL
fabricación de estos. La compañía tiene una línea de producción de 1 000
pantalones diariamente, y en un día determinado se ha fijado el tamaño
de la muestra en 90 unidades. Entonces, el intervalo de selección de cada
elemento de la muestra será de 11 en 11 (1 000/90=11.1). El primer elemento
de la muestra se selecciona aleatoriamente entre los 11 primeros pantalones
producidos (por lo obtenido anteriormente). De suponer que el primer
elemento es el quinto de la lista, entonces el segundo será el décimo sexto
(5+11=16); el tercero, el vigésimo séptimo (16+11=27); y así sucesivamente
hasta completar los 90 pantalones.
c) Muestreo estratificado
Este tipo de muestreo se recomienda cuando la población se divide en grupos,
denominados estratos; de tal manera que los estratos sean heterogéneos, y
los elementos dentro de los estratos, homogéneos.
Ejemplo 1.10
Se desea conocer el tiempo promedio semanal dedicado al deporte
en jóvenes de 15 a 29 años de edad en las áreas rural y urbana de un
departamento de la sierra; por lo tanto, para estimar dicho promedio se
procederá al muestreo estratificado debido a que, dentro de cada área, los
jóvenes presentan características similares y, a la vez, las características
de los jóvenes de las áreas rural y urbana son diferentes. Si se estableció
el tamaño de muestra en 400 jóvenes, y teniendo en cuenta que en
este departamento el 70% de la población joven (entre 15 y 29 años)
vive en el área urbana, se considerará una muestra conformada por 280
jóvenes del área urbana y 120 jóvenes del área rural, los mismos que
participarán en el estudio.
Ejemplo 1.11
En un distrito de Lima se estimará el porcentaje de electores que favorecen
al candidato A, minutos después de la hora final del proceso de votación.
La información para estimar el porcentaje será recopilada a partir de una
encuesta a boca de urna. Se considerará a cada mesa de votación como un
conglomerado, ya que cada mesa posee electores con diversas preferencias
y, a su vez, estas mesas son homogéneas entre sí.
ESTADÍSTICA GENERAL 25
1.4.2 Muestreo no probabilístico
Los elementos son seleccionados mediante criterios subjetivos, es decir, la
muestra no se selecciona utilizando criterios técnicos. En este tipo de muestreo
no se conocen las probabilidades de selección de los elementos que conforman
la población.
A continuación, se presentan algunos tipos de muestreo no probabilístico:
Ejemplo 1.12
Un grupo de investigadores de una universidad de Lima desea estudiar
la influencia de la civilización en las tribus amazónicas en los aspectos
sociodemográfico de su población. Para este propósito se considera una
muestra por conveniencia que está formada por un grupo de personas
provenientes de dichas tribus y que viven habitualmente en Lima.
Ejemplo 1.13
Se quiere evaluar las condiciones de la pesca y del océano en los puertos del
norte del país. Para esto, se necesita la opinión especializada de un grupo de
biólogos marinos y dado que no existe un marco de muestreo de biólogos
marinos, se accede a ellos a través de personas referidas.
Ejemplo 1.14
Se desea entrevistar a 100 pobladores, entre 25 y 35 años, sobre su posición
acerca de la construcción de plantas de saneamiento de aguas residuales en
su distrito; para esto se realizarán entrevistas puerta por puerta a los jefes
de hogares, hasta llegar a completar la cuota de la cantidad de pobladores
requeridos por cada entrevistador.
26 ESTADÍSTICA GENERAL
d) Muestreo por bola de nieve
Se utiliza en poblaciones de difícil identificación y/o poco acceso. Un
elemento se selecciona de acuerdo con la información suministrada por
otros elementos de la población con las mismas características.
Ejemplo 1.15
La institución encargada de la defensa de los derechos de la mujer, el
niño y el adolescente realizó un estudio en un asentamiento humano de
la ciudad sobre el riesgo delictivo de los jóvenes provenientes de familias
disfuncionales entre las edades de 11 y 17 años. Para esto se entrevistó a uno
de los dirigentes del asentamiento humano y se le pidió datos de jóvenes
con estas características. Posteriormente se procedió a entrevistarlos y, a
través de ellos, se contactó con otros jóvenes con similares características.
1.5 Variable
Es una característica de la unidad elemental que es de interés para el investigador
y que puede ser expresada como un dato cualitativo o cuantitativo.
Observación
La unidad elemental puede proveer información relacionada con muchas
variables (características).
Ejemplo 1.16
En una empresa que se dedica a la limpieza de oficinas se desea obtener
información acerca de la satisfacción de los empleados con respecto al sueldo
que perciben por realizar la tarea de limpieza y del tiempo (en horas) que
dedican a esta tarea durante su turno de trabajo. En este caso, la variable
cualitativa es la satisfacción del empleado con respecto al sueldo que
perciben (muy satisfecho, satisfecho, ni satisfecho ni insatisfecho, insatisfecho
y muy insatisfecho) y la variable cuantitativa es el tiempo que les toma
realizar la tarea.
a) Variables cualitativas
Sus valores están asociados a una característica cualitativa y se clasifican
en nominales y ordinales. Estas variables también son conocidas como
categóricas.
ESTADÍSTICA GENERAL 27
a.1) Variable cualitativa nominal
Son las que establecen dos o más categorías, entre las cuales no existe
un orden o jerarquía.
Ejemplo 1.17
Nacionalidad de las personas que llegan al Santuario de Machu Picchu
(peruano, brasilero, estadounidense, alemán, chino, entre otros).
Ejemplo 1.18
Nivel de satisfacción de los clientes en un restaurante gourmet (muy
satisfecho, satisfecho, ni satisfecho ni insatisfecho, insatisfecho, muy
insatisfecho).
b) Variables cuantitativas
Estas variables toman un valor numérico y se clasifican en discretas y
continuas.
Ejemplo 1.19
Número de veces que una persona visitó el banco en un mes.
Ejemplo 1.20
Distancia recorrida en kilómetros por un avión en un viaje determinado.
Observación
Las variables cualitativas pueden tomar un valor numérico, pero las
operaciones aritméticas no son significativas para este tipo de datos
Ejemplo: los niveles de satisfacción codificados numéricamente.
28 ESTADÍSTICA GENERAL
1.6 Parámetro
Un parámetro es una medida de resumen relacionada con los datos de toda la
población; es decir, describe una característica de esta. Los parámetros más
usuales son: promedio poblacional (µ), proporción poblacional (π) y varianza
poblacional (σ2).
Ejemplo 1.21
En un estudio sobre las preferencias de los comensales que asistieron a una
feria gastronómica en el último año, se obtuvo que el 67% de la población de
comensales consumió el plato “Chancho al palo”.
Ejemplo 1.22
En un estudio de opinión pública se entrevistó a 766 ciudadanos para conocer el
grado de aceptación con respecto a la gestión presidencial; uno de los resultados
obtenidos fue: el 33% de los entrevistados está a favor de dicha gestión. Este
resultado representa al estadístico proporción muestral de ciudadanos que
están a favor de la gestión presidencial (p = 0.33).
Ejemplo 1.23
Con el fin de conocer el flujo de las ventas en el mes de diciembre del año
2014, el dueño de una empresa de computo revisó 43 facturas de su tienda
comercial y obtuvo información respecto al monto de facturación, tipo de
producto, cantidad de productos vendidos, tipo de cliente (natural/jurídica)
y tipo de compra (contado/crédito). Los resultados obtenidos se muestran a
continuación:
• El 26% de los clientes compró laptops.
• El monto promedio de facturación fue de 465.85 soles.
• En promedio, se vendieron dos productos por factura.
• El 75% de los clientes fueron personas naturales.
• El 80% de los clientes pagó al contado.
a) Defina la población, muestra y unidad elemental.
b) Indique las variables y su tipo.
c) Determine el estadístico y el parámetro para el monto de facturación.
d) Proporcione el estadístico y el parámetro para el tipo de compra.
ESTADÍSTICA GENERAL 29
Solución
a)
b)
c)
d)
30 ESTADÍSTICA GENERAL
Ejemplo 1.24
El presidente de la región Áncash, conjuntamente con representantes de la
empresa Recreativa S.A., está evaluando instalar el servicio de cine en la ciudad
de Huaraz. Para esto, el encargado del estudio realizó una encuesta en noviembre
del 2014 a 250 personas de dicha ciudad, y cuyas edades se encuentran entre 18
y 39 años. Entre otras, se formularon las siguientes preguntas: ¿Está de acuerdo
en instalar el servicio de cine en la ciudad de Huaraz?, ¿cuánto estaría dispuesto
a pagar por una entrada?, ¿en qué horario de atención asistiría?, ¿qué tipo de
snack le gustaría que se ofreciera? y ¿qué tipo de promociones prefiere?
Del estudio se obtuvo que:
• La edad promedio de los encuestados fue 30.2 años.
ESTADÍSTICA GENERAL 31
b) Identifique los siguientes conceptos según el enunciado propuesto:
32 ESTADÍSTICA GENERAL
5. Fuente: En la fuente se muestra el nombre de la institución de donde se
obtuvieron los datos en caso de que estos no sean propios.
Marca de cerveza fi hi pi
Cusqueña 15 0.1667 16.67
Arequipeña 13 0.1444 14.44
Cristal 22 0.2444 24.44
Brahma 15 0.1667 16.67
Pilsen 13 0.1444 14.44
Artesanales 12 0.1333 13.33
Total 90 1 100
ESTADÍSTICA GENERAL 33
Donde: m es el número de categorías de la variable de estudio.
Observación
Si se trabaja con todos los datos de la población, se cumple que:
x1 f1 h1 p1
x2 f2 h2 p2
. . . .
. . . .
xm fm hm pm
Total n 1 100
34 ESTADÍSTICA GENERAL
1. Gráfico de barra
En este tipo de gráfico, a cada categoría le corresponde una barra vertical
(horizontal) cuya altura (longitud) corresponde a su respectiva frecuencia
absoluta, relativa o porcentual.
Observaciones
• Todas las barras deben tener el mismo ancho.
• Los espacios entre las barras tienen que ser iguales.
Ejemplo 1.25
El jefe de servicio de postventa de una empresa de telefonía móvil obtuvo
información sobre el grado de satisfacción de 65 clientes con respecto al nuevo
servicio de Internet que brinda esta compañía. Los resultados obtenidos fueron
los siguientes:
MM B MB MB R B M R R B R M MB
MM B B M B B MM B M R MB R MM
R M MB MB R R M B MM M M MB MB
B R MB B M MM MM R M B MB M R
B M B R R M M R B R MB R MM
Donde:
ESTADÍSTICA GENERAL 35
Solución
Grado de
fi hi pi
satisfacción
36 ESTADÍSTICA GENERAL
Donde:
Si = Sector circular que corresponde a la categoría i.
pi = Frecuencia porcentual que corresponde a la categoría i.
Figura Nº 02. Gráfico de sectores de la
exportación de productos tradicionales en junio 2013
Ejemplo 1.26
En el Ministerio de Agricultura se capacitó a un grupo de 30 productores del sur
del país. A ellos se les preguntó: ¿cuál es su principal producto de cultivo? Las
respuestas fueron las siguientes:
Solución
• A continuación se muestra la tabla de frecuencias correspondiente:
ESTADÍSTICA GENERAL 37
Tabla Nº 04. Distribución de los productores según el principal
producto de cultivo
Producto fi hi pi
Habas 6 0.2000 20.00
Quinua 8 0.2667 26.67
Cebada 6 0.2000 20.00
Papa 10 0.3333 33.33
Total 30 1 100
Para quinua:
38 ESTADÍSTICA GENERAL
1.12 Ejercicios resueltos
1. El turismo en el Perú se constituye en la tercera industria más grande de
la nación, detrás de la pesca y la minería. Por tal motivo, el Ministerio de
Comercio Exterior y Turismo, a través de sus representantes, llevó a cabo
un estudio para conocer las preferencias del tipo de turismo que se realiza
en el interior del país. Para dicho objetivo, los representantes seleccionaron
al azar a 100 turistas extranjeros que visitaron el Perú en la última semana y
se obtuvo la siguiente información:
El 25% de los turistas prefiere hacer turismo cultural (visitar museos, restos
arqueológicos, entre otros), el 30% prefiere hacer turismo de aventura, el
15% prefiere hacer ecoturismo en la Amazonía peruana, el 25% prefiere
hacer turismo gastronómico, y los restantes, otro tipo de turismo. Asimismo,
se obtuvo que, en promedio, un turista gasta US$70.50 por día en realizar
algunas de estas actividades.
Solución
a)
Población Todos los turistas extranjeros que visitaron el Perú en la última semana.
Muestra 100 turistas extranjeros que visitaron el Perú en la última semana.
Unidad de Un turista extranjero que visitó el Perú en la última semana.
análisis
b)
Variable Tipo de variable
ESTADÍSTICA GENERAL 39
c)
Estadístico Parámetro
Porcentaje muestral de turistas extranjeros según el Porcentaje poblacional de
tipo de turismo. turistas extranjeros según el
Ejemplos: tipo de turismo.
• El 25% de los turistas prefiere el turismo cultural. Ejemplos:
• El 30% de los turistas prefiere el turismo de • No hay
aventura.
Gasto diario promedio
Gasto diario promedio muestral.
poblacional.
Ejemplo:
Ejemplo:
• US$70.50
• No hay
40 ESTADÍSTICA GENERAL
I. Para la variable: Tipo de compañía
a) Construya la tabla de frecuencias correspondiente.
b) Interprete f1, h3 y p2.
c) Realice un gráfico de sectores.
Solución
I.
a)
Tipo de compañía fi hi pi
Amigos 12 0.48 48
Familia 7 0.28 28
Pareja 6 0.24 24
Total 25 1 100
b)
ESTADÍSTICA GENERAL 41
Figura Nº 04. Gráfico de sectores de los estudiantes según
el tipo de compañía
II.
a)
42 ESTADÍSTICA GENERAL
1.13 Trabajo colaborativo (para trabajar en clase)
1. Diga si las siguientes afirmaciones son verdaderas (V) o falsas (F). En caso
de que sean falsas, escriba la afirmación correcta:
a) Los valores que se obtienen con los datos de una muestra se denominan
estadísticos. ( )
b) La unidad de análisis es la información que brinda el individuo. ( )
c) Para generalizar los resultados de una muestra a toda la población, se
utiliza la estadística descriptiva. ( )
2. Diga si las siguientes afirmaciones son verdaderas (V) o falsas (F). En caso
de que sean falsas, escriba la afirmación correcta:
a) Para estudiar las características de los turistas que llegan a un hotel, el
administrador seleccionó una muestra aleatoria de 50 de ellos; entonces,
este utilizará la estadística descriptiva para generalizar los resultados. ( )
b) Con la intención de introducir un nuevo producto de belleza al mercado,
el jefe del área de marketing de una empresa realizó un focus group con
12 mujeres. Para esto, el jefe utilizó el muestreo probabilístico. ( )
c) El jefe de Recursos Humanos de una empresa presentará los resultados
que obtuvo a partir de los datos de todos los trabajadores de la empresa.
Para presentar estos resultados, el jefe utilizará la estadística inferencial.
( )
3. Durante los meses de noviembre y diciembre del año 2014 se implementó,
por primera vez en el Perú, la Encuesta Nacional de Educación y Salud. Los
objetivos del sondeo fueron obtener datos precisos sobre comportamientos
relativos a la salud, factores de riesgo y factores de protección entre los
estudiantes, y proveer información para la generación de políticas saludables
en pro de los escolares.
La encuesta fue aplicada a 2,882 estudiantes que cursaban entre el segundo
y el cuarto año de educación secundaria, y que respondieron en forma
anónima y de manera autoadministrada.
A continuación, se presentan algunos de los resultados: (i) El 81.8% de los
estudiantes tiene entre 13 y 15 años de edad, (ii) En promedio, cada estudiante
tiene tres hermanos que viven con él, (iii) EL 20% de los estudiantes
presentan sobrepeso, (iv) El 4.4% de los estudiantes refirió cepillarse los
dientes menos de una vez al día, (v) El 59.6% de los estudiantes tomó por
primera vez alguna bebida que contenía alcohol antes de los 14 años.
a) Defina la población y la muestra.
b) Defina las variables e indique su tipo.
c) Defina en forma adecuada, y en términos del problema, dos posibles
parámetros.
d) ¿El estudio realizado corresponde a una aplicación de la Estadística
Descriptiva o Inferencia Estadística? Sustente su respuesta.
ESTADÍSTICA GENERAL 43
4. El gerente de la empresa minera Antemina S.A. ha realizado un estudio para
conocer la opinión de los ciudadanos respecto a la actividad minera en el
país. La muestra estuvo compuesta por 1 202 personas, entre hombres y
mujeres, de 18 a 70 años, y de todos los niveles socioeconómicos, a nivel
nacional. Algunos de los resultados obtenidos fueron los siguientes:
• Por otra parte, de los que rechazan esta actividad, el 62% piensa que
la actividad económica contamina el medio ambiente, el 12% piensa que
solo enriquece a algunas personas, el 9% piensa que se llevan las riquezas
del Perú, el 8% piensa que afecta la salud, y el 9% tiene otras razones.
44 ESTADÍSTICA GENERAL
Plato de comida
Nº turista Nacionalidad Postre preferido
preferido
1 Argentina Cebiche Mazamorra morada
2 Argentina Lomo saltado Suspiro a la limeña
3 Argentina Cebiche Mazamorra morada
4 Argentina Lomo saltado Mazamorra morada
5 Argentina Cuy chactado Suspiro a la limeña
6 Argentina Cebiche Arroz con leche
7 Argentina Lomo saltado Turrón
8 Argentina Pachamanca Arroz con leche
9 Argentina Cuy chactado Picarones
10 Argentina Cebiche Arroz con leche
11 Colombiana Cuy chactado Suspiro a la limeña
12 Colombiana Pachamanca Arroz con leche
13 Colombiana Cebiche Turrón
14 Colombiana Cebiche Mazamorra morada
15 Colombiana Cebiche Mazamorra morada
16 Colombiana Pachamanca Suspiro a la limeña
17 Colombiana Pachamanca Arroz con leche
18 Colombiana Pachamanca Arroz con leche
19 Brasilera Cebiche Arroz con leche
20 Brasilera Cebiche Arroz con leche
21 Brasilera Cuy chactado Suspiro a la limeña
22 Brasilera Cebiche Arroz con leche
23 Brasilera Pachamanca Arroz con leche
24 Americana Cuy chactado Suspiro a la limeña
25 Americana Pachamanca Turrón
26 Americana Cebiche Arroz con leche
27 Americana Cebiche Turrón
28 Americana Pachamanca Suspiro a la limeña
29 Americana Cebiche Suspiro a la limeña
30 Americana Pachamanca Arroz con leche
31 Europea Cebiche Mazamorra morada
32 Europea Cebiche Mazamorra morada
33 Europea Cuy chactado Mazamorra morada
34 Europea Cuy chactado Mazamorra morada
35 Europea Cuy chactado Arroz con leche
ESTADÍSTICA GENERAL 45
I. Para la variable: Nacionalidad
a) Construya la tabla de frecuencias correspondiente.
b) Interprete f2, h3 y p5.
c) Realice un gráfico de barras.
46 ESTADÍSTICA GENERAL
3. Con la finalidad de ofrecer futuras promociones a sus clientes, los
vendedores de una empresa productora y comercializadora de equipos
electrodomésticos solicitan la siguiente información:
a) Soltero b) Conviviente
c) Casado d) Separado
Dirección: Sexo:
a) Masculino b) Femenino
Correo electrónico: Teléfono:
¿Dónde compró el equipo?
ESTADÍSTICA GENERAL 47
Como consecuencia de este boom en telefonía celular, una empresa habilitó
un nuevo servicio en su red de Internet (4G) para algunos modelos de
celulares, pero con algunas restricciones. Debido a los reclamos por fallas
en la red, un funcionario de OSISTEL realizó un estudio que consistió en
encuestar a 400 clientes de Lima Metropolitana con el objetivo de comprobar
cuál es el grado de satisfacción de los clientes con este servicio.
Algunos resultados fueron:
a) Defina:
Población:
Muestra:
Unidad elemental:
Cualitativa nominal:
Cualitativa ordinal:
Cuantitativa continua:
c) Defina:
Estadísticos:
48 ESTADÍSTICA GENERAL
d) Proponga un parámetro para la variable tiempo de conexión a Internet.
Parámetro:
• Las artes de pesca más empleadas fueron las redes cortina (33%), pinta
(20%), buceo con compresora (14%), cerco (14%), espinel (10%), y dentro
del rubro “otros” (9%) se ha considerado a chinchorreros, macheros,
camaroneros y pescadores de ribera.
• Uno de los pescadores afirmó que su gasto de operación con el arte buceo
con compresora asciende a US$20.00 y trabajan cinco personas en cada
jornada.
ESTADÍSTICA GENERAL 49
a) Complete los espacios según el enunciado y resultados del estudio:
Población:
Muestra:
Unidad elemental:
Dato cualitativo:
50 ESTADÍSTICA GENERAL
Lección 2
Observación
Estas tablas son recomendables cuando la variable no toma gran cantidad
de valores diferentes.
ESTADÍSTICA GENERAL 51
Tabla Nº 06. Distribución de frecuencias
para una variable cuantitativa discreta
Observaciones
• El grosor de las líneas es el mismo para todos.
• Los espacios entre las líneas deben ser iguales.
52 ESTADÍSTICA GENERAL
Figura Nº 06. Gráfico de líneas de las familias
según el número de hijos
Ejemplo 2.1
El jefe del área de compras y ventas del supermercado De Todo realizó un
estudio acerca del número de artículos que compran los clientes en el horario
de la tarde. A continuación se muestran los resultados obtenidos de 45 clientes
seleccionados aleatoriamente:
4 4 5 5 5 6 6 6 6
7 7 7 7 7 7 7 8 8
8 8 8 8 8 8 8 8 8
9 9 9 9 9 9 9 10 10
10 10 10 11 11 11 11 12 12
Solución
a) Sea la variable:
X = Número de artículos que compran los clientes en el horario de la tarde
ESTADÍSTICA GENERAL 53
Tabla Nº 07. Distribución de los clientes según el número
de artículos comprados
Números de artículos fi hi Fi Hi
4 2 0.0444 2 0.4444
5 3 0.0667 5 0.1111
6 4 0.0889 9 0.2000
7 7 0.1556 16 0.3556
8 11 0.2444 27 0.6000
9 7 0.1556 34 0.7556
10 5 0.1111 39 0.8667
11 4 0.0889 43 0.9556
12 2 0.0444 45 1.0000
Total 45 1
54 ESTADÍSTICA GENERAL
Ejemplo 2.2
En una empresa consultora se realizó una auditoría a las 80 sucursales del Banco
ABC con la finalidad de revisar sus estados contables y financieros; para esto, los
consultores revisaron los libros contables y financieros de cada sucursal durante
varios días. A continuación se muestra un resumen sobre el número de días que
les tomó a los consultores hacer las auditorías en cada una de las 80 sucursales:
16 15 14 15 13 16 15 15 12 15
12 16 16 16 14 15 14 16 12 16
14 15 15 16 12 12 13 13 14 16
14 15 15 13 12 16 13 14 14 14
14 16 12 16 15 15 15 16 15 13
13 12 16 14 13 14 12 15 15 15
15 15 13 14 13 13 15 15 12 15
16 12 13 13 15 14 14 16 13 16
Solución
a)
Número de días fi hi Fi Hi
12 11 0.1375 11 0.1375
13 14 0.1750 25 0.3125
14 15 0.1875 40 0.5000
15 23 0.2875 63 0.7875
16 17 0.2125 80 1
Total 80 1
ESTADÍSTICA GENERAL 55
b) El número de sucursales donde los auditores demoran a lo más 13 días
es 25.
F2 = f1 + f2 = 11 + 14 = 25
c) El número de sucursales donde los auditores demoran entre 13 y 15 días
es 52.
f2 + f3 + f4 = 14 + 15 + 23 = 52
d) El porcentaje de sucursales donde los auditores se demoran por lo
menos 15 días es 50% [(0.2875 + 0.2125) x 100% = 50%].
e)
Figura Nº 08. Gráfico de líneas de las sucursales según
el número de días de permanencia de los auditores
Ejemplo 2.3
Con el objetivo de conocer las características de las familias que habitan una
vivienda en una urbanización del distrito de La Molina, el personal de una empresa
encuestadora realizó un estudio en 34 viviendas seleccionadas aleatoriamente.
Una de las preguntas fue acerca del número de personas que conforman el
hogar del entrevistado, las respuestas fueron las siguientes:
5 1 6 3 1 4 3 6 3 6 5 1 2 1 4 2 5
2 1 5 3 1 1 4 4 4 4 6 4 6 1 3 3 5
56 ESTADÍSTICA GENERAL
c) ¿Qué proporción de personas habita las viviendas con a lo más tres
personas?
d) ¿Qué porcentaje de viviendas está habitada por cinco o más personas?
e) ¿Qué porcentaje de personas habita las viviendas con cuatro o más
personas?
f) Construya un gráfico adecuado.
Solución
a)
Número de personas fi hi Fi Hi
1 8 0.23529 8 0.23529
2 3 0.08824 11 0.32353
3 6 0.17647 17 0.50000
4 7 0.20588 24 0.70588
5 5 0.14706 29 0.85294
6 5 0.14706 34 1
Total 34 1
Donde:
ESTADÍSTICA GENERAL 57
Número de personas (X) fi xi fi
1 8 8
2 3 6
3 6 18
4 7 28
5 5 25
6 5 30
Total 34 115
Donde:
Número de personas (X) fi xi fi
1 8 8
2 3 6
3 6 18
4 7 28
5 5 25
6 5 30
Total 34 115
58 ESTADÍSTICA GENERAL
f)
Figura Nº 09. Viviendas según el número de
personas que la habitan
ESTADÍSTICA GENERAL 59
• En la quinta columna se muestran las frecuencias absolutas acumuladas (Fi)
cuyos valores se calculan como en el caso de las variables cuantitativas
discretas.
Frecuencias Frecuencias
Intervalos Marcas Frecuencias Frecuencias
absolutas relativas
de clases de clase absolutas relativas
acumuladas acumuladas
[yk-1, yk> xi fi hi
Fi Hi
[y0, y1> x1 f1 h1 F1 H1
[y1, y2> x2 f2 h2 F2 H2
. . . . . .
. . . . . .
[yk-1, yk> xk fk hk n 1
Total n 1
60 ESTADÍSTICA GENERAL
Si la amplitud del intervalo es un número entero, entonces se trabaja con el
número calculado; si no, se redondea por exceso de acuerdo con el número de
decimales del conjunto de datos.
Para el redondeo debe tener en cuenta lo siguiente:
Si los datos son números enteros, la amplitud del intervalo será un número entero;
si los datos tienen un decimal, la amplitud del intervalo tendrá un decimal, y así
sucesivamente.
Por ejemplo, suponga que el valor de c es 6.2603 y los datos tienen dos
decimales; entonces, c también tendrá dos decimales, y su valor redondeado
por exceso será igual a 6.27.
2.4.1 Histograma
Estos gráficos se utilizan para representar variables cuantitativas continuas. En
este tipo de gráfico, a cada intervalo le corresponde una barra cuya altura es
igual o proporcional a su respectiva frecuencia absoluta, relativa o porcentual.
Pasos para su construcción:
Paso 1:
Se traza un sistema de coordenadas; luego, los intervalos se representan en el
eje X, y las frecuencias absolutas o relativas se representan en el eje Y.
Paso 2:
Sobre cada intervalo se levanta una barra cuya altura es igual o proporcional
a su respectiva frecuencia absoluta o relativa. No existen separaciones
entre las barras.
ESTADÍSTICA GENERAL 61
Figura Nº 10. Histograma del número de envíos
internacionales según el costo
18
16
16
14
12
Número de envíos internacionales
12 11
10
8 7
6
6
4
4 3 3
18
16
16
14
Número de envíos internacionales
12
12 11
10
8 7
6
6
4
4 3 3
0
1.48 1.52 1.56 1.60 1.64 1.68 1.72 1.76 1.80 1.84
Costo (en miles de soles)
62 ESTADÍSTICA GENERAL
2.5 Ejercicios resueltos
1. Un grupo de estudiantes de Economía de la Universidad San Ignacio de
Loyola obtuvo información sobre la inversión anual (en miles de soles) de
50 pymes. Los resultados obtenidos se muestran a continuación:
4.128 4.128 10.472 12.375 15.330 17.863 18.036 18.036 18.868 19.004
20.342 21.901 21.901 22.929 23.277 23.594 24.654 24.654 24.727 24.727
25.065 25.779 26.573 26.904 27.495 27.620 27.727 28.040 28.205 28.342
28.956 29.546 29.625 30.573 31.300 31.437 31.913 31.913 33.071 33.071
33.563 34.254 34.254 35.202 36.055 37.345 39.297 39.297 41.137 46.607
R=46.607-4.128=42.479
Donde:
Xmax = 46.607 (Inversión máxima anual)
Xmin =4.128 (Inversión mínima anual)
ESTADÍSTICA GENERAL 63
El valor de la amplitud se redondea por exceso con tres decimales
porque los datos tienen tres decimales.
Inversión anual xi fi hi Fi Hi
(en miles de soles)
[4.128, 10.197> 7.1625 2 0.04 2 0.04
[10.197, 16.266> 13.2315 3 0.06 5 0.10
[16.266, 22.335> 19.3005 8 0.16 13 0.26
[22.335, 28.404> 25.3695 17 0.34 30 0.60
[28.404, 34.473> 31.4385 13 0.26 43 0.86
[34.473, 40.542> 37.5075 5 0.10 48 0.96
[40.542, 46.611> 43.5765 2 0.04 50 1
Total 50 1
64 ESTADÍSTICA GENERAL
b)
18 17
16
14 13
Número de PYMES
12
10
8
8
6 5
4 3
2 2
2
0
4,128 10,197 16,266 22,335 28,404 34,473 40,542 46,611
Inversión
18 17
16
14 13
Número de PYMES
12
10
8
8
6 5
4 3
2 2
2
0
1.0935 7.1625 13.2315 19.3005 25.3695 31.4385 37.5075 43.5765 49.6455
Inversión
ESTADÍSTICA GENERAL 65
d) El porcentaje de empresas que tienen una inversión de por lo menos 34
473 soles es 14%
Solución
X xi fi hi Fi Hi
[8-a, 8+a> 8 80
[8+a, 8+3a> 150
[8+3a, 8+5a> 230
[8+5a, 8+7a> 150
[8+7a, 8+9a> 60
[8+9a, 8+11a> 18 500
Total 500 1
El ancho de clase se obtiene de la diferencia de los límites de cualquiera de los
intervalos. Por ejemplo, a partir de la diferencia de los límites del tercer intervalo
se tiene:
c = 8+5a-(8+3a) = 2a
En este caso, el valor de a se calcula con la información del último intervalo:
X xi fi hi Fi Hi
[7;9> 8 80 0.16 80 0.16
[9;11> 10 70 0.14 150 0.3
[11;13> 12 80 0.16 230 0.46
[13;15> 14 150 0.3 380 0.76
[15;17> 16 60 0.12 440 0.88
[17;19] 18 60 0.12 500 1
Total 500 1
66 ESTADÍSTICA GENERAL
2.6 Trabajo colaborativo (para trabajar en clase)
1. El jefe de la unidad de control de calidad de la empresa San Bartolo Industrial,
que se dedica a la fabricación de botellas de plástico para bebidas gaseosas,
tomó una muestra aleatoria de 50 lotes para obtener información acerca del
número de botellas de plástico defectuosas por cada lote. Los resultados
obtenidos fueron los siguientes:
5 6 5 1 6 2 6 3 6 1
5 7 7 4 4 5 1 4 4 5
3 4 4 5 6 1 5 1 6 2
2 6 1 6 3 5 6 2 1 3
7 1 5 5 7 3 1 7 3 6
0 0 0 0 0 0 1 1 1 1
1 1 1 1 2 2 2 2 2 2
2 2 2 2 2 2 2 2 3 3
3 3 3 3 3 3 3 4 4 5
ESTADÍSTICA GENERAL 67
3. La Comisión de Fiscalización del Congreso de la República se interesó en
investigar sobre el número de viajes que realizaron los parlamentarios fuera
del país. Los resultados obtenidos se muestran a continuación:
xi fi Fi hi Hi
0 2 0.04
1 6
2 0.16
3
4 6
5 30
6 5
7 2
8
Total
Si f3 = f6, se pide:
a) Complete los datos que faltan.
b) Represente los datos mediante una gráfica adecuada.
c) Interprete f2, F5, h4 y H5.
10
10
9
8
Número de postulantes
7
6
6
4 4
4
0
15 16 17 18 19 20
Número de preguntas contestadas
68 ESTADÍSTICA GENERAL
a) Construya la tabla de frecuencias.
b) ¿Qué porcentaje de postulantes contestó a lo más 17 preguntas?
c) ¿Qué porcentaje de postulantes contestó por lo menos 18 preguntas?
d) ¿Qué porcentaje de postulantes contestó entre 16 y 19 preguntas?
5. El gerente de una agencia del banco Financia Bank quiere tener información
acerca de los montos de los ahorros personales (en soles) de sus nuevos
clientes. Para esto, el gerente registró las 50 nuevas cuentas de ahorros
personales que fueron abiertas en el último mes.
14 13
12
11 11
Número de cuentas de ahorros
10
10
9
8 8
8
0
330,82 911,45 1492,08 2072,71 2653,34 3233,97 3814,60 4395,23
Montos de Cuentas de ahorro
ESTADÍSTICA GENERAL 69
2. Para realizar el control de calidad en el proceso de fabricación de
cuadernos, el jefe de producción tomó una muestra aleatoria de 30 cajas
con 50 cuadernos cada una. En este proceso, el jefe contabilizó el número
de cuadernos defectuosos en cada caja y los registró en sus hojas de
verificación. Los datos obtenidos fueron los siguientes:
0 0 0 1 1 1 1 2 2 2
2 2 2 3 3 3 3 3 3 3
3 4 4 4 4 4 5 5 5 6
40
36
30
30
25
Número de autos
20
16
14
12
10 9
8
0
4,0 6,4 8,8 11,2 13,6 16,0 18,4 20,8 23,2 25,6
Tiempo de espera (en minutos)
70 ESTADÍSTICA GENERAL
a) Construya la tabla de frecuencias.
b) Interprete h3 + h4 y 1 – H2.
c) Determine el porcentaje de autos que tienen un tiempo de espera de
por lo menos 14.8 minutos.
135.24 209.86 214.66 216.72 221.66 223.19 263.1 266.36 272.5 289.34
299.39 301.51 302.17 307.1 319.04 320.6 327.36 330.57 331.56 350.41
352.22 363.12 372.78 376.88 385.82 389.18 399.23 410.46 410.57 422.89
430.84 434.73 437.11 443.02 447.33 447.33 448.75 487.61 493.36 495.17
505.02 507.02 544.3 548.48 563.11 567.06 581.74 584.69 587.96 590.27
ESTADÍSTICA GENERAL 71
d) El fabricante estableció que un mes es considerado como excelente
si se encuentra dentro del 15% de los meses en que mejores ingresos
se obtuvo. ¿Cuál es el ingreso mínimo para que un mes reciba dicha
denominación?
72 ESTADÍSTICA GENERAL
2. El financiamiento vehicular se ha vuelto más accesible y ha venido creciendo
más rápidamente en los últimos años, pero cabe precisar que ninguna
entidad financiera aprobará un préstamo si el solicitante no tiene un seguro
vehicular. Como las empresas de estudios de mercado han estimado que
las ventas de autos nuevos crecerán en los próximos años, la compañía
de seguros Mi Auto-Seguro necesita conocer el grado de satisfacción
de sus clientes. Por tal razón, el área de comercialización, por medio de
sus representantes, realizó un estudio para tal fin a partir de una muestra
aleatoria de 50 clientes. Los resultados obtenidos son los siguientes:
A D AC D A D AC A AC AC
B AC B A AC B A AC B A
AC A D AC AC AC A B AC AC
D B AC A A AC AC AC A B
B AC A AC B AC B A AC A
Donde:
A: Alto, AC: Aceptable, B: Bajo y D: Deficiente.
a) Construya una tabla de frecuencias adecuada.
b) Realice el gráfico de barras para la variable estudiada.
c) ¿Qué porcentaje de clientes considera que su grado de satisfacción es
“bajo” o “deficiente”?
ESTADÍSTICA GENERAL 73
a) Construya la tabla de frecuencias.
b) ¿Qué porcentaje de departamentos tiene un precio de a lo más 269.42
mil soles?
c) ¿Qué porcentaje de departamentos tiene un precio de por lo menos
185.64 mil soles?
d) Construya un polígono de frecuencias.
Intervalo xi fi hi Hi
[15 , > 18
[ , > 0.25
[ , > 0.79
[ 39, >
Total
74 ESTADÍSTICA GENERAL
Número de Ingreso mensual Gasto mensual Antigüedad ¿En los últimos 12 ¿Ud. y su familia
Tipo de Distrito de
Nº integrantes familiar familiar laboral meses viajó con la viajarán en las próximas
contrato residencia
en la familia (soles) (soles) (años) familia? vacaciones?
ESTADÍSTICA GENERAL 75
1. De la información anterior:
a) Indique la población, muestra y unidad de análisis en esta investigación.
b) Determine las variables y la naturaleza de cada una de ellas.
c) Defina los estadísticos y parámetros de cada variable de estudio.
76 ESTADÍSTICA GENERAL
2.10 Organización de datos con MINITAB
El Minitab es un programa estadístico que ha sido creado para realizar cálculos
y gráficos estadísticos, los cuales son utilizados para un posterior análisis en el
proceso de toma de decisiones.
Barra de menú
En esta barra se encuentran los menús: Archivo, Editar, Datos, Calc, Estadísticas,
Gráfica, Editor, Herramientas, Ventana, Ayuda y Asistente.
A continuación se describen, de manera muy rápida, algunos de los menús que
se utilizarán:
En el menú archivo, usted puede crear, abrir o guardar un proyecto; abrir una
hoja de trabajo, entre otros.
En el menú Calc, usted puede realizar cálculos básicos, generar datos aleatorios,
calcular probabilidades, entre otros.
En el menú Estadísticas, usted puede obtener algunas medidas de resumen,
estimar intervalos de confianza, obtener modelos de regresión y modelos de
ESTADÍSTICA GENERAL 77
series de tiempo, entre otros. Además, nos proporciona la información necesaria
para realizar pruebas de hipótesis, de una manera sencilla y rápida.
En el menú Gráfica, usted puede obtener gráficos de barras, histogramas,
diagrama de tallo y hoja, gráfico de caja, entre otros.
Barra de herramientas
En esta barra se encuentran algunos iconos que representan a las operaciones
más usuales, tales como abrir, guardar, imprimir, entre otras.
Ventana de sesión
Esta ventana tiene la apariencia de un documento en Word. Es la parte donde se
muestran los resultados de los análisis realizados. Cabe indicar que las gráficas
se muestran en otras ventanas.
Ejemplo:
La siguiente base de datos se utilizará para trabajar los primeros tres capítulos:
78 ESTADÍSTICA GENERAL
Número de Ingreso mensual Gasto mensual Antiguedad
Distrito de
Nº Área integrantes familiar familiar laboral
residencia
en la familia (soles) (soles) (años)
1 A La Molina 2 3 600 2 256 2
2 B Los Olivos 3 3 893 2 456 5
3 A La Molina 4 3 564 2 264 5
4 A Los Olivos 2 4 322 3 132 5
5 B Santa Anita 3 3 656 2 334 7
6 B La Molina 4 4 433 3 165 0
7 B Los Olivos 5 3 443 2 157 3
8 A Villa El Salvador 2 4 656 3 456 15
9 A La Molina 3 3 334 3 053 4
10 B La Molina 2 3 642 3 166 5
11 B Los Olivos 3 3 897 2 568 4
12 B Villa El Salvador 4 4 347 4 135 12
13 A Santa Anita 3 4 465 2 854 9
14 A La Molina 3 4 143 3 893 7
15 A La Molina 3 4 954 3 469 5
16 B Villa El Salvador 2 3 348 3 245 3
17 A Los Olivos 4 3 865 2 648 12
18 B La Molina 1 3 962 2 872 2
19 A Villa El Salvador 2 3 347 2 645 8
20 A Santa Anita 2 3 454 3 164 6
21 A La Molina 2 4 465 4 165 11
22 B Villa El Salvador 1 4 963 3 893 7
23 A Villa El Salvador 1 4 346 3 135 2
24 B La Molina 2 3 436 3 154 7
25 A La Molina 2 3 465 2 321 5
26 B La Molina 3 4 467 3 754 17
27 A Villa El Salvador 5 3 621 3 085 2
28 B La Molina 3 4 573 3 624 9
29 A Santa Anita 4 3 463 3 245 3
30 A Villa El Salvador 3 4 456 3 191 7
ESTADÍSTICA GENERAL 79
CONSTRUCCIÓN DE TABLAS DE FRECUENCIAS SIMPLES
1. Construya una tabla de frecuencias para la variable distrito de residencia,
utilizando el programa Minitab.
80 ESTADÍSTICA GENERAL
Los resultados se muestran en la ventana de sesión, así:
ESTADÍSTICA GENERAL 81
En la siguiente ventana, seleccione la variable de interés y elija las opciones
Conteos, Porcentajes, Conteos acumulados y Porcentajes
CONSTRUCCIÓN DE GRÁFICAS
3. Realice el gráfico de barras para la variable: Distrito de residencia, utilizando
el programa Minitab.
De la barra de menú, seleccione Gráfica/Gráfica de barras:
82 ESTADÍSTICA GENERAL
Luego, seleccione Simple:
ESTADÍSTICA GENERAL 83
Ahora, seleccione la variable de interés:
84 ESTADÍSTICA GENERAL
En Etiquetas/Títulos, coloque el título:
ESTADÍSTICA GENERAL 85
Luego de dar click en “Aceptar” las veces que sea necesario, el gráfico que se
obtiene es el siguiente:
86 ESTADÍSTICA GENERAL
Ahora, seleccione la variable la variable de interés:
ESTADÍSTICA GENERAL 87
En Etiquetas/Etiquetas de división, seleccione todas las opciones que se mues-
tran a continuación:
Luego de dar click en “Aceptar” las veces que sea necesario, el gráfico que se
obtiene es el siguiente:
88 ESTADÍSTICA GENERAL
5. Realice el diagrama de líneas para la variable antigüedad laboral (años),
utilizando el Minitab.
ESTADÍSTICA GENERAL 89
Ahora, seleccione la variable de interés:
ESTADÍSTICA GENERAL 91
Luego de dar click en “Aceptar” las veces que sea necesario, el gráfico que se
obtiene es el siguiente:
92 ESTADÍSTICA GENERAL
Luego, seleccione Simple:
ESTADÍSTICA GENERAL 93
En Etiquetas/Títulos, coloque el título:
Luego de dar click en “Aceptar” las veces que sea necesario, se muestra el
siguiente histograma:
94 ESTADÍSTICA GENERAL
Muchas veces, el histograma que aparece no es el que uno espera, por lo que se
tiene que editar. Para esto, haga doble click en cualquiera de las barras; luego elija
Seccionamiento e ingrese la información, tal como se muestra a continuación:
Luego de dar click en “Aceptar” las veces que sea necesario, se muestra el
histograma buscado:
Para mostrar las etiquetas, haga click derecho en cualquiera de las barras y
seleccione Agregar/Etiquetas de datos:
ESTADÍSTICA GENERAL 95
Luego, seleccione Usar etiquetas de valor y, tal como se muestra a continuación:
96 ESTADÍSTICA GENERAL
7. Realice el polígono de frecuencias de la variable ingreso mensual familiar
utilizando el Minitab.
ESTADÍSTICA GENERAL 97
Luego, seleccione Con línea de conexión:
98 ESTADÍSTICA GENERAL
En Escala, en Número de marcas coloque ocho y en Posición de marcas ingrese
las marcas de clase, tal como se muestra a continuación:
Luego de dar click en “Aceptar” las veces que sea necesario, se obtiene el
polígono de frecuencias:
ESTADÍSTICA GENERAL 99
8. Realice el diagrama de tallo y hoja para la variable ingreso mensual familiar
utilizando el Minitab.
TAREA ACADÉMICA N° 1
Apellidos y nombres: ..........................................................................................................................
Bloque: .......................................................................................................................................................
Ciclo: ............................................................................................................................................................
Fecha: .........................................................................................................................................................
Problema 1
(2 puntos) Indique el tipo de variable.
Problema 2
Construya el histograma para la variable Ingreso mensual con siete intervalos de
clase y responda las siguientes preguntas:
f3:______________________________________________________________
________________________________________________________________
h5%:_____________________________________________________________
________________________________________________________________
n - F2:___________________________________________________________
________________________________________________________________
Problema 3
(1 punto c/u) Elabore la tabla de distribución de frecuencias para la variable área
donde labora y responda si las siguientes afirmaciones son verdaderas o falsas.
Si la afirmación es falsa, coloque el verdadero valor en el recuadro.
Problema 4
(1 punto c/u) Construya el gráfico de líneas para la variable años en la empresa
y responda las siguientes preguntas:
Problema 5
(1 punto c/u) Construya el gráfico de barras para la variable satisfacción laboral
y responda las siguientes preguntas:
2.11 Bibliografía
1. Anderson, Sweeney y Williams (2012). Estadística para Administración y
Economía. Undécima edición. Cengage Learning.
Moda
0.24
0.22
Mediana
0.20
0.18
0.16 Media
Aritmética
0.14
0.12
0.10
0.08
0.06
0.04
0.02 25% 25% 25% 25%
0.00
Q1 Q2 Q3 X
101.86 112.99 114.35 114.74 143.76 143.76 143.92 153.66 158.59 160.59
162.35 185.69 185.70 186.58 186.60 187.79 187.88 192.00 197.51 201.59
228.47 234.44 237.47 237.50 241.21 248.28 248.79 249.18 249.78 250.93
254.66 262.20 273.19 276.09 277.03 284.10 284.15 285.03 285.70 297.70
299.33 309.97 317.55 318.01 327.42 332.79 335.61 335.64 341.36 344.21
345.31 349.06 353.62 353.99 372.16 374.41 377.55 382.60 391.74 395.04
Si se tiene que hacer un reajuste al 22% de los departamentos con los precios
de venta más bajos, ¿cuál será el precio de venta máximo de un departamento
para que se le haga el reajuste?
Saberes previos
• Conceptos básicos de la Estadística.
• Organización de datos.
• Operaciones algebraicas.
• Medidas de posición
• Medidas de dispersión
• Medidas de forma
• Medidas de concentración
Las medidas de tendencia central son aquellas que tienden a ocupar posiciones
centrales en el conjunto de datos. Entre estas tenemos:
Donde:
N = Tamaño de la población
Ejemplo 3.1
El administrador de una empresa productora y comercializadora de espárragos
desea conocer el número promedio mensual de latas de espárragos que fueron
exportadas a España (en cientos de unidades) en el año 2014. A continuación,
se muestra las cantidades obtenidas:
Solución
Sea la variable:
X = Número de latas de espárragos exportadas a España
N = 12 meses
Se tiene:
x1 x2 x3 x4 x5 x6
5 790 5 680 5 720 5 740 5 750 5 656
x7 x8 x9 x10 x11 x12
5 780 5 690 5 700 5 770 5 730 5 800
Media muestral
Si se trabaja con una muestra de n valores, entonces la media aritmética muestral
se representa por ̅x y se calcula de la siguiente manera:
Donde:
= Suma de los n valores que toma la variable X en la muestra
n = Tamaño de la muestra
Ventajas Desventajas
• Es conocida y fácil de calcular e • En caso de existir valores extremos o
interpretar. atípicos, la media se ve afectada por estos.
• Para su cálculo se utilizan todas las • No es recomendable para variables con
observaciones del conjunto de datos. distribuciones asimétricas.
Ejemplo 3.2
Una pequeña empresa está compuesta por un supervisor y cinco técnicos. Los
ingresos (en soles) de los técnicos son 790.54, 680.93, 720.34, 740.69 y 750.28
soles, con un ingreso promedio de 735.556 soles. Si se incluye el ingreso del
supervisor, el cual es de 3 864.21 soles, entonces el ingreso promedio de los seis
trabajadores es de 1 257.00 soles.
Ejemplo 3.3
Una empresa produce piezas metálicas que son utilizadas para la construcción
de edificios. En el año 2013, la producción promedio fue de 55 250 piezas
semanalmente. En el año 2014, por motivos de reparación de algunas de sus
máquinas, la cantidad de piezas metálicas producidas semanalmente disminuyó
en 5 000 unidades. Calcule el número promedio de piezas metálicas producidas
semanalmente en el año 2014.
Ejemplo 3.4
Considere el ejemplo anterior. Si en el año 2015, la producción semanal se
incrementó en un 9.3% con respecto al año 2014, calcule el número promedio
de piezas metálicas que serán producidas semanalmente en el año 2015.
Solución
Sea la variable:
W = Número de piezas metálicas que serán producidas semanalmente en el año
2015
Ejemplo 3.5
El administrador de una empresa productora y comercializadora de azúcar desea
conocer el número mínimo de sacos exportados mensualmente para pertenecer
al 50% de los meses con mayor cantidad de sacos exportados a EE.UU. (en
cientos de unidades) entre enero y noviembre del año 2014. A continuación se
muestra la cantidad de sacos exportados a EE.UU. en el referido periodo:
Solución
Sea la variable:
X = Cantidad de sacos exportados mensualmente
x1 x2 x3 x4 x5 x6
3 680 3 690 3 700 3 720 3 730 3 740
x7 x8 x9 x10 x11
3 750 3 770 3 780 3 790 3 800
Donde:
• = Primer valor central cuya posición se obtiene al dividir el número de
observaciones entre dos
Ejemplo 3.6
Un funcionario del Ministerio de Agricultura desea conocer la producción mínima
de arroz anual para pertenecer al 50% de los años con mayor producción de arroz
en el país (en toneladas métricas) entre los años 2000 y 2009. A continuación
se muestra la producción de arroz anual en el referido periodo:
xi x2 x3 x4 x5
694.60 724.10 747.57 759.93 805.13
x6 x7 x8 x9 x10
877.59 915.64 958.81 1 007.17 1 079.85
Ventajas Desventajas
• Es fácil de calcular e interpretar. • Para su cálculo no se utilizan todos los
• La mediana no se ve afectada por valores valores de las observaciones del conjunto de
extremos o atípicos. datos.
Observación
Por lo general, la mediana se utiliza cuando los valores que toma la variable
están muy dispersos.
Ejemplo 3.7
A continuación, se muestran los reportes sobre el número de pedidos de un
producto realizados por internet en 52 días seleccionados aleatoriamente:
67 67 68 70 70 72 75 78 79 79 81 81 82
82 83 84 84 84 85 86 87 88 89 91 91 92
93 94 94 94 95 95 95 95 96 96 96 96 97
97 98 98 99 99 99 10 101 106 107 109 111 112
En tal situación, la moda toma dos valores, 95 y 96, porque ambos son los
que más se repiten y con la misma frecuencia. En este caso, se dice que la
distribución es bimodal.
Observación
Si el conjunto de datos presenta un solo valor con la mayor frecuencia,
entonces se dice que la distribución es unimodal, y si presenta más de
dos valores con iguales frecuencias y mayores a la vez, se afirma que la
distribución es multimodal.
Histograma
60
60
50
Frecuencia absoluta
40
35
30
20
20
10
10
5
0
0 20 40 60 80 100
Gráficamente:
Histograma
50
50
40
Frecuencia absoluta
30 30
30
20
10 10
10
0
0 20 40 60 80 100
X
• Si la distribución se extiende más hacia la derecha, se cumple que:
Histograma
60
60
50
Frecuencia absoluta
40
35
30
20
20
10
10
5
0
0 20 40 60 80 100
X
Donde:
• xi = Es el i-ésimo valor que toma la variable
Ejemplo 3.8
El gerente de una empresa está evaluando el desempeño de sus empleados
para recompensarlos con un bono adicional al finalizar el año de trabajo.
Los criterios a considerarse en la evaluación son cuatro: puntualidad,
responsabilidad, participación y capacitación. A cada criterio le corresponde
una calificación (hasta de 20 puntos) y su respectivo peso porcentual con
respecto al total. Para recibir el bono, la calificación promedio correspondiente
Solución:
En este problema, los porcentajes representan las ponderaciones (wi) de las
calificaciones (xi) obtenidas en los criterios evaluados, por lo que la calificación
promedio se calcula de la siguiente manera:
Donde:
• ni = Tamaño de la muestra i
• xi = Media aritmética de la muestra i
• k = Número de muestras
Ejemplo 3.9
El gerente de una empresa hotelera tiene a su cargo dos hoteles. Por registros
de cada hotel, el gerente sabe que, en el último mes, el gasto promedio mensual
de los 55 turistas hospedados en el hotel ubicado en el distrito de La Molina fue
de 1 652.67 soles; mientras que el gasto promedio mensual de los 45 turistas
hospedados en el hotel ubicado en el distrito de Surco fue de 1 611.22 soles.
Calcule el gasto promedio mensual de los 100 turistas en la empresa hotelera.
Solución
Sean las variables:
De donde:
31 25 37 22 32 23 25 26 30 24
29 37 27 29 28 39 34 28 27 29
39 34 35 40 34 34 25 40 33 34
Solución
Sea la variable:
X = Número de habitaciones ocupadas por día
Se pide:
228 342 324 564 454 542 216 521 345 361 532 455
872 455 964 239 547 456 632 353 343 978 981 454
b) Se pide la mediana.
Primero se ordenan los datos de forma creciente; así:
216 228 239 324 342 343 345 353 361 454 454 455
456 457 521 532 542 547 564 632 872 964 978 981
c) Se pide la moda.
Mo = 454
d) Sea la variable:
Y = Ingreso mensual de la otra distribuidora
Los ingresos mensuales tienen la siguiente forma:
Y= 1.025X
_________________________________________________________
Empresa A
2 000 2 056 2 083 2 106 2 113 2 125 2 284 2 207 2 235 2 250
2 251 2 253 2 257 2 259 2 260 2 300 2 341 2 352 2 367 2 370
2 378 2 382 2 388 2 392 2 439 2 456 2 468 2 479 2 493 2 500
2 519 2 527 2 539 2 543 2 554 2 662 2 675 2 684 2 694 2 700
2 000 2 029 2 032 2 054 2 095 2 110 2 149 2 151 2 157 2 169
2 186 2 194 2 200 2 209 2 211 2 216 2 327 2 332 2 347 2 350
2 366 2 373 2 386 2 395 2 400 2 416 2 442 2 458 2 479 2 480
2 497 2 500 2 531 2 547 2 559 2 564 2 570 2 573 2 584 2 590
Gráficamente:
El decil k (Dk) divide al conjunto de datos en dos partes: el (10k)% de los datos
son menores (menores o iguales) que el decil k y el (100-10k)% de los datos son
mayores (mayores o iguales) que el decil k.
Por ejemplo, el decil 5 (D5) divide al conjunto de datos en dos partes: el 50% de
los datos son menores (menores o iguales) que el decil 5 y el 50% de los datos
son mayores (mayores o iguales) que el decil 5.
Donde:
Li = Límite del lado izquierdo
Ld = Límite del lado izquierdo
dec = Parte decimal de la posición j
Ejemplo 4.1
A continuación se presentan los ingresos semanales (en soles) de un grupo
de pequeñas empresas que forman parte de las pymes:
x1 x2 x3 x4 x5 x6 x7
2 510 2 554 2 572 2 643 2 745 2 775 2 907
x8 x9 x10 x11 x12 x13 x14
3 032 3 067 3 141 3 198 3 359 3 396 3 478
Donde:
Li = x10 = 3 141 Ld = x11 = 3 198 y dec = 10.5 – 10 = 0.5.
50% central
P25 P75
x1 x2 x3 x4 x5 x6 x7
Donde:
Li = x3 = 2 572, Ld = x4= 2 643 y dec = 3.75 – 3 = 0.75
x1 x2 x3 x4 x5 x6 x7
2 510 2 554 2 572 2 643 2 745 2 775 2 907
x8 x9 x10 x11 x12 x13 x14
3 032 3 067 3 141 3 198 3 359 3 396 3 478
Donde:
Li = x11 = 3 198, Ld = x12 = 3 359 y dec = 11.25 – 11 = 0.25
El 50% central de los ingresos semanales se halla entre 2 625.25 y 3 238.25 soles.
13 14 14 15 15 16 18 19 20 20
21 21 21 22 22 22 22 22 23 24
25 25 25 26 27 27 28 29 30 30
a) Calcule los montos de las compras, máximo y mínimo, de los turistas que
permanecieron en el hotel para pertenecer al quinto inferior y quinto
superior, respectivamente.
b) El dueño del hotel decide que al 35% de los turistas que tienen mayores
montos de compras se les brindará una promoción especial. Calcule el
monto mínimo que debe registrar un turista para que sea considerado
dentro de la promoción.
Quinto Quinto
Inferior Superior
20% 20%
P20 P80
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
13 14 14 15 15 16 18 19 20 20
x11 x12 x13 x14 x15 x16 x17 x18 x19 x20
21 21 21 22 22 22 22 22 23 24
x21 x22 x23 x24 x25 x26 x27 x28 x29 x30
25 25 25 26 27 27 28 29 30 30
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
13 14 14 15 15 16 18 19 20 20
x11 x12 x13 x14 x15 x16 x17 x18 x19 x20
21 21 21 22 22 22 22 22 23 24
x21 x22 x23 x24 x25 x26 x27 x28 x29 x30
25 25 25 26 27 27 28 29 30 30
Donde:
Li = 26, Ld = 27 y dec = 0.8
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
13 14 14 15 15 16 18 19 20 20
x11 x12 x13 x14 x15 x16 x17 x18 x19 x20
21 21 21 22 22 22 22 22 23 24
x21 x22 x23 x24 x25 x26 x27 x28 x29 x30
25 25 25 26 27 27 28 29 30 30
Donde:
Li = 24, Ld = 25 y dec = 0.15
El monto mínimo que debe registrar un cliente para que sea considerado
dentro de la promoción es de 24.15 miles de soles
1. Edad:
a) Calcule el sexto decil de la edad de las personas evaluadas.
b) Calcule el tercer cuartil de la edad de las personas evaluadas.
d) Determine la edad mínima de una persona para que sea considerada
dentro del 45% de las personas con mayor edad.
4. Antigüedad laboral:
a) Si el funcionario de la oficina de Migraciones otorgó la visa a las personas
cuya antigüedad laboral se localiza en el cuarto superior, ¿cuál es la
antigüedad laboral mínima para que la oficina de Migraciones le otorgue
la visa a una persona?
b) Si el funcionario de la oficina de Migraciones negó la visa a las personas
cuya antigüedad laboral se localiza en el cuarto inferior, ¿cuál es la
antigüedad laboral máxima para que la oficina de Migraciones le niegue
la visa a una persona?
c) ¿Entre qué valores se encuentra el 70% central?
2. El jefe del área de capital humano de una empresa comercial realizó una
capacitación con el fin de ascender a los empleados que obtengan las
mayores calificaciones. Los resultados fueron los siguientes:
4 4 5 5 6 6 7 8 8 9 10 11 11 12 13
14 14 15 15 15 15 15 16 16 17 17 18 19 20 20
a) El jefe del área de capital humano espera que al menos el 50% de los
empleados obtenga una calificación mayor al promedio. ¿Cuál es su
conclusión al respecto?
b) Según las normas establecidas, a los trabajadores cuyas calificaciones
pertenezcan al 15% inferior se les bajará de nivel. ¿Cuál es la calificación
máxima para que un empleado se halle dentro de este grupo?
c) Otra norma señala que los trabajadores cuyas calificaciones pertenezcan
al 60% central se mantendrán en sus mismos puestos. ¿Cuáles son los
límites para que un empleado se encuentre dentro de este grupo?
101.86 112.99 114.35 114.74 143.76 143.76 143.92 153.66 158.59 160.59
162.35 185.69 185.70 186.58 186.60 187.79 187.88 192.00 197.51 201.59
228.47 234.44 237.47 237.50 241.21 248.28 248.79 249.18 249.78 250.93
254.66 262.20 273.19 276.09 277.03 284.10 284.15 285.03 285.70 297.70
299.33 309.97 317.55 318.01 327.42 332.79 335.61 335.64 341.36 344.21
345.31 349.06 353.62 353.99 372.16 374.41 377.55 382.60 391.74 395.04
a) Con los datos proporcionados, estime el tiempo límite del 30% de los
usuarios que consumen menos minutos mensuales.
b) Se propone una promoción especial al 10% de los usuarios que más
consumen. ¿Cuál es el tiempo mínimo de consumo para que un usuario
sea beneficiado con esta promoción?
4 10 12 15 17 18 18 19 20 21
21 22 23 23 24 24 25 25 26 27
27 28 28 28 29 29 30 31 31 31
31 33 33 34 35 36 37 39 41 46
4.10 Bibliografía
1. Anderson, Sweeney y Williams (2012). Estadística para Administración y
Economía. Undécima edición. Cengage Learning.
0 1 2 3 4 5 6 7 8 9 10
µx
Promedio
Suponga que un profesor del curso de Estadística tiene dos grupos de alumnos
en las aulas A y B cuyas calificaciones de la primera práctica son las siguientes:
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x = 13.4
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x = 13.4
En los gráficos, los promedios están representados por una línea vertical y las
desviaciones de las calificaciones respecto a dicho promedio están representadas
por líneas horizontales. Estas desviaciones son más grandes en su mayoría en
el aula B, lo que indica que las calificaciones están más alejadas con respecto a
su promedio. Algunas calificaciones son muy bajas (calificación mínima igual a
seis), y otras, muy altas (calificación máxima igual a veinte). Por lo tanto, se puede
concluir que los alumnos no tienen un aprendizaje homogéneo. Lo contrario
ocurre en el aula A, donde las calificaciones se encuentran más cercanas a la
calificación promedio y, además, no presentan alumnos desaprobados. Esto
indica que los rendimientos de los dos grupos de alumnos en la primera práctica
no son los mismos a pesar de que sus calificaciones promedio son iguales.
Saberes previos
• Noción de variabilidad
• Media o promedio
• Cuartiles
• Operaciones algebraicas
Donde:
Xmax = Máximo valor de la variable
Xmin = Mínimo valor de la variable
Si bien su cálculo es sencillo, el valor es muy inestable porque depende sólo de
los valores extremos. No se considera el resto de los datos.
Ejemplo 5.1
El jefe del área de control de calidad de una empresa metalmecánica, productora
de brocas para taladro de acero, lleva el registro diario del número de unidades
defectuosas como parte del proceso de control de calidad. A continuación se
presenta una muestra de 30 días:
22 23 23 24 25 27 27 28 30 32
32 35 35 36 36 36 38 38 39 40
43 44 44 45 46 46 46 47 49 51
Solución
Ejemplo 5.2
Obtenga el rango intercuartílico del número de brocas defectuosas por día, del
ejemplo 5.1.
Solución
donde:
σ = sigma.
Ejemplo 5.3
Para la variable del ejemplo 5.1, suponga que el número promedio poblacional
(no muestral) de brocas defectuosas es:
Dato Desviación
22 22 - 36 = -14
23 23 - 36 = -13
... ...
51 51 - 36 = 15
Ejemplo 5.4
Calcule la varianza del número de brocas defectuosas del ejemplo 5.1
Solución
Observación
Un inconveniente al utilizar la varianza como medida de variabilidad o
dispersión de los datos con respecto de la media es que se expresa en la
unidad de medida de los datos al cuadrado. En consecuencia, esto dificulta
su interpretación directa.
Observación
La desviación estándar se puede utilizar para comparar la variabilidad
de dos o más conjuntos de datos cuando las unidades de medidas
son las mismas y las medias de los conjuntos de datos son
estadísticamente similares.
Ejemplo 5.5
A continuación se calcula la desviación estándar del número de brocas
defectuosas del ejemplo 5.1:
Hay que precisar que, en esta ocasión, los precios promedio ya no son iguales y,
como la desviación estándar mide la desviación media de los datos con respecto
al promedio, entonces se debe plantear la siguiente pregunta: ¿Para cuál de los
artefactos, la desviación estándar es más significativa?
Observando la información, se tiene que, para los televisores, la desviación
estándar (300 soles) es menos significativa en relación con su promedio (4
000 soles), en comparación con las planchas eléctricas, donde la desviación
estándar (300 soles) es más significativa en relación con su promedio
(600 soles).
Esta comparación de la variabilidad entre dos conjuntos de datos a partir de las
proporciones que se forman entre las desviaciones estándar y los respectivos
promedios motiva el estudio del concepto de coeficiente de variación.
Solución
2. Si a todos los valores que toma la variable se les multiplica por una constante
c, entonces la varianza de la nueva variable (Y = cX) será igual a la varianza
anterior multiplicada por dicha constante al cuadrado, y la nueva desviación
estándar será igual a la desviación estándar anterior multiplicada por la
constante c. Es decir:
Nueva desviación
Nueva variable Y Nueva varianza
estándar
Y=X±b
Y=cX
Y=cX±b
Ejemplo 5.8
En el ejemplo 5.6, si el precio de todos los televisores se incrementa en 250
soles, calcule la desviación estándar y la varianza del nuevo conjunto de datos.
Solución
Si X representa los precios de los televisores antes del incremento e Y representa
los precios de los televisores después del incremento, las variables se relacionan
de la siguiente manera:
Y = X + 250
Solución
Si X representa los precios de las planchas antes del incremento e Y representa
los precios de las planchas después del incremento, entonces las variables se
relacionan de la siguiente manera:
Y = 1.15 X
En este problema, la constante por la que se tienen que multiplicar los precios
antes del incremento para obtener los precios es 1.15.
Marca A (horas) 91 90 83 92 78 93 91
Marca B (horas) 87 60 101 83 105 77
Como se puede observar, el CVA es menor que el CVB. Esto quiere decir que
los tiempos de desgaste de las zapatillas de la marca A son más homogéneos
(se registran desgastes similares) en comparación con los tiempos de desgaste
de las zapatillas de la marca B, lo cual indica que la marca A tiene el mejor
programa de control de calidad sobre el desgaste de zapatillas.
Solución
Para responder la pregunta planteada se necesita comparar la variabilidad en
el consumo de combustible antes y después de incluir el aditivo especial. Para
esto se utilizará el coeficiente de variación.
Y = 0.9X
Observación
Ahorrar el 10% implica que cada uno de los consumos disminuya en
10%; es decir, el valor de 0.9 se obtiene al realizar la siguiente operación:
100% - 10% = 90% = 0.9
Observación
De manera general, un incremento o disminución en porcentaje en cada
valor del conjunto de datos no afecta el valor del coeficiente de variación.
3. Un agente de compras realizó una prueba para medir los tiempos de vida de
dos marcas de pilas (A y B) antes de realizar la compra de un lote grande de
dicho producto. Los tiempos de vida (en horas) de las pilas seleccionadas
de cada marca se muestran a continuación:
Marca B
Tienda X:
Tienda Y:
Tienda Z:
Empresa A
Número de Edad Ingresos Años de Horas Número de
trabajador (en años) (en soles) experiencia laboral trabajadas ausencias
1 38 2 026.16 8 180 0
2 25 1 995.10 11 162 1
3 39 1 398.29 12 168 2
4 40 2 685.10 6 170 1
5 38 3 158.62 4 178 2
6 44 3 243.98 8 164 2
7 46 2 034.98 12 160 3
8 49 3 370.47 10 180 1
9 38 2 603.79 12 158 1
10 41 3 378.18 10 158 2
11 57 2 959.77 7 172 3
12 32 1 897.18 9 172 3
13 53 3 243.29 5 174 4
14 59 2 899.31 10 164 2
15 38 2 816.62 1 160 2
16 29 2 432.90 8 180 0
17 56 1 946.14 9 172 1
18 57 3 279.56 9 180 0
19 58 1 791.20 10 184 3
20 51 2 632.08 3 168 3
21 50 3 248.27 10 176 2
22 27 1 898.56 11 172 2
23 26 1 922.76 12 167 4
24 27 1 056.25 10 174 4
25 56 1 282.67 2 162 2
26 54 3 441.21 4 174 2
27 25 1 260.33 12 170 1
28 36 1 891.37 7 173 1
29 35 2 818.05 10 160 3
30 46 2 453.38 6 180 0
31 44 2 151.60 1 180 0
32 35 2 474.47 5 180 0
33 38 2 165.30 1 173 1
34 43 1 789.31 12 174 1
35 41 2 711.92 4 168 2
36 47 2 904.63 11 175 1
37 39 1 791.22 5 164 3
38 46 1 369.60 7 174 1
39 43 2 434.51 11 169 2
40 40 2 590.28 6 167 2
5. Si:
• Se desea comparar la variabilidad de los ingresos (en soles) de los
trabajadores de las empresas M y N. Si se sabe que tienen iguales
desviaciones estándar, responda:
a) ¿Es necesario calcular el coeficiente de variación? ¿Por qué?
b) Si el ingreso promedio en la empresa M es 1 500 soles, ¿cuánto tendría
que ser el ingreso promedio en la empresa N para decir que en esta
los ingresos presentan menor variabilidad? ¿Por qué?
• Se desea comparar la variabilidad de los ingresos (en soles) de las
empresas M y N. Si se sabe que los ingresos promedio son iguales,
responda:
a) ¿Es necesario calcular el coeficiente de variación? ¿Por qué?
b) Si la desviación estándar en la empresa N es 350 soles, ¿cuánto
tendría que ser la desviación estándar en la empresa M para decir
que en esta los ingresos presentan menor variabilidad? ¿Por qué?
Ejemplo 6.1
A continuación se presentan las ventas de los últimos 14 meses, en el
supermercado MARKET, de six pack de leche evaporada (en miles de unidades)
de una marca muy reconocida a nivel nacional:
Solución
Cálculo de la media:
Como Ak = -1.17 es menor que cero, se concluye que las ventas de six pack de
dicha leche evaporada de los últimos 14 meses, en el supermercado MARKET,
presentan asimetría negativa.
Ejemplo 6.2
Considere los siguientes valores para P75, P25, P90 y P10:
P75 = 82.5
P25 = 27.5
P90 = 99
P10 = 11
Solución
Los datos fuera del intervalo [Q1-1.5RI ; Q3+1.5RI] son considerados datos atípicos
(outliers). Es posible que en una distribución no se encuentre este tipo de datos.
En el gráfico de caja, los datos atípicos son representados mediante asteriscos.
En caso de que existan datos atípicos, se tienen que identificar: el menor valor,
mayor o igual que Q1-1.5RI; y el mayor valor, menor o igual que Q3+1.5RI.
• Trazar el diagrama correspondiente.
Xmax
Q3
X
Mediana
Q1
Xmin
Ejemplo 6.3
Solución
Observe que los datos ya están ordenados en forma ascendente.
• Cálculo de los cuartiles:
Xmax = 22.4
22 Q3 = 21.475
Me = 21.2
21
Gasto (soles)
20
Q1 = 19.6
19
Xmin = 18.1
18
Ciudad A
Solución
• Cálculo de la media:
• Cálculo de la mediana:
VoF
El costurero B demuestra ser más rápido que los otros costureros en realizar la
costura de la banda o tira de la cintura.
Los tiempos que demora el costurero D en realizar la costura de banda o tira de la
cintura son más homogéneos que los tiempos del resto de costureros. (Considere
el 50% central).
El costurero C presenta un momento flojo que obliga al supervisor estar atento
para considerar una posible sanción.
Todos los costureros presentan distribuciones asimétricas en los tiempos de
demora en la costura de banda o tira de la cintura.
186 181 179 173 195 186 194 190 186 188
163 177 168 159 183 179 160 185 192 193
0,20
0,19
* 0,1860
0,18
0,17 * 0,1700
0,16
0,15
0,14
0,13
0,12
0,11
0,10
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
80
Calificaciones
70
*
60
50
40
30
20
Primera_vez Segunda_vez Tercera_vez Cuarta_vez
18
17
Tiempo en minutos
16
15
14
13
12 *12,0
11
10 *10,0
4. Los dueños de dos empresas del mismo rubro que operan en un mismo
mercado decidieron comparar los volúmenes de ventas durante el último
año. Para esto, los encargados tomaron muestras de los volúmenes de ventas
(en miles de unidades) en algunas zonas que conforman dicho mercado.
Los resultados obtenidos se muestran a continuación:
1. ¿En cuál de los tipos de contrato los ingresos mensuales son más
homogéneos?
2. Para la variable Gasto mensual familiar, indique el tipo de asimetría según el
coeficiente de Pearson y el tipo de curtosis basado en percentiles.
3. Presente y analice el diagrama de caja del ingreso para el tipo de contrato y
el diagrama de caja del gasto mensual para el distrito de residencia.
TAREA ACADÉMICA N° 2
Apellidos y nombres:
Bloque:
Ciclo:
Fecha:
Problema 3
Para la variable Ingreso mensual:
PROBABILIDADES
Saberes previos
• Teoría de conjuntos.
• Operaciones algebraicas.
Conceptos básicos
La teoría de la probabilidad se ocupa del estudio de experimentos en que los
resultados no se pueden predecir con exactitud; es decir, los resultados del
experimento son producto del azar.
Ejemplo 7.1
Sea el experimento:
ε1 = Lanzar un dado y observar el número mostrado en la cara superior.
Este es un ejemplo de un experimento aleatorio porque, aunque se conozcan
todos los números inscritos en las caras del dado, no se puede predecir con
exactitud cuál será el número mostrado en la cara superior.
Si en las caras del dado están inscritos los números 1, 2, 3, 4, 5 y 6, entonces el
espacio muestral que corresponde al experimento es:
Ω = {1, 2, 3, 4, 5, 6}
Ejemplo 7.3
En este ejemplo, considere los eventos del ejemplo 7.2:
A = {6}
B = {2, 4, 6}
C = {1, 2, 3,4}
C. Intersección de eventos (A B)
Dados dos eventos A y B, la intersección que se representa como (A B), se
define como el evento formado por los elementos que pertenecen a los dos
eventos simultáneamente. En términos de ocurrencia de eventos, el evento
(A B) ocurre si, y solo si, los dos eventos ocurren simultáneamente.
Ω = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
• AUB = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,3), (3,2), (4,1)}
• A B = {(1,4)}
• Ac = {(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1),
(6,2), (6,3), (6,4), (6,5), (6,6)}
• B C=ø; es decir, B y C son mutuamente excluyentes.
Ahora, suponga que se lanza el dado dos veces y ocurre el evento elemental
(1, 4); es decir, en el primer lanzamiento se muestra el número uno y en el
segundo lanzamiento, el número cuatro. Entonces, se puede afirmar que los
eventos A, B, (AUB) y (A B) han ocurrido porque el evento elemental (1, 4)
es un elemento que pertenece a los eventos mencionados.
1.
2.
3. Si son eventos mutuamente excluyentes, entonces:
Propiedades
A partir de la definición de probabilidad, se obtienen las siguientes propiedades:
1. Sea el evento que representa al vacío, entonces la probabilidad de este
evento es:
Donde:
n(A) = número de elementos del evento A
n(Ω) = número de elementos del espacio muestral
Solución
Sean los eventos:
C = Colaborador está capacitado
N = Colaborador no está capacitado
El diagrama de árbol asociado es:
C
C
N
C
C
N
N
C
C
C
N
N
C
N
N
C
C
N
C
C
N
N
N
C
C
N
N
C
N
N
Solución
Primero se representa el ejemplo mediante un diagrama de Venn. Este
diagrama es útil porque permite calcular probabilidades de una manera
rápida y sencilla, incluso, muchas veces, sin necesidad de utilizar las fórmulas
dadas anteriormente.
Ω=(A B c ) U (A B) U (B A c ) U (A c B c)
a) Se pide: P(A U B)
Como (A U B) y (A c B c ) son eventos complementarios, se tiene que:
b) Se pide: (A B)
Utilizando el principio de adición, se tiene:
Donde:
c) Se pide: P(A B c )
Del gráfico, se tiene que:
Donde:
d) Se pide: P(B A c )
A partir del razonamiento anterior, se tiene que:
Modelo
Marca
Netbook (N) Notebook (M) Laptops (L)
Toshiba (T) 50 120 200
Sony (S) 48 132 250
HP (H) 62 118 310
Probabilidad condicional
Una empresa cuenta con clientes nacionales (L) y extranjeros (E) que compran
mercadería a poca (A) y gran (B) escala.
8.1 Definición
Para dos eventos cualesquiera A y B, con P(B) > 0 la probabilidad condicional
del evento A dado que ocurrió el evento B está definida por:
Solución
a) Sean los eventos:
I = Empleado tiene la especialidad en Gerencia de Proyectos Turísticos y
Hoteleros P(I) = 0.35
M = Empleado tiene la especialidad en Diseño de Planta y del Equipamiento
Turístico P(M) = 0.40
Como información adicional se tiene:
x = 0.2
Interpretación
El 50% de los empleados que tienen la especialidad en Diseño de Planta y
del Equipamiento Turístico también tienen la especialidad en Gerencia de
Proyectos Turísticos y Hoteleros.
Observación
El símbolo ≈ quiere decir que el resultado es aproximado.
Ejemplo 8.2
Una junta de directorio está formada por dos economistas, un administrador y
tres ingenieros. Si se elige tres directivos al azar, calcule la probabilidad de que
el primero sea economista, el segundo ingeniero y el tercero administrador.
Donde:
• P(A1) se obtiene a partir de la definición clásica de probabilidad y del hecho
de que en la primera selección se tienen dos directivos que son economistas
de un total de seis.
Área
Puntaje Producción Recursos Finanzas Total
(N) Humanos (H) (F)
Alto (A) 25 75 300 400
Medio (M) 75 165 150 390
Bajo (B) 100 60 50 210
Total 200 300 500 1 000
Luego,
Donde:
Donde:
Estaciones de
Causas de desperfectos relevo
A B C
Problemas de suministro de energía 1 2 1
Problemas en la computadora central 3 4 2
Fallas en el equipo electrónico 4 5 2
Fallas por errores humanos 7 7 5
9.1 Definición
Se dice que dos eventos (A y B) son independientes si la ocurrencia de uno no
afecta en nada a la probabilidad de ocurrencia del otro. Es decir:
Observación
Este resultado se puede generalizar para n eventos.
Prueba
La demostración de este teorema es una tarea sencilla. A continuación se
demostrará la parte (b), dejando las partes (a) y (c) para el lector.
Ejemplo 9.1
Tres compañías de seguros de vida (Vida, Futuro Seguro y Horizonte) ofrecen
un seguro de viaje a todas las personas interesadas en adquirir un seguro
de este tipo. El año pasado, los porcentajes de los seguros de vida que se
vendieron en las compañías Vida, Futuro Seguro y Horizonte fueron del 40%,
35% y 45%, respectivamente. Si un vendedor de otro tipo de seguro selecciona
aleatoriamente un cliente, de los que adquirieron un seguro el año pasado, de
cada una de las compañías para realizarles una entrevista, calcule la probabilidad
de que solo uno de los clientes haya adquirido un seguro de vida.
Solución
Primero se definen los eventos con sus respectivas probabilidades.
Sean los eventos:
A = Cliente de la compañía Vida adquirió un seguro de vida P(A) = 0.40
B = Cliente de la compañía Futuro Seguro adquirió un seguro de vida
P(B) = 0.35
C = Cliente de la compañía Horizonte adquirió un seguro de vida P(C) = 0.45
D = Solo un cliente adquirió un seguro de vida
Además, tener en cuenta que:
A (0.40) B (0.35)
A ∩ BC ∩ CC B ∩ AC ∩ CC
C ∩ AC ∩ BC
C (0.45)
Se pide: P(D)
Del diagrama:
A ∩ BC A∩B B ∩ AC
AC ∩ BC
Se pide:
Solución
Tener en cuenta que dos eventos (A y B) son independientes si se cumple
la siguiente igualdad:
Segundo dado
Resultado 1 2 3 4 5 6
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
De donde:
También:
a) Se observa que:
Calcule:
3. En una sucursal del banco Bank, ante la propagación de billetes falsos, cada
vez más difíciles de identificar, se ha decidido adquirir dos detectores de
billetes falsos de alta generación cuyas probabilidades de eficiencia son
0.95 y 0.97. Para comprobar dicha eficiencia, se ingresa un billete falso por
ambos detectores:
a) ¿Cuál es la probabilidad de que solo uno de los detectores lo identifique?
b) ¿Cuál es la probabilidad de que ambos detectores lo identifiquen?
c) ¿Cuál es la probabilidad de que ninguno de los detectores lo identifique?
4. Una empresa inmobiliaria desea construir tres edificios idénticos (A, B
y C) en un tiempo determinado; por lo tanto, el gerente de la compañía
ha dispuesto entregar la construcción de los mismos a tres empresas
constructoras (E1, E2 y E3), cuyas probabilidades de terminar una obra en
el tiempo establecido son: 0.95 para la empresa A, 0.98 para la empresa
B y 0.97 para la empresa C. Si la construcción de los edificios A, B y C es
entregada a las constructoras E1, E2 y E3, respectivamente, calcule:
a) La probabilidad de que a lo más se concluyan dos edificios en el tiempo
determinado.
b) La probabilidad de que ningún edificio se termine en el tiempo
determinado.
A1 A2 A3
Ω (100%)
D
Como un artículo solo puede ser producido por una de las máquinas, entonces
se concluye que los eventos A1, A2 y A3 son mutuamente excluyentes.
Por otro lado, si se expresan los porcentajes en términos probabilísticos, entonces
se tiene que la probabilidad de seleccionar un artículo defectuoso producido por
A es , la probabilidad de seleccionar un artículo defectuoso
producido por B es , y la probabilidad de seleccionar un
artículo defectuoso producido por C es .
Observación
Para calcular probabilidades utilizando los teoremas de la
probabilidad total y de Bayes, se pueden emplear los diagramas de
árbol. Esta representación gráfica permite calcular probabilidades
de una manera práctica y rápida, tal como se verá en los siguientes
ejercicios resueltos.
D
0.04
A
0.96
5 DC
0.6
Tipo de
espárrago
0.3 D
5
0.02
B
0.98
DC
Interpretación
Si la llegada de un embarque se repite con las mismas características un
número grande de veces, en el 96.7% de las veces la caja seleccionada no
será desechada.
Interpretación
Si la llegada de un embarque se repite con las mismas características un
número grande de veces y la caja no se desecha, entonces, aproximadamente
en el 35.47% de las veces la caja contendrá espárrago blanco.
Interpretación
De todos los clientes que llegan a la estación de servicio, el 29.75% de ellos
consume combustible de 98 octanos y paga con tarjeta de crédito.
b) Para calcular esta probabilidad se utiliza el teorema de la probabilidad
total. Así:
Interpretación
De todos los clientes que llegan a la estación de servicio, el 60.75% de ellos
paga con tarjeta de crédito.
c) Para calcular esta probabilidad condicional se utiliza el teorema de Bayes.
Así:
Interpretación
De todos los clientes que llegan a la estación de servicio, el 20.83% de ellos
consume combustible de 98 octanos, paga con tarjeta de crédito y no llena
su tanque.
a) Calcule P (D)
b) Calcule P (A D)
c) Calcule e intérprete P(B/D)
3. Una compañía de seguros no vida ofrece tres tipos de seguros para autos
(Premium, Semi Premium y Básico). El año pasado, el 35% de los seguros
vendidos fue del tipo Premium, el 40% fue del tipo Semi Premium y el resto
fue del tipo Básico. Además, los porcentajes de los seguros vendidos que se
utilizaron por algún tipo de siniestro fueron 24%, 16% y 12%, respectivamente.
Si el actuario, encargado de los seguros para autos, selecciona aleatoriamente
una de las pólizas que corresponde a los seguros vendidos el año pasado,
se pide:
a) Calcule la probabilidad de que la póliza no corresponda a las que
sufrieron algún tipo de siniestro.
b) Si entonces
c) Si un dado se lanza tres veces, entonces el espacio muestral tiene 216
elementos.
d) Si un dado se lanza tres veces, entonces solo en seis de todos los
resultados posibles se muestran los tres números iguales.
10.8 Bibliografía
1. Meza de Castillo, E. (1995). Probabilidad. Consejo Nacional de Ciencia y
Tecnología.
2. Wackerly, Mendenhall y Scheaffer (2009). Estadística Matemática con
Aplicaciones. Sétima edición. Cengage Learning.
3. Anderson, Sweeney y Williams (2008). Estadística para Administración y
Economía. Décima edición. Cengage Learning.
0,14
0,12
0,10
0,08
P (X)
0,06
0,04
0,02
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X
0,20
0,0166478
0,159568
Probabilidad
0,15
0,10
0,076303 0,074603
0,05
0,020724 0,022890
Saberes previos
• Conceptos básicos sobre probabilidades.
• Operaciones algebraicas.
11.1 Definición
Una variable aleatoria X sigue distribución Binomial con parámetros n y p, y se
representa por X~Bi(n,p), si su función de probabilidad está dada por:
donde:
n = Número de ensayos
p= Probabilidad de éxito en cada ensayo
Esperanza matemática
Paso 2: Sobre cada valor que toma la variable se levanta una línea cuya altura es
igual o proporcional a su respectiva probabilidad.
Gráfica de la distribución Binomial (n = 15, p = 0.35)
0,20
0,15
P(X)
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X
Gráfica de la distribución Binomial (n = 15, p = 0.5)
0,20
0,15
P(X)
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X
Solución
La variable aleatoria es:
X = Número de caras obtenidas en los diez lanzamientos
n=10
p=0.5 (probabilidad de que resulte cara en cualquier lanzamiento)
a) Se pide: P(X = 3)
b) Se pide:
c) Se pide:
Solución
a) Sea la variable:
c) Sea la variable:
Y= Número de pólizas que no son del tipo Premium en un total de 10
Entonces, (Y~ Bi(n=10, p=0.55)), donde:
n = Número de años
p = Probabilidad de que una póliza no sea del tipo Premium
Solución
Sea:
X = Número de chips que funcionan de un total de cuatro
5. Un juego consiste en extraer, con reposición, tres tarjetas al azar de una urna
que contiene cuatro tarjetas blancas y cinco tarjetas negras. Si una persona
gana el juego cuando en las tres extracciones obtiene tarjetas blancas, se
pide:
a) ¿En qué consiste el experimento?
b) ¿En qué consiste un ensayo?
c) ¿Cuántas veces se repite dicho ensayo?
d) Defina la variable de estudio.
e) ¿Cuáles son las características por la que se puede atribuir un modelo
Binomial a dicha variable?
f) Calcule la probabilidad de que la persona gane el juego.
Distribución Poisson
A partir de ciertas características los siguientes experimentos aceptan un
modelo Poisson:
12.1 Definición
Una variable aleatoria X sigue una distribución Poisson con parámetro λ, y se
representa por (X~P (λ)), si su función de probabilidad está dada por:
donde:
λ = Número promedio de ocurrencias de un evento
Esperanza matemática
Varianza
0,25
0,20
P(X)
0,15
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0,16
0,14
0,12
0,10
P(X)
0,08
0,06
0,04
0,02
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0,12
0,10
0,08
P(X)
0,06
0,04
0,02
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Solución
Sea:
X = Número de veces que llega el insumo a la empresa en una semana
X ~ P(λ=3.25)
El valor de λ se obtiene por una regla de tres simple, así:
Solución
Sea la variable:
X = Número de llamadas de emergencia registradas en 30 minutos
X ~ P(λ=2.5)
El valor de λ, se obtiene por una regla de tres simple, así:
Se pide:
0,20
0,15
P(X)
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10
Número de llamadas de emergencia
2. A una agencia bancaria llegan, en promedio, diez clientes entre las ocho y
nueve de la mañana. Se pide:
En este caso, se selecciona la columna de entrada porque los datos han sido
ingresados en una columna.
Las probabilidades respectivas se muestran en la columna C2 (en almacenamiento
opcional se ingresó C2) de la hoja de cálculo:
En este caso no se eligió una columna para almacenar los resultados (en
almacenamiento opcional no se ingresó nada); por lo tanto, los resultados se
mostrarán en la ventana de sesión:
12.10 Bibliografía
1. Meza de Castillo, E. (1995). Probabilidad. Consejo Nacional de Ciencia y
Tecnología.
2. Wackerly, Mendenhall y Scheaffer (2009). Estadística Matemática con
Aplicaciones. Sétima edición. Cengage Learning.
3. Anderson, Sweeney y Williams (2008). Estadística para Administración y
Economía. Décima edición. Cengage Learning.
Motivación
La empresa Funning For Relaxing es una empresa organizadora de eventos
(específicamente conciertos de rock) que desarrolla sus actividades en el
departamento de Lima. Actualmente, el gerente general de la empresa ha
cerrado un contrato con una de las bandas más grandes de rock, esta llegará
a Lima el próximo año. Por tal motivo, el gerente realizará una gran campaña
Por estudios anteriores, se sabe que las estaturas de los asistentes siguen una
distribución normal con una media de 168.75 cm y una desviación estándar
de 10 cm.
51.879%
35.197% 12.924%
165 180
Si el gerente general de la empresa le solicita al jefe de producción el porcentaje
de cada talla que se confeccionará, ¿qué informará el jefe de producción?
Al finalizar el capítulo, el estudiante estará en capacidad de responder esta
pregunta y otras más, utilizando la distribución de probabilidad pertinente.
Saberes previos
• Conceptos básicos sobre probabilidades.
• Distribuciones discretas especiales.
13.1 Definición
Una variable aleatoria continua X sigue una distribución Normal con parámetros
μ y , y se representa como , si su función de densidad está dada por:
donde:
μ = Media poblacional
σ = Desviación estándar poblacional
Z 0 1 2 …… 7 8 9
… … … … …… … … …
a) P(a≤Z≤b)=P(Z≤b)-P(Z<a)
b) P(Z≥a)=1-P(Z<a)
c) P(Z≥-a)=P(Z≤a)
d) P(Z≤-a)=P(Z≥a)
Observación
Dada la siguiente probabilidad: P(Z≤a), con fines prácticos se puede
considerar:
Ejemplo 13.1
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea menor o igual que 1.63.
-4 1.63 4
Ejemplo 13.2
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea menor o igual a -2.60.
Solución
La representación gráfica es la siguiente:
-4 -2.60 4
Ejemplo 13.3
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
tome valores entre -2.53 y 1.87.
-4 2.53 1.87 4
P(-2.53≤Z≤1.87)=P(Z≤1.87)-P(Z<-2.53)
P(-2.53≤Z≤1.87)=0.96926-0.00570
P(-2.53≤Z≤1.87)=0.96356
Ejemplo 13.4
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea mayor a 1.76.
Solución
La representación gráfica es la siguiente:
-4 1.76 4
P(Z>1.76)=1-P(Z≤1.76)
P(Z>1.76)=1-0.96080
P(Z>1.76)=0.0392
Teorema 1
Si la variable aleatoria continua X sigue una distribución Normal con parámetros
μ y σ2, la variable aleatoria:
Observación
El cambio de variable anterior (X → Z) recibe el nombre de estandarización.
Ejemplo 13.5
Si X es una variable aleatoria continua que sigue una distribución Normal con
media igual a 65 y desviación estándar igual a 36, calcule la probabilidad de
que X sea por lo menos 74.
En este ejemplo, se utiliza el Teorema 7.3. Estandarizando, se tiene:
P(X≥74)=P(Z≥0.25)
P(X≥74)=1-P(Z<0.25)
P(X≥74)=1-0.59871
P(X≥74)=0.40129
Solución
a) Se sabe que:
Estandarizando:
b) Se sabe que:
Estandarizando:
c) Se sabe que:
Estandarizando:
Ejemplo 13.7
En un restaurante se sabe que el ingreso diario por la venta de comida sigue una
distribución Normal con media igual a 625 soles y desviación estándar igual a
49 soles. Para un día cualquiera:
Solución
a) Sea la variable:
X = Ingreso diario por la venta de comida
μ = 625 y σ2 = 492
b)
d) Gráficamente:
0.955 0.045
k
k = Ingreso mínimo para que un día sea considerado excelente
Del gráfico:
P(X≤k)=0.955
Estandarizando, se tiene:
El ingreso mínimo diario para que el día sea considerado con la denominación
de excelente con respecto a la venta de comida es 708.3 soles.
Solución
a) Sea la variable:
X = Estatura de un asistente al concierto de rock
μ = 168.75 y σ2 = 102
Talla M:
51.879%
35.197% 12.924%
165 180
Solución
a) X = Consumo anual de cerveza por persona
μ =45 y σ2 =49
b)
d) Gráficamente:
0.90 0.10
k
k = Consumo mínimo para que un cliente se considere como buen
bebedor
Del gráfico:
P(X≤k)=0.90
Estandarizando:
Para que una persona sea considerada como buen bebedor tendría que
consumir anualmente como mínimo 53.96 litros.
P(35 – k ≤ X ≤ 35 + k) = 0.99672
2. Si Z es una variable aleatoria continua que sigue una distribución Normal
Estándar. Se pide:
a) Calcule la probabilidad de que Z sea mayor a 2.48.
b) Calcule la probabilidad de que Z sea a los más -2.63.
c) Calcule la probabilidad de que Z sea menor a 1.14.
d) Calcule la probabilidad de que Z sea por lo menos -2.88.
e) Calcule la probabilidad de que Z sea por lo menos -1.25 y a lo más 3.52.
a) El jefe del área tiene una idea para fidelizar a sus clientes a través de
una campaña de descuentos por sus compras realizadas, esta campaña
durará todo el siguiente mes. Los descuentos establecidos se muestran
en el siguiente cuadro:
Distribuciones: Chi-Cuadrado,
T-Student y F-Fisher.
En esta lección se estudiarán las distribuciones Chi-Cuadrado, T-Student y
F-Fisher.
Donde:
r = Grados de libertad
0,24 n=6
0,22
0,20
0,18
0,16
0,14
0,12 n = 12
0,10
0,08 n = 24
0,06
0,04
0,02
0,00
10 20 30 40
Esperanza matemática
E(X)=μ=r
Varianza
V(X)=σ2=2r
G. L. Valores de la probabilidad: p
Ejemplo 14.1
Si X es una variable aleatoria continua que sigue una distribución Chi-Cuadrado
con 25 grados de libertad, calcule la probabilidad de que X sea menor o igual a
44.314
Solución
La probabilidad buscada, es el área bajo la curva a la izquierda de 44.314;
es decir:
P(X≤44.314)=0.99
Ejemplo 14.2
Si es una variable aleatoria continua que sigue una distribución Chi-Cuadrado
con 15 grados de libertad, calcule la probabilidad de que sea menor o igual a
6.262.
Solución
La probabilidad buscada, es el área bajo la curva a la izquierda de 6.262; es
decir:
0 6.262
P(X≤6.262)=0.025
Solución
La probabilidad buscada, es el área bajo la curva entre 9.312 y 20.465; es decir:
0 9.312 20.465
De la tabla, se tiene que:
P(9.312≤X≤20.465)=P(X≤20.465)-P(X≤9.312)
P(9.312≤X≤20.465)=0.80-0.10
P(9.312≤X≤20.465)=0.70
Ejemplo 14.4
Si X es una variable aleatoria continua que sigue una distribución Chi Cuadrado
con 23 grados de libertad, calcule la probabilidad de que X sea mayor a 26.018.
Solución
La probabilidad buscada, es el área bajo la curva a la derecha de 26.018; es decir:
0 26.018
P(X>26.018)=1-P(X≤26.018)
P(X>26.018)=1-0.7
P(X>26.018)=0.3
Esperanza matemática
E(X)=μ=0
Varianza
Teorema 2
Si Z y V son dos variables aleatorias continuas independientes; tales que:
donde:
Ejemplo 14.5
Si X es una variable aleatoria continua que sigue una distribución T–Student
con 20 grados de libertad, calcule la probabilidad de que X sea menor o igual
a -2.086.
Solución
La probabilidad buscada es el área bajo la curva a la izquierda de -2.086 con 20
grados de libertad; es decir:
Ejemplo 14.6
Si X es una variable aleatoria continua que sigue una distribución T–Student con
18 grados de libertad, calcule la probabilidad de que X sea menor o igual a 1.734.
0 1.734
Ejemplo 14.7
Si X es una variable aleatoria continua que sigue una distribución T–Student
con 20 grados de libertad, calcule la probabilidad de que X tome valores entre
-2.528 y 1.994.
Solución
La probabilidad buscada es el área bajo la curva entre -2.528 y 1.994 con 20
grados de libertad; es decir:
P(-2.528≤X≤1.994)=P(X≤1.994)-P(X<-2.528)
P(-2.528≤X≤1.994)=0.97-0.01
P(-2.528≤X≤1.994)=0.96
Ejemplo 14.8
Si X es una variable aleatoria continua que sigue una distribución T–Student con
28 grados de libertad, calcule la probabilidad de que X sea por lo menos 1.701.
Solución
La probabilidad buscada es el área bajo la curva a la derecha de 1.701 con 28
grados de libertad; es decir:
0 1.701
P(X≥1.701)=1-0.95
P(X≥1.701)=0.05
Esperanza matemática
Varianza
Solución
El valor de X que deja a su derecha un área igual a 0.05 está dado por el punto
F(7; 8). Gráficamente, se tiene:
0 F(7,8; 0.05)
Ejemplo 14.10
Si X sigue una distribución F–Fisher con 16 y 25 grados de libertad, calcule el
valor de X que deja a su derecha un área igual a 0.025.
Solución
El valor de X que deja a su derecha un área igual a 0.025 está dado por el punto
F(16; 25). Gráficamente, se tiene:
Solución
a) Se pide:
P(X>15.119)=1-P(X≤15.119)
P(X>15.119)=1-0.7
P(X>15.119)=0.30
b) Se pide:
P(X<24.736)=0.975
c) Se pide:
P(4.107≤X ≤12.340)= P(X≤12.340)-P(X≤4.107)
P(4.107≤X ≤12.340)= 0.50-0.01=0.49
P(4.107≤X ≤12.340)= 0.49
Solución
a) Se pide:
P(X≥1.960)=1-P(X<1.960)
P(X≥1.960)=1-0.97
P(X≥1.960)=0.03
b) Se tiene:
P(X>k)=0.92
1-P(X≤k)=0.92
P(X≤k)=0.08
De la tabla: k=-1.4434
Para esto, ingrese los datos en una de las columnas de la ventana Hoja de
trabajo (-4, 5, 10 y 13) y seleccione Calc/Distribuciones de probabilidad/
Normal. Luego, ingrese la información correspondiente; tal como, se muestra
a continuación:
14.10 Bibliografía
1. Meza de Castillo, E. (1995). Probabilidad. Consejo Nacional de Ciencia y
Tecnología.
2. Wackerly, Mendenhall y Scheaffer (2009). Estadística Matemática con
Aplicaciones. Sétima edición. Cengage Learning.
3. Anderson, Sweeney y Williams (2008). Estadística para Administración y
Economía. Décima edición. Cengage Learning.
1–α
α/2 α/2 Z
-Z1-α/2 0 Z1-α/2
Motivación
En una editorial están interesados en sacar a la venta una nueva revista
de negocios. Para esto, el jefe de investigación de la editorial realizó una
encuesta en todo Lima y encontró que 300 de un total de 2500 personas
Saberes previos
• Estadística Descriptiva
• Noción de probabilidad y variable aleatoria
• Distribuciones discretas y continuas especiales
Por ejemplo:
PARÁMETRO ESTIMADOR
Media poblacional: µ Media muestral: x̅
Varianza poblacional: σ2
Varianza muestral: s2
Proporción poblacional: π Proporción muestral: p
estima mediante x=
∑ i =1
Xi
.
n
Para la construcción de un intervalo de confianza para la media poblacional ( μ )
se utiliza el valor estandarizado de la media muestral ( x ) , así:
x−μ
Z=
σ/ n
1–α
α/2 α/2 Z
-Z1-α/2 0 Z1-α/2
Ejemplo 15.1
El jefe de producción de una fábrica desea estimar el peso promedio de una
bolsa de azúcar en un lote de producción. Para esto, tomó una muestra aleatoria
de 100 artículos y obtuvo un peso promedio de 650 g. Estime un intervalo de
confianza con un 95% si se sabe que la desviación estándar del peso de las
bolsas de azúcar es 150 g.
Solución
Sea la variable:
X = Peso de
dellaartículo
bolsa de azúcar
Datos:
n = 100
x = 650
σ = 150
1 − α = 0.95 → α = 0.05
El intervalo de confianza se obtiene de la siguiente manera:
× ×
620.6 ≤ μ ≤ 679.4
El valor de Z1−α /2 = Z0.975 = 1.96 se obtiene de la tabla de la distribución normal
estándar.
0.025 0.025
-1.960 0 1.960
0.975
Sea X1, X2, … , Xn una muestra aleatoria tomada de una población Normal con
media y varianza σ 2 desconocida.
1–α
α/2 α/2 T
-t1-α/2; n-1 0 t1-α/2; n-1
Forma resumida
Ejemplo 15.2
En la cafetería de la universidad se venden hamburguesas de carne cuyo peso
ofrecido es de 200 g. Un estudiante de gastronomía piensa que el peso de
una hamburguesa es menor que lo ofrecido; por tal motivo, tomó una muestra
aleatoria de siete hamburguesas y obtuvo los siguientes resultados:
Solución
Sea la variable:
X = Peso de la hamburguesa de carne
Datos:
n=7
x = 191.86
s = 11.04
1 − α = 0.90 → α = 0.10
El intervalo de confianza se obtiene de la siguiente manera:
0.90
0.05 0.05
-1.943 0 1.943
0.95
Forma resumida
Solución
Sea la variable:
X = Estatura del postulante
Datos:
n = 50
x = 182
s2 = 9 → s = 3
1 − α = 0.98 → = 0.02
181.01 ≤ ≤ 182.99
0.01 0.01
-2.33 0 2.33
0.99
Solución
Sea la variable:
Datos:
n=9
x = 9000
s = 1200
1 − = 0.95 0.05
Solución
a) Sea la variable:
Datos:
n = 35
x = 100
σ = 10
1 − α = 0.99 0.01
b) Datos
n = 25
x = 105
s=9
101.7096 ≤ ≤ 108.2904
105 − 101.7096
t1−α /2;24 = = 1.828
9
25
α = 0.08
Luego: 1 − α = 0.92.
3. Para decidir si un programa de ayuda social en una zona del país se justifica,
un funcionario del gobierno obtuvo información sobre el ingreso mensual
de las familias de dicha zona para luego tomar una decisión al respecto. Si
se tiene evidencia de que el ingreso total mensual en esta zona es menor a
1000000 soles se considerará a la zona como susceptible de ayudad social.
Para esto, se seleccionó una muestra aleatoria de 35 familias de un total
de 1000 y se obtuvo un ingreso mensual promedio de 650 soles con una
desviación estándar de 100 soles. Obtenga un intervalo de confianza para
estimar el ingreso total mensual de las familias de dicha zona con un nivel de
confianza del 95%.
50.2 49.8 48.3 49.59 52.0 49.5 50.3 50.1 48.4 49.9 49.1 49.1 49.8
Con esta información y con un nivel de confianza del 90%, ¿es posible
confirmar que el chef está en lo correcto y que decisión tomará?
proporción poblacional ( π )
16.1 Intervalo de confianza para la varianza poblacional (σ 2 )
Sea X1, X2, … , Xn una muestra aleatoria tomada de una población Normal con media
desconocida y varianza desconocida σ 2 . Como se mencionó anteriormente,
el estimador puntual de la media poblacional ( ) es la media muestral x y el
estimador puntual de varianza poblacional (σ 2 ) es la varianza muestral s 2 .
χ 2
=
( n − 1) s 2
~ χ n2−1
2
σ
1–α
α/2 α/2
0 X21-α/2; n-1 X21-α/2; n-1
( n − 1) s 2
≤σ 2
≤
( n − 1) s 2
Ejemplo 16.1
Un empresario quiere estimar la varianza de la utilidad de los activos financieros
que poseen las empresas. Para esto, se seleccionó una muestra aleatoria de 18
empresas financieras y obtuvo una varianza de 102400 dólares2. Con un 98% de
confianza, estime la varianza de la utilidad de los activos financieros.
Solución
Sea la variable:
X = Utilidad de los activos financieros
Datos:
n = 18
s 2 = 102400 dólares 2 .
1− = 0.98 0.02
( n − 1) s 2
≤ σ2 ≤
( n − 1) s 2
(18 − 1)102400 ≤ σ 2
≤
(18 − 1)102400
33.409 6.408
52105.72 ≤ σ 2 ≤ 271660.42
2 2 2 2
Los valores de χ 1−α /2; n−1 = χ 0.99; 17 = 33.409 y χ α /2; n−1
= χ 0.01; 17
= 6.408 se obtienen de la
tabla de la distribución chi-cuadrado.
{
1, si presenta la caracteristica de interés
Xi =
0, si no presenta la caracteristica de interés
Observación
2
π (1 − π )
La varianza del estimador p es : σ p =
n
p−π
Z=
π (1 − π )
n
1–α
α/2 α/2 Z
-Z1-α/2 0 Z1-α/2
p (1 − p ) p (1 − p )
p − z1−α /2 ≤ π ≤ p + z1−α /2
n n
Forma resumida:
p (1 − p )
IC ( π ) : p ± z1−α /2
n
Ejemplo 16.2
En una editorial están interesados en sacar a la venta una nueva revista de
negocios en el departamento de Lima. Para esto, el jefe de investigación de la
editorial realizó una encuesta en todo el departamento de Lima y encontró que
300 de un total de 2500 personas comprarían la revista. Estime un intervalo
con un 99% de confianza para la proporción poblacional de personas que
comprarían dicha revista.
Solución
Sea la variable:
X = Número de personas que comprarían la revista
x 300
p= = = 0.12
n 2500
1− = 0.99 0.01
p (1 − p ) p (1 − p )
p − z1−α /2 ≤ π ≤ p + z1−α /2
n n
0.1032 ≤ π ≤ 0.1368
Sea el intervalo:
( )
Como L = 2ε , se tiene:
Ejemplo 6.3
Un director quiere estimar la facturación mensual promedio por consumo de
luz eléctrica en el mes de junio en los hogares de una urbanización de Lima
Metropolitana. Si se desea tener un error máximo de estimación de ocho soles
y se sabe que la desviación estándar de la facturación mensual por luz eléctrica
es de 56 soles, ¿qué tamaño de muestra se necesita para tener un 97% de
confianza en los resultados?
Sea la variable:
X = Monto de la facturación mensual por luz eléctrica
Datos:
n=?
ε =8
σ = 56 soles.
1− = 0.97 0.03
n = 230.7361 ≈ 231
Sea el intervalo:
[
P p − zα /2
p (1 − p )
n
≤ π ≤ p + z1−α /2
p (1 − p )
n ] = 1− α
Como L = 2ε , se tiene:
z12−α /2 p (1 − p )
n= 2
ε
Ejemplo 6.4
El jefe de capital humano de una empresa de Marketing realizará un test
psicológico para estimar el porcentaje de postulantes con un alto perfil creativo.
Por tal motivo, el jefe fijó un error máximo de estimación de 3% y un nivel
de confianza de 93%, ¿qué tamaño de muestra deberá el jefe tomar si por
experiencias anteriores se sabe que el porcentaje de postulantes con un alto
perfil creativo es 7.5%?
Sea la variable:
X = Número de postulantes con un alto perfil creativo
Z12−α /2 p (1 − p )
n= 2
ε
1.8120.075 (1 − 0.075)
n=
0.032
n = 252.5327 ≈ 253
Solución
Sea la variable:
s = 0.52
1− = 0.90 0.10
( n − 1) s 2
≤σ 2
≤
( n − 1) s 2
(18 − 1) 0.52 2
≤ σ2 ≤
(18 − 1) 0.52 2
27.587 8.672
0.1666 ≤ σ 2 ≤ 0.5301
2 2
Los valores de χ 1−α /2;n−1 = χ 0.95;17 = 27.587 y χ α /2;n−1 = χ 0.05;17 = 8.672 se obtiene de la
2 2
Solución
Sea la variable:
X = Número de divorcios que fueron causados por el exceso en el uso del Facebook
x = 192
192
p= = 0.64
300
1 − α = 0.99 → α = 0.01
p (1 − p ) p (1 − p )
p − z1−α /2 ≤ π ≤ p + z1−α /2
n n
0.5685 ≤ π ≤ 0.7115
Datos:
n=?
ε = 0.025
p = 0.66
1− = 0.95 = 0.05
Z12−α /2 p (1 − p )
n= 2
ε
n = 1379.2881 ≈ 1379
diferencia de medias ( μ − μ ) 1 2
1–α
α/2 α/2 F
0 1 fα/2; n -1; n -1
1 2
fα/2; n -1; n -1
2 1
s12 1 σ 12 s12
> ×
s2 Fα /2, n1 −1; n2 −1
2
≤ ≤ F
σ 22 s22 α /2, n2 −1; n1 −1
>
Gasto en el distrito A 50.8 58.4 56.3 54.2 48.3 60.9 40.4 45.3 52.5 55.9
Gasto en el distrito B 50.4 54.2 60.6 46.9 59.5 65.7 54.8 48.9 57.7
Solución
Sean las variables:
Datos:
Distrito A
n1 = 10
s1 = 6.26
Distrito B
n2 = 9
s2 = 6.09
1− = 0.90 0.10
Observación
Si el intervalo de confianza para el cociente de varianzas contiene el número
uno, entonces se concluye que existe evidencia estadística para pensar que
las varianzas poblacionales son iguales.
1–α
α/2 α/2 Z
-Z1-α/2 0 Z1-α/2
σ 12 σ 22 σ 12 σ 22
(x − y) − z1− α /2
+
n1 n2
≤ μ1 − μ2 ≤ ( x − y ) + z1−α /2 +
n1 n2
Forma resumida:
σ 12 σ 22
IC ( μ1 − μ 2 ) : ( x − y ) ± z1−α /2 +
n1 n2
Ejemplo 17.2
Un fabricante de baterías desea comparar los tiempos promedio de vida, en
horas, de las baterías fabricadas en dos líneas de producción (I y II). Para esto, el
fabricante tomó una muestra aleatoria de 10 baterías de cada una de las líneas
y obtuvo los siguientes resultados:
Se sabe que los tiempos de vida de las baterías se distribuyen normalmente con
una desviación estándar de 12 horas para la línea I y 10 horas para la línea II. Con
un nivel de confianza de 90%; estime la diferencia entre los tiempos promedio
de vida de las baterías fabricadas en las dos líneas de producción. ¿Se puede
decir que el tiempo promedio de vida de las baterías es el mismo en las dos
líneas de producción?
Solución
Sean las variables:
Línea I
n1 = 10
x1 = 1475
σ 1 = 12
Línea II
n 2 = 10
x 2 = 1525
σ 2 = 10
1− = 0.90 0.10
σ 12 σ 22 σ 12 σ 22
(x − y) − z 1− α /2
+
n1 n2
≤ μ1 − μ 2 ≤ ( x − y ) + z1−α /2 +
n1 n2
− 58.15 ≤ μ 1 − μ 2 ≤ − 41.85
1–α
α/2 α/2 T
-t1-α/2; n +n -2 0 t1-α/2; n +n -2
1 2 1 2
IC ( μ1 − μ 2 ) : ( x − y ) ± t1−α /2;n + n − 2
( n − 1) s + ( n
1
2
1 2
− 1) s22 1 1
+
1 2
n1 + n2 − 2 n1 n2
estadísticamente diferentes.
s12 s22
IC ( μ 1 − μ 2 ) : ( x − y ) ± t1− α /2; g +
n1 n2
donde:
2
s12 s22
+
n1 n2
g= 2 2
−2
2 2
s1
s2
n1 n2
+
n1 + 1 n2 + 1
Datos:
Finanzas Unidas
n1 = 12
x = 3600
s1 = 260
Negocio Creciendo
n 2 = 15
y = 3000
s 2 = 250
1− = 0.95 0.05
2602 1 σ 12 2602
≤ ≤ 2.565
2502 2.74 σ 22 2502
σ 12
0.3947 ≤ 2 ≤ 2.7743
σ2
Los valores de f0.025, 14; 11 = 2.74 y f0.025, 11; 14 = 2.565 se obtienen de la tabla de
la distribución F-Fisher.
( n − 1) s + ( n
2
− 1) s22 1 1
( x − y ) ± t1−α /2;n +n −2
1 2
1 1 2
n1 + n2 − 2
+
n1 n2
112602 + 142502 1 1
(3600 − 3000) ± 2.06 25
+
12 15
(396.99, 803.01)
Sucursal A 1240 1230 1220 1240 1230 1250 1260 1200 1220 1210
Sucursal B 1250 1170 1170 1240 1260 1270 1300 1220 1280 1300 1280 1220
Asuma que el ingreso diario de cada sucursal sigue una distribución normal
y que las muestras son independientes. Estime con un 90% de confianza la
diferencia entre los ingresos promedio diario de las dos sucursales.
Solución
Datos:
Sucursal A
n1 = 10
s1 = 18.26
Sucursal B
n 2 = 12
y = 1246.67
s 2 = 44.59
1 − = 0.90 → = 0.10
s12 1 σ 12 s12
≤ 2 ≤ 2 fα /2, n −1; n −1
s22 fα /2, n −1; n −1 σ 2 s2 1 2
2 1
18.262 1 σ 12 18.262
≤ ≤ 2.90
44.592 3.105 σ 22 44.592
σ 12
0.0540 ≤ ≤ 0.4863
σ 22
(µ1 µ2 ) 41.3023;7.9623
donde:
2 2
s12 s22 18.262 44.592
+ +
n1 n2 10 12
g= 2 2
−2= 2 2
− 2 = 15.9 ≈ 16
2 2 2 2
s 1
s
2
18.26 44.59
n1 n2 10 12
+ +
n1 + 1 n2 + 1 10 + 1 12 + 1
Gastos de los
56.0 59.4 61.5 47.3 53.5 70.9 45.6 54.1 57.7 47.8 45.8 49.8
jóvenes
Gastos de los
55.6 63.6 55.8 59.4 61.7 66.1 60.0 50.5 56.9 61.1 63.1 65.1
adultos
Sucursal A 29 28 27 29 28 30 31 25 27
Sucursal B 30 22 22 29 31 32 35 27 33 35
4. Asuma que los tiempos de atención siguen una distribución normal y que
las muestras son independientes. Utilice un nivel de confianza del 95% y
responda las siguientes preguntas:
Torta N°1 51.3 46.3 49.3 48.3 47.3 51.3 48.8 49.8 48.8 46.3 43.8 41.3
Torta N°2 46.3 41.3 39.3 38.8 46.3 51.3 46.3 48.8 43.8 44.8 41.3 42.8
Sucursal A Sucursal B
n1 = 20 n2 = 20
x1 = $500 x 2 = $570
S1 = $20 S2 = $18
Precio de la Precio de la
impresora A impresora B
n1 = 9 n2 = 9
x1 =387.4 x2 = 392.6
S1 = 22.8 S2 = 21.2
a) Con un nivel de confianza del 95%, ¿las varianzas de las ventas de cada
ciudad son homogéneas?
b) Con un nivel de confianza del 95%, ¿se tiene evidencia de que la sede de
Arequipa tiene mayor nivel de ventas que la sede de Cusco?
1–α
α/2 α/2 Z
-Z1-α/2 0 Z1-α/2
p1 (1 − p1 ) p2 (1 − p2 ) p1 (1 − p1 ) p2 (1 − p2 )
(p 1
−p 2 )− z
1− α /2
n1
+
n2
≤ (π 1 − π 2 ) ≤ ( p 1 − p 2 )+ z
1− α /2
n1
+
n2
p1 (1 − p1 ) p2 (1 − p2 )
IC ( π 1 − π 2 ) : ( p 1 − p 2 )± z
1− α /2
+
n1 n2
Empresa Tamaño de
Candidato A Candidato B
encuestadora muestra
JK 1600 29% 24%
RK 2000 28% 23%
Solución
Sea la variable:
Datos:
n1 = 1600
p1 = 0.24
n 2 = 2000
p2 = 0.23
1 − α = 0.95 0.05
−0.017895, 0.037895
Tamaño de Barras
Empresa
muestra defectuosas
AKI 350 26
Fierros Duros 420 40
Solución
Sea la variable:
Datos:
n1 = 350
x1 = 26
p1 = 0.0743
n 2 = 420
p2 = 0.0952
1 − α = 0.95 0.05
p1 (1 − p1 ) p2 (1 − p2 )
(p 1
− p2 ) ± z1−α /2
n1
+
n2
−0.0644, 0.0226
• Muestra 1:
■ Número de eventos = 26
■ Número de ensayos = 350
• Muestra 2:
■ Número de eventos = 40
■ Número de ensayos = 420
Tiempo de uso
Marca Menos de un año Más de un año
Buena Mala Buena Mala
A 70 25 85 20
B 65 35 80 20
Asuma que las calificaciones en cada grupo siguen una distribución normal.
Tamaño de Costo
Monumento arqueológico
muestra promedio
La Basílica y Convento de San Francisco 17 2910
Real Fortaleza de San Felipe 11 3240
Monto de la Monto de la
Aseguradora Aseguradora
aportación aportación
Vida Sana 1289.6 Seguro Total 985.6
Vida Sana 899.3 Seguro Total 1056.4
Vida Sana 932.6 Seguro Total 1109.3
Vida Sana 956.7 Seguro Total 1259.0
Vida Sana 1009.7 Seguro Total 1358.4
Vida Sana 1383.1 Seguro Total 1362.9
Vida Sana 1265.4 Seguro Total 995.9
Vida Sana 1245.8 Seguro Total 1310.5
Vida Sana 1168.6 Seguro Total 867.3
Vida Sana 1389.3 Seguro Total 1006.2
Vida Sana 1237.0 Seguro Total 1285.7
Vida Sana 1182.7 Seguro Total 1185.7
Vida Sana 1346.5 Seguro Total 1296.3
Vida Sana 1227.1 Seguro Total 974.6
Seguro Total 1305.8
Población Muestra
Motivación
Una de las principales funciones de un profesional en Marketing Digital es
posicionar en el mercado los diferentes productos con los que cuenta la empresa
a través de la promoción efectuada por diversos medios de publicidad digital;
ya sea, internet, aplicaciones móviles, entre otras.
Saberes previos
• Estadística Descriptiva
• Nociones de probabilidad
• Estimación por Intervalos
Estas pruebas son útiles para determinar si la afirmación formulada sobre alguna
característica de la población es consistente con los datos de la muestra.
Decisión
Aceptar H0 Rechazar H0
H0 es ERROR TIPO I
P(Decisión correcta) =1-α
verdadera P(Decisión incorrecta) =α
Hipótesis simple
H0 : θ = θ o
Unilateral con cola hacia la izquierda Bilateral Unilateral con cola hacia la derecha
H1 : θ < θ o H1 : θ ≠ θ o H1 : θ > θ o
Hipótesis compuesta
H0 : θ ≥ θ o H0 : θ ≤ θ o
Unilateral con cola hacia la izquierda Unilateral con cola hacia la derecha
H1 : θ < θ o H1 : θ > θ o
Cabe indicar que la diferencia está dada en la hipótesis nula; es decir, mientras
que, en la hipótesis simple, el valor del parámetro es uno solo, en la hipótesis
compuesta se tiene un conjunto de valores para el parámetro.
P-valor
Además del valor del estadístico de prueba, los programas estadísticos
brindan información del p-valor para tomar la decisión de aceptar o rechazar
la hipótesis nula. Cuando la prueba es unilateral con cola a la derecha,
este valor se define como el área bajo la curva a la derecha del valor del
estadístico de prueba, si la prueba es unilateral con cola a la izquierda,
este valor se define como el área bajo la curva a la izquierda del valor del
estadístico de prueba, pero si la prueba es bilateral, este valor se define
como dos veces el área bajo la curva a la derecha o izquierda del valor del
estadístico de prueba en caso de que el valor del estadístico de prueba sea
positivo o negativo respectivamente; luego, el p-valor se compara con el
nivel de significancia α y se rechaza la hipótesis nula, siempre y cuando, el
p-valor sea menor que α.
Hipótesis simple
H0 : μ = μ o
H1 : µ < µ o H1 : µ ≠ µ o H1 : µ > µ o
H0 : μ ≥ μ o H 0 : μ ≤ μo
H1 : µ < µ o H1 : µ > µ o
Ejemplo 19.1
Una máquina está regulada para embolsar café con un peso promedio de 250
gramos. El último viernes, el jefe de control de calidad realizó una inspección
para determinar si debía mandar a regular la máquina; para esto, tomó una
muestra aleatoria de 25 bolsas y obtuvo un peso promedio de 247.25 gramos.
¿A qué conclusión llegará el jefe de control de calidad si se sabe que el peso
de las bolsas se distribuye normalmente con una desviación estándar de
ocho gramos? Utilice un nivel de significancia del 10%.
Sea la variable:
Datos:
n = 25
σ=8
x̅ = 247.25
α=0.10
H0: μ = 250
H1: μ ≠ 250
α=0.10
Con un nivel de significancia del 10%, existe evidencia estadística para pensar
que el peso promedio de una bolsa de café es diferente que 250 gramos, por
lo tanto, es recomendable mandar a regular la máquina.
p − valor = 0.08544
x − μ0
Tcal = ~ t n−1
s
n
Ejemplo 19.2
Se sabe que el nivel de ventas diario, en soles, de los trabajadores de una
empresa es una variable aleatoria que sigue una distribución normal con
una media de 2500 soles y una desviación estándar de 24.49 soles. Con la
finalidad de mejorar el nivel promedio de ventas diario, el jefe del área de
recursos humanos realizó una capacitación; y, para determinar la efectividad
de esta capacitación, en términos del nivel promedio de ventas diario, un día
cualquiera se seleccionó 20 trabajadores y se obtuvo una venta promedio
de 2538 soles con una desviación estándar de 20 soles. Con un nivel de
significancia del 2%, ¿es posible concluir que después de la capacitación
mejoró el nivel promedio de ventas diario de los trabajadores?
Sea la variable:
Datos:
n = 20 < 30
s = 20 ( muestral ) } CASO II
α = 0.02
H1 : μ > 2500
Solución
a) Sea la variable:
Hipótesis
80
70
Porcentaje
60
50
40
30
20
10
5
1
346 347 348 349 350 351 352 353
Contenido
Hipótesis
Decisión
b) Datos:
n = 36 > 30
CASO III
s = 1.42 ( muestral )
x = 349.59
α = 0.05
H1 : μ < 350
Solución
Sea la variable:
n = 25 < 30
s = 150 ( muestral ) } CASO II
x = 435
α = 0.025
H1 : μ < 450
Por lo tanto, no existe evidencia estadística que apoya las creencias del
gerente.
• Tamaño de muestra = 25
• Media de la muestra = 435
• Desviación estándar = 150
4. El gerente del banco LMR, afirma que en lo que va del año, el monto promedio
de los créditos vehiculares personales supera los 60000 soles. Para determinar
si esta afirmación es verdadera, un representante de la JCA, institución que
regula y fiscaliza los movimientos bancarios, tomó una muestra aleatoria de
15 personas con créditos vehiculares y obtuvo un monto promedio de 60250
soles con una varianza de 160000 soles2.
Hipótesis simple
H0 : π = π o
Hipótesis compuesta
H0 : π ≥ π o H0 : π ≤ π o
p − π0
Z cal = ~ N ( 0,1)
π0 (1 − π0 )
n
Sea la variable:
Datos:
n = 100
30
p= = 0.30
100
α = 0.01
H 0 : π ≤ 0.10
H1 : π > 0.10
Zcal =
(0.30 − 0.10) = 6.67
( (
0.10 1 − 0.10 )) / 100
Con un nivel de significancia del 1%, existe evidencia estadística para pensar que
el porcentaje de personas que formularon quejas respecto al servicio recibido en
dicho establecimiento supera el 10%; por lo tanto, será necesario implementar
acciones de mejora.
Hipótesis simple
H 0 : σ 2 = σ 02
H1 : σ 2 σ 02 H1 : σ 2 ≠ σ 02 H1 : σ 2 σ 02
Hipótesis compuesta
H 0 : σ 2 ≥ σ 02 H 0 : σ 2 ≤ σ 02
H1 : σ 2 σ 02 H1 : σ 2 σ 02
χ 2
=
( n − 1) s 2
~ χ n2−1
cal
σ 02
X = Ingreso diario
Hipótesis
80
70
Porcentaje
60
50
40
30
20
10
5
1
300 320 340 360 380 400 420
Ingreso diario
H 0 : σ 2 ≤ 100
H1 : σ 2 > 100
χ 2
=
(30 − 1) ( 20.46) = 121.40
cal
100
Habas
Papa 21.5%
35.8%
Cebada Quinua
19.2% 23.5%
Con un nivel de significancia del 5%, ¿los datos apoyan las creencias del
funcionario?
Sea la variable:
Datos:
n = 100
p = 0.235
α = 0.05
H 0 : π ≥ 0.25
H1 : π < 0.25
Zcal =
(0.235 − 0.25) = −0.35
(0.25(1 − 0.25)) / 100
Paso 4 (Establezca la región de rechazo)
Con un nivel de significancia del 5%, no existe evidencia estadística para pensar
que, en dicha región del país, menos del 25% de los productores tienen en la
cosecha de la quinua su principal producto de cultivo. Es decir, los datos no
apoyan las creencias del funcionario.
Cada cierto tiempo, el jefe de control de calidad toma una muestra aleatoria
de 20 botellas y mide el contenido, todo esto con la finalidad de controlar la
variabilidad en el llenado de las botellas. Si en uno de los controles se obtiene
que la desviación estándar es 5.05 mililitros, ¿existe evidencia estadística
para pensar que la variabilidad en el llenado de las botellas no está bajo
control? Utilice un nivel de significancia del 5%.
5. El administrador de un hotel cree que más del 70% de los clientes que llegan
se retiran muy satisfechos con el servicio recibido.
Donde:
MI: Muy Insatisfecho, I: Insatisfecho, N: Ni Satisfecho Ni Insatisfecho, S: Satisfecho y MS: Muy
Satisfecho
A un nivel de significancia del 5%, ¿existe evidencia estadística que apoye las
creencias del administrador?
2 2
( ) ( )
de dos poblaciones normales N μ 1 , σ 12 y N μ 2 , σ 22 respectivamente, con
varianzas σ 1 y σ 2 desconocidas.
σ 12
Las hipótesis para el cociente de varianzas se presentan a continuación:
σ 22
Hipótesis simple
σ 12
H0 : =1
σ 22
Hipótesis compuesta
σ 12 σ 12
H0 : ≥1 H0 : ≤1
σ 22 σ 22
s12
Fcal = ~ F ( n1 − 1, n2 − 1)
s22
La región de rechazo se establece a partir de la hipótesis alterna definida y el
nivel de significancia dado.
Ejemplo 21.1
Con la finalidad de comparar el gasto mensual en gaseosas de los jóvenes
y adultos de una pequeña comunidad, el jefe de ventas de una empresa de
gaseosa seleccionó una muestra aleatoria de 10 personas de cada grupo de
edad y obtuvo la siguiente información:
Gastos de los jóvenes 50.8 54.2 56.3 42.1 48.3 65.7 40.4 48.9 52.5 42.6
Gastos de los adultos 50.4 58.4 50.6 54.2 56.5 60.9 54.8 45.3 51.7 55.9
Solución
X = Gasto de un joven
Y = Gasto de un adulto
Datos:
Grupo 1: Jóvenes
n1 = 10
s1 = 7.63
Grupo 2: Adultos
n 2 = 10
s 2 = 4.51
α = 0.05
H 0 : σ 12 ≤ σ 22
H1 : σ 12 > σ 22
s12 7.632
Fcal = = = 2.86
s22 4.512
H 0 : μ 1 − μ 2 = μo
Hipótesis compuesta
H 0 : μ1 − μ 2 ≥ μ o H 0 : μ 1 − μ 2 ≤ μo
Z cal =
(x − x )− μ
1 2 0
~ N ( 0,1)
2 2
σ1
σ 2
+
n1 n2
Ejemplo 21.2
Un fabricante de bombillas sospecha que en la línea de producción A se
están produciendo bombillas con un tiempo promedio de vida menor que las
que se producen en la línea B. Para verificar su sospecha, el fabricante tomó
una muestra aleatoria de 10 bombillas de cada una de las líneas y obtuvo los
siguientes resultados:
Solución
Datos:
Grupo 1: Línea A
n1 = 10
x1 = 1475
σ 1 = 10
Grupo 2: Línea B
n 2 = 10
x 2 = 1525
σ2 = 8
α = 0.05
H0 : μ 1 ≥ μ 2 (μ 1
− μ 2 ≥ 0)
Z cal =
(x − x )−μ
1 2 0
=
(1475 − 1525) − 0 = −12.35
σ 12 σ 22 102 82
+ +
n1 n2 10 10
Tcal =
(x − x )− μ
1 2 0
~ tn +n −2
2 2
( n1 − 1) s + ( n2 − 1) s
1 2
1 2 1 1
+
n1 + n2 − 2 n1 n2
Tcal =
(x − x )− μ
1 2 0
~ tg
2 2
s s
1 2
+
n1 n2
donde:
2
s12 s22
+
n1 n2
g= 2 2
−2
s12 s22
n1 n2
+
n1 + 1 n2 + 1
Datos:
DISELTRU
n1 = 12
x1 = 3600
s1 = 260
PETROMOL
n 2 = 15
x 2 = 3000
s 2 = 250
H 0 : μ1 − μ 2 ≤ 400
H1 : μ1 − μ 2 > 400
Estadístico de prueba
Tcal =
(x − x ) − μ
1 2 0
=
(3600 − 3000) − 400
( n − 1) s + ( n − 1) s
1
2
1 2
2
2 1 1
+
(12 − 1) 260 + (15 − 1) 250
2 2
1 1
+
n1 + n2 − 2 n1 n2 12 + 15 − 2 12 15
Tcal = 2.03
Sucursal A 24 23 22 24 23 25 26 20 22
Sucursal B 25 17 17 24 26 27 30 22 28 30
Asuma que los tiempos de atención siguen una distribución normal y que las
muestras son independientes.
Datos:
Grupo 1: Sucursal A
n1 = 9
s1 = 1.79
x1 = 23.22
Grupo2: Sucursal B
n 2 = 10
s 2 = 4.72
x1 = 24.6
α = 0.10
Paso 1
H 0 : σ 12 = σ 22
H1 : σ 12 ≠ σ 22
Paso 2
α = 0.10
Paso 3
s121.792
Fcal = 2 = = 0.14
s2 4.722
Paso 5
Tcal =
(x − x ) −μ
1 2 0
=
( 23.22 − 24.6) − 0 = −0.86
s12 s22 1.792 4.722
+ +
n1 n2 9 10
donde:
2
s12 s22
+
n1 n2
g= 2 2
− 2 = 12
2
s 1
s 2
2
n1 n2
+
n1 + 1 n2 + 1
• Muestra 1: Sucursal A
• Muestra 2: Sucursal B
• Muestra 1: Sucursal A
• Muestra 2: Sucursal B
Método
Medidas de resumen Nuevo método
tradicional
Calificación promedio 87 92
Desviación estándar 10 11
Si se cree que las calificaciones obtenidas con el nuevo método serán más
altas, se pide:
Si por datos históricos, se sabe que las desviaciones estándar para las marcas
de los neumáticos A y B son 5000 km y 6000 km respectivamente, se pide:
Paquete
5.00 4.50 4.80 4.70 4.60 5.00 4.75 4.85 4.75 4.50 4.25 4.00
N°1
Paquete
4.50 4.00 3.80 3.75 4.50 5.00 4.50 4.75 4.25 4.35 4.00 4.15
N°2
5. Al nivel de significación del 5%, ¿existe evidencia estadística para pensar que
el paquete 1 produce mayores ingresos que el paquete 2?
Donde:
E = Edad
2. Al nivel de significación del 5%, ¿existe evidencia estadística para pensar que
la línea promedio de crédito en el distrito de San Miguel es mayor que en el
distrito de Los Olivos?
3. Al nivel de significación del 5%, ¿son homogéneas las varianzas de los montos
de crédito utilizados en el último mes de los distritos de San Miguel y San
Isidro?
4. Al nivel de significación del 5%, ¿existe evidencia estadística para pensar que
el monto de crédito promedio utilizado en el último mes en el distrito de San
Miguel es igual que el del distrito de San Isidro?
Hipótesis simple
H 0 : π1 − π 2 = 0
Hipótesis compuesta
H 0 : π1 − π 2 ≥ 0 H 0 : π1 − π 2 ≤ 0
Z cal =
(p − p )
1 2
~ N ( 0,1)
1 1
p (1 − p ) +
n1 n2
x1 + x2 n1 p1 + n2 p2
p = =
n1 + n2 n1 + n2
Hipótesis simple
H 0 : π1 − π 2 = π o
Hipótesis compuesta
H 0 : π1 − π 2 ≥ π o H 0 : π1 − π 2 ≤ π o
Z cal =
( p − p )− π
1 2 0
~ N ( 0,1)
p (1 − p ) p (1 − p )
1 1 2 2
+
n1 n2
Datos:
Ciudad A
n1 = 150
p1 = 0.30
Ciudad B
n 2 = 180
p2 = 0.35
α = 0.03
p1 − p2 0.30 − 0.35
Z cal = = = − 0.96
1 1 1 1
pˆ (1 − pˆ ) + 0.33( 0.67 ) +
n1 n2 150 180
donde:
x1 + x2 45 + 63 39
pˆ = = = = 0.33
n1 + n2 150 + 180 120
Datos:
Hombres
n1 = 200
p1 = 0.65
Opinión
Distrito Sexo
A favor En contra
Hombre 45 25
A
Mujer 40 40
Hombre 25 15
B
Mujer 30 30
3. El jefe de ventas de una gran cadena de tiendas debe decidir entre dos cursos
de capacitación, A y B, para sus vendedores. Para comparar la eficacia de los
cursos, el jefe tomó una muestra aleatoria de 120 vendedores para el curso
A y otra muestra aleatoria de 100 vendedores para el curso B. Luego de un
tiempo, después de finalizado el curso, encontró que el 75% de los vendedores
que llevó el curso A mejoró significativamente su desempeño; mientras que,
el 55% de los vendedores que llevó el curso B mejoró significativamente
su desempeño.
CASO: PRODUCCIÓN
En una empresa se fabrican dos productos (A y B) en dos turnos de trabajo
(mañana y tarde). Con la finalidad de conocer el número de unidades defectuosas
fabricadas en cada turno de trabajo, el administrador de la empresa tomó dos
muestras independientes, una de cada turno de trabajo, y registró el número de
unidades defectuosas fabricadas de cada producto. Los resultados obtenidos
se muestran a continuación:
PRODUCTO
TURNO A B
Defectuosos Buenos Defectuosos Buenos
Mañana 35 200 65 300
Tarde 20 150 30 200
5. Con un nivel de significancia del 5%, ¿existe evidencia estadística para afirmar
que la proporción de unidades defectuosas del producto B es mayor en la
mañana que en la tarde en más de 0.025?
2. Una compañía empacadora de café garantiza que los sobres que ofrecen
tienen un peso promedio de 15 gramos. El administrador de un supermercado,
en su calidad de comprador comercial, sospecha que el peso promedio de
dicho producto es menor; de ser así, no comprará el producto. Para verificar
sus sospechas, el administrador tomó una muestra aleatoria de 15 sobres
de café y obtuvo un peso promedio de 14.86 gramos con una desviación
estándar de 0.12 gramos. A un nivel de significancia del 10%, se pide:
Medidas de resumen
Distrito 1 Distrito 2
(en soles)
Ganancia promedio 5000 4500
Desviación estándar 250 225
Catalizador 1 57.9 66.2 65.4 65.4 65.2 62.6 67.6 63.7 67.2 71.0
Catalizador 2 66.4 71.7 70.3 69.3 64.8 69.6 68.6 69.4 65.3 68.8
¿Puede afirmar que existe diferencia entre las medias de las concentraciones
activas de los dos catalizadores?
Administración Contabilidad
n1 = 14 n2 = 13
x1 = 14 x2 = 15.17
S1 = 1.41 S2 = 4.45
Suponga que los tiempos de demora siguen una distribución normal, ¿existe
evidencia estadística suficiente que permita afirmar que los tiempos promedio
de demora son diferentes? Utilice un nivel de significancia de 5%.
Motivación
En la fábrica de pantalones Pants, se tienen cuatro trabajadores que se
dedican exclusivamente a coser pantalones previamente cortados. El gerente
de Pants sospecha que los trabajadores no están laborando a un mismo nivel.
Para comprobar la sospecha, el gerente decide registrar en forma aleatoria
Trabajador
TA TB TC TD
28 27 29 27
25 28 30 28
29 30 32 26
30 28 35 28
28 25 37 27
Saberes previos
• Intervalos de confianza.
• Prueba de hipótesis.
Ejemplo:
Observación:
Se debe tener en cuenta que en el tratamiento matemático de los modelos
de diseño de experimento los factores cuantitativos son tratados como
cualitativos y sus niveles son elegidos por intervalos o se codifican. Por lo
general, un factor no suele tener más de cuatro niveles.
23.1.3 Tratamiento
Nivel de un factor o combinación de los niveles de varios factores considerados
en el experimento.
Ejemplo:
Ejemplo:
Ejemplos:
• 16 puntos.
• 22.4 minutos.
23.1.7 Experimento
Un experimento es un procedimiento en el cual se crean pruebas con el fin de
verificar una o varias hipótesis relacionadas con un fenómeno determinado.
La repetición permite:
La aleatorización permite:
j: 1, 2, …, k; i: 1, 2, …, r
donde:
Tipos de Modelos:
• Modelo I (Efectos Fijos): Ocurre cuando los tratamientos incluidos en
el experimento han sido fijados por el experimentador. En este caso las
conclusiones del experimento son válidas solamente para los tratamientos
evaluados. Este modelo es el más utilizado en el diseño completamente
aleatorizado.
Tamaño de la
n1 n2 n3 … nk
muestra (nj)
donde:
H 0 : µ1 = µ 2 = µ 3 = = µ k
H1 : µi ≠ µj para al menos un par i ≠ j (Al menos un µi es diferente)
Total n−1
donde:
H 0 : µ1 = µ 2 = µ3 = = µk
H1 : Al menos un µi es diferente
CMTra
Fcal =
CME
Región de
Región de no
Rechazo
Rechazo
Fk-1;n-k;α
CMTra
Fcal = > Fk−1, n − k, α
CME
2. Linealidad: Las relaciones entre los efectos del modelo son lineales.
3. Normalidad: Los errores del modelo deben seguir una distribución normal
con media cero y varianza σ2.
Decisión
(H 0
: σ 12 = σ 22 = σ 32 = = σ k2 )
H1 : Al menos una de las varianzas en los k tratamientos es diferente.
(H :σ1 i
2
≠ σ 2j para al menos un par i, j )
Decisión
Ejemplo 23.1
Un psicólogo, especializado en desarrollo personal, efectuó cursos de motivación
(Superación personal, Liderazgo e Integración) dirigidos a los colaboradores
del área de producción de una empresa. Para esto, el psicólogo seleccionó en
forma aleatoria e independiente a cinco colaboradores para que participen
en cada curso. Al final del curso, les aplicó un test motivacional y registró las
puntuaciones obtenidas por cada colaborador. Los resultados se presentan a
continuación:
60
50
40
30
20
10
5
1
-3 -2 -1 0 1 2 3
RESID1
Paso 1
H0: Los errores siguen una distribución normal
Paso 2
Como p-valor = 0.194 > α = 0.025, no se rechaza H0. Con un nivel de significancia
del 2.5%, existe evidencia estadística para pensar que los errores de las
puntuaciones obtenidas siguen una distribución normal.
b) Al nivel de significancia del 2.5%, ¿se puede pensar que las varianzas de las
puntuaciones obtenidas por los colaboradores son iguales en los tres cursos
de motivación?
Curso motivacional
Curso 2
Curso 3
0 1 2 3 4 5 6 7 8
Intervalos de confianza de Bonferroni de 97.5% para Desv. Est.
Paso 1
H0: Las varianzas de las puntuaciones son iguales en los tres cursos de motivación
H1: Al menos una de las varianzas de las puntuaciones no es la misma en los tres
cursos de motivación
Paso 2
Como p-valor = 0.641> α = 0.025, no se rechaza H0. Con un nivel de significancia
del 2.5%, se puede pensar que las varianzas de las puntuaciones obtenidas por
los colaboradores son iguales en los tres cursos de motivación.
c) Al nivel de significancia del 2.5%, ¿se puede pensar que las puntuaciones
promedio obtenidas por los colaboradores en los tres cursos de motivación
son iguales?
Cursos
Curso1 Curso2 Curso3
24 19 19
26 20 21 Observaciones
23 22 20 yij
25 21 19
27 23 21
T.j 125 105 100 T.. = 330
nj 5 5 5 n =15
T. 2j k r T..2 3302
SCT =∑∑yij2 − = 7354 − = 94
nj 3125 2205 2000 n 15
T..2
k T. 2j3302
SCTra = ∑ − = 7330 − = 70
nj n 15
j =1
SCTra 70
CMTra = = = 35
k −1 2
SCE 24
CME = = =2
n − k 12
Agencia Turística
Lima Lima y su
Lima Renace
Moderna Historia
29 27 30
27 27 30
31 30 31
29 28 27
32 29
30
Con un nivel de significancia del 5%, ¿se puede pensar que por lo menos una
de las agencias ofrece un precio promedio significativamente diferente que
las otras dos agencias?
Solución
H1: µi ≠ µj para al menos un par i, j (Al menos una de las agencias ofrece un
precio promedio significativamente diferente)
Agencia Turística
Lima Lima y su Lima
Moderna Historia Renace
29 27 30
27 27 30
31 30 31
29 28 27
32 29
30
nj 6 4 5 n =15
T.j 178 112 147 T.. = 437
SCTra 7.203
CMTra = = = 3.602
k −1 2
SCE 30.53
CME = = = 2.544
n− k 12
CMTra
Tratamiento 2 7.203 3.602 Fcal = = 1.42
CME
Error 12 30.530 2.544
Total 14 37.733
Tipo de programa
Cómico Deportivo Musical
14 15 13
13 16 12
15 14 11
16 15 14
14 17 11
De donde:
r
60
50
40
30
20
10
5
1
-3 -2 -1 0 1 2 3
RESID1
Como p-valor = 0.148 > α = 0.01, no se rechaza H0. Con un nivel de significancia
del 2.5%, existe evidencia estadística para pensar que los errores de las
puntuaciones obtenidas siguen una distribución normal.
Prueba de Barlett
Valor p 0.957
Cómico
Programa
Deportivo
Musical
0 1 2 3 4 5 6 7 8
Intervalos de confianza de Bonferroni de 99% para Desv. Est.
Tipo de programa
Cómico Deportivo Musical
14 15 13
13 16 12
15 14 11
16 15 14
14 17 11
nj 5 5 5 n =15
SCTra 26.8
CMTra = = = 13.4
k −1 2
SCE 17.2
CME = = = 1.43
n− k 12
Seleccione Los datos de respuesta están en una columna separada para cada
nivel de factor e ingrese en Respuestas los niveles del factor: Cómico, Deportivo
y Musical.
Haga clic en Aceptar dos veces. Los residuos obtenidos por cada nivel del factor
colóquelos en una sola columna y asígnele un nombre. En este problema se
llamará RESID.
60
50
40
30
20
10
5
1
-3 -2 -1 0 1 2 3
RESID
Prueba de Barlett
Valor p 0.957
Cómico
Deportivo
Musical
0 1 2 3 4 5
Intervalos de confianza de Bonferroni de 95% para Desv. Est.
2. Se analizaron los tiempos (en minutos) que tardan en procesar una pieza
cada una de las cuatro máquinas que posee una empresa productora de
lácteos. Para determinar si hay diferencia en el tiempo de procesamiento, el
gerente de producción seleccionó muestras diferentes para cada máquina.
Se tiene evidencia suficiente para pensar que la distribución de los tiempos
sigue una distribución normal.
Estadístico
Método de prueba Valor p
Bartlett 0.09 0.845
b) Con un nivel de significación del 1%, ¿se puede considerar que los tiempos
promedio de procesamiento para cada máquina son iguales? Utilice los
resultados obtenidos con el programa Minitab:
Análisis de Varianza
Fuente GL SC CM Fcal
Total 27 21.250
Estilo de personalidad
5. Para lanzar al mercado una marca de café y obtener una gran acogida, un
profesional de marketing quiere elegir entre tres colores para la envoltura
del producto: azul, granate y verde. Para saber si el color influye en el nivel
de ventas, se eligen 12 tiendas, y se envían los productos de color azul a tres
tiendas, los de color granate a cuatro tiendas y los de color verde a cinco
tiendas. Al cabo de un mes, se obtuvo el número de productos vendidos en
las tiendas, los cuales se muestran a continuación:
Color de envoltura
Azul Granate Verde
25 34 45
43 41 42
52 45 46
32 36
28
De donde:
¿Se puede afirmar que las medias de los niveles de ventas del producto son
iguales con los tres colores de envoltura? Utilice un nivel de significancia
del 5%.
Área de ventas
Iluminarias Línea Blanca Decoración
19 25 14
20 24 14
13 20 16
18 26 15
20 23 13
Prueba de Barlett
Valor p 0.246
Decoración
Área
Iluminarias
Línea Blanca
0 2 4 6 8 10 12
Intervalos de confianza de Bonferroni de 95% para Desv. Est.
60
50
40
30
20
10
5
1
-5.0 -2.5 0.0 2.5 5.0
RESIDUO
Con un nivel de significancia del 5%, ¿se puede afirmar que los cuatro
trabajadores presentan el mismo tiempo promedio al coser un pantalón?
Empresa
Empresa 1 Empresa 2 Empresa 3 Empresa 4
25 20 27 40
33 21 28 43
35 26 21 39
40 22 26 37
29 27 29 33
31 24 23 30
60
50
40
30
20
10
5
1
-10 -5 0 5 10
RESIDUO
Prueba de Barlett
Empresa 1 Valor p 0.478
Empresa 2
Empresa
Empresa 3
Línea Blanca
0 5 10 15 20 25
Intervalos de confianza de Bonferroni de 99% para Desv. Est.
Con un nivel de significación del 5% ¿se puede considerar que los tres
profesores producen resultados equivalentes en las calificaciones de los
estudiantes?
Nivel 1 5 25.00 A
Nivel 3 5 24.00 A
Nivel 2 5 20.00 B
Luego de cotejar la igualdad de medias entre cada par de niveles del factor,
se puede concluir que niveles del factor son iguales, diferentes, mayor(es) o
menor(es).
Por lo tanto, μ 1 = μ 3 o μ 2 ≠ ( μ 1 = μ 3 )
Deportivo 5 15.40 A
Cómico 5 14.40 AB
Musical 5 12.20 B
Solución
• Los programas deportivos y cómicos comparten una misma letra de
agrupación (A). Es decir, μ D = μ C .
Análisis de Varianza
Fuente GL SC CM Valor F Valor p
Total 29 955.9
1: Biocomposta 10 39.58 A
2: Vermicomposta 10 38.86 A
3: Lombricultura 10 30.37 B
Solución
H1: µi ≠ µj para al menos un par (i, j) (Al menos uno de los rendimientos
promedio es diferente)
b) La prueba de Tukey se usa para comparar a la vez todos los niveles del
factor a estudiar.
2. El administrador del centro comercial Sagaz & Bella comparó los efectos
de las ventas mensuales obtenidas de cuatro promociones (P1: Gratis por la
compra mayor a S/ 200, P2: 80% de descuento en el segundo producto, P3:
Llévatelo a 3x1 y P4: 50% de descuento en el segundo producto) realizadas
el año pasado por las fiestas navideñas. A continuación, se presenta el
análisis de varianza de las ventas mensuales (en miles de soles) de las cuatro
promociones registradas en 16 días diferentes:
Análisis de Varianza
Fuente GL SC CM Valor F Valor p
Total 15 141.00
a) ¿Se puede afirmar que todas las promociones tienen el mismo efecto
sobre las ventas? Use un nivel de significación del 5%.
b) Analice e interprete las comparaciones múltiples de Tukey mediante la
siguiente salida del Minitab:
P1 4 13.00 A
P3 4 11.75 A
P2 4 9.75 AB
P4 4 6.50 B
Análisis de Varianza
Fuente GL SC. CM. Valor F Valor p
Total 11 974.2
80
70
Porcentaje
60
50
40
30
20
10
5
1
-10 -5 0 5 10
ERRORES
Prueba de Barlett
Valor p 0.758
Condicionamiento
Aprendizaje
Operante
Perceptivo
0 5 10 15 20 25 30 35
Intervalos de confianza de Bonferroni de 97.5% para Desv. Est.
Perceptivo 4 91.50 A
Operante 4 74.75 B
Condicionamiento 4 73.00 B
n1 = 5 n2 = 5 n3 = 5 n4 = 5
Además:
R4 5 1.6817 A
R1 5 1.4602 AB
R3 5 1.3180 AB
R2 5 1.0377 B
a) ¿El gerente general puede concluir que los trabajadores de los cuatro
restaurantes tienen el mismo ingreso promedio? Plantee las hipótesis de
prueba, calcule el estadístico de prueba, establezca la región de rechazo
y concluya de acuerdo al contexto.
Análisis de Varianza
Fuente GL SC CM Valor F Valor p
Total 23 3.400
Estadística
Método de prueba Valor p
Plan HD 6 6.8000 A
M2 4 322.25 A
M3 4 305.00 AB
M1 4 285.00 B
Análisis de Varianza
Fuente GL SC CM Valor F Valor p
Total 14 32.93
35°C 5 32.40 A
30°C 5 31.00 AB
25°C 5 29.80 B
Análisis de Varianza
Fuente GL SC CM Valor F Valor p
Total 19 14.278
H2 5 4.80 A
H1 5 3.54 B
H4 5 3.10 B
H3 5 3.00 B
Análisis de Varianza
Fuente GL SC. CM. Valor F Valor p
Total 19 600.6
4 5 30.70 A
2 5 21.420 B
3 5 19.700 B
1 5 17.80 B
80
70
Porcentaje
60
50
40
30
20
10
5
1
-5.0 -2.5 0.0 2.5 5.0
RESID1
n1 = 5 n2 = 5 n3 = 5
Método 1 5 605.00 A
Método 3 5 602.60 AB
Método 2 5 596.00 B
a) Con un nivel de significación del 1%, ¿Son iguales las varianzas de los
tiempos de procesamiento en cada una de las máquinas? Utilice los
siguientes resultados obtenidos con el Minitab:V
Análisis de Varianza
Fuente GL SC CM Fcal
Total 27 21.250
Análisis de Varianza
Fuente GL SC CM Fcal
Total __ ______
Logística 6 37.00 A
Comercial 6 32.17 AB
Marketing 6 23.33 C
a) Con un nivel de significación del 1%, ¿se puede pensar que el funcionario
tiene razón?
Análisis de Varianza
Fuente GL SC CM Fcal
Total 19 7774.8
b) ¿En qué medio de comunicación se puede considerar que los costos son
iguales?
Televisión 5 155.40 A
Radio 5 139.00 B
Prensa 5 133.00 B
Internet 5 103.00 C
80
70
Porcentaje
60
50
40
30
20
10
5
1
-15 -10 -5 0 5 10
RESIDUO
Prueba de Barlett
Valor p 0.9757
Cómico
Programa
Deportivo
Musical
0 1 2 3 4 5 6 7 8
Intervalos de confianza de Bonferroni de 99% para Desv. Est.
Con un nivel de significancia del 2.5%, ¿cuál será la conclusión del estudiante?
2. Con un nivel de significancia del 2.5%, ¿se puede afirmar que la cantidad
promedio de platos típicos vendidos en las tres regiones fueron diferentes?
3. Con un nivel de significancia del 2.5%, ¿en qué región se vendió una mayor
cantidad de platos típicos? Use las comparaciones múltiples de Tukey.
1-α
α/2 α/2 X2
0 X2α/2; n-1 X21-α/2; n-1
Motivación
Un grupo de psicólogos de una correccional juvenil entrevistaron a 200 jóvenes
seleccionados de manera aleatoria con la finalidad de estudiar si existe relación
entre la clasificación de la reinserción a la sociedad de un adolescente y el lugar
de residencia que optaría una vez que se encuentre en libertad. La información
obtenida se muestra a continuación:
Saberes previos
• Pruebas de hipótesis.
Como el interés del estudio está dirigido a probar si las variables están o no
relacionadas (son dependientes o son independientes); por fines prácticos, se
plantea la siguiente hipótesis:
( )
P Ai ∩ B j = P ( Ai ) P B j ( )
y, a partir del resultado anterior, el valor esperado para cada par de valores,
Ai y B j , se calcula de la siguiente manera:
( ) ( )
eij = E Ai ∩ B j = nP Ai ∩ B j = nP ( Ai ) P B j = n ( )
ni. n. j ni. n. j
n n
=
n
En conclusión:
ni. n. j
eij =
n
Observación
De manera general, el valor esperado para cada par de valores, Ai y B j , se
calcula de la siguiente manera:
eij =
(Total de la fila i )(Total de la columna j )
Tamaño de la muestra ( n )
Característica o Variable Y
Total
Columna 1 Columna 2 ... Columna c
Fila 1 o11 o12 ... o1c n1•
Donde:
n••: Total
Otra forma:
ni nj
eij =
n
Si C ≥ 0.30, entonces hay una buena asociación entre las variables consideradas.
Nivel de Especialidad
Total
autoestima Letras Ciencias Ingeniería
Media 16 30 30 76
Alta 58 36 50 144
Total 74 66 80 220
Nivel de Especialidad
Total
autoestima Letras Ciencias Ingeniería
o11=16 o12=30 o13=30
Media 76
e11=25.56 e12=22.80 e12=27.64
o21=58 o22=36 o23=50
Alta 144
e21=48.44 e22=43.20 e23=52.36
Total 74 66 80 220
e11 =
76×74
= 25.56 e12 =
76×66
= 22.80
76×80
e11 = = 27.64
220 220 220
2
χ cal = 9.25
9.25
C= = 0.20
9.25 + 220
En Estadísticas que se mostrarán en cada celda, haga clic en: Conteos de celdas
esperadas y Contribución de cada celda a chi-cuadrada.
Tipo de material
Tipo de cliente A B C
Tipo de producto
P1 P2 P1 P2 P1 P2
Damas (D) 46 41 42 35 27 24
Caballeros (H) 43 38 34 36 32 26
Niños (N) 33 47 38 38 25 30
Tipo de material
Tipo de cliente Total
A B C
o11= 87 o12=77 o13=51
Damas (D) 215
e11= 83.97 e12=75.50 e13=55.53
o21=81 o22=70 o23=58
Caballeros (C) 209
e21=81.63 e22=73.40 e23=53.98
o31=80 o32=76 o33=55
Niños (N) 211
e31=82.41 e32=74.10 e33=54.49
Total 248 223 164 635
2
χ cal = 1.09
Edad
Tipo de turismo Hasta 25 Más de 25
años años
Científico 30 70
Ecoturismo 80 20
Cultural 30 20
Nivel educativo
Frecuencia con que
lee un periódico Superior Superior no Terminó la No terminó la
universitaria universitaria Secundaria secundaria
Pocas veces 22 40 19 26
Todos los días 63 57 22 20
Método de estudio
Nivel de aprendizaje
Estaton Ipler
Bajo 100 60
Medio 80 50
Alto 70 40
La siguiente tabla muestra los resultados obtenidos para las variables turno
de trabajo y lugar de residencia:
Lugar de Residencia
Lima Cercado Callao
Turno de trabajo
Sexo
Masculino Femenino Masculino Femenino
Mañana 45 55 40 25
Tarde 30 40 50 30
Noche 25 15 20 25
Tipo de empresa
Número de reclamos recibidos
Eléctrica Hidrocarburos Minero
Menos de cinco 31 19 12
Entre cinco y menos de 10 3 11 3
De diez a más 49 40 12
Tipo de cerveza
Nivel
socioeconómico Cerveza
Cerveza light
tradicional
A 430 436
B 391 308
¿Puede concluir que existe alguna relación entre el número de horas semanales
que se dedican a estudiar fuera de sus horas de clase y las calificaciones
obtenidas? Utilice un nivel de significación del 10%.
Rendimiento académico
Especialidad
Optimo Regular Pésimo
Ciencias básicas 125 95 100
Ingeniería 220 100 310
Letras 150 50 200
Al nivel de significancia del 2.5%, ¿puede inferir que existe relación entre la
especialidad de un estudiante y su rendimiento académico en los últimos
ciclos?
Población
Categoría Total
P1 P2 … Pk
A1 O11 O12 … O1k a1•
A2 O21 O22 … O2k a2•
Total n1 n2 … nk n
Para cada categoría, los valores marginales a1• y a2• se han obtenido de manera
aleatoria; es decir, no han sido definidos previamente. En cambio, los tamaños de
muestra n1, n2, …, nK para las k poblaciones han sido definidos por el investigador
en el proceso del muestreo.
ai
P ( Ai / P1 ) = P ( Ai / P2 ) = …= P ( Ai / Pk ) = P ( Ai ) = ; ∀i
n
y, a partir del resultado anterior, el valor esperado para cada par de valores,
Ai y B j , se calcula de la siguiente manera:
ai njai
( ) ( )
eij = E Ai / Pj = nj P Ai / Pj = nj P ( Ai ) = nj
n
=
n
njai
eij =
n
Observación
De manera general, los valores esperados bajo la hipótesis de homogeneidad
se calculan de la siguiente manera:
eij =
(Tamaño de muestra de la población j )(Total de la fila i )
Tamaño de la muestra
Población
P1 P2 ... Pk Total
A1 o11 o12 ... o1k n1•
A2 o21 o22 ... o2k n2•
Característica . . . . .
o Variable X . . . . .
. . . . .
Ar or2 or2 ... ork nr•
Total n1 n2 ... nk n
Dónde:
n: Total
Otra forma:
njai
eij =
n
Edad
Horario preferido Hasta 25 Más de 25
años años
Antes de las seis de la tarde 60 30
De seis de la tarde a 9 de la noche 40 80
De 9 de la noche a más. 20 10
Total 120 120
¿Será posible concluir que los horarios para ir al cine son igualmente preferidos
en ambos grupos de edades? Utilice un 5% de significancia.
Solución
Paso 1 (Plantee las hipótesis de prueba)
H1: La preferencia por los horarios para ir al cine difiere en al menos uno de
los grupos de edad.
Edad
Horario preferido Hasta 25 Más de 25 Total
años años
o11=60 o12=30
Antes de las seis de la tarde 90
e11=45 e12=45
O21=40 O22=80
De seis de la tarde a 9 de la
120
noche
e21=60 e22=60
O31=20 O32=10
De 9 de la noche a más 30
e31=15 e32=15
Total 120 120 240
2
χ cal = 26.67
Lugar de Residencia
Turno de trabajo San Juan de
Lima Cercado Callao
Lurigancho
Mañana 40 45 50
Tarde 30 35 40
Noche 20 25 20
Tipo de Servicio
Nivel Socioeconómico
Clásico Platinum Premium
A 30 55 55
B 50 65 52
C 25 50 88
Con un nivel de significancia del 2.5%, ¿se puede concluir que la preferencia
por el tipo de servicio es homogénea en los tres niveles socioeconómicos?
Sector económico
Tipo de autorización
Agrario Industrial Energético Minero
Permiso 34 56 45 45
Licencia 45 64 56 55
¿Se puede asegurar que los permisos y licencias se han otorgado de forma
similar en los cuatro sectores económicos? Utilice un nivel de significancia
del 5%.
Tipo de material
A B C
Método
Planta
P1 P2 P1 P2 P1 P2
1 44 39 40 34 30 25
2 41 36 36 35 27 26
3 38 44 35 39 24 30
Cursos de postgrado
Especialidad
Maestría Diplomado Ninguno
Administración 22 54 31
Contabilidad 31 36 53
Economía 48 35 14
Tratamiento
Resultado Goma de Aerosoles de
Parches Medicamento
Mascar nicotina
Controlado 46 52 34 81
No controlado 29 45 25 20
Región Geográfica
Candidato
Costa Sierra Selva
A 150 200 80
B 210 160 110
C 200 60 160
a)
b)
Tipo de producto
Nivel socioeconómico
Tipo A Tipo B Tipo C
Alto 60 40 25
Medio 50 60 32
Bajo 20 50 48
Modalidad de pago
Tipo de cliente
Contado Crédito
Ama de Casa 54 36
Trabajador independiente 32 47
Trabajador dependiente 66 58
Tipo de máquina
Estado del tornillo
A B C
Defectuoso 17 23 28
No defectuoso 383 377 372
Motivación
El gerente de una cadena de supermercados desea obtener un modelo que le
permita estimar el tiempo que pasan los clientes en la caja registradora con la
finalidad de determinar su asociación con algunas variables como: el tipo de
producto comprado, cantidad de productos comprados por cada tipo, tipo de
pago realizado (con tarjeta o al contado), monto de la compra y el tiempo que
pasan los clientes en la caja registradora. ¿Existe alguna relación entre el tiempo
que pasan los clientes en la caja registradora con las otras variables? ¿Será
posible estimar el tiempo que pasan los clientes en la caja registradora a partir
de la información obtenida para dichas variables?
Para obtener una idea de la forma en que estas dos variables están relacionadas
se puede trazar un gráfico de dispersión.
Saberes previos
• Pruebas de hipótesis.
Ejemplo 1
Las siguientes observaciones corresponden a las Y horas dedicadas al acabado
de X artículos producidos en una carpintería:
Horas de
16 35 56 55 25 50 52 40 80 68 75 55 86 51 31 53
acabado (Y)
Número de
25 16 25 33 18 26 20 19 37 40 35 28 33 23 15 21
artículos (X)
Ejemplo 2
Se realizó un estudio para determinar la relación que existe entre el costo de
un producto (en soles) y la demanda (en miles de unidades) del mismo. En el
presente estudio, se seleccionó una muestra aleatoria de 20 días y se obtuvieron
los siguientes resultados:
Para esto, se obtiene un modelo que relaciona una variable dependiente (Y)
con una variable independiente (X). Un modelo es una función matemática
que representa la relación entre las variables X e Y. La función matemática más
simple es la ecuación de una recta.
Y = β 0 + β1X + ε
Donde:
E (ε ) = 0 y V (ε ) = σ 2
E (Y ) = Y = β 0 + β 1 X
Gráficamente:
yi = β 0 + β 1 xi + ε i
A partir de: Y = β 0 + β 1 X + ε
Donde este error debe ser el mínimo posible, por lo tanto, considerando los
errores de los n pares de valores se forma la siguiente función L:
n n 2
L = ∑ε i2 = ∑ yi − ( β 0 + β 1xi )
i =1 i =1
βˆ 0 = b0 = y − b1 x
Donde:
Por lo que:
SP ( x, y )
βˆ1 = b1 =
SC ( x )
Observación
• SC(x) = Suma de cuadrados de X
• SP(x,y) = Suma de productos de X e Y
Yˆ = b0 + b1 X
donde:
Observación
• Si b1 >0, la tendencia lineal es creciente.
• Si b1 <0, la tendencia lineal es decreciente.
• Si b1 =0, indica que no existe relación lineal entre las variables.
Ejemplo 3
Para los datos presentados en el ejemplo 2, obtenga la ecuación de la recta
estimada.
x = 2.335 y y = 30.4
SP ( x, y ) − 66.58
b1 = = = − 13.4627
SC ( x ) 4.9455
Yˆ = 61.8354 − 13.4627 X
(Demanda = 61.8354 - 13.4627 Costo)
Paso 1
H 0 : β 1 = 0 (La recta de regresión no es significativa)
Paso 2
Establecer el nivel de significancia α
donde:
Se
Sb es la desviación estándar de b1 definido como: Sb =
SC ( X )
1
1
Paso 4
Establecer la región de rechazo
RNR
1-α
RR RR
α/2 α/2
t(α/2; n-2) t(1-α/2; n-2)
Paso 5
Concluir
Paso 1:
H 0 : β 1 = 0 (La recta de regresión no es significativa)
Paso2:
α=0.05
Paso 3:
− 13.4627
Tcal = = − 13.5059
0.9968
donde:
Se 2.2168
Sb = = = 0.9968
SC ( X ) 4.9455
1
Paso 4:
Paso 5:
Como Tcal = -13.5059 < -2.101 se encuentra en la región de rechazo, se rechaza
H0. Con un nivel de significancia del 5%, existe evidencia estadística para pensar
que el modelo es significativo.
Donde:
Observación
SC(y) = Suma de cuadrados de Y
SP ( x, y )
r=
SC ( x ) SC ( y )
Ejemplo 5
Para los datos del ejemplo 2, calcule el coeficiente de correlación de Pearson:
Cálculos previos:
SP ( x, y ) − 66.58
r= = = − 0.9540
SC ( x ) SC ( y ) 4.9455 984.8
yi − y
donde:
yi = I-ésimo valor de Y
yi − y = ( yˆ i − y ) + ( yi − yˆ i )
Ejemplo 6
Para los datos provenientes del ejemplo 2, el coeficiente de determinación R2 se
obtiene de la siguiente manera:
Área (X) 1.0 1.4 1.5 1.5 1.3 1.2 1.0 1.6 1.8 1.4 1.2
Precio (Y) 60 69 74 71 68 56 61 76 82 70 65
Solución:
a)
Figura N°3. Gráfica de dispersión del Área vs Precio
b) Cálculos previos:
x = 1.3545 y y = 68.3636
× ×
SP ( x , y ) 17.3165
b1 = = = 28.4530
SC ( x ) 0.6086
b0 = y − b1 x = 68.3636 − 28.4530 × 1.3545 29.8240
Yˆ = 29.8240 + 28.4530 X
(Precio = 29.8240 + 28.4530 Área)
c)
Paso 1:
H 0 : β 1 = 0 (El modelo no es significativo)
Paso2:
α=0.05
Paso 3:
b1 28.453
Tcal = = = 7.3589
Sb 3.8665
1
donde:
× ×
Se 3.0164
Sb = = = 3.8665
SC ( X ) 0.6086
1
Paso 5:
Como Tcal = 7.3589>2.262 se encuentra en la región de rechazo, se rechaza
Ho. Con un nivel de significancia del 5%, existe evidencia estadística para
pensar que el modelo es significativo.
g)
SP ( x , y ) 17.3165
r= = = 0.9260
SC ( x ) SC ( y ) 0.6086 574.6001
Por tanto, se tiene una relación positiva intensa entre el área y el precio.
2
h) R 2 = ( 0.9260 ) = 0.8575
Este valor indica que el 85.75% de la variabilidad del precio está explicada
por el modelo.
Peso (X) 75 82 71 97 87 96 91 72 77
Presión Sistólica (Y) 131 151 129 152 151 141 149 134 136
De donde:
× ×
SP ( x, y ) 576.5356
b1 = = = 0.7095
SC ( x ) 812.5511
Y = 82.5935 + 0.7095 X
(Presión sistólica = 82.5935 + 0.7095 Peso)
R2 = 59.38%
Paso 1:
H 0 : β 1 = 0 (El modelo no es significativo)
Paso2:
α = 0.02
Paso 3:
Error estándar de estimación:
Se 6.3594
Sb = = = 0.2231
1
SC ( X ) 812.5511
Estadístico de prueba:
b1 0.7095
Tcal = = = 3.1802
Sb 0.2231
1
En el gráfico c se observa que los residuos varían de -10 a 10 alrededor del punto
cero.
A partir de los resultados mostrados, se concluye que los residuos siguen una
distribución normal con media cero y varianza constante.
Número de horas 2 4 6 8 10 12 14 16
Residuo (ppm) 1.8 1.5 1.4 1.1 1.0 0.9 0.7 0.4
Edad (X) 42 27 36 25 22 39 45 19 33 30
Días de Ausencia (Y) 2 7 5 9 10 4 3 8 6 5
Ingreso (X) 45 20 47 30 20 15 35 40 55
Monto (Y) 70 50 90 55 35 40 65 75 105
De donde:
4. Se desea estudiar si existe relación entre el daño que sufren los duraznos
(mm2) al caer del árbol y la altura de la que caen (mm). El objetivo del
estudio es proporcionar un modelo de predicción para el daño sufrido por
los duraznos, que sirva de guía para las operaciones de cosecha y acciones a
seguir posteriores a la misma. A partir de los siguientes datos:
Diferencia de Consumo de
temperatura energía (kW)
3.5 73.54
3.6 78.42
3.8 80.64
3.9 83.55
4.2 86.47
4.3 88.61
4.6 95.45
4.7 98.89
4.9 99.34
5.0 99.20
5.3 99.34
5.6 104.45
Monto (X) 35.12 14.44 4.9 78.75 81.25 106.3 61.75 66.89 22.62 54.07 12.03 19.11
Tiempo (Y) 3.5 1.2 0.7 7.0 6.2 8.8 5.3 8.5 2.3 6.6 1.6 2.2
De donde:
Intervenciones Gasto
145 9.2
123 8.4
78 7.6
120 8.7
207 15
105 9.2
122 10.5
83 7.1
170 14
187 14.3
111 8.7
162 11.6
180 12.6
132 8.8
b)
c)
El porcentaje de todas las personas del país que están a favor de la actividad
minera en el país.
Parámetro
El porcentaje de todas las personas del país que opinan que la minería cuida
mucho del medio ambiente.
Estadístico Consumo promedio trimestral muestral de agua de una familia que vive en
la urbanización El Sol.
Parámetro Consumo promedio trimestral poblacional de agua de una familia que vive
en la urbanización El Sol.
Observación 3
2 706 m
b)
Población Todos los clientes de los agentes de crédito de los diferentes
distritos de la ciudad durante el mes de agosto de 2014.
Muestra 350 clientes de los agentes de crédito de los diferentes distritos
de la ciudad durante el mes de agosto de 2014.
Unidad experimental Un cliente de los agentes de crédito de los diferentes distritos de
la ciudad durante el mes de agosto de 2014.
Observación Satisfecho
b)
Día de la semana en que el servicio es más lento.
Cualitativa nominal
Limitación del servicio telefónico móvil.
Cualitativa ordinal Opinión del servicio telefónico móvil.
Cuantitativa continua Tiempo de conexión a Internet.
c)
El 30% de los clientes encuestados respondió que el servicio se
Estadísticos hace más lento el día domingo.
El 15% de los encuestados respondió que una de las limitaciones
del servicio es que la red no está disponible en ciertos puntos
geográficos.
El tiempo promedio de conexión a Internet es de 10 segundos.
El 20% de los encuestados respondió que el servicio es muy malo.
El 15% respondió que el servicio es malo.
El 25% respondió que el servicio es regular. El 30% respondió que el
servicio es bueno.
El resto (10%) respondió que el servicio es muy bueno.
d)
Parámetro Tiempo promedio poblacional de conexión a Internet.
2.
a )
Número de hijos fi hi Fi Hi
0 6 0.150 6 0.150
1 8 0.200 14 0.350
2 14 0.350 28 0.700
3 9 0.225 37 0.925
4 2 0.050 39 0.975
5 1 0.025 40 1
Total 40 1
b)
c) Interpretación:
f3: 14 posibles nuevos clientes tienen dos hijos.
h2: La proporción de posibles nuevos clientes que tienen un hijo es 0.2.
H3: La proporción de posibles nuevos clientes que tienen a lo más dos
hijos es 0.7.
F4: 37 posibles nuevos clientes tienen a lo más tres hijos.
b)
Número de cuadernos fi hi Fi Hi
defectuosos
0 3 0.100 3 0.100
1 4 0.133 7 0.233
2 6 0.200 13 0.433
3 8 0.267 21 0.700
4 5 0.167 26 0.867
5 3 0.100 29 0.967
6 1 0.033 30 1
Total 30 1
4.
a) R=455.03 k=6.6 ≅ 7 c=(455.03/7)=65.0043 ≅ 65.01
Inversión xi fi hi Fi Hi
[135.24 – 200.25> 167.745 1 0.02 1 0.02
[200.25 – 265.26> 232.755 6 0.12 7 0.14
[265.26 – 330.27> 297.765 10 0.20 17 0.34
[330.27 – 395.28> 362.775 9 0.18 26 0.52
[395.28 – 460.29> 427.785 11 0.22 37 0.74
[460.29 – 525.30> 492.795 5 0.10 42 0.84
[525.30 – 590.31> 557.805 8 0.16 50 1
Total 50 1
b)
c) 28.91%
d) 486.294
e) 307.517
Lección 3
Medidas de tendencia central
3.1 Trabajo colaborativo
2.
4.
Lección 4
Medidas de tendencia no central
Lección 5
Medidas de dispersión
4.
4.
a) Empresa A (CVA = 28.59% < CVB = 34.36%)
b) Empresa A (CVA = 0.28% < CVB = 0.34%)
c) Empresa A (CVA = 4.15% < CVB = 6.29%)
4. FFFV
4.
a) Sí, porque las calificaciones mejoran.
b) Con una cuarta vez de capacitación.
c) Sí, en la cuarta capacitación un usuario tiene una calificación por encima
del resto y otro tiene por debajo del resto.
Lección 7
Conceptos básicos.
7.5 Trabajo colaborativo
2. a)
4.
b) espacio muestral
4.
a)
Lección 9
Eventos independientes
Lección 10
Probabilidad Total y Bayes
Lección 11
Distribución Binomial
Lección 12
Distribución Poisson
Lección 13
Distribución Normal
4. a) 37.511
b)
Grupo Porcentaje
b)
Z 0 1 2 3 4 5 6 7 8 9
-3.9 0.00005 0.00005 0.00004 0.00004 0.00004 0.00004 0.00004 0.00004 0.00003 0.00003
-3.8 0.00007 0.00007 0.00007 0.00006 0.00006 0.00006 0.00006 0.00005 0.00005 0.00005
-3.7 0.00011 0.00010 0.00010 0.00010 0.00009 0.00009 0.00008 0.00008 0.00008 0.00008
-3.6 0.00016 0.00015 0.00015 0.00014 0.00014 0.00013 0.00013 0.00012 0.00012 0.00011
-3.5 0.00023 0.00022 0.00022 0.00021 0.00020 0.00019 0.00019 0.00018 0.00017 0.00017
-3.4 0.00034 0.00032 0.00031 0.00030 0.00029 0.00028 0.00027 0.00026 0.00025 0.00024
-3.3 0.00048 0.00047 0.00045 0.00043 0.00042 0.00040 0.00039 0.00038 0.00036 0.00035
-3.2 0.00069 0.00066 0.00064 0.00062 0.00060 0.00058 0.00056 0.00054 0.00052 0.00050
-3.1 0.00097 0.00094 0.00090 0.00087 0.00084 0.00082 0.00079 0.00076 0.00074 0.00071
-3.0 0.00135 0.00131 0.00126 0.00122 0.00118 0.00114 0.00111 0.00107 0.00104 0.00100
-2.9 0.00187 0.00181 0.00175 0.00169 0.00164 0.00159 0.00154 0.00149 0.00144 0.00139
-2.8 0.00256 0.00248 0.00240 0.00233 0.00226 0.00219 0.00212 0.00205 0.00199 0.00193
-2.7 0.00347 0.00336 0.00326 0.00317 0.00307 0.00298 0.00289 0.00280 0.00272 0.00264
-2.6 0.00466 0.00453 0.00440 0.00427 0.00415 0.00402 0.00391 0.00379 0.00368 0.00357
-2.5 0.00621 0.00604 0.00587 0.00570 0.00554 0.00539 0.00523 0.00508 0.00494 0.00480
-2.4 0.00820 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695 0.00676 0.00657 0.00639
-2.3 0.01072 0.01044 0.01017 0.00990 0.00964 0.00939 0.00914 0.00889 0.00866 0.00842
-2.2 0.01390 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191 0.01160 0.01130 0.01101
-2.1 0.01786 0.01743 0.01700 0.01659 0.01618 0.01578 0.01539 0.01500 0.01463 0.01426
-2.0 0.02275 0.02222 0.02169 0.02118 0.02068 0.02018 0.01970 0.01923 0.01876 0.01831
-1.9 0.02872 0.02807 0.02743 0.02680 0.02619 0.02559 0.02500 0.02442 0.02385 0.02330
-1.8 0.03593 0.03515 0.03438 0.03362 0.03288 0.03216 0.03144 0.03074 0.03005 0.02938
-1.7 0.04457 0.04363 0.04272 0.04182 0.04093 0.04006 0.03920 0.03836 0.03754 0.03673
-1.6 0.05480 0.05370 0.05262 0.05155 0.05050 0.04947 0.04846 0.04746 0.04648 0.04551
-1.5 0.06681 0.06552 0.06426 0.06301 0.06178 0.06057 0.05938 0.05821 0.05705 0.05592
-1.4 0.08076 0.07927 0.07780 0.07636 0.07493 0.07353 0.07215 0.07078 0.06944 0.06811
-1.3 0.09680 0.09510 0.09342 0.09176 0.09012 0.08851 0.08691 0.08534 0.08379 0.08226
-1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.09853
-1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702
-1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 0.14457 0.14231 0.14007 0.13786
-0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109
-0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673
-0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476
-0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510
-0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760
-0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207
-0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827
-0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591
-0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465
-0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414
Z 0 1 2 3 4 5 6 7 8 9
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.99900
3.1 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
n 0.0005 0.005 0.01 0.02 0.025 0.03 0.04 0.05 0.06 0.08 0.10 0.15 0.20 0.25
1 -636.619 -63.657 -31.821 -15.895 -12.706 -10.579 -7.916 -6.314 -5.242 -3.895 -3.078 -1.963 -1.376 -1.000
2 -31.599 -9.925 -6.965 -4.849 -4.303 -3.896 -3.320 -2.920 -2.620 -2.189 -1.886 -1.386 -1.061 -0.816
3 -12.924 -5.841 -4.541 -3.482 -3.182 -2.951 -2.605 -2.353 -2.156 -1.859 -1.638 -1.250 -0.978 -0.765
4 -8.610 -4.604 -3.747 -2.999 -2.776 -2.601 -2.333 -2.132 -1.971 -1.723 -1.533 -1.190 -0.941 -0.741
5 -6.869 -4.032 -3.365 -2.757 -2.571 -2.422 -2.191 -2.015 -1.873 -1.649 -1.476 -1.156 -0.920 -0.727
6 -5.959 -3.707 -3.143 -2.612 -2.447 -2.313 -2.104 -1.943 -1.812 -1.603 -1.440 -1.134 -0.906 -0.718
7 -5.408 -3.499 -2.998 -2.517 -2.365 -2.241 -2.046 -1.895 -1.770 -1.572 -1.415 -1.119 -0.896 -0.711
8 -5.041 -3.355 -2.896 -2.449 -2.306 -2.189 -2.004 -1.860 -1.740 -1.549 -1.397 -1.108 -0.889 -0.706
9 -4.781 -3.250 -2.821 -2.398 -2.262 -2.150 -1.973 -1.833 -1.718 -1.532 -1.383 -1.100 -0.883 -0.703
10 -4.587 -3.169 -2.764 -2.359 -2.228 -2.120 -1.948 -1.813 -1.700 -1.518 -1.372 -1.093 -0.879 -0.700
11 -4.437 -3.106 -2.718 -2.328 -2.201 -2.096 -1.928 -1.796 -1.686 -1.507 -1.363 -1.088 -0.876 -0.697
12 -4.318 -3.055 -2.681 -2.303 -2.179 -2.076 -1.912 -1.782 -1.674 -1.498 -1.356 -1.083 -0.873 -0.695
13 -4.221 -3.012 -2.650 -2.282 -2.160 -2.060 -1.899 -1.771 -1.664 -1.490 -1.350 -1.079 -0.870 -0.694
14 -4.140 -2.977 -2.625 -2.264 -2.145 -2.046 -1.888 -1.761 -1.656 -1.484 -1.345 -1.076 -0.868 -0.692
15 -4.073 -2.947 -2.603 -2.249 -2.131 -2.034 -1.878 -1.753 -1.649 -1.478 -1.341 -1.074 -0.866 -0.691
16 -4.015 -2.921 -2.584 -2.235 -2.120 -2.024 -1.869 -1.746 -1.643 -1.474 -1.337 -1.071 -0.865 -0.690
17 -3.965 -2.898 -2.567 -2.224 -2.110 -2.015 -1.862 -1.740 -1.637 -1.469 -1.333 -1.069 -0.863 -0.689
18 -3.922 -2.878 -2.552 -2.214 -2.100 -2.007 -1.855 -1.734 -1.632 -1.466 -1.330 -1.067 -0.862 -0.688
19 -3.883 -2.861 -2.540 -2.205 -2.093 -2.000 -1.845 -1.729 -1.628 -1.462 -1.328 -1.066 -0.861 -0.688
20 -3.850 -2.845 -2.528 -2.197 -2.086 -1.994 -1.844 -1.725 -1.624 -1.459 -1.325 -1.064 -0.860 -0.687
21 -3.819 -2.831 -2.5176 -2.189 -2.080 -1.988 -1.840 -1.721 -1.621 -1.457 -1.323 -1.063 -0.859 -0.686
22 -3.792 -2.819 -2.508 -2.183 -2.074 -1.983 -1.835 -1.717 -1.618 -1.454 -1.321 -1.061 -0.858 -0.686
23 -3.768 -2.807 -2.4999 -2.177 -2.069 -1.978 -1.832 -1.714 -1.615 -1.452 -1.319 -1.060 -0.858 -0.685
24 -3.745 -2.797 -2.492 -2.172 -2.064 -1.974 -1.828 -1.710 -1.612 -1.450 -1.318 -1.059 -0.857 -0.685
25 -3.725 -2.787 -2.485 -2.167 -2.060 -1.970 -1.825 -1.708 -1.610 -1.448 -1.316 -1.058 -0.856 -0.684
26 -3.707 -2.779 -2.4786 -2.162 -2.056 -1.967 -1.822 -1.706 -1.608 -1.446 -1.315 -1.058 -0.856 -0.684
27 -3.369 -2.615 -2.356 -2.075 -1.979 -1.898 -1.765 -1.657 -1.565 -1.413 -1.288 -1.041 -0.855 -0.676
28 -3.674 -2.763 -2.467 -2.154 -2.048 -1.960 -1.817 -1.701 -1.604 -1.443 -1.313 -1.056 -0.855 -0.683
29 -3.659 -2.756 -2.462 -2.150 -2.045 -1.957 -1.814 -1.699 -1.602 -1.442 -1.311 -1.055 -0.854 -0.683
30 -3.646 -2.750 -2.457 -2.147 -2.042 -1.955 -1.812 -1.697 -1.600 -1.441 -1.310 -1.055 -0.854 -0.683
n 0.75 0.80 0.85 0.90 0.92 0.94 0.95 0.96 0.97 0.975 0.98 0.99 0.995 0.9995
1 1.000 1.376 1.963 3.078 3.895 5.242 6.314 7.916 10.579 12.706 15.895 31.821 63.657 636.619
2 0.816 1.061 1.386 1.886 2.189 2.620 2.920 3.320 3.896 4.303 4.849 6.965 9.925 31.599
3 0.765 0.978 1.250 1.638 1.859 2.156 2.353 2.605 2.951 3.182 3.482 4.541 5.841 12.924
4 0.741 0.941 1.190 1.533 1.723 1.971 2.132 2.333 2.601 2.776 2.999 3.747 4.604 8.610
5 0.727 0.920 1.156 1.476 1.649 1.873 2.015 2.191 2.422 2.571 2.757 3.365 4.032 6.869
6 0.718 0.906 1.134 1.440 1.603 1.812 1.943 2.104 2.313 2.447 2.612 3.143 3.707 5.959
7 0.711 0.896 1.119 1.415 1.572 1.770 1.895 2.046 2.241 2.365 2.517 2.998 3.499 5.408
8 0.706 0.889 1.108 1.397 1.549 1.740 1.860 2.004 2.189 2.306 2.449 2.896 3.355 5.041
9 0.703 0.883 1.100 1.383 1.532 1.718 1.833 1.973 2.150 2.262 2.398 2.821 3.250 4.781
10 0.700 0.879 1.093 1.372 1.518 1.700 1.812 1.948 2.120 2.228 2.359 2.764 3.169 4.587
11 0.697 0.876 1.088 1.363 1.507 1.686 1.796 1.928 2.096 2.201 2.328 2.718 3.106 4.437
12 0.695 0.873 1.083 1.356 1.498 1.674 1.782 1.912 2.076 2.179 2.303 2.681 3.055 4.318
13 0.694 0.870 1.079 1.350 1.490 1.664 1.771 1.899 2.060 2.160 2.282 2.650 3.012 4.221
14 0.692 0.868 1.076 1.345 1.484 1.656 1.761 1.887 2.046 2.145 2.264 2.624 2.977 4.140
15 0.691 0.866 1.074 1.341 1.478 1.649 1.753 1.878 2.034 2.131 2.249 2.602 2.947 4.073
16 0.690 0.865 1.071 1.337 1.474 1.642 1.746 1.869 2.024 2.120 2.235 2.583 2.921 4.015
17 0.689 0.863 1.069 1.333 1.469 1.637 1.740 1.862 2.015 2.110 2.224 2.567 2.898 3.965
18 0.688 0.862 1.067 1.330 1.466 1.632 1.734 1.855 2.007 2.101 2.214 2.552 2.878 3.922
19 0.688 0.861 1.066 1.328 1.462 1.628 1.729 1.850 2.000 2.093 2.205 2.539 2.861 3.883
20 0.687 0.860 1.064 1.325 1.459 1.624 1.725 1.844 1.994 2.086 2.197 2.528 2.845 3.850
21 0.686 0.859 1.063 1.323 1.457 1.621 1.721 1.840 1.988 2.080 2.189 2.518 2.831 3.819
22 0.686 0.858 1.061 1.321 1.454 1.618 1.717 1.835 1.983 2.074 2.183 2.508 2.819 3.792
23 0.685 0.858 1.060 1.319 1.452 1.615 1.714 1.832 1.978 2.069 2.177 2.500 2.807 3.768
24 0.685 0.857 1.059 1.318 1.450 1.612 1.711 1.828 1.974 2.064 2.172 2.492 2.797 3.745
25 0.684 0.856 1.058 1.316 1.448 1.610 1.708 1.825 1.970 2.060 2.167 2.485 2.787 3.725
26 0.684 0.856 1.058 1.315 1.446 1.608 1.706 1.822 1.967 2.056 2.162 2.479 2.779 3.707
27 0.684 0.855 1.057 1.314 1.445 1.606 1.703 1.819 1.963 2.052 2.158 2.473 2.771 3.690
28 0.683 0.855 1.056 1.313 1.443 1.604 1.701 1.817 1.960 2.048 2.154 2.467 2.763 3.674
29 0.683 0.854 1.055 1.311 1.442 1.602 1.699 1.814 1.957 2.045 2.150 2.462 2.756 3.659
30 0.683 0.854 1.055 1.310 1.441 1.600 1.697 1.812 1.955 2.042 2.147 2.457 2.750 3.646
ESTADÍSTICA GENERAL
20 5.921 7.434 8.260 9.591 10.851 12.443 14.578 16.266 17.809 19.337 20.951 22.775 25.038 28.412 31.410 34.170 37.566 39.997 45.315
21 6.447 8.034 8.897 10.283 11.591 13.240 15.445 17.182 18.768 20.337 21.991 23.858 26.171 29.615 32.671 35.479 38.932 41.401 46.797
22 6.983 8.643 9.542 10.982 12.338 14.041 16.314 18.101 19.729 21.337 23.031 24.939 27.301 30.813 33.924 36.781 40.289 42.796 48.268
23 7.529 9.260 10.196 11.689 13.091 14.848 17.187 19.021 20.690 22.337 24.069 26.018 28.429 32.007 35.172 38.076 41.638 44.181 49.728
24 8.085 9.886 10.856 12.401 13.848 15.659 18.062 19.943 21.652 23.337 25.106 27.096 29.553 33.196 36.415 39.364 42.980 45.559 51.179
25 8.649 10.520 11.524 13.120 14.611 16.473 18.940 20.867 22.616 24.337 26.143 28.172 30.675 34.382 37.652 40.646 44.314 46.928 52.620
26 9.222 11.160 12.198 13.844 15.379 17.292 19.820 21.792 23.579 25.336 27.179 29.246 31.795 35.563 38.885 41.923 45.642 48.290 54.052
27 9.803 11.808 12.879 14.573 16.151 18.114 20.703 22.719 24.544 26.336 28.214 30.319 32.912 36.741 40.113 43.195 46.963 49.645 55.476
28 10.391 12.461 13.565 15.308 16.928 18.939 21.588 23.647 25.509 27.336 29.249 31.391 34.027 37.916 41.337 44.461 48.278 50.993 56.892
29 10.986 13.121 14.256 16.047 17.708 19.768 22.475 24.577 26.475 28.336 30.283 32.461 35.139 39.087 42.557 45.722 49.588 52.336 58.301
30 11.588 13.787 14.953 16.791 18.493 20.599 23.364 25.508 27.442 29.336 31.316 33.530 36.250 40.256 43.773 46.979 50.892 53.672 59.703
560
DISTRIBUCIÓN F DE FISHER
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.00 3.96 3.92 3.90 3.87 3.83 3.81 3.77
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.57 3.53 3.49 3.47 3.44 3.40 3.38 3.34
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.28 3.24 3.20 3.17 3.15 3.11 3.08 3.04
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.07 3.03 2.99 2.96 2.94 2.89 2.86 2.83
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.91 2.86 2.83 2.80 2.77 2.73 2.70 2.66
GRADOS DE LIBERTAD DEL DENOMINADOR. (r2)
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.79 2.74 2.70 2.67 2.65 2.60 2.57 2.53
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.69 2.64 2.60 2.57 2.54 2.50 2.47 2.43
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.60 2.55 2.51 2.48 2.46 2.41 2.38 2.34
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.53 2.48 2.44 2.41 2.39 2.34 2.31 2.27
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.48 2.42 2.38 2.35 2.33 2.28 2.25 2.20
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.42 2.37 2.33 2.30 2.28 2.23 2.19 2.15
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.38 2.33 2.29 2.26 2.23 2.18 2.15 2.10
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.34 2.29 2.25 2.22 2.19 2.14 2.11 2.06
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.31 2.26 2.21 2.18 2.16 2.11 2.07 2.03
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.28 2.22 2.18 2.15 2.12 2.07 2.04 1.99
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.25 2.20 2.16 2.12 2.10 2.05 2.01 1.96
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.23 2.17 2.13 2.10 2.07 2.02 1.98 1.94
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.20 2.15 2.11 2.08 2.05 2.00 1.96 1.91
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.18 2.13 2.09 2.05 2.03 1.97 1.94 1.89
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.16 2.11 2.07 2.04 2.01 1.96 1.92 1.87
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.15 2.09 2.05 2.02 1.99 1.94 1.90 1.85
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.13 2.08 2.04 2.00 1.97 1.92 1.88 1.84
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.12 2.06 2.02 1.99 1.96 1.91 1.87 1.82
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.10 2.05 2.01 1.97 1.94 1.89 1.85 1.81
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.09 2.04 1.99 1.96 1.93 1.88 1.84 1.79
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.04 1.99 1.94 1.91 1.88 1.82 1.79 1.74
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.00 1.95 1.90 1.87 1.84 1.78 1.74 1.69
45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05 1.97 1.92 1.87 1.84 1.81 1.75 1.71 1.66
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03 1.95 1.89 1.85 1.81 1.78 1.73 1.69 1.63
6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.37 5.30 5.24 5.20 5.17 5.11 5.07 5.01
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.67 4.60 4.54 4.50 4.47 4.40 4.36 4.31
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.20 4.13 4.08 4.03 4.00 3.94 3.89 3.84
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.87 3.80 3.74 3.70 3.67 3.60 3.56 3.51
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.62 3.55 3.50 3.45 3.42 3.35 3.31 3.26
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.43 3.36 3.30 3.26 3.23 3.16 3.12 3.06
GRADOS DE LIBERTAD DEL DENOMINADOR (r2)
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.28 3.21 3.15 3.11 3.07 3.01 2.96 2.91
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.15 3.08 3.03 2.98 2.95 2.88 2.84 2.78
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.05 2.98 2.92 2.88 2.84 2.78 2.73 2.67
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 2.96 2.89 2.84 2.79 2.76 2.69 2.64 2.59
16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.89 2.82 2.76 2.72 2.68 2.61 2.57 2.51
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.82 2.75 2.70 2.65 2.62 2.55 2.50 2.44
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.77 2.70 2.64 2.60 2.56 2.49 2.44 2.38
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.72 2.65 2.59 2.55 2.51 2.44 2.39 2.33
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.68 2.60 2.55 2.50 2.46 2.40 2.35 2.29
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.64 2.56 2.51 2.46 2.42 2.36 2.31 2.25
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.60 2.53 2.47 2.43 2.39 2.32 2.27 2.21
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.57 2.50 2.44 2.39 2.36 2.29 2.24 2.18
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.54 2.47 2.41 2.36 2.33 2.26 2.21 2.15
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.51 2.44 2.38 2.34 2.30 2.23 2.18 2.12
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.49 2.42 2.36 2.31 2.28 2.21 2.16 2.09
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.47 2.39 2.34 2.29 2.25 2.18 2.13 2.07
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.45 2.37 2.32 2.27 2.23 2.16 2.11 2.05
29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.43 2.36 2.30 2.25 2.21 2.14 2.09 2.03
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.41 2.34 2.28 2.23 2.20 2.12 2.07 2.01
35 5.48 4.11 3.52 3.18 2.96 2.80 2.68 2.58 2.50 2.44 2.34 2.27 2.21 2.16 2.12 2.05 2.00 1.93
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.29 2.21 2.15 2.11 2.07 1.99 1.94 1.88
45 5.38 4.01 3.42 3.09 2.86 2.70 2.58 2.49 2.41 2.35 2.25 2.17 2.11 2.07 2.03 1.95 1.90 1.83
50 5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32 2.22 2.14 2.08 2.03 1.99 1.92 1.87 1.80