Índice

Cada tema al darle clic los lleva a la explicación más aplica, con
procedimientos.
Métodos I

1. Análisis de probabilidad
a. Discretas - Solo puede tener valores enteros, Eje. No. De
alumnos.

● Árbol de probabilidad - n = entre 2 y 4 observaciones

✔ Con remplazo - No se conoce N (en cada rama se

mantiene los valores)

✔ Sin remplazo - Se conoce N (en cada rama se resta)

● Distribución Binomial - n= entre 5 y 20 observaciones (éxito

(p) o fracaso(q))

● Distribución de Poisson - n= más de 20 observaciones

(necesita de una media)
b. Continuas - Puede tener un número infinito de valores entre dos
valores dados, Eje. el peso.
Dan media y desviación estándar o varianza.

● Curva normal - No se conoce n (Distribución normal,

normalmente, comportamiento normal, comportamiento
aproximadamente normal)

● Teorema del límite central - Se conoce n = más de 1

observación

✔ Para media aritmética

✔ Para proporciones

2. Estadística descriptiva
a. Series simples - Número de datos menor a 30 elementos
 b. Datos agrupados - Número datos mayor o igual a 30 elementos

● Discreta - Solo puede tener valores enteros, Eje. No. De

alumnos.

● Continua - Puede tener un número infinito de valores entre

dos valores dados, Eje. el peso.

Métodos II
1. Análisis de estimación - Estimación puntual o de punto, intervalo de
confianza, máximo error de estimación, límites.
a. Para medias

● Caso 1 - Cuando se conoce el valor de la desviación estándar

de la población (σ) - Z

● Caso 2 - Cuando se desconoce el valor de la desviación

estándar de la población (σ), pero n es mayor o igual a 30 - Z

● Caso 3 - Cuando se desconoce el valor de la desviación

estándar de la población (σ), pero n es menor a 30 - t

● Caso 4
(Aplica caso 1,2 y 3) - Cuando se conoce N y n/N es 0.05 se aplica el factor fi

b. Para proporciones

● Única fórmula – Z

● Caso 4 (Aplica a la formula)

- Cuando se conoce N y n/N es 0.05 se aplica el factor

c. Diferencia entre dos media

● Independientes - Medias que se obtienen de distinta fuente

(algo, personas u objetos que produzcan datos). Dos
muestras distintas

✔ Caso 1 - Cuando se conoce el valor de la desviación

estándar de la población (σ) - Z
 ✔ Caso 2 - Cuando se desconoce el valor de la
desviación estándar de la población (σ), pero n es
mayor o igual a 30 - Z

✔ Caso 3 - Cuando se desconoce el valor de la

desviación estándar de la población (σ), pero n es
menor a 30 - t

● Dependientes - Medias que se obtienen de la misma fuente

(algo, personas u objetos que produzcan datos). Una solo
muestra para ambas.
✔ Única fórmula – t

d. Diferencia entre dos proporciones

● Única fórmula – Z
e. Estimación del tamaño adecuado de la muestra
● Para medias (Cuantitativa)

✔ Cuando se conoce N (Finita)

✔ Cuando no se conoce N (Infinita)

● Para proporciones (Cualitativa)

✔ Cuando se conoce N (Finita)

✔ Cuando no se conoce N (Infinita)

2. Prueba de hipótesis - Existe incertidumbre, una premisa que se desea

comprobar.
a. Medias

● Caso 1 - Cuando se conoce el valor de la desviación estándar

de la población (σ) - Z

● Caso 2 - Cuando se desconoce el valor de la desviación

estándar de la población (σ), pero n es mayor o igual a 30 - Z

● Caso 3 - Cuando se desconoce el valor de la desviación

estándar de la población (σ), pero n es menor a 30 - t
 ● Caso 4
(Aplica caso 1,2 y 3) - Cuando se conoce N y n/N es 0.05 se aplica el factor fi

b. Proporciones

● Única fórmula – Z

● Caso 4 (Aplica a la formula)

- Cuando se conoce N y n/N es 0.05 se aplica el factor

c. Diferencia entre dos medias

● Independientes

✔ Caso 1 - Cuando se conoce el valor de la desviación

estándar de la población (σ) - Z

✔ Caso 2 - Cuando se desconoce el valor de la

desviación estándar de la población (σ), pero n es
mayor o igual a 30 - Z

✔ Caso 3 - Cuando se desconoce el valor de la

desviación estándar de la población (σ), pero n es
menor a 30 - t

● Dependientes

✔ Única fórmula – t

d. Diferencia entre dos proporciones

● Única fórmula – Z

3. Prueba de Chi cuadrado - Permite determinar si existe una diferencia

significativa entre los resultados esperados y los observados en una o
más categorías. No hay media y desviación estándar.
a. Patrón uniforme - Para determinar si los datos son iguales (lo
mismo) en un cierto periodo. Los datos se ajustan de manera
uniforme a una distribución dada.
b. Patrón específico - Para determinar si los datos cumplen con algo
ya establecido o predicho. Los datos mantienen un patrón deseado o
específico.
 c. Prueba de independencia - Determinar si los datos son
independientes o están relacionados.
4. Correlación y regresión lineal - Indica si existe relación, que tipo de
relación, recta de mejor ajuste.

Métodos III
1. Operaciones con matrices
a. Dimensiones
b. Sumas y resta
c. Multiplicación
d. Determinantes

● Matriz 2x2

● Regla de Sarrus Matriz 3x3

● Cofactores Matriz 3x3

● Método de Gauss Matriz 4x4 ó más

Hallar solución a problemas que tiene varias incógnitas (no presenta ninguna total
como beneficio, utilidad, costos). Se puede hacer cualquiera de los siguientes
métodos o como el caso lo indique.
e. Ecuaciones simultaneas
f. Método de Gauss
g. Regla de Cramer

● Por sarrus

● Por cofactores

2. Modelos matemáticos determinísticos - Hallar solución a problemas que

tiene varias incógnitas (presenta total como beneficio, utilidad, costos).
En estos se pretende maximizar o minimizar un objetivo.
a. Programación lineal - pregunta por cantidades(unidades, dinero,
tiempo).
 ● Método gráfico - Problemas con solo dos variables.

✔ Maximización - utilidad o cualquier beneficio

✔ Minimización - costo, un tiempo o cualquier aspecto

negativo

● Método simplex - Problemas con más de dos variables.

✔ Maximización

✔ Minimización

b. Modelo de asignación - busca la asignación óptima, no

proporciona demandas ni ofertas.

● Maximización - utilidades, beneficios

● Minimización - costos, tiempo, materiales

c. Modelo de transporte - determina un plan de transporte,

proporciona demandas y ofertas.
Se puede hacer cualquiera de los siguientes métodos o como el caso
lo indique. Aplica para método 1,2 y 3, el 4 es para corroborar o
minimizar el costo de los métodos anteriores.

● Esquina noroeste

● Mínimo costo

● Multas o de vogel

● Pasos secuenciales

3. Modelos matemáticos probabilísticos

a. Teoría de juegos – competencia entre dos empresas o
productos, dos opciones de juego. Indica estrategias de ambos
competidores.

● Punto de silla - hay punto de silla (MaxiMin y MiniMax son

iguales, valor y signo igual)
 ● Método simplex - no hay punto de silla (MaxiMin y MiniMax no
son iguales, valor y signo diferente)
b. Cadenas de markov - examinar y pronosticar conductas,
comportamientos, preferencias.

● Método grafico - para el cálculo de 1 a 4 periodos

● Método producto de matrices - para el cálculo de 1 a 4

periodos

● Ecuaciones simultaneas, método de Gauss o regla de

Cramer- para eventos a largo plazo (más de 4 periodos)

Métodos I
1. Análisis de probabilidad
1) Identificar qué tipo de variable es la que se está estudiando

Discretas: cuando no puede tomar ningún valor entre dos consecutivos, ej, personas,
trabajos realizados, artículos, etc

Continuas: cuando puede tomar cualquier valor dentro de un intervalo, 77777777 EJ:
porciones, media pizza, peso, altura, etc
NOTA: VER PAG 115 L O 121 D

a. Discretas
 ● Árbol de probabilidad

n= entre 2 y 4 observaciones

PASOS PARA REALIZARLO

1) Realizar tabla de contingencia, ej:

2) Pasar a valores probabilísticos

3) Se empieza a convertir la tabla de contingencia a diagrama de árbol,

 ✔ CON REMPLAZO = cuando no se conoce N (en cada rama se mantiene el mismo
valor)

✔ SIN REMPLAZO = cuando se conoce N (en cada rama se resta)

NOTA: VER PAG 149 L 153 D

● Distribución Binomial
Característica

n= entre 5 y 20 observaciones

Dos posibilidades:

❖ éxito (p)
❖ Fracaso (q)

(p) + (q)= 1

❖ Aunque se le llame éxito o fracaso a las posibilidades, esto no implica que lo analizado sea
algo bueno o malo.
❖ El primer dato que dan es, (p)

Identificar p y q

p = 0.30

q= 0.70

Los valores de p(x) se obtienen por la fórmula.

Se va sustituyendo x

Ver análisis de respuestas de la página 191 del PDF y 180 del libro.

Media y desviación estándar de la distribución binomial Pág. 188 PDF

 ● Distribución de Poisson
n= más de 20
Se necesita la media para poder realizarse.

nota:“e”siempre será constante

Ver ejemplo del PDF 196 y del libro 198
Media y desviación estándar de la distribución de poisson pág. 202 PDF
Caso especial pag. 203

b. Continuas
 ● Curva Normal
Pág. 217 PDF
Dan:
❖ Media (μ)
❖ Desviación estándar (σ)
❖ Valor de la variable (x)
❖ Distribución normal, normalmente, comportamiento normal,
comportamiento aproximadamente normal

Buscar la probabilidad (“p”) de Z (con el valor obtenido en la formula) en la tabla

de la curva normal estándar (tabla de valores de z) o buscar el valor de “Con la
probabilidad dada, igualmente en la tabla.

Tabla de la curva normal estándar (tabla de valores de z) pagina 293 libro PDF Métodos I

● Teorema del Límite Central

 ✔ Para media aritmética:

Pag. 263 PDF

Dan:
❖ Media (μ)
❖ Desviación estándar (σ)
❖ Valor de la variable (x)
❖ Muestra (n)

✔ Para proporciones:

Pag. 271 PDF

Dan:
❖ Proporción de interés de la población (P)
❖ Proporción de interés de la muestra (p´)
❖ Muestra (n)

2. Estadística descriptiva
Fórmulas
a. Series simples pág. 56 PDF
Cuando los datos son menores a 30 elementos
1. Ordenar los datos de forma ascendente y realizar cuadro anterior.
2. Calcular las medidas de tendencia central.
❖ Media aritmética

❖ Mediana

Después de encontrar la posición se debe de encontrar el valor en X,

cuando la serie es par es necesario interpolar loas dos valores (anterior y
posterior a la posición)
❖ Moda
A través de la observación, valor de x que se repita más.
3. Calcular las medidas de dispersión.
❖ Rango
 ❖ Varianza

❖ Desviación estándar

❖ Coeficiente de variación

❖ Coeficiente de sesgo

b. Datos agrupados pág. 78

Cuando los datos son mayores o igual a 30 elementos

● Discreta - Solo puede tener valores enteros, Eje. No. De alumnos.

● Continua - Puede tener un número infinito de valores entre dos valores

dados, Eje. el peso.
1. Número aproximado de clase “K”

2. Rango “R”

3. Tamaño o amplitud de los intervalos de clase “i”

4. Limites
5. Conteo de frecuencia
6. Marca de clase “M”

7. Calcular las medidas de tendencia central.

❖ Media aritmética

❖ Mediana
Página 88 PDF

❖ Moda
Página 93 PDF

8. Calcular las medidas de dispersión.

❖ Rango
❖ Varianza

❖ Desviación estándar

❖ Coeficiente de variación

❖ Coeficiente de sesgo
 Métodos II
1. Análisis de estimación
a. Para medias: pag. 24
Puntual
x̄ = μ
De intervalo Campana de Gauss
β = Nivel de confianza
α = Nivel de significación (desconfianza)
Según los datos que tenga el caso pueden ser:
Con valores de Z
Z = (β/2)

● Caso 1

● Caso 2

Con valores de t pag. 29

t = (gl ; 1-α)
gl = (n-1)

● Caso 3
 ● Caso 4 (APLICA A CASO 1, 2 Y 3)

Cuando se conoce N y n/N es 0.05 se aplica el factor finito de corrección

si n/N < 0.05 no se aplica,
Se debe de colocar el siguiente ajuste en la fórmula que se vaya a utilizar.

b. Para proporciones: pág. 47

Puntual
p’ = P
De intervalo

● Caso 1(UNICA FORMULA)

Z = (β/2)

● Caso 4 (APLICA A CASO 1)

Cuando se conoce N y n/N es 0.05 se aplica el factor finito de corrección

si n/N < 0.05 no se aplica,
Se debe de colocar el siguiente ajuste en la fórmula que se vaya a utilizar.
 c. Diferencia entre dos medias: pag. 57
a. Independientes
pág. 57
❖ Medias que se obtienen de distinta fuente (algo, personas u objetos que
produzcan datos).
❖ Las medias poblacionales son siempre desconocidas.
Puntual
(x̄1 - x̄2) = (μ1 -μ2) —--- Valores desconocidos por eso se eliminan de la fórmula
(x̄1 - x̄2)
De intervalo
Con valores de Z
Z = (β/2)

✔ Caso 1

Cuando se conocen las desviaciones estándar de las poblaciones (σ)

✔ Caso 2

Cuando no se conocen las desviaciones estándar de la población (σ) pero n es mayor o

igual a 30

Con valores de t
t = (gl ; 1-α)
gl = (n1 + n2 - 1)

✔ Caso 3
Cuando no se conocen las desviaciones estándar de la población (σ) pero n es menor a 30

b. Dependientes
pág. 62
❖ Medias que se obtienen de la misma fuente (algo, personas u objetos que
produzcan datos).
❖ T ienen el mismo tamaño (n).
Puntual pág. 63

ver tabla de la página 63

De intervalo
❖ Necesita obtener la desviación estándar de las diferencias (Sd)

ver tabla de la página 64

Intervalo de confianza
t = (gl ; 1-α)
gl = (n-1)
 d. Diferencia entre dos proporciones
Puntual
Al igual que en las medias la proporción poblacional se desconoce por eso solo se dejan
las proporciones muéstrales.

De intervalo
Z = (β/2)

e. Estimación del tamaño adecuado de la muestra

Presentación completa con ejemplos Estimación del tamaño adecuado de la muestra
● Para medias (Cuantitativa)
● Para proporciones (Cualitativa)

❖ Cuando se conoce N (Finita)

❖ Cuando no se conoce N (Infinita)
2. Pruebas de hipótesis
Se utiliza cuando se desea determinar si una hipótesis o enunciado es razonable o no, para
no ser rechazado o se debe rechazar.
Las hipótesis pueden ser:
❖ Nula (Ho): si =, ,
❖ Alterna (Ha): si ≠, <, >
➔ Si Ha es ≠: se trata de una prueba de 2 colas
➔ Si Ha es <: se trata de una prueba de 1 cola a la izquierda
➔ Si Ha es >: se trata de una prueba de 1 cola a la derecha5

a. Medias y proporciones pág. 108

Pasos para realizar la prueba de hipótesis (para medias y proporciones):
1. Formular un enunciado teórico o suposición (Hipótesis)
❖ Ejemplo: La media es superior a 22
2. Elaborar un modelo matemático sobre la hipótesis (depende del enunciado
teórico)
3. Elaborar un modelo matemático contrario
4. Definir los criterios de prueba (realizar la campana de gauss)
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Distribución normal Z
➔ Distribución t
t = (gl ; 1-α)
gl = (n-1)
5. Calcular el valor crítico de prueba o estadístic
6. o de prueba
❖ Fórmulas pág. 120
● Para medias
➔ Caso 1

➔ Caso 2
 ➔ Caso 3

➔ Caso 4 (APLICA A CASO 1, 2 Y 3)ik/*//8/

Cuando se conoce N y n/N es 0.05 se aplica el factor finito de
corrección
si n/N < 0.05 no se aplica,
Se debe de colocar el siguiente ajuste en la fórmula que se vaya a
utilizar.

● Para proporciones
➔ Caso 1 (UNICA FORMULA)

➔ Caso 4 (APLICA A CASO 1)

Cuando se conoce N y n/N es 0.05 se aplica el factor finito de corrección
si n/N < 0.05 no se aplica,
Se debe de colocar el siguiente ajuste en la fórmula que se vaya a utilizar.

7. Ubicar el estadístico de prueba en los criterios de prueba

 ❖ Si la respuesta es negativa se ubica a la izquierda de la media o proporción
❖ Si la respuesta es positiva se ubica a la derecha de la media o proporción
8. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
9. Conclusión (Respuesta)

b. Diferencia entre dos medias

c. Independientes
1. Formular un enunciado teórico o suposición (Hipótesis)
2. Elaborar un modelo matemático sobre la hipótesis
❖ Siempre será:
➔ Ho: μ1 = μ2
3. Elaborar un modelo matemático contrario
❖ Puede ser:
➔ Ha: μ1 ≠ μ2
➔ Ha: μ1 > μ2
➔ Ha: μ1 < μ2
4. Definir los criterios de prueba (realizar la campana de gauss)
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Distribución normal Z
➔ Distribución t
t = (gl ; 1-α)
gl = (n1 + n2 - 1)
5. Calcular el valor crítico de prueba o estadístico de prueba
❖ Fórmulas
➔ Caso 1
Se conoce la desviación estándar de la población
 ➔ Caso 2
No se conoce la desviación estándar de la población y n es mayor o
igual a 30

➔ Caso 3
No se conoce la desviación estándar de la población y n es menor a
30

6. Ubicar el estadístico de prueba en los criterios de prueba

❖ Si la respuesta es negativa se ubica a la izquierda de la media o proporción
❖ Si la respuesta es positiva se ubica a la derecha de la media o proporción
7. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
8. Conclusión (Respuesta)

d. Dependientes
1. Formular un enunciado teórico o suposición (Hipótesis)
2. Elaborar un modelo matemático sobre la hipótesis
❖ Siempre será:
➔ Ho: μd = 0
3. Elaborar un modelo matemático contrario
❖ Puede ser:
➔ Ha: μd ≠ 0 No existe diferencia entre antes y después
➔ Ha: μd > 0 Antes es mayor que después
➔ Ha: μd < 0 Antes es menor que después
4. Definir los criterios de prueba (realizar la campana de gauss)
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
 ❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Distribución t
t = (gl ; 1-α)
gl = (n-1)
5. Calcular el valor crítico de prueba o estadístico de prueba
❖ Realizar cuadro pag. 151

❖ Fórmulas
➔ Media de las diferencias

➔ Desviación estándar

➔ Estadístico de prueba

6. Ubicar el estadístico de prueba en los criterios de prueba

❖ Si la respuesta es negativa se ubica a la izquierda de la media o proporción
❖ Si la respuesta es positiva se ubica a la derecha de la media o proporción
7. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
8. Conclusión (Respuesta)

c. Diferencia entre dos proporciones

1. Formular un enunciado teórico o suposición (Hipótesis)
2. Elaborar un modelo matemático sobre la hipótesis
❖ Siempre será:
➔ Ho: P1 = P2
3. Elaborar un modelo matemático contrario
❖ Puede ser:
➔ Ha: P1 ≠ P2
➔ Ha: P1 > P2
➔ Ha: P1 < P2
4. Definir los criterios de prueba (realizar la campana de gauss)
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Distribución normal Z
5. Calcular el valor crítico de prueba o estadístico de prueba
❖ Fórmulas
➔ p’ y q’ para sacar las dos proporciones (cuando dan x, si el caso de
proporciones no se hace esta paso)

➔ Pc y Qc

➔ Estadístico de prueba

6. Ubicar el estadístico de prueba en los criterios de prueba

❖ Si la respuesta es negativa se ubica a la izquierda de la media o proporción
❖ Si la respuesta es positiva se ubica a la derecha de la media o proporción
7. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
8. Conclusión (Respuesta)
3. Prueba de Chi Cuadrad
Proceso:

a. Patrón uniforme
1. Planteamiento de la hipótesis nula y alterna
❖ Patrón uniforme
➔ Ho: Los datos son uniformes o se ajustan de manera uniforme
➔ Ha: Los datos no son uniformes o no se ajustan de manera uniforme
2. Definición del criterio de prueba
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Valor crítico = X^2 = (gl ; 1 - α)
➔ gl = ( k - 1)
➔ K = número de clases
3. Calcular el valor crítico de prueba o estadístico de prueba
❖ Fórmulas

Fo = datos del caso

Fe = ∑ fo / K
4. Ubicar el estadístico de prueba en los criterios de prueba
5. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
 ❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
6. Conclusión (Respuesta)

b. Patrón específico
1. Planteamiento de la hipótesis nula y alterna
❖ Patrón específico
➔ Ho: Los datos se ajustan a un patrón específico o mantienen el
patrón deseado
➔ Ha: Los datos no se ajustan a un patrón específico o no mantienen
el patrón deseado
2. Definición del criterio de prueba
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Valor crítico = X^2 = (gl ; 1 - α)
➔ gl = ( k - 1)
➔ K = número de clases
3. Calcular el valor crítico de prueba o estadístico de prueba
❖ Fórmulas

Fo = datos del caso

% = datos del caso
Fe = ∑ fo * %
4. Ubicar el estadístico de prueba en los criterios de prueba
5. Decisión respecto a Ho
 ❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
6. Conclusión (Respuesta)

c. Prueba de independencia
1. Planteamiento de la hipótesis nula y alterna
❖ Prueba de Independencia
➔ Ho: Las variables son independientes (No tienen relación)
➔ Ha: Las variables no son independientes (Tienen relación)
2. Definición del criterio de prueba
❖ Ubicar áreas de rechazo (α) y no rechazo (β)
❖ Determinar el valor crítico de prueba (con el nivel de significación(α))
➔ Valor crítico = X^2 = (gl ; 1 - α)
➔ gl = ( #m - 1)(#n - 1)
➔ #m = número de filas
➔ #n = número de columnas
3. Calcular el valor crítico de prueba o estadístico de prueba
❖ Fórmulas

Fo = datos del caso

 4. Ubicar el estadístico de prueba en los criterios de prueba
5. Decisión respecto a Ho
❖ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
❖ Si el estadístico de prueba se ubica en el área de rechazó el planteamiento
de la hipótesis nula (Ho) se rechaza.
6. Conclusión (Respuesta)

4. Correlación y regresión lineal

1. Cuantificar correlación
❖ Método gráfico (pág. 198)

❖ Método matemático (pág. 199)

➔ Índice de correlación (r )
 ➔ Analizar resultado (r ) de acuerdo a cuadro 1 y 2 pág. 200
➔ Coeficiente de determinación

2. Prueba de significación
❖ 2.1. Planteamiento de la hipótesis nula
➔ Ho: p = 0 (No hay correlación o relación)
❖ 2.2. Planteamiento de la hipótesis alterna
➔ Ha: p ≠ 0 (Hay correlación o relación)
❖ 2.3. Definición de los criterios de prueba
➔ Ubicar áreas de rechazo (α) y no rechazo (β)
➔ Determinar el valor crítico de prueba (con el nivel de
significación(α))
➔ Distribución t
t = (gl ; 1 - α/2)
gl = (n-2)
❖ Calcular el valor crítico de prueba o estadístico de prueba

❖ Ubicar el estadístico de prueba en los criterios de prueba

❖ Decisión respecto a Ho
➔ Si el estadístico de prueba se ubica en el área de no rechazó el
planteamiento de la hipótesis nula (Ho) no se rechaza.
➔ Si el estadístico de prueba se ubica en el área de rechazó el
planteamiento de la hipótesis nula (Ho) se rechaza.
 ❖ Conclusión (Respuesta)
3. Análisis de regresión

x̄ = ∑x / n -y = ∑y / n
4. Estimación Puntual

5. Intervalo de confianza

❖ Valor de t

❖ Desviación estándar de la estimación

6. Recta de mejor ajuste

❖ Encontrar “yc” para “x mayor valor” y “x menor valor”, trazarlos en la
gráfica
❖ Unir los dos puntos
❖ Ubicar el intervalo de confianza
 Métodos III
1. Operaciones con matrices
a. Dimensión
m = filas
n= columnas
(mxn)
b. Suma y resta
● Las matrices a operar deben de tener la misma dimensión.
● Se operan tomando elemento con elemento, en orden.
● La matriz resultado tendrá la misma dimensión que las matrices operadas.
c. Multiplicación
● Las matrices a operar pueden tener diferentes dimensiones, pero para poder ser
operadas deben cumplir con:
❖ El número de columnas de la primera matriz debe ser igual al número de
filas de la segunda matriz.
● La matriz resultado tendrá el número de filas de la primera matriz y el número de
columnas de la segunda matriz.
● Se opera con cada elemento de la fila de la primera matriz por cada elemento de la
columna de la segunda matriz.
Multiplicables= (n1=m2) = (2*2)
 Resultado = (m1*n2) = (3*3)

d. Determinantes
Resta de las multiplicaciones de los valores encontrados en diagonales de cada matriz.
Matriz cuadrada

Matriz rectangular
Agregar a la matriz inicial las 2 primeras columnas, multiplicar y sumar las diagonales que
van hacia una misma dirección, por último restar los resultados..

d. Ecuaciones simultaneas
1. Planteamiento del problema
2. Planteamiento de ecuaciones
3. Combinar dos ecuaciones y eliminar una de las incógnitas, multiplicando
los coeficientes por números adecuados, así obtener una ecuación con
solo dos incógnitas.
4. Combinar la otra ecuación con cualquiera de las anteriores y trabajar de
manera similar al paso 3.
5. Combinar las dos ecuaciones de dos incógnitas (obtenidas en el paso 3 y
4), eliminar una de las incógnitas, multiplicando los coeficientes por
números adecuados, así el valor de una incógnita.
6. Sustituir el valor obtenido en el paso 5, en cualquiera de las ecuaciones
obtenidas en paso 3 y 4, obteniendo el valor de otra incógnita.
 7. Sustituir los valores obtenidos en los pasos 5 y 6, en cualquiera de las
ecuaciones originales y despejar la incógnita a encontrar.
e. Método de Gauss
1. Planteamiento del problema
2. Planteamiento de ecuaciones
3. Convertir en 1 los valores en diagonal de izquierda a derecha y convertir
en 0 los demás valores (Seguir los pasos del método de Gauss)
f. Regla de Cramer
1. Planteamiento del problema
2. Planteamiento de ecuaciones
3. Hallar del determinante de la matriz original (D)
4. Sustituir la columna C en la primera columna, hallar el determinante
(D1)
5. Sustituir la columna C en la segunda columna, hallar el determinante
(D2)
6. Sustituir la columna C en la tercera columna, hallar el determinante (D3)
7. Aplicar formulas

2. Modelos matemáticos determinísticos

a. Programación lineal
Planteamiento del problema por medio de la tabla de contingencia

Función objetivo
Maximizar una utilidad o cualquier beneficio
Minimizar un costo, un tiempo o cualquier aspecto negativo

● Método gráfico
Signo:
≥ Mayor o igual que, para casos o disponibilidades como mínimo, no menos de o
por lo menos.
≤ Menor igual que, para casos o disponibilidad de como máximo no más de o
cuando no se especifica algún comportamiento.
Pasos:
1. Plantear el problema (tabla de contingencia)
2. Definir la función objetivo
➔ Fo: Maximizar Z = x1 + x2
➔ Fo: Minimizar Z = x1 + x2
3. Definir las restricciones en forma de desigualdades
4. Cambiar desigualdades a igualdades (cambiando el signo ≥ o ≤ por signo =)
5. Calcular pares ordenados, utilizando igualdades
6. Trazar líneas rectas en el plano de coordenadas, con los pares ordenados
obtenidos, identificar el área de solución factible conforme el signo ≥ el
área de solución va hacia afuera del plano y con signo ≤ va hacia adentro
del plano.
7. Localizar el área factible de solución (donde existe intersección de áreas).
8. Localizar los vértices o puntos factibles de solución (donde existe
intersección de líneas y encierran al área factible de solución).
9. Calcular los valores para las variables, para cada vértice a través de
ecuaciones simultáneas, utilizando las líneas de las ecuaciones que forman
cada vértice.
10. Determinar el vértice o punto óptimo de solución, sustituyendo las
variables de la función objetivo por los valores de las variables de cada
vértice.
➔ Maximización: el vértice o punto óptimo de solución es aquel donde
el resultado es mayor.
➔ Minimización: el vértice o punto óptimo de solución es aquel donde
el resultado es menor.
11. Comprobar el punto óptimo de solución en cada una de las restricciones,
sustituyendo los valores.
12. Respuesta.
● Método simplex
❖ Maximización
 Todas las restricciones deben tener signo ≤, si alguna no cumple se corrige
multiplicando toda la restricción por -1 y voltear el signo.
1. Plantear el problema (tabla de contingencia)
2. Definir la función objetivo
➔ Fo: Maximizar Z = x1 + x2
➔ Fo: Minimizar Z = x1 + x2
3. Definir las restricciones en forma de desigualdades
4. Cambiar desigualdades a igualdades (cambiando el signo ≥ o ≤ por
signo =), agregando variables de holgura, una por cada desigualdad.
5. Construir un primer tablero simplex, ordenando los valores de las
igualdades en orden y agregar en la última fila los valores de la
función objetivo en forma negativa.
6. Determinar la columna pivote, identificando el menor valor de la fila
de la función objetivo (si hay más de uno se elige cualquiera).
7. Encontrar el elemento pivote, dividiendo cada uno de los elementos
de la última columna (z) entre cada elemento de la columna pivote,
eligiendo el de menor valor como la fila del elemento pivote.
8. Convertir en uno el elemento pivote y los demás elementos de la
columna en ceros.
9. De ser necesario revertir los pasos 6,7 y 8, hasta que todos los
elementos de la última fila del tablero sean positivos o ceros.
❖ Minimización
Todas las restricciones deben tener signo ≥, si alguna no cumple se corrige
multiplicando toda la restricción por -1 y voltear el signo
1. Plantear el problema (tabla de contingencia)
2. Definir la función objetivo
3. Fo: Maximizar Z = x1 + x2
4. Fo: Minimizar Z = x1 + x2
5. Definir las restricciones en forma de desigualdades
6. Cambiar desigualdades a igualdades (cambiando el signo ≥ o ≤ por
signo =)
7. Formar una matriz inicial con los coeficientes y las constantes, en la
última fila colocar la función objetivo.
8. Transponer la matriz inicial (convirtiendo las filas en columnas).
9. Construir el primer tablero simplex y trabajar el método simplex.

b. Modelo de asignación
● Maximización
Pasos:
 1. Plantear la matriz de efectividad o primera matriz.
2. Seleccionar el dato de mayor valor en cada fila de la matriz de efectividad,
restarle los demás elementos de su fila, incluyendo el mismo (para obtener
0), y construir la segunda matriz para colocar los resultados.
3. Revisar las columnas e identificar alguna que no tenga por lo menos un 0,
en ellas seleccionar el elemento de menor valor y restarlo de los elementos
de su columna, incluyendo el mismos, construir la tercera matriz para
colocar los resultados además de copiar los valores de los elementos que
no se modificaron.
4. Trazar el menor número de líneas posibles, tratando de cubrir el mayor
número de ceros.
➔ Si el número de líneas trazadas es igual al número de filas de la
matriz, es posible realizar la asignación óptima.
➔ Si el número de líneas trazadas no es igual al número de filas de la
matriz, seguir el procedimiento.
5. Construir una nueva matriz, identificar el elemento de menor valor entre
los elementos descubiertos (que no se encuentra cubiertos por líneas),
restarlo de los elementos descubiertos, sumarlo a los elementos donde
existan intersecciones de líneas y copiar los demás elementos cubiertos por
líneas.
6. Trazar nuevamente el menor número de líneas posibles que cubran todos
los ceros.
➔ Si el número de líneas trazadas es igual al número de filas de la
matriz, es posible realizar la asignación óptima.
➔ Si el número de líneas trazadas no es igual al número de filas de la
matriz, repetir paso 5 y 6 hasta lograr la igualdad.
7. Asignar a cada fila o columna un cero único (no debe de haber duplicidad).
8. Asignar a cada cero único el valor de la matriz de efectividad o primera
matriz.
9. Establecer de derecha a izquierda el origen y de abajo hacia arriba el
destino.
10. Respuesta.
● Minimización
Pasos:
1. Plantear la matriz de efectividad o primera matriz.
2. Cancelar la celda indicada donde no habrá asignación, colocamos una X.
3. Seleccionar el dato de menor valor en cada columna de la matriz de
efectividad, restarlo de los demás elementos de su columna, incluyendo el
mismo (para obtener 0), y construir la segunda matriz para colocar los
resultados.
 4. Revisar las filas e identificar alguna que no tenga por lo menos un 0, en
ellas seleccionar el elemento de menor valor y restarlo de los elementos de
su fila, incluyendo el mismo, construir la tercera matriz para colocar los
resultados además de copiar los valores de los elementos que no se
modificaron.
5. Trazar el menor número de líneas posibles, tratando de cubrir el mayor
número de ceros.
➔ Si el número de líneas trazadas es igual al número de filas de la
matriz, es posible realizar la asignación óptima.
➔ Si el número de líneas trazadas no es igual al número de filas de la
matriz, seguir el procedimiento.
6. Construir una nueva matriz, identificar el elemento de menor valor entre
los elementos descubiertos (que no se encuentra cubiertos por líneas),
restarlo de los elementos descubiertos, sumarlo a los elementos donde
existan intersecciones de líneas y copiar los demás elementos cubiertos por
líneas.
7. Trazar nuevamente el menor número de líneas posibles que cubran todos
los ceros.
➔ Si el número de líneas trazadas es igual al número de filas de la
matriz, es posible realizar la asignación óptima.
➔ Si el número de líneas trazadas no es igual al número de filas de la
matriz, repetir paso 6 y 7 hasta lograr la igualdad.
8. Asignar a cada fila o columna un cero único (no debe de haber duplicidad).
9. Asignar a cada cero único el valor de la matriz de efectividad o primera
matriz.
10. Establecer de derecha a izquierda el origen y de abajo hacia arriba el
destino.
11. Respuesta.

c. Modelo de transporte
Determinar si el problema es homogéneo (la sumatoria de la oferta es igual a la sumatoria
en la demanda), de no ser así agregar una fila o columna ficticia.
➔ Oferta < Demanda - Agregar fila ficticia con costos 0
➔ Oferta > Demanda - Agregar columna ficticia con costos 0
● Esquina noroeste
1. Construir la matriz origen (oferta) y destino (Demanda).
2. Asignar en la celda de la esquina noroeste (celda de primera fila y primera
columna) una cantidad que agote la oferta y satisfaga la demanda.
3. Ajustar las cantidades de oferta y demanda restando la cantidad asignada,
cancelando las celdas en las que ya no es posible hacer una asignación.
 4. Si se agota la oferta, la siguiente asignación se hace en la celda de abajo; si
quedó satisfecha la demanda, la siguiente asignación se hace en la celda de
la derecha.
5. Cuando todas las ofertas y todas las demandas sean iguales a cero, el
proceso termina.
6. Elaborar el programa de distribución.
7. Respuesta.
● Mínimo costo
1. Construir la matriz de origen y destino.
2. Identificar la celda con el menor costo (no cero), y asignarle una cantidad
que agote la oferta y satisfaga la demanda. Si hay varios iguales elegir al
azar.
3. Ajustar las cantidades de oferta y demanda restando la cantidad asignada,
cancelando las celdas en las que ya no es posible hacer una asignación.
4. Repetir los pasos 2 y 3 hasta que todas las ofertas y todas las demandas
sean iguales a cero.
5. Elaborar el programa de distribución.
6. Respuesta.
● Multas o de vogel
1. Construir la matriz de origen y destino.
2. Calcular una multa por cada fila y cada columna (en cada fila y en cada
columna identificar los dos costos con menor valor y restarlos), la
colocamos en la celda.
3. Identificar la celda con la multa mayor, ya sea columnas o filas, identificar la
celda con el menor costo y asignarle una cantidad que agote la oferta y
satisfaga la demanda.
4. Ajustar las cantidades de oferta y demanda restando la cantidad asignada,
cancelando las celdas en las que ya no es posible hacer una asignación.
5. Repetir los pasos 2, 3 y 4 hasta que todas las ofertas y todas las demandas
sean iguales a cero.
6. Elaborar el programa de distribución.
7. Respuesta.
● Pasos secuenciales
1. Calcular costos marginales para todas las celdas vacías (que contengan X).
2. Evaluar los costos
➔ Si todos los costos marginales son positivos o ceros, el programa
actual es el óptimo, ya no es posible disminuir el costo.
➔ Si hay costos marginales negativos, el programa actual no es el
óptimo, es posible disminuir el costo. Es necesario hacer una
redistribución, seguir con el proceso.
 3. Identificar el ciclo que dio el costo marginal menor, de ese ciclo identificar
los costes con signo “-” , comparar las cantidades asignadas que poseen y
seleccionar que la cantidad de menor valor.
4. Asignar la cantidad (seleccionada anteriormente) a la celda desocupada del
ciclo identificado, restar ese valor a las celdas con signo - y sumarlo a las
celdas con signo + (del ciclo identificado).
5. Completar la matriz con las asignaciones de las celdas ocupadas que no
fueron modificadas, cumpliendo con la oferta y demanda.
6. Repetir los pasos anteriores hasta que todos los costos marginales sean
positivos o ceros.
7. Elaborar el programa de distribución.
8. Respuesta.

3. Modelos matemáticos probabilísticos

a. Teoría de juegos
● Punto de silla
1. Construir la matriz de pagos, determinando estrategias y valores de pago
(datos del caso).
2. Determinar el menor elemento de cada fila y anotarlo al lado derecho de la
fila.
3. Determinar el mayor elemento en cada columna y anotarlo al pie de la
columna.
4. Seleccionar elemento de mayor valor entre los menores de las filas
(MaxiMin) y el elemento de menor valor entre los mayores de las columnas
(MiniMax).
5. Verificar si el valor MaxiMin es igual al valor MiniMax, si son iguales ese
valor es el punto de silla y el valor del juego.
6. Determinar al ganador del juego.
➔ Si el valor de juego es positivo, el ganador es el jugador ubicado en
las filas de la matriz.
➔ Si el valor de juego es negativo, el ganador es el jugador ubicado en
las columnas de la matriz.
7. Determinar el beneficio obtenido (punto de silla) por el ganador.
8. Determinar la estrategia que aplicará tanto el ganador, como el perdedor
del juego; debe ubicarse en la celda que contiene el punto de silla, recorre
de derecha a izquierda para determinar la estrategia de las filas y de abajo
hacia arriba para determinar la estrategia de las columnas.
9. Respuesta.
● Método simplex
Se utiliza cuando el problema no tiene punto de silla.
 1. Construir la matriz de pagos, determinando estrategias y valores de pago
(datos del caso).
2. Determinar el menor elemento de cada fila y anotarlo al lado derecho de la
fila.
3. Determinar el mayor elemento en cada columna y anotarlo al pie de la
columna.
4. Seleccionar elemento de mayor valor entre los menores de las filas
(MaxiMin) y el elemento de menor valor entre los mayores de las columnas
(MiniMax).
5. Verificar si el valor MaxiMin es igual al valor MiniMax
➔ Si son iguales ese valor es el punto de silla y el valor del juego.
➔ Si no son iguales no hay punto de silla, trabajar método simplex,
seguir procedimiento.
6. Definir la función objetivo.
7. Definir las restricciones.
8. Realizar el tablero simplex.
9. Eliminar los negativos de la matriz principal, sumando un valor constante
(K), igual o mayor al más negativo y restarlo al final del procedimiento para
determinar el valor del juego.
10. Elegir el elemento pivote, es el elemento con mayor valor.
11. Trabajar operaciones del método simplex.
12. Determinar al ganador del juego VJ = 1/Z - K
➔ Si el valor de juego es positivo, el ganador es el jugador ubicado en
las filas de la matriz.
➔ Si el valor de juego es negativo, el ganador es el jugador ubicado en
las columnas de la matriz.
13. Determinar el beneficio obtenido (VJ) por el ganador.
14. Determinar la estrategia que aplicará tanto el ganador, como el perdedor
del juego.
➔ Las variables que tengan un distinto valor de cero, indican que la
estrategia correspondiente se debe aplicar.
15. Respuesta.

b. Cadenas de markov
Matriz inicial
 ❖ Conocido: si establece la participación o comportamiento de los estados de la
variable (si el caso indica los valores).

❖ Equivalente: si no es posible conocer el comportamiento (el caso no indica), el

100% se distribuye equitativamente entre los estados de las variables.

❖ Condicionado: si se refiere a un estado específico de la variable.

Matriz de transición
❖ Estados expresados en probabilidad de las variables (datos del caso)
❖ Los datos no pueden ser negativos,
❖ La sumatoria de las filas deben sumar 1.

Pérdida
Porcentaje que una variable cede a otra, se coloca en la fila.

Ganancia
Porcentaje que una variable obtiene de otra, se coloca en columna.
● Método gráfico
1. Construir la matriz inicial (formada por datos históricos o presentes sobre el
comportamiento de las variables.
2. Construir la matriz de transición.
3. Elaborar el árbol de decisiones.
4. Respuesta.
● Método producto de matrices
1. Construir la matriz inicial (formada por datos históricos o presentes sobre el
comportamiento de las variables.
2. Construir la matriz de transición.
3. Multiplicar las matrices.
4. Respuesta.
● Ecuaciones simultaneas
1. Construir la matriz inicial (compuesta por P1, P2, P3…Pn).
2. Construir la matriz de transición.
3. Multiplicar las matrices para plantear ecuaciones.
4. Igualar las ecuaciones a 0.
5. Reducir términos semejantes.
6. Plantear una ecuación con la suma de las proporciones iguales a 1.
7. Determinar si el sistema de ecuaciones es de 2 o 3 incógnitas.
➔ Si es de 2 incógnitas resolver a través de ecuaciones simultáneas,
método de gauss o regla de cramer.
➔ Si es de 3 incógnitas resolver a través de método de gauss o regla
de cramer.
8. Método de Gauss o regla de Cramer: construir la primera matriz, la
primera fila se forma con probabilidades de 1, las siguientes filas se forman
con las ecuaciones igualadas a 0, colocar cualquiera ecuación menos 1 y
aplicar cualquiera de los dos métodos.
9. Respuesta.