Modulo Estadistica 2009

Escuela de Postgrado
Universidad Nacional del Santa

I I. . LA ESTADISTICA LA ESTADISTICA
1. DEFINICIN:
La Estadstica es una ciencia que nos ofrece un conjunto de mtodos y tcnicas para
recopilar, organizar, presentar, analizar e interpretar un conjunto de datos respecto a
variables en estudio de una poblacin, con el fin de obtener conclusiones y tomar
decisiones sobre determinados hechos o fenmenos en estudio.
La estadstica es una rama de la matemtica y es parte del mtodo cientfico. En la
actualidad, para hacer investigacin cientfica se necesita conocer de estadstica.
2. CLASIFICACION DE LA ESTADSTICA
La Estadstica se clasifica de la siguiente manera:
2.1. Estadstica Descriptiva
Es aquella rea de la Estadstica que describe y analiza una poblacin, sin
pretender sacar conclusiones de tipo general. Es decir, las conclusiones
obtenidas con validas solo para dicha poblacin.
2.2. Estadstica Inferencial
Es aquella rea de la Estadstica, cuyo propsito es inferir o inducir leyes de
comportamiento de una poblacin, a partir del estudio de una muestra. Es decir
las conclusiones obtenidas a partir de una muestra, son validas para toda la
poblacin.
3. DEFINICIONES PRELIMINARES:
3.1. UNIVERSO:
Es el conjunto de individuos, objetos o entes que tienen caractersticas
comunes, definidas en forma general en un espacio y tiempo.
Ejemplo:
Conjuntos de alumnos, concjunto de docentes universitarios, conjunto de de
pacientes, conjunto de clientes, conjunto de proveedores, conjunto de
viviendas, conjunto de establecimientos, conjunto de documentos, etc.; de una
determinada regin o zona en un tiempo determinado.
3.2. POBLACIN:
Es un conjunto grande y completo de individuos, elementos o unidades que
presentan como mnimo una caracterstica en comn y observable. Para definir
una poblacin esta debe contener los siguientes elementos: contenido, espacio
y tiempo. Al nmero de elementos de una poblacin de denota por N. Una
poblacin puede clasificarse de la siguiente manera:
A. Segn su extensin:
Poblacin Finita : es aquella que tiene un determinado nmero de
elementos.
Poblacin Infinita: Es aquella cuyos elementos no se pueden contar.
B. Segn su mbito o naturaleza:
Poblacin Objeto: esta dada por los elementos que forman la poblacin.
Poblacin Objetivo: esta dada por la informacin que da la poblacin
objeto
Nota: De un universo se pueden desprender muchas poblaciones, pero
operativamente se pueden hablar indistintamente como poblacin o universo.
3.3. MUESTRA
Es una parte o un subconjunto de la poblacin en estudio. Tambin se puede
decir que es una coleccin de unidades de muestreo seleccionados de un marco
muestral o de varios marcos muestrales. Al nmero de elementos de la muestra
se denota por n.
ESTADSTICA Prof. Jos Boza
1
Una muestra tiene las siguientes caractersticas:
a. Es representativa.
b. Es adecuada.
MUESTRE MUESTRE O O
Es una tcnica estadstica por la cual se realizan inferencias o generalizaciones
para una poblacin examinando solo una muestra de ella.
Es una tcnica empleada para seleccionar elementos de una poblacin.
Su propsito es proporcionar diferente tipo de informacin estadstica de
naturaleza cuantitativa o cualitativa.
Por su gran importancia los investigadores lo utilizan en los diferentes campos
de saber y tambin lo usamos en la vida diaria.
3.4. UNIDAD DE ESTUDIO:
Es el animal persona o cosa de quien se dice algo. Es el elemento quien nos va a
dar la informacin. Es el individuo u objeto del cual se toman las mediciones u
observaciones.
Ejemplos:
Un docente, un auxiliar de educacin, un votante, una factura, una empresa,
una botella de cerveza, una universidad, una vaca, una gota de sangre, etc.
3.5. OBSERVACIONES:
Estadsticamente son los datos que se recolectan para un estudio. Una
observacin o dato es cuando una variable en si toma un valor especifico.
3.6. VARIABLE:
Una variable es una caracterstica de estudio de una poblacin. Una variable es
lo que se quiere evaluar en una investigacin. Las caractersticas toma
diferentes valores que varan de individuo a individuo o de objeto a objeto.
Aquellas caractersticas que permanecen inalterables en las unidades de estudio
reciben el nombre de constantes.
Generalmente, las variables se designan con las ltimas letras maysculas del
abecedario: X, Y, Z; y los valores de las variables se designan con letras
minsculas: xi , yi , etc.
Las variables se clasifican de la siguiente manera:
Por su relacin: Variable dependiente - variable independiente.
Por su escala de medicin: Nominal Ordinal Intervalo Razn.
Por su naturaleza: Cuantitativas - Cualitativas.

2
Variable Variable
Cualitativa
Cuantitativa
Nominal
Ordinal Discreta Continua
Cualidad
O
Atributo
Cantidad
o
nmero
Conteo Medicin No orden
Orden
Ejemplos:
Unidad de estudio Variable
Estudiante Peso, talla, edad, ci, nmero de hermanos,
raza, color de ojos, tipo de sangre, etc.
Empresa Ganancia, costos, produccin, nmero de
trabajadores, numero de computadoras, etc.
PYMENmero de trabajadores, aos de funcionamiento, ganancias, etc.
3.7. PARAMETRO:
Es un valor, una cantidad, un indicador que se obtiene con informacin de la
poblacin. Dentro de estos tenemos:
a. El promedio poblacional
b. La varianza poblacional.
c. La proporcin poblacional, etc.
3.8. ESTIMADOR:
Es un valor, una cantidad, un indicador que se obtiene con informacin de la
muestra. Dentro de estos tenemos:
a. El promedio muestral.
b. La varianza muestral.
c. La proporcin muestral, etc.
3.9. INVESTIGACIN CUANTITATIVA Y CUALITATIVA
El objetivo de cualquier ciencia es adquirir conocimientos y la eleccin del
mtodo adecuado que nos permita conocer la realidad es por tanto fundamental.
Los mtodos inductivos y deductivos tienen objetivos diferentes y podran ser
resumidos como desarrollo de la teora y anlisis de la teora respectivamente.
Los mtodos inductivos estn generalmente asociados con la investigacin
cualitativa mientras que el mtodo deductivo est asociado frecuentemente
con la investigacin cuantitativa.
La investigacin cuantitativa es aquella en la que se recogen y analizan datos
cuantitativos sobre variables. La investigacin cualitativa evita la
cuantificacin. Los investigadores cualitativos hacen registros narrativos de los
fenmenos que son estudiados mediante tcnicas como la observacin
participante y las entrevistas no estructuradas. La diferencia fundamental entre
ambas metodologas es que la cuantitativa estudia la asociacin o relacin entre
variables cuantificadas y la cualitativa lo hace en contextos estructurales y
situacionales.
La investigacin cualitativa trata de identificar la naturaleza profunda de las
realidades, su sistema de relaciones, su estructura dinmica. La investigacin
cuantitativa trata de determinar la fuerza de asociacin o correlacin entre
variables, la generalizacin y objetivacin de los resultados a travs de una
muestra para hacer inferencia a una poblacin de la cual toda muestra procede.
Tras el estudio de la asociacin o correlacin pretende, a su vez, hacer
inferencia causal que explique por qu las cosas suceden o no de una forma
determinada.
3
VENTAJAS E INCONVENIENTES DE LOS MTODOS
Tabla 1. Diferencias entre investigacin cualitativa y cuantitativa.
Investigacin cualitativa Investigacin cuantitativa
Centrada en la fenomenologa y
comprensin
Basada en la induccin probabilstica del
positivismo lgico
Observacin naturista sin control Medicin penetrante y controlada
Subjetiva Objetiva
Inferencias de sus datos Inferencias ms all de los datos
Exploratoria, inductiva y descriptiva Confirmatoria, inferencial, deductiva
Orientada al proceso Orientada al resultado
Datos "ricos y profundos" Datos "slidos y repetibles"
No generalizable Generalizable
Holista Particularista
Realidad dinmica Realidad esttica
Tabla 2. Ventajas e inconvenientes de los mtodos cualitativos vs
cuantitativos.
Mtodos cualitativos Mtodos cuantitativos
Propensin a "comunicarse con" los sujetos
del estudio
Propensin a "servirse de" los sujetos del
estudio.
Se limita a preguntar. Se limita a responder.
Comunicacin ms horizontal... entre el
investigador y los investigados... mayor
naturalidad y habilidad de estudiar los
factores sociales en un escenario natural
.

Son fuertes en trminos de validez interna,
pero son dbiles en validez externa, lo que
encuentran no es generalizable a la poblacin
Son dbiles en trminos de validez interna
-casi nunca sabemos si miden lo que
quieren medir-, pero son fuertes en validez
externa, lo que encuentran es generalizable
a la poblacin.
Preguntan a los cuantitativos: Cuan
particularizables son los hallazgos?
Preguntan a los cualitativos: Son
generalizables tus hallazgos?
4
3.10. TCNICAS DE RECOLECCIN DE DATOS:
Las tcnicas de recoleccin de datos permiten la obtencin sistemtica de
informacin acerca de los objetos de estudio( personas, objetos y fenmenos)
y de su entorno.
Como ya se mencion, la recoleccin de datos tiene que ser sistemtica, ya
que, si los datos se recolectan al azar ser difcil responder las preguntas de
investigacin de una manera concluyente.
Las tcnicas de recoleccin de datos son
1. Utilizacin de la informacin disponible
2. Observacin
3. Entrevista( cara a cara)
4. Cuestionarios autoadministrados
5. Discusin con grupos focales
6. Otras
OBSERVACIN:
La observacin es una tcnica que implica seleccionar ver y registrar
sistemticamente, la conducta y caractersticas de seres vivos, objetos o
fenmenos. La observacin de la conducta humana es una tcnica de
recoleccin de datos muy utilizada que puede llevarse a cabo de diferentes
formas:
a. Observacin participativa: El observador participa en la situacin
que observa
b. Observacin no participativa: El observador no participa en la
situacin que observa
Las observaciones pueden servir para diferentes propsitos. Pueden dar
informacin adicional y ms confiable de la conducta de las u.e. que las
entrevistas o los cuestionarios. Los cuestionarios pueden ser incompletos ya
que se pueden olvidar algunas preguntas o porque los entrevistados olvidan o
no desean contestar algunas cosas. Con la observacin se puede, entonces,
verificar la informacin recolectada( especialmente sobre temas como
alcoholismo, drogadiccin, sida,) pero tambin puede ser una fuente primaria
de informacin ( observacin sistemtica de los juegos de los nios).
La observacin de la conducta humana puede formar parte de algn estudio,
pero como consume tiempo se usa con mayor frecuencia en estudios de
pequea escala.
ENTREVISTA:
La entrevista es una tcnica de recoleccin de datos que involucra el
cuestionamiento oral de los entrevistados ya sea individualmente o en grupo.
Las respuestas a las preguntas durante la entrevista pueden ser registradas
por escrito o grabadas en una cinta. La entrevista pueden conducirse con
diferentes grados de flexibilidad.
Las entrevistas utilizando una cedula para asegurar que se discuten todos los
puntos, pero dando suficiente tiempo y permitiendo seguir cualquier orden. El
entrevistador puede hacer preguntas adicionales para obtener tanta
informacin adicional como sea posible, Las preguntas son abiertas y no hay
restricciones para las respuestas.
Este mtodo poco estructurado de hacer las preguntas puede ser til para
entrevistas individuales o grupales con informantes claves.
Un mtodo de entrevista flexible es til si el investigador sabe poco del
problema o de la situacin que esta investigando. Se aplica en estudios
exploratorios y en los estudios de caso.
5
ENCUESTAS:
Hoy en da la palabra "encuesta" se usa ms frecuentemente para describir un
mtodo de obtener informacin de una muestra de individuos. Esta "muestra"
es usualmente slo una fraccin de la poblacin bajo estudio. Una "encuesta"
recoge informacin de una "muestra." Una "muestra" es usualmente slo una
porcin de la poblacin bajo estudio.
Las encuestas pueden ser clasificadas en muchas maneras. Una dimensin es
por tamao y tipo de muestra. Las encuestas pueden ser usadas para estudiar
poblaciones humanas o no humanas (por ejemplo, objetos animados o
inanimados, animales, terrenos, viviendas). Mientras que muchos de los
principios son los mismos para todas las encuestas, el foco aqu ser en
mtodos para hacer encuestas a individuos. Las encuestas pueden ser
clasificadas por su mtodo de recoleccin de datos. Las encuestas por correo,
telefnicas y entrevistas en persona son las ms comunes. En los mtodos
ms nuevos de recoger datos, la informacin se entra directamente a la
computadora ya sea por un entrevistador adiestrado o an por la misma
persona entrevistada. Un ejemplo bien conocido es la medicin de audiencias
de televisin usando aparatos conectados a una muestra de televisores que
graban automticamente los canales que se observan
OTRAS TCNICAS DE RECOLECCION DE DATOS
a. Tcnica de grupo nominal
b. Tcnica delphi
c. Historias de vida
d. Escalas
e. Ensayos
f. Estudios de casos
g. Mapeo
h. Tcnicas rpidas de evaluacin de sondeo
i. Encuestas participativas.
3.11. INSTRUMENTOS DE RECOLECCIN DE DATOS:
Si tenemos presente el tema de investigacin por el que nos estarnos guiando
se percibir que, una vez obtenidos los indicadores de los elementos tericos y
definido el diseo de la investigacin, se har necesario estructurar las
tcnicas d recoleccin de datos correspondientes, para as poder construir los
instrumentos que nos permitan obtener tales datos de la realidad.
Un instrumento de recoleccin de datos es, en principio, cualquier recurso de
que pueda valerse el investigador para acercarse a los fenmenos y extraer de
ellos informacin. Ya adelantbamos que dentro de cada instrumento concreto
pueden distinguirse dos aspectos diferentes: una forma y un contenido. La
forma del instrumento se refiere al tipo de aproximacin que establecemos con
lo emprico, a las tcnicas que utilizamos para esta tarea; una exposicin ms
detallada de las principales es la que se ofrece al lector en este mismo
captulo. En cuanto al contenido ste queda expresado en la especificacin de
los datos concretos que necesitamos conseguir; se realiza, por lo tanto, en
una serie de tems que no son otra cosa que los indicadores bajo la forma de
preguntas, de elementos a observar, etc. De este modo, el instrumento
sintetiza en s toda la labor previa de investigacin: resume los aportes del
marco terico al seleccionar datos que corresponden a los indicadores y, por lo
tanto, a las variables o conceptos utilizados; pero tambin expresa. todo lo
que tiene de especficamente emprico nuestro objeto de estudio, pues
sintetiza a travs de las tcnicas de recoleccin que emplea, el diseo concreto
escogido para el trabajo.
6
PRCTICA PRESENCIAL N 01
Instruccin: En los siguientes casos identificar la unidad de estudio, tipo de variable, la
poblacin y la muestra en los siguientes casos que se presentan.
CASO N 01:
CASO N 02
CASO N 03
Unidad de estudio
Variable de estudio Tipo:
Poblacin
Muestra
Unidad de estudio
Poblacin
Muestra
7
TESIS: Propuesta metodolgica basada en Infoescuela en el
desarrollo de habilidades, destrezas y actitudes para el diseo
de programas computacionales en los alumnos de
Computacin Aplicada a la Educacin Primaria de la U.N.T.
TESIS: Aplicacin del Programa Informtico MATHEMATICA
en el Rendimiento Acadmico en la asignatura de Matemtica
I, en los estudiantes del primer ciclo de la especialidad de
Matemtica de la Carrera Profesional de Educacin
Secundaria de la Universidad Nacional de Trujillo
TESIS: PROPUESTA METODOLGICA PROTESIPSI Y EL
DESARROLLO DE HABILIDADES Y ACTITUDES PARA LA
PRODUCCIN DE CUENTOS, FBULAS Y LEYENDAS EN
LOS ALUMNOS DEL 6 GRADO DE LA I. E. 80461 DEL
DISTRITO DE TAURIJA PATAZ.
CASO N 04

CASO N 05
CASO N 06
Unidad de estudio
Poblacin
Muestra
Unidad de estudio
Poblacin
Muestra
Unidad de estudio
Poblacin
Muestra
8
TESIS: PROGRAMA DE DESARROLLO DE INTELIGENCIA LINGSTICA
Y SU EFECTO EN LA COMPRENSIN LECTORA, EN LOS ALUMNOS DEL
5 GRADO DE PRIMARIA DE LA INSTITUCIN EDUCATIVA REPBLICA
ARGENTINATRUJILLO.2005.
TESIS: Aplicacin del Programa Esquematizando
problemas y su influencia en el desarrollo de
capacidades de las alumnas del 5to. Grado de Educacin
Primaria del Colegio Estatal N 81007 Modelo de
Trujillo, en el rea lgico matemtica. Ao 2004
TESIS: La implementacin de un Sistema de Gestin
Acadmica mejora la Gestin de los Colegios Estatales de
la Ciudad de Trujillo.
Un gran profesional es aquel que no encuentra obstculos sino retos
II. PRESENTACIN DE LA INFORMACIN: II. PRESENTACIN DE LA INFORMACIN:
En la Estadstica se trabaja generalmente con una gran cantidad de datos los cuales por
facilidad de anlisis y clculos se organizan en Cuadros de Distribucin de Frecuencias
(CDF) y Grficos Estadsticos (GE).
CUADRO DE DISTRIBUCIN DE FRECUENCIAS (CDF):
1.1. DEFINICIN:
Un cuadro de distribucin de frecuencias, es una tabla resumen de un conjunto
de datos que muestra el comportamiento o distribucin de la variable en estudio
en forma rpida y resumida.
An cuando un cuadro de frecuencias se construye a libre criterio de quien lo
ejecuta, generalmente es comn seguir algunos pasos que de alguna forma
homogenizan criterios y ayudan a los fines didcticos.
Para realizar este anlisis se tienen que tener en cuenta el tipo de variable que
se esta evaluando.
1.2. PARTES DE UN CUADRO DE DISTRIBUCION DE FRECUENCIAS:
Las partes de un CDF son las siguientes:
a. Nmero del cuadro de frecuencias en forma correlativa.
b. Ttulo: Especificar la variable y la poblacin en estudio
c. Encabezado o conceptos.
d. Cuerpo o contenido del cuadro de frecuencias
e. Nota de pie (no siempre es necesaria)
f. Fuente
g. Elaboracin
1.3. ELEMENTOS PARA CONSTRUIR UN CDF:
Para construir un cuadro de frecuencias se utilizan los siguientes elementos:
A. Valores de la variable Xi :
Los valores de la variable o datos se representan por Xi. Ejm: Si se tienen
50 datos sus valores correspondientes no agrupados se representan como
X1, X2, X3, ..., X50 .
B. Intervalos de clase :
Los intervalos son subconjuntos de la recta real Ron que estn definidos
por un lmite menor o inferior Li y un lmite mayor o superior Ls.
Unidad de estudio
Poblacin
Muestra
9
C. Frecuencia:
1. Frecuencia absoluta simple :
Se denotan por fi. Est constituida por el nmero de veces que se
repite un valor. En el caso de intervalos es el nmero de observaciones
comprendidas en dicho intervalo. Estas frecuencias siempre son
enteros positivos y adems la suma de todos ellos es el tamao de la
muestra n.
2. Frecuencia relativa :
Se denotan por hi. Indica la relacin o proporcin existente entre la
frecuencia absoluta simple y el nmero total de datos. Estas
frecuencias son numeros fraccionarios positivos entre o y 1. Para fines
interpretativos estas frecuencias se expresan en % (hi%) . As:

n
fi
hi 100 (%) x
n
i f
hi
3. Frecuencia absoluta acumulada:
Se denotan por Fi. Resulta de la suma de las frecuencias cuyas marcas
de clase son iguales o menores a la marca de clase del intervalo dado o
considerado, es decir:
F1 = f1
F2 = f1 + f2
F3 = f1 + f2 + f3
.............................................
Fj = f1 + f2 + f3 + ....... + fi
4. Frecuencia relativa acumulada:
SE denotan Hi. Resulta de la suma de las frecuencias relativas simples
hasta la frecuencia del intervalo considerado. As:
H4 = h1 + h2 + h3 + h4
H6 = h1 + h2 + ....+ h6
Para fines interpretativos estas frecuencias se expresan en % (Hi%)
D. Marca de clase :
Se denota por Yi. Es el promedio de los valores correspondientes a los
lmites inferior y superior de cada uno de los intervalos determinados.
1.4. PROPIEDADES DE UN CDF:
A. Las fi y Fi son siempre nmeros enteros positivos. Es decir:
fi , Fi 0
B. Las hi y Hi son siempre nmeros fraccionarios positivos
comprendidos entre 0 y 1, es decir 0 hi , Hi 1
C. F1 siempre es igual f1 y H1 siempre es igual a h1.
D. La suma de todas las fi es igual a n y la suma de las hi es
igual a 1.
E. Fm siempre es igual a n y Hm siempre es igual a 1.
1.5. CONSTRUCCIN DE CUADROS DE FRECUENCIAS:
Para la construccin de los CDF hay que tener en cuenta el tipo de variable que
se esta analizando, es decir, si es cuantitativa continua, cuantitativa discreta o
variable cualitativa.
A. CDF PARA UNA VARIABLE CUANTITATIVA CONTINUA:
Para la construccin de este cuadro hay que realizar los siguientes pasos:
10
PASO 1. Determinar el Rango del conjunto de datos.

PASO 2. Determinar el nmero de intervalos m.

Este valor siempre es un nmero entero (Redondeo)
PASO 3. Determinar la amplitud A intervlica ( de cada intervalo).

Este valor esta en funcin de la estructura de la base de datos (tomar el inmediato
superior)
PASO 4. Determinar el nuevo rango R2 (Solamente si se tomo un
inmediato superior)
A: es la amplitud teniendo en cuenta el inmediato superior.
PASO 5. Determinar los intervalos y finalmente construir el cuadro.
B. CDF PARA UNA VARIABLE CUANTITATIVA DISCRETA:
Para la construccin de un CDF para una variable cuantitativa discreta
(valores discretos) ya no se utiliza los pasos anteriores solamente colocar en
los intervalos a los diferentes valores discretos.
C. CDF PARA UNA VARIABLE CUALITATIVA:
Para la construccin de un CDF para una variable cualitativa se sigue los
mismos pasos que para una variable cuantitativa discreta, es decir,
solamente colocar en los en los intervalos a las diferentes categoras de la
variable cualitativa.
1.6. EXCEL EN LA COSNTRUCCION DE CDF:
Si bien es cierto que el EXCEL no es un programa exclusivamente diseado para
anlisis estadstico (como lo es el SPSS), puede realizar parte del trabajo
estadstico. Una de las ventajas y razones de su uso, esta en su fcil acceso,
pues en todas las computadoras esta instalado y as se podr explorar el
funcionamiento de las herramientas que se presentan en este programa.
A. CONSTRUCCION DE CUADROS DE FRECUENCIA UTILIZANDO TABLAS
DINAMICAS:
Para construir cuadros de distribucin de frecuencias a travs de Excel se
utiliza la herramienta TABLAS DINAMICAS ver el uso de este programa
analizaremos la siguiente base de datos respecto a 50 casos y 10 variables
de estudio. (Archivo BASE 01.exe).
Teniendo en cuenta esta base de
datos realizar los siguientes pasos:
Hacemos clic en Datos /informe de
tablas y grficos dinmicos/ ..
aparece la siguiente pantalla:

11
R = Valor mximo - Valor mnimo
m = 1 + 3.322 log ( n )
A = R / m
R2 = A * m
Luego aparecen las siguientes ventanas de trabajo.activamos (a) lista de
base de datos de Excel y (b) Tabla Dinmica. Luego siguiente
seleccionamos el rango respectivo, luego siguiente..luego seleccionamos la
opcin diseo.
En la opcin diseo seleccionamos la variable que vamos a analizar y con el
cursor activamos dicha variable y lo arrastramos hasta la opcin FILA y
luego la misma variable la arrastramos hasta la opcin DATOS. Finalmente
aceptamos y obtenemos los resultados
12
En funcin a lo que se quiera obtener como resultados de la variable
analizada, se selecciona OPCIONES DE TABLA DINMICA para obtener ya
sea totales, promedio o frecuencia de dicha variable. Esta ventana de
trabajo es la siguiente:
BASE DE DATOS
La base de datos que se evaluar con fines prcticos (BASE01.exe), es la
siguiente:
X1: Tamao familiar (Numero de integrantes de su familia)
X2: Edad
X3: Sexo
X4: Profesin
X5: Estado civil
X6: Lugar de procedencia
X7: Tenencia de seguro
X8: Tipo de enfermedad
X9: Ingreso mensual
X10: Actividad
Con la siguiente base de datos realizar lo siguiente:
a. Indicar el comportamiento del tamao familiar de la muestra en
estudio.
b. Determinar el comportamiento de la muestra son segn estado civil.
Sealar sus respectivos porcentajes.
c. Determinar el comportamiento de la muestra segn tenencia de
seguro.
d. Determinar la edad promedio.
e. Determinar el ingreso mensual.
f. Realizar un cuadro de doble entrada segn sexo y estado civil.
Interprete algunos resultados.
g. Realizar un cuadro de doble entrada segn profesin y tenencia de
seguros. Interprete algunos resultados.
B. CONSTRUCCION DE CUADROS DE FRECUENCIA UTILIZANDO LA
OPCION ANALISIS DE DATOS:
Para construir cuadros de distribucin de
frecuencias solamente para variables
13
cuantitativas se utiliza la opcin Herramientas/Anlisis de datos.. Para
informacin de variables cualitativas solamente se utiliza tablas dinmicas
vistas anteriormente.
Esta ventana de trabajo tiene la siguiente presentacin:

Para construir cuadros de frecuencias con esta opcin se debe de tener
informacin de variables cuantitativas, como son peso, edad, talla,
ganancias, ventas, PBI, tasa de inflacin, etc.
Los pasos a seguir son: Herramientas/Anlisis de datos/ .y aparece la
ventana presentada anteriormente.
Luego seleccionar
HISTOGRAMA, luego
aparece la siguiente
ventana donde hay que
ingresar rango de
entrada / rango de
clases / rtulos /rango de
salida. Se activa rtulos
siempre y cuando en la
seleccin de los datos se
seleccion el nombre de la
variable respectiva.
TAREA:
a. Teniendo como referencia la base de datos anterior, realizar el
cuadro de frecuencias para la variable edad considerando los siguientes
rangos. Menores de 20, de 20 a 40, de 40 a 60 y mayores de 60.
b. Realice un CDF para la variable ingreso mensual.
14
Instruccin: Utilizando las definiciones y propiedades de un Cuadro de
Distribucin de Frecuencias completar los siguientes cuadros.
CASO N 1:
A continuacin se presenta la distribucin de 96 centros educativos de acuerdo a su
ingresos por APAFA anual en miles de soles durante el ao 2002. La informacin obtenida
a originado el siguiente cuadro de distribucin de frecuencias:
[Ingresos> Yi fi Fi hi Hi
0 - 4 6
4 - 8 11
8 - 12 27
12 - 16 29
16 - 20 23
Total 96
Fuente: DIREL
a. Completar el cuadro de distribucin de frecuencias.
b. Interpretar:
f2 :.
F4 :
h3 :.
H2 :
CASO N 02:
A continuacin se presenta la distribucin de 500 alumnos de Instituciones Educativas
Privadas segn el ingreso familiar de sus hogares obtenidos en soles. Esta informacin
ha originado el siguiente cuadro de frecuencias incompleto.
15
Sueldo Yi fi Fi hi Hi
20
850 - 0.10
210
- 1600 0.34
0.96
Total 500
a. Completar el cuadro de distribucin de frecuencias y realizar su grafico respectivo.
b. Interpretar:
f2 :.
H4 :
CASO N 03:
A continuacin se presenta la distribucin de 60 alumnos segn sus puntajes obtenidos
en la aplicacin de la encuesta Inventario de Baron para medir su inteligencia
emocional. Estos puntajes oscilan entre 50 y 155 puntos. La informacin obtenida se
presenta en el siguiente cuadro:
Ganancias Yi fi Fi hi Hi
50 - 4
0.15
- 95 20
10
0.20
55
n=
a. Completar el cuadro de distribucin de frecuencias.
b. Interpretar:
f2 :.
F4 :
h3 :.
CASO N 04:
A continuacin se dan los datos relativos a las tasas de crecimiento de un grupo de
Instituciones Educativas Particulares durante el ao 2006.
1.39 1.35 2.27 1.15 2.29 1.75 1.32 1.52 1.72 1.08 2.14
1.65 1.15 2.52 1.75 2.26 2.23 1.93 2.55 1.89 1.68 1.48
1.70 265 2.67 1.23 2.02 1.65 1.71 1.37 1.84 1.92 1.35
1.46 3.09 1.16 1.40 1.09 1.61 1.44 1.18 1.04 2.59 1.95
1.92 2.13 1.67 1.59 1.92 1.31
Construya un cuadro de distribucin de frecuencias.
16
CASO N 05:
Se ha registrado el peso en kilogramos de 50 alumnos que estudian Ingeniera Industrial
en la Universidad Nacional de Santa, ao acadmico 2007-II.

45 44 43 50 54 60 49 45 50 45
49 72 60 56 44 52 50 63 50 49
47 53 52 50 53 45 55 48 50 50
48 52 68 60 62 45 55 50 49 52
50 52 63 50 76 58 53 52 60 59
Construya un cuadro de distribucin de frecuencias
La educacin es una inversin a largo plazo
II III. GRFICOS ESTADSTICOS: I. GRFICOS ESTADSTICOS:
1. DEFINICION:
Un grfico estadstico es una representacin pictrica, cuyo objetivo es expresar
el comportamiento de una variable en estudio.
Los grficos estadsticos son representaciones de informacin real que existe en
nuestro mundo, es una expresin artstica de datos reales y observados.
Un grfico sirve tambin para comparar visualmente el comportamiento de dos o
ms variables similares o relacionadas.
2. PARTES DE UN GRAFICO ESTADISTICO:
Numeracin.
Titulo: Aqu se seala la poblacin en estudio y la variable de inters.
Diagrama: esta dado por el propio dibujo el cual representa el comportamiento de
los datos.
Escalas y/o leyendas: Son indicadores donde se precisa la correspondencia entre
los elementos del grfico y la naturaleza de las medidas representadas.
Fuente: Aqu se seala el CDF que permiti obtener el respectivo grfico.
3. CRITERIOS PARA CONSTRUIR GRAFICOS:
No existe una regla especfica para la construccin de grficos, pero si es posible
considerar algunas recomendaciones o criterios.
Se emplea una diversidad de grficos, cuya estructura o forma depender del tipo
de variable que se est estudiando.
Este grfico debe tener rasgos simples y de fcil comprensin.
4. TIPOS DE GRAFICOS ESTADISTICOS
Hay varias tipos de grficos, los cuales dependen del tipo de variable que esta
evaluando. Presentaremos aqu los mas importantes:
a. Grfico de bastones: Se utiliza cuando se tienen datos de una variable
cuantitativa discreta.
b. Histograma: Se utiliza cuando se tienen datos de una variable cuantitativa
continua.
c. Grfico de Barras: Se utiliza cuando se tienen datos de una variable cualitativa.
17
d. Grfico Sectorial o Pastel: Se utiliza cuando se tienen informacin de una variable
cualitativa o cuantitativa discreta.
e. Polgono de frecuencias: Se utiliza para indicar el comportamiento de un conjunto
de datos.
f. Grfico de series de tiempo: Se utiliza para analizar variables cuantitativas
continuas pero expresadas en el tiempo.
g. Pirmide poblacional: Se utiliza para analizar el comportamiento de una poblacin
segn sexo y edad.

5. CONSTRUCCIN DE GRAFICOS ESTADISTICOS DE EXCEL:
Excel puede crear grficos a partir de datos previamente seleccionados en una hoja
de clculo. El usuario puede incrustar un grfico en una hoja de clculo, o crear el
grfico en una hoja especial para grficos. En cada caso el grfico queda vinculado a
los datos a partir de los cuales fue creado, por lo que si en algn momento los datos
cambian, el grfico se actualizar de forma automtica. Los grficos de Excel
contienen muchos objetos, ttulos, etiquetas en los ejes que pueden ser seleccionados
y modificados individualmente segn las necesidades del usuario.
Para crear un grfico con el Asistente para Grficos, se deben seguir los siguientes
pasos:
1. Seleccionar los datos a representar.
2. Ejecutar el comando Insertar / Grfico o hacer clic en el botn
A continuacin aparece el siguiente cuadro de dilogo del Asistente para Grfico..que
permite elegir el tipo y subtipo de grfico que se va a utilizar entre dos listas que son
estndares y personalizados.
Luego seleccionar el rango de los datos a evaluar, sealando correctamente las series
que estn evaluando.
18
Luego debemos configurar los aspectos que conciernen a la presentacin del grfico,
aportando una vista preliminar del mismo. As, se determinan el ttulo, las
inscripciones de los ejes, la apariencia de stos, la leyenda, la aparicin o no de tabla
de datos y los rtulos. Las opciones de <Atrs, Siguiente> y Finalizar son las
mismas que en los otros cuadros.
Finalmente hacer clic en el botn Finalizar, el grfico aparece ya en el lugar
seleccionado. Si se quiere desplazar a algn otro lugar sobre la propia hoja en que se
encuentra basta seleccionar todo el grfico y arrastrarlo con el mouse.
Instruccin: Utilizando las definiciones anteriores realizar los grficos estadsticos para
los siguientes casos.
CASO N 01:
A continuacin se presenta informacin respecto a los puntajes obtenidos por 50
docentes en un examen de capacitacin que tiene como puntaje mximo 100 puntos.
Realizar el grfico respectivo teniendo en cuenta el tipo de variable.
Cuadro N 01:
Distribucin de los 50 docentes segn sus puntajes obtenidos en un examen de
capacitacin.
Puntaje obtenido
[ >
Nmero de lingotes
fi
Marca de clase
Yi
91.6 92.3 2 91.95
92.3 93.0 9 92.65
93.0 93.7 8 93.35
93.7 94.4 13 94.05
94.4 95.1 9 94.75
95.1 95.8 6 95.45
95.8 96.5 3 96.15
Total
n= 50
Fuente: Sider-Per
Grafico N 01:
Distribucin de los 50 docentes segn sus puntajes obtenidos en un examen de
capacitacin.
19
2
9
8
13
9
6
3
0
2
4
6
8
10
12
14
N
u
m
e
r
o

d
e

d
o
c
e
n
t
e
s
91.6 92.3 92.3 93.0 93.0 93.7 93.794.4 94.4 95.1 95.1 95.8 95.8 96.5
Puntaje obtenido
Fuente: Cuadro N 01
20
CASO N 02:
A continuacin se presenta la distribucin de 96 Centros Educativos Privados de acuerdo
a su ganancia neta en miles de dlares durante el ao 2007. La informacin obtenida en
los reportes de la Sunat, a originado el siguiente cuadro de frecuencias. Realizar grficos
estadsticos apropiados considerando fi y Fi.
Fuente: BCR
CASO N 03: Se tiene la siguiente informacin respecto al nmero de alumnos del nivel
primario que han desertado de las aulas en la regin La Libertad, durante los aos
1991-2004. Con sus conocimientos aprendidos en clase realice el grfico apropiado.
Ao
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
Mile
s TM
1114 1151 1785 2253 1778 1566 1677 1422 1314 1012 1415 2210 1980 1940
Fuente: Prom Peru Peru en cifras 2006.
CASO N 04:
Se esta haciendo un estudio socio-econmico de
los padres de familia del CEP Nuestra Seora del
perpetuo Socorro que tienen a sus hijos
actualmente matriculados. Teniendo en cuenta su
estado civil, el Administrador presenta esta
informacin en un cuadro de una sola entrada (1
variable). Realizar un grafico adecuado.
Fuente: rea de Administracin.
CASO N 05:
Se esta haciendo un estudio socio-
econmico de los padres de familia
del CEP Nuestra Seora del
perpetuo Socorro que tienen a sus
hijos actualmente matriculados.
Teniendo en cuenta su estado civil y
sexo, el Administrador presenta esta
informacin en un cuadro de doble
entrada (2 variables). Realizar un
grfico adecuado.
Fuente: rea de Administracin
Ganancia Yi fi Fi hi Hi
0 - 4 2 6 6
4 - 8 6 11 17
8 - 12 10 27 44
12 - 16 14 29 73
16 - 20 18 23 96
Total 96
Estado Civil
Clientes
N %
Solteros
Casados
Divorciados
Viudos
87
34
21
24
Total 100.0
Estado Civil
Sexo
Total Masculino Femenino
N % N %
Soltero
Casados
Divorciados
Viudos
56
14
85
80
31
20
12
16
Total
20
IV. IV. ANALISIS ESTADISTICO DESCRIPTIVO ANALISIS ESTADISTICO DESCRIPTIVO: :
La estadstica descriptiva es una tcnica que consiste en obtener indicadores que
describen el comportamiento de un conjunto de datos. Dentro de estas medidas
estadsticas tenemos:
A. Las medidas de Posicin: Dentro de estas tenemos:
a. Medidas de tendencia central: Media, Moda, Mediana.
b. Medidas de localizacin: cuartiles, deciles y percentiles.
B. Las medidas de variacin: rango, varianza, desviacin estndar, coeficiente de
variacin.
C. Las medidas de deformacin: asimetra y kurtosis.
1. MEDIDAS DE TENDENCIA CENTRAL
1.1. MEDIA ARITMTICA:
Se denota por
x
Es la medida estadstica ms fcil de calcular.
La media o promedio es el punto central de un conjunto de datos.
Para calcular la media aritmtica se utilizan las formulas adecuadas ya sea
sin son datos agrupados o datos no agrupados.
1.2.MEDIANA:
Se denota por Me.
Es un valor que divide al conjunto de datos en dos partes iguales, es decir,
cada segmento tiene el 50% de los datos.
1.3.MODA:
Se denota por Mo.
La moda es el valor que ms se repite en un conjunto de datos.
En un conjunto de datos se presentan los siguientes casos:
a. No existir datos Amodal
b. 1 moda Unimodal.
c. 2 modas Bimodal
d. 3 a mas modas Multimodal
2. MEDIDAS DE LOCALIZACIN:
2.1. CUARTILES:
Se denotan por Qk, donde k=1,2,3
Son valores que dividen a un conjunto de datos en 4 partes iguales, es
decir, cada sector tiene el 25% de los datos.
Para calcular la media aritmtica se utilizan las formulas adecuadas ya
sea sin son datos agrupados o datos no agrupados.
2.2. DECILES:
Se denotan por Dk, donde k=1,2,3,4,5,6,7,8,9
21
2.3. PERCENTILES:
Se denotan por Pk, donde k=1,2,3,4,5,6,7,8,9,10, , 99
3. MEDIDAS DE VARIABILIDAD:
3.1. RANGO:
Se denota por R y la medida de variabilidad ms fcil de calcular.
Es la diferencia que existe entre el valor mximo y el valor mnimo del
conjunto de datos.
3.2. VARIANZA:
Mide la variabilidad de un conjunto de datos respecto a un valor
central(promedio)
Mide la variabilidad pero en unidades elevadas al cuadrado, por lo tanto es
ilgica su interpretacin.
3.3. DESVIACIN ESTANDAR:
Mide la variabilidad de un conjunto de datos respecto a su valor central
pero en unidades originales.
Esta es la medida de variabilidad que tiene una interpretacin lgica.
Se obtiene al sacra la raz cuadrada de la varianza.
3.4. COEFICIETE DE VARIACIN:
Se denota por C.V.
El C.V. sirve para determinar si un conjunto de datos tiene un
comportamiento homogneo o heterogneo.
Para llegar a determinar la homogeneidad se compara con un valor
convencional del 33%.
Si el CV 33% el conjunto de datos tiene un comportamiento
homogneo.
Si el CV > 33% el conjunto de datos tiene un comportamiento
heterogneo.
4. MEDIDAS DE FORMA:
ASIMETRIA:
La asimetra se entiende como la deformacin horizontal de un conjunto
de datos.
Para conocer esta asimetra se calcula el coeficiente de asimetra As.
En un conjunto de datos pueden presentar los siguientes casos:
a. As= 0, el conjunto de datos es simtrica.
b. As<0, el conjunto de datos es asimtrica negativa.
22
c. As>0, el conjunto de datos es asimtrica positiva.
KURTOSIS:
Se entiende por Kurtosis a la deformacin vertical
de un conjunto de datos, es decir, mide el apuntamiento o achatamiento de
un conjunto de datos.
Para conocer que tipo de asimetra tiene un
conjunto de datos, se utilizan las siguientes formulas:
A. Kurtosis en funcin de los momentos:
Si K1>3, el conjunto de datos es leptocrtica.
Si K1=3, el conjunto de datos es mesoctica.
Si K1<3, el conjunto de datos es platicrtica.

M4: Momento de orden cuatro respecto a la media
M2: Momento de orden dos respecto a la media
B. Kurtosis en funcin de los momentos de orden 4:
Si K2>0, el conjunto de datos es leptocrtica.
Si K2=0, el conjunto de datos es mesoctica.
Si K2<0, el conjunto de datos es platicrtica.
C. Kurtosis en funcin de loscuantiles:
Si K3>0.263, el conjunto de datos es leptocrtica.
Si K3=0.263, el conjunto de datos es mesoctica.
Si K3<0.263, el conjunto de datos es platicrtica.
S
Mo X
As

S
Me X
As
) ( 3
1 3
1 2 3
2
Q Q
Q Q Q
As
3
) (
2
2
4

s
M
K
2
2
4
) (
1
M
M
K
) ( 2
10 90
1 3
P P
Q Q
As
23
5. FORMULAS PARA CALCULAR LAS MEDIDAS DE TENDENCIA CENTRAL:
MEDIDAS
PARA DATOS NO
AGRUPADOS
PARA DATOS AGRUPADOS
PROMEDIO n
x
X
n
i
i
1
Xi: datos
n = nmero de datos
n
f Y
X
m
i i
i i
Yi: Marca de clase o punto

medio
fi: frecuencia absoluta simple
n: nmero de datos.
MODA
Procedimiento:
Observar la base de datos y
determinar el valor que ms se
repite.
1
]
1
+
2 1
1
A Li Mo
Li: limite inferior del intervalo
modal.
A: amplitud intervlica
1 2
1 1
+

j j
j j
f f
f f
MEDIANA
Procedimiento:
Ordenar la serie en forma
ascendente
Cuando n impar :
Me = valor central
Cuando n par :
Me = promedio de los
valores centrales
1
1
]
1

+

j
j
f
F n
A Li Me
1
2 /
Li: limite inferior del intervalo
mediano.
A: amplitud intervlica.
2 / n es el elemento
determinante
Fj-1: Frecuencia acumulada
anterior al intervalo mediano
fj:Frecuencia abs. simple del
intervalo mediano
C
U
A
N
T
I
L
E
S
QUARTILES
Seguir pasos similares a la
mediana.
1
1
]
1

+

j
j
K
f
F kn
A Li Q
1
4 /
Similar a la Me. Lo nico que
cambia es el elemento
determinante.
DECILES Seguir pasos similares a la
mediana.
1
1
]
1

+

j
j
K
f
F kn
A Li D
1
10 /
24
determinante.
PERCENTILES
Seguir pasos similares a la
mediana.
1
1
]
1

+

j
j
K
f
F kn
A Li P
1
100 /
determinante.
6. FORMULAS PARA CALCULAR LAS MEDIDAS DE DISPERSION O VARIACIN
MEDIDAS
PARA DATOS NO
AGRUPADOS
PARA DATOS AGRUPADOS
RANGO
min max V V R
LI LS R
Ls: Limite superior
Li: Limite inferior
V
A
R
I
A
N
Z
A
POBLACIONAL
N
u X
N
i
i
1
2
2
) (
Xi : Datos de la poblacin
u
: promedio poblacional
N: Nmero de elementos de
la poblacin
N
f u Y
m
i
i i
1
2
2
* ) (
Yi : Marca de clase
u
: promedio poblacional
N: Nmero de elementos de la
poblacin
MUESTRAL

1
) (
1
2
2
n
x x
s
n
i
i
Xi : Datos de la muestra
x : promedio muestral
n : Nmero de elementos de
la muestra
1
* ) (
1
2
2
n
f y y
s
m
i
i i
yi : Marca de clase
y
: promedio muestral
n : Nmero de elementos de la
muestra
Formulas
abreviadas

,
_
n
i
n
i
i
i
n
x
x
n
s
1
1
2
2 2
) (
1
1
,
_
m
i
m
i
i i
i i
n
f y
f y
n
s
1
1
2
2 2
) (
1
1
DESVIACION
ESTANDAR
2

D.E. Poblacional
2
s s
D.E. Muestral
25
COEFIENTE DE
VARIACIN
100 * . .
u
V C

C.V. Poblacional
100 * . .
x
s
V C
C.V. Muestral
7. MEDIDAS ESTADSTICAS CON EXCEL:
En Excel los pasos a seguir para obtener estas medidas son las siguientes:
a. Tener una base de datos respecto a variables cuantitativas.
b. Seleccionar en Excel Herramientas/Anlisis de datos/Estadstica
descriptiva.. aparece la siguiente ventana:

c. Luego se presenta las siguientes ventanas de dialogo, donde tenemos que
ingresar el rango, si la informacin esta agrupado en columnas o filas, si
se seleccion el rotulo o titulo, sealar la celda donde van a salir los datos
y finalmente activar todas las alternativas que necesita el investigador.
8. EVALUACIN DE UN CASO: (Ejercicio obtenido de material de trabajo de ESAN)
Wells y Asociados es una de las firmas consultoras financieras ms importantes de los
Estados Unidos. Ofrece asesora financiera y servicios a firmas particulares y a
gobiernos estatales y locales. Lori Mulier, acababa de ser encargada del
departamento de personal de esta empresa. En los tres aos pasados, se han
26
agregado otros ayudantes y hace seis semanas, se sum al departamento un
estadstico recin graduado.
Lori Muller empez hace poco a revisar las prcticas de contratacin del
departamento. Empez la revisin examinando el campo ms crtico, las personas en
adiestramiento financiero. La firma contrata entre 60 y 130 de estas personas al ao,
segn sea el crecimiento de la firma, el movimiento de empleados y el nmero de
perspectivas notables" que encuentre. Prcticamente todos los que estn en
adiestramiento financiero se contratan entre los estudiantes del ltimo ao de
escuelas superiores con especializacin financiera.
Lori Muller seleccion al azar 100 de los 197 candidatos que haban sido contratados
hace dos aos y an seguan trabajando. Cada ficha contena la informacin
siguiente (los datos van en el apndice adjunto):
1. Genero. (0=Femenino y 1=Masculino)
2. Edad al contratarse
3. Promedio ponderado de sus notas universitarias (escala de 0 a 20).
4. Calidad de la universidad de procedencia. (1=Excelente, 2=Muy buena, 3=Buena
y 4=Regular)
5. Nota de la prueba de aptitudes. La prueba produce una puntuacin de 0 (muy
improbable que tenga xito en el trabajo) a 100 (muy probable que tenga xito
en el trabajo).
6. Evaluacin del rendimiento al final del segundo ao. Esta evaluacin produce una
puntuacin numrica desde 0 (muy malo) hasta 100 (excelente). Muller y
Koehler estn seguros de que la escala es de intervalo y tambin han decidido,
con base en los tres aos de experiencia con dicha escala, que una puntuacin
inferior a 50 es insatisfactoria, 50-69 es satisfactoria, 70-89 por sobre el
promedio, y por encima de 89 es excelente.
Lori Muller llama al estadstico a su oficina y le dice: "Estoy encantada de tener un
estadstico que nos ayude. No estamos an listos a desarrollar un modelo estadstico
acabado de lo que constituye una buena contratacin, pero es tiempo de empezar a
evaluar algunas de las variables de que tenemos informacin. El gran nmero de
personas que contratamos, el alto costo de adiestrarlas y el hecho de que no
podemos evaluar realmente los rendimientos, hasta fines del segundo ao, significan
que cualquier mejora en nuestra eficacia de contratacin tendr por resultado
ahorros sustanciales para la firma. Para comenzar a tratar el tema, Podras dar
respuesta a las siguientes preguntas?
1. Necesitamos un resumen de la edad del personal al contratarse, del promedio de
calificaciones de grado y de la evaluacin del rendimiento en el segundo ao, para
tener una apreciacin general del grupo en adiestramiento financiero. Cul es el
perfil de este personal?
2. Es ms alto el puntaje de varones en la nota de la prueba de aptitudes que el de
mujeres? Y en la evaluacin del rendimiento?
3. Un criterio inicial en Wells era mantener la calificacin promedio de grado de los
contratados por encima de 14.00. Se sigue manteniendo este criterio?
4. Otro criterio era mantener por lo menos un tercio de los contratados que
provengan de escuelas de categora 2. Se sigue manteniendo este criterio?
5. Son diferentes los rendimientos en la prueba de entrada para las diferentes
calidades de escuelas de donde provienen los candidatos? Y en la Evaluacin del
rendimiento del segundo ao?
27
Si Ud. fuera el analista que conclusiones le dara a Lori respecto al anlisis que
realiz.
Tener como referencia la base de datos del archivo BASE02.EXE.
8. FORMULAS PARA CALCULAR LAS MEDIDAS ESTADISTICAS BIDIMENSIONALES
I. MEDIDAS ESTADISTICAS MARGINALES:
1.1. Media o promedio marginal:

Media para X Media para Y
1.2. Varianza marginal:
Varianza para X Varianza para Y
II. MEDIDAS ESTADISTICAS CONDICIONALES:
2.1. Media o promedio condicional:
Media de X dado Y Media de Y dado X
2.2. Varianza condicional
1
1
1
1
]
1

n
f x
f x
n
X V
p
i
i i p
i
i i
1
2
.
.
2
) (
1
1
) (
1
1
1
1
]
1
n
f y
f y
n
Y V
q
i
j i q
i
j i
1
2
.
1
.
2
) (
1
1
) (
k
p
i
ik i
k
f
f x
Y X M
.
) / (

n
f y
Y Y M
q
j
j j

1
.
) (
n
f x
X X M
p
i
i i

.
) (
.
1
) / (
k
q
j
kj j
k
f
f y
X Y M

28
Varianza de X dado un Y Varianza de Y dado un X
Instruccin: Utilizando las definiciones anteriores acerca de estadstica bidimensional
resolver los siguientes casos:
CASO N 01:
En el siguiente estudio social se evala a 30 viviendas familiares de la ciudad de
Chimbote, se considera como primera variable:
X: Nmero de personas por vivienda
Y: Nmero de habitaciones por vivienda.
La informacin bidimensional que se obtuvo (X,Y) es la siguiente:

Presentar esta informacin en cuadro de doble entrada
Y
X
Nmero de habitaciones
Total
2 3 4 5 6
N
u
m
e
r
o

d
e

p
e
r
s
o
n
a
s
4
5
6
7
8
9
Total
Numero de
personas (X)
6 4 6 5 6 9 7 8 4 4 5 6 8 7 7
Numero de
habitaciones (Y)
3 3 3 4 3 6 3 3 2 3 3 3 4 4 3
Numero de
personas (X)
9 5 5 5 5 4 9 5 8 5 9 7 8 4 4
Numero de
habitaciones (Y)
4 5 2 3 3 3 4 4 3 2 6 3 3 2 3
1
1
1
1
]
1

.
1
2
2
.
) (
1
1
) / (
k
q
i
k j i q
i
k j i
k
k
f
f y
f y
f
X Y V
1
1
1
1
]
1

k
p
i
ik i p
i
ik i
k
k
f
f x
f x
f
Y X V
.
1
2
2
.
) (
1
1
) / (
29
CASO N 02:
Se tiene la siguiente informacin bidimensional correspondiente a las siguientes
variables:
X: Consumo de agua en m
3
;
Y: Tiempo de servicio en aos.
Esta informacin corresponde a 40 centros educativos de Chimbote, cuyos datos son los
siguientes:
Con esta informacin calcular e interpretar:
a. M(X). Interprete
b. M(Y). Interprete.
CASO N 04:
En base al siguiente cuadro bidimensional que corresponde a la ganancia en miles de
dlares (X) y el gasto en publicidad en miles de dlares (Y), de 55 Instituciones
Educativas Privadas de nuestro medio se presentan en el siguiente cuadro bidimensional:
[15-20> [20-25> [25-30> [30-35> [35-40] fi.
[25-30>
5 3 2
[30-35>
3 5 5 9 3
[35-40>
2 3 3 2
[40-45]
2 4 4
f .j
n=
Tiempo de servicio en aos
[0 - 4> [4 - 8> [8 - 12> [12 - 16> [16 - 20] f i .
C
o
n
s
u
m
o

d
e

a
g
u
a
[250 - 300> 4 2 1
[300 - 350> 2 4 4 8 2
[350 - 400> 1 2 2 1
[400 - 450> 1 3 3
f .j n =
30
Calcular e interpretar:
a. M(X)=
b. Interpretar: f32 , h31% , h24% , f21 ,
c. M(X / Y2)
d. M(Y / X2)
e. V ( Y ).
g. V (X)
V. V. ANALISIS DE CORRELACIN: ANALISIS DE CORRELACIN:
El anlisis de correlacin es una tcnica estadstica que mide el grado de
asociacin o afinidad entre las variables cuantitativas consideradas en un estudio.
Se llamar CORRELACION SIMPLE cuando se trata de analizar la relacin entre
dos variables. Se llamar CORRELACION LINEAL O RECTILINEA si la funcin es una
recta, y de CORRELACION NO LINEAL cuando la funcin es una curva o una funcin
de grado superior.
El COEFICIENTE DE CORRELACION DE PEARSON, es el estadgrafo que mide el
grado de asociacin o afinidad entre las variables cuantitativas y se denota por r la
cual se define como:

Interpretacin:
-1 -0.7 -0.4 0 0.4 0.7 -1

Perfecta Alta Regular Baja Baja Regular Alta Perfecta
N E G A T I V A P O S I T I V A
V VI. I. ANALISIS DE REGRESION ANALISIS DE REGRESION
1. ANALISIS DE REGRESION LINEAL SIMPLE:
El anlisis de regresin es una tcnica estadstica que consisten en determinar la
relacin funcional entre dos variables cuantitativas en estudio.
Esta relacin funcional entre las variables, es una ecuacin matemtica de la
forma Y= A + B X, que recibe el nombre tambin de Funcin de Regresin o
Modelo de Regresin.

n
i
n
i
i
n
i
n
i
i i
n
i
n
i
n
i
i i i i
Y Y n X X n
Y X Y X n
r
1
2
1
1
2
1 1
2 2
1 1 1
) ( ) (
31
A la variable Y se le denomina variable dependiente, a la variable X independiente
y a A,B se les llama parmetros de la ecuacin de regresin.
La finalidad del Anlisis de Regresin es hacer pronsticos es decir, hacer
estimaciones futuros de la variable dependiente.
PASOS A SEGUIR:
a. Realizar el diagrama de dispersin y ver el comportamiento de la variable.
b. Aplicar el mtodo de los Mnimos Cuadrados Ordinarios para estimar los
parmetros de la ecuacin. Las formulas son las siguientes:

n
i
n
i
i i
n
i
n
i
i i
n
i
i i
X X n
Y X Y X n
B
1
2
1
2
1 1 1
) (
X B Y A
c. Para hacer el pronstico o el valor estimado de Y, reemplazar en la ecuacin
matemtica el respectivo valor de Xo, de la siguiente manera:
Y = A + B (Xo)
2. REGRESION LINEAL MULTIPLE:
El ARLM es una tcnica estadstica que consiste en determinar el modelo de
regresin linel mltiple de una variable respuesta (Y) y un conjunto de variables
independientes (Xs).
El modelo de regresin lineal mltiple esta dado por la siguiente ecuacin:
+ + + + +
K K
X X X Y ...
2 2 1 1 0
Para encontrar este modelo, es decir, estimar sus coeficientes tambin se
utiliza el Mtodo de los Mnimos Cuadrados Ordinarios.
Los elementos de este modelo de regresin mltiple son los siguientes:
Y es la variable dependiente o variable respuesta.
A las Xs se le llama variables independientes.
Bs se les llama coeficientes de regresin.
En el ARLM se pruebab las siguientes Hiptesis:
Ho: Los Bs son iguales a cero (No hay efecto de las variables independientes en Y);
H1: Los Bs son diferentes de cero (Por lo menos un X influye en Y).
Para dar respuesta a esta Hiptesis se utiliza el anlisis de varianza.
3. REGRESION LINEAL CON EXCEL:
Para realizar estos ejercicios se deben
realizar los siguientes pasos:
Hacer clic en Herramientas/Anlisis de
datos/Regresin y aparece la
siguiente ventana
32
Luego aparece la ventana de dialogo
donde hay que ingresar el rango de Y, el
rango de X, activar rtulos, las opciones
de salida y algunas alternativas de inters
para el investigador.
Luego tomar las decisiones respectivas.
PRCTICA PRESENCIAL N
05
Instruccin: Utilizando las definiciones anteriores acerca de anlisis de regresin y
correlacin resolver los siguientes casos:
CASO N 01:
LA EMPRESA HIDRANDINA de la ciudad de
Trujillo, esta haciendo un estudio sobre los
consumos de energa (en miles de kilowatts -
hora) y el nmero de Centros de Computo en
un conjunto de Instituciones Educativas
Privadas Para este estudio se selecciona una
muestra aleatoria de 10 Instituciones
Educativas Privadas, en la cual se obtuvo los
siguientes resultados:
a. Estimar la ecuacin de regresin lineal.
b. Evale el consumo (en miles de kilowatts-
hora), para una IE que tiene 6 centros de
computo.
CASO N 02:
El Administrador General de la Universidad del
Santa esta haciendo un estudio entre el gasto de
mantenimiento de sus computadoras y el ao de
antigedad de dichas maquinas. Para esto recurre a
la oficina de Mantenimiento y Contabilidad
obteniendo la siguiente informacin:
a. Estime la ecuacin de regresin lineal.
b. Estime cuanto sera el costo de mantenimiento de
una computadora que tiene 7 aos.
c. Calcule e interprete el valor del coeficiente de
regresin lineal r
CASO N 0 3 :
El jefe de personal de un Centro Educativo cree que
existe una relacin entre la tardanza al trabajo y la
edad del docente. Con el propsito de estudiar el
N de
casa
Nmero de
habitaciones
Consumo de
energa
(miles de kw)
1 2 4
2 4 11
3 4 10
4 3 5
5 1 3
6 3 6
7 1 3
8 5 18
9 5 14
10 3 7
Total
N de
maquina
Tiempo de
antigedad
(aos)
Costo de
mantenimiento.
($)
1 1 14
2 1 16
3 2 20
4 2 24
5 3 30
6 3 28
Total
N
Edad en
aos
N de
Tardanza e
un ao
1 25 20
2 50 5
3 35 10
4 20 20
5 45 8
6 50 2
7 30 15
8 40 12
9 62 1
10 40 8
Total
33
problema tom en cuenta la edad de diez docentes escogidos al azar y contabiliz los
das de tardanza durante todo un ao. Los resultados fueron como se observa en la tabla
que sigue:
a. Construya el diagrama de dispersin.
b. Obtenga la ecuacin de la recta de regresin
c. Si un docente tiene 38 aos, Cuntos tardanzas se espera que falte al ao?
d. Si un trabajador tiene 3 tardanzas al ao Qu edad se puede esperar que tenga este
trabajador?
e. Determinar el grado de relacin entre las variables en estudio
VII. CALCULO DE PROBABILIDADES:
1.1. EXPERIMENTO ALEATORIO (E) :
Un experimento aleatorio se caracteriza porque tienen las siguientes 3
propiedades:
a. Es un experimento NO deterministico.
b. Sus resultados posibles que pueden describirse con anterioridad.
c. Se pueden repetir infinitas veces sin cambiar sus condiciones.
Ejemplos:
E1= Lanzamiento de un dado y ver su puntaje obtenido.
E2= De una urna que contiene esferas blancas y negras seleccionar una y anotar
su color
Ejercicios:
Indique Ud. si los siguientes experimentos son aleatorios:
a. Elegir una carta de una baraja (52 cartas) y sealar la figura
obtenida. V F
b. Verificar el estado de dos transistores (apagado y prendido)
V F
c. Lanzar una piedra a una tina con agua.
V F
d. Lanzar 4 monedas y ver el nmero de caras.
V F
e. Extraer 3 bolas con reemplazo de una urna que contiene 12 bolas
diferentes (la bola se devuelve antes de extraer la siguiente bola).
V F
f.Jugar un partido de fulbito V F
g. Soltar un plumn en el aire.
V F
h. Rendir un examen.
V F
i. Jugar la tinka V F
j.Realizar una operacin quirrgica. V F
k. Aplicar una fuera a un cuerpo en reposo.
V F
1.2. ESPACIO MUESTRAL (S):
Es el conjunto de todos los resultados posibles de un experimento aleatorio. As
por ejemplo, los espacios muestrales asociados a los respectivos experimentos
mencionados anteriormente, son:
34
Experimento Espacio Muestral
E1 S1= {1,2,3,4,5,6}
E2 S2= {b,n}; b=blanca,
n=negra
Ejercicios: Indique el espacio muestral para los siguientes experimentos:
(Utilice el diagrama del rbol)
a. Lanzar 2 monedas: S=
{..}
b. Lanzar 3 monedas S=
{..}
c. Lanzar 1 dado y una moneda S=
{..}
d. Anotar el sexo de un recin nacido S=
{..}
e. Lanzar 2 dados S=
{..}
f. Jugar un partido de ftbol S= {..}
g. Rendir un examen S= {..}
h. Prender una computadora S= {..}
i. Seleccionar dos bolas de una urna que contiene 2 bolas rojas, 2 bolas
azules y 2 bolas verdes. S=
{.}
j.Seleccionar dos bolas de una urna que contiene 1 bola roja, 1 azul y 3
verdes.
S= {...}
k. Seleccionar tres bolas de una urna que contiene 2 bolas rojas, 2
azules y 2 verdes.
S= {.}
1.3. EVENTO O SUCESO:
Se llama Evento a cualquier subconjunto o parte del Espacio Muestral. As por
ejemplo, considerando los experimentos de los ejemplos anteriores:
En el E1:
A: el puntaje obtenido es un nmero impar.
Entonces, A= {1,3,5}
En E2:
B: se extrae una esfera blanca.
Luego, B= {b}
Ejercicios:
35
a. Una familia tiene 3 hijos, examinar su sexo, teniendo en cuenta la
edad, del mayor al menor.
1. Determinar su espacio muestral:
2. Determinar el evento A: Los 3 sean masculinos
3. Determinar el evento B: Por lo menos uno sea femenino.
b. Si un investigador de mercados entrevista a una ama de casa y a su
esposo para determinar la aceptacin o no aceptacin de un cierto
producto.
Asigne el valor 1 si acepta el producto.
Asigne el valor 2 si rechaza el producto.
1. Construya el espacio muestral para este experimento.
2. Determine el evento A: ambos acepten el producto.
3. Determine el evento B: Por lo menos uno de ellos acepte el
producto.
c. Un comerciante tiene en su bolsillo cheques de 10,20, 30 y 50
dlares. Si saca dos cheques de su bolsillo, uno tras otro. Calcular lo
siguiente:
Considere lo siguiente:
D = Cheque de diez dlares
V = Cheque de veinte dlares
T = Cheque de treinta dlares
C = Cheque de cincuenta dlares
1. El espacio muestral asociado a este experimento
2. El evento A: Que el primer cheque sea de 10 y el siguiente de 20.
3. El evento B: Que el primer cheque halla sido de 20 dlares
d. Tres personas A, B, C solicitan empleo a una empresa. Si el
experimento consiste en ordenar las solicitudes de acuerdo a sus
habilidades para el trabajo. Construya:
1. El espacio muestral
2. El evento P: Que B ocupe el primer lugar.
3. El evento Q: Que A y B ocupen los primeros lugares.
e. En una urna se tiene 2 bolas rojas, 2 bolas azules y 2 verdes.
Seleccionar en forma aleatoria sin reemplazo 3 bolas de la urna.
1. Construir el espacio muestral.
2. Determinar el evento A: La primera sea roja
3. Determinar el evento B: Las 2 primeras sean azules.
4. Determinar el evento C: Obtener a los ms 2 bolas verdes.
f. En una urna se tiene 2 bolas rojas, 2 bolas azules y 2 verdes.
Seleccionar en forma aleatoria con reemplazo 3 bolas de la urna.
1. Construir el espacio muestral.
2. Determinar el evento A: La primera sea roja
3. Determinar el evento B: Las 2 primeras sean azules.
4. Determinar el evento C: Obtener a los ms 2 bolas verdes.
g. Una urna contiene 5 bolas blancas y 6 negras, se extrae al azar sin
reposicin dos bolas.
1. Cual es el espacio muestral (sin reposicin)
2. Cual es el espacio muestral (con reposicin)
3. Determinar el evento A: Que las bolas sean blancas para ambos
casos.
h. Se tiene una baraja con 52 cartas. Se seleccionan al azar 2 cartas y
se observa la figura.
1. Cual es el espacio muestral asociado con este experimento
2. Si se observa el nmero. Cual es el espacio muestral?
36

1.4. PROBABILIDAD DE LA OCURRENCIA DE UN EVENTO P[A] :
P[A] se lee: Probabilidad de que ocurra el suceso A. Una probabilidad mide
el grado de ocurrencia de enento o suceso y esta definido por:
[ ]
) (
) (
S n
A n
A P

N de casos favorables
P[A] =
N de casos posibles
Ejemplo1:
Sea: E1= Lanzamiento de un dado y su puntaje obtenido.
Su espacio muestral esta dado por: S1= {1,2,3,4,5,6}
Calcule la probabilidad de la ocurrencia de los sucesos A, B, C definidos a
continuacin:
a) A: El puntaje obtenido es un nmero par: A = {2, 4, 6}
P [A]=
( )
( )
n A
n S
=
3
6
= 0.5 50%
Interpretacin: La Probabilidad de la ocurrencia del suceso A es de 50%
b) B: Puntaje es menor igual que 5. B = {1,2,3,4,5}
P[B]=
( )
( )
n B
n S
=
5
6
= 0.8333 83.33%
Interpretacin: La Probabilidad de la ocurrencia del suceso B es de 83.33%
c) C: Puntaje es mayor que 9. C =
P [C]=
( )
( )
n C
n S
=
0
6
= 0 0%
Interpretacin: La Probabilidad de la ocurrencia del suceso C es de 0%
Ejemplo2:
Sea el E2 : Extraccin de una carta de un juego de 52 naipes:
a) Cul es la probabilidad de que sea espada
P [A]=
( )
( )
n A
n S
=
13
52
= 0.25 = 25%
b) Cual es la probabilidad de que sea menor de 9:
8 cartas son menores que 9, por lo tanto el total de cartas es igual a 32
(8x4)
P [B] =
( )
( )
n B
n S
=
32
52
= 0.6153 61.53%
c) Cual es probabilidad de que sea 13:
Hay 4 cartas 13 es decir que n (C) = 4 (las cartas son: el 13 , el 13 , el
13 y el 13 )
P [C]=
( )
( )
n C
n S
=
4
52
= 0.0769 7.69%
1.5. LGEBRA DE EVENTOS
37
UNION DE EVENTOS:
Esta definido de la siguiente manera:
P [A B]= P[A] + P[B] P [AB] =
( )
( )
n A
n S
+
( )
( )
n B
n S

( )
( )
n A B
n S
INTERSECCIN DE SUCESOS:
Esta definido de la siguiente manera:
P [A B]=
( )
( )
n A B
n S
EJERCICIOS:
Si se extrae una carta de un juego de 52 naipes.Cul es la probabilidad de que
la carta seleccionada :
a. Sea roja mayor de 9
b. Sea roja y mayor de 9
c. Sea espada igual que 5
d. Sea menor de 5 mayor de 10
SOLUCIN:
a. Sea roja mayor de 9. Luego se define los siguientes eventos:
A= carta roja
B= mayor de 9
Entonces, P [A B]= P[A] + P[B] - P[AB] =
( )
( )
n A
n S
+
( )
( )
n B
n S

( )
( )
n A B
n S
26 16
52 52
+
8
52
=
34
52
= 0.6538 65.38%
b. Sea roja y mayor de 9:
A= roja
B= mayor a 9
Luego, P [AB] =
( )
( )
n A B
n S
=
8
52
= 0.1538 15.38%
c. Sea espada igual que 5:
A= espada
B= 5
Luego, P [AB] = P [A] + P [B] P [AB] =
13 4 1
52 52 52
+
d. Sea menor de 5 mayor de 10
A < 5
B >10
Luego, P [A B]= P [A] + P [B] P [AB] = 16/52 + 12/52 0/52 =
7/13= 0.5384 53.84%
1.6. RBOL DE PROBABILIDADES
38
El diagrama del rbol es ms sugerente para determinar el espacio muestral de
un experimento aleatorio compuesto.
EJERCICIO:
Se tiene 6 esferas de colores en una nfora, de las cuales 3 son rojas, 2 son
blancas y 1 es negra. Se extraen aleatoriamente a la suerte de 1 en 1 sin
reposicin
a. Construya un rbol de probabilidades hasta la tercera extraccin
b. Cul es la probabilidad de obtener 2 rojas hasta la tercera
extraccin
c.Cul es la probabilidad de obtener una esfera blanca y una esfera negra
hasta la segunda extraccin.

SOLUCIN:
a. Figura
b. Probabilidad de obtener dos rojas hasta la tercera extraccin:
P [A]= 3/6 * 2/5 * 2/4+3/6 * 2/5 * 1/4+3/6 * 2/5 * 2/4+3/6 * 1/5 *
2/4+2/6 * 3/5 * 2/4+1/6 * 3/5 * 2/4
P [A]= 9/20 = 0.45 45%
c. Probabilidad de obtener una esfera blanca y una esfera negra hasta la
segunda extraccin:
P [x] = 2/6 * 1/5 + 1/6 * 2/5
= 2/15 = 0.1333 13.33%
39
1.6. PROBABILIDAD CONDICIONAL:
Es aquella en la que el total de casos posibles ya no es igual a n(S), sino que se
refiere a un nmero menor o subconjunto de S.
( / ) P A B
SE LEE: probabilidad de que ocurra el suceso A, sabiendo que ha
ocurrido el suceso B
Frmula:
( )
( / )
( )
n A B
P A B
n B
En donde B es la condicin

EJERCICIO:
Se extrae una carta al azar. Cul es la probabilidad de que la carta
seleccionada sea menor de 7, si se conoce que es roja?
A = menor que 7
B = color rojo
P [A/B] = 12/26 = 6/13 = 46.15 % Hay 46.15% de probabilidades de que la
carta seleccionada sea menor que 7, sabiendo que es roja.
3/6 3/6
3/6 3/6
2/6 2/6
2/6 2/6
1/6 1/6
1/6 1/6
2/5 2/5
2/5 2/5
2/5 2/5
2/5 2/5
1/5 1/5
1/5 1/5
3/5 3/5
3/5 3/5
1/5 1/5
1/5 1/5
1/5 1/5
1/5 1/5
3/5 3/5
3/5 3/5
2/5 2/5
2/5 2/5
2/4 2/4
2/4 2/4
2/4 2/4
2/4 2/4
2/4 2/4
2/4 2/4
1/4 1/4
1/4 1/4
1/4 1/4
1/4 1/4
1/4 1/4
1/4 1/4
2/4 2/4
2/4 2/4
1/4 1/4
1/4 1/4
2/4 2/4
2/4 2/4
1/4 1/4
1/4 1/4
1/4 1/4
1/4 1/4
3/4 3/4
3/4 3/4
1/4 1/4
1/4 1/4
3/4 3/4
3/4 3/4
1/4 1/4
1/4 1/4
2/4 2/4
2/4 2/4
2/4 2/4
2/4 2/4
3/4 3/4
3/4 3/4
1/4 1/4
1/4 1/4
R R
B B
N N
R R
B B
N N
R R
B B
N N
R R
B B
R R
B B
R R
B B
R R
B B
N N
R R
B B
N N
R R
B B
R R
B B
N N
R R
N N
R R
B B
40
Instruccin: Utilizando las definiciones anteriores acerca de probabilidades
resolver los siguientes ejercicios:
CASO N 01:
Se lanza 4 veces una moneda. De cuntas formas posibles pueden caer las monedas?
Utilice un diagrama de rbol para mostrar todos los resultados y luego determina su
espacio muestral.
CASO N 02:
Un administrador de un centro de impresiones acepta un embarque de 15 receptores, si
en una muestra de 4 receptores no sale ningn defectuoso. Cul es la probabilidad de
que acepte el embarque si este contiene 3 receptores defectuosos?
Construya un rbol de probabilidades que ilustre el experimento aleatorio e indique las
probabilidades correspondientes para cada suceso
CASO N 03:
En cierta ciudad el 40% de los docentes tiene el cabello castao, el 20% tiene los ojos
negros y el 5% tiene los ojos negros y el cabello castao. Se escoge un docente al azar.
Halle la probabilidad de que:
a. Tenga el cabello castao o los ojos negros
b. Tenga solo el cabello castao, pero no los ojos negros
c. No tenga el cabello castao ni los ojos negros

CASO N 04:
En una caja hay 6 esferas. 2 son rojas, 1 blanca y las 3 restantes son negras. Si se
sacan al azar de una en una (sin reemplazo) hasta la tercera esfera.
a. Construya un rbol de probabilidades que ilustre el experimento aleatorio
b. Indique la probabilidad de obtener una esfera roja hasta la segunda seleccin
c. Indique la probabilidad de obtener dos esferas negras hasta la tercera seleccin.
CASO N 05:
Un estudio de 200 centros educativos iniciales revel que sus ingresos mensuales (en
dlares, despus del pago de impuestos:
Ingreso en dolares Centros educativos
[0 - 150 > 40
[150 - 500 > 70
[500 - 1000 ] 90

a. Cul es la probabilidad de que un centro educativo tenga un ingreso menor de 150
dolares en ingresos despus de los impuestos?
b. Cul es la probabilidad de que una tienda seleccionada aleatoriamente o al azar
tenga un ingreso entre 150 a 500 dlares ?
CASO N 06:
Se selecciona al azar una carta de un juego de 52 naipes. Cul es la probabilidad de que
la carta seleccionada:
41
a. Sea de color rojo y tenga un valor mayor a 10.
b. Tenga un valor mayor a 5 o menor a 11.
c. Sea corazn o tenga un valor menor de 4.
CASO N 07:
Se tienen 5 esferas de colores de las cuales 2 son rojas, 2 son blancas y una negra. Si se
seleccionan al azar en forma aleatoria de una en una sin reposicin hasta la tercera
extraccin:
a. Construya un rbol de probabilidades que ilustre el experimento aleatorio.
b. Cul es la probabilidad de obtener hasta la segunda extraccin una esfera roja?
c. Cul es la probabilidad de obtener hasta la tercera extraccin una esfera roja y una
negra?
CASO N 08:
Se lanzan dos dados a la vez, si se conoce que por lo menos en uno de ellos sale 2,
Cul es la probabilidad de que el puntaje total obtenido sea 5?
CASO N 09:
Se compran 300 accesorios de auto a tres proveedores distintos A, B y C. 60 provienen
del proveedor A, 100 provienen de B y los restantes de C. Si se conoce que el 2%, 4% y
6% de los accesorios que ofertan A, B y C son defectuosos, calcule cul es la probabilidad
de que al escogerse un accesorio aleatoriamente de los 400 comprados este:
a. Provenga del proveedor A
b. Siendo defectuoso, provenga del proveedor B
c. Siendo bueno, provenga del proveedor C
CASO N 10:
En una Institucin educativa hay 30 trabajadores, de los cuales la tercera parte son
mujeres. Si la cuarta parte de los hombres y la mitad de las mujeres son de la capital,
Cul es la probabilidad de que al seleccionarse un trabajador aleatoriamente este:
a. Sea hombre
b. Sea mujer y provinciana
c. Sea mujer sabiendo que es de la capital
d. Sea hombre sabiendo que es provinciano
42
VI VIII. II. DISTRIBUCIONES DE PROBABILIDADES DISTRIBUCIONES DE PROBABILIDADES: :
1. LA DISTRIBUCIN BINOMIAL
La Distribucin Binomial es una las distribuciones de probabilidad discretas ms
importantes, la cual tiene muchas aplicaciones en Ingeniera, Administracin, etc..
Esta distribucin se origina en los Ensayos o Experimentos Bernoulli que
consiste en realizar 1 experimentos que tiene dos resultados posibles, llamados
xito y fracaso.
Ejemplos:
1. Lanzar una moneda
2.Rendir un examen. Ensayos de Bernoulli
3. Observar el sexo de un recin nacido.
4. Encender una maquina, etc
Experimento Binomial:
Es aquel que consiste en realizar n veces ensayos de Bernoulli, en el cual se
debe cumplir lo siguiente:
a. Cada ensayo tienen solo dos resultados posibles.
b. Los ensayos son independientes.
c. La probabilidad de xito p es constante en cada ensayo.
Esta distribucin tienen las siguientes caractersticas:
1. Su variable aleatoria esta definida como:
X: Numero de xitos en n ensayos.
2. Su recorrido o rango es:
Rx = {0,1,2,3,4,5, , n}
3. Su funcin de probabilidad esta dada por:
4. Sus parmetros son :
n : Numero de veces que se repite el experimento o tamao de muestra.
p : Probabilidad de xito en cada uno de los ensayos o proporcin de inters.
5. Su notacin es : X B ( n, p )
6. Uso de tabla: Para el uso de tabla tener en cuenta lo siguiente
A. P ( X a ) = Usar directamente la tabla
B. P ( X > a ) = 1 - P ( X a )
C. P ( X a ) = 1 - P ( X a - 1 )
D. P ( X = a ) = P ( X a ) - P ( X a - 1 )
E. P ( a X b ) = P ( X b ) - P ( X a-1 )
F. P ( a X < b ) = P ( X b-1 ) - P ( X a-1 )
G. P ( a < X < b ) = P ( X b-1 ) - P ( X a )
n x q p
x
n
x X P x f
x n x
,..., 2 , 1 , 0 , ) ( ) (
,
_

43
C ASO N 01 :
En el almacn de la Universidad Nacional del Santa, hay 12 artculos elctricos de los
cuales 3 de ellos son defectuosos. Si se extrae una muestra aleatoria de 5 a partir del
grupo. Cual es la probabilidad de que:
a. Exactamente 1 sea defectuosos.
b. Ninguno sea defectuoso.
c. Menos de 2 sean defectuosos.
d. Ms de 3 sean defectuosos.
CASO N 02:
En el Centro Educativo Champagnan se esta aplicando un nuevo mtodo de enseanza
del aprendizaje del Idioma Ingls. Despus de completar con la aplicacin de este
mtodo se evala que el 1% salio desaprobado. El Administrador selecciona en forma
aleatoria estudiantes al azar del colegio:
a. Cual es la probabilidad de que exista ms de 3 desaprobados.
b. Cual es la probabilidad de que exista menos de 3 desaprobados.
c. Cual es la probabilidad de que haya entre 2 y 4 desaprobados inclusive.
CASO N 03:
En un juego de apuestas entre los estudiantes de la UPN y el profesor de estadstica, el
estudiante arroja una moneda 10 veces. En este juego se tienen en cuenta las siguientes
apuestas:
a. Si obtiene 5 caras o ms, el estudiante gana 2 puntos en su examen de
medio ciclo.
b. Si obtiene menos de 3 caras no gana ningn punto.
c. Si obtiene ms de 6 caras gana 3 puntos.
d. Si obtiene 2 caras o menos se le quita 1 punto en el examen de medio
ciclo.
Cuales son las respectivas probabilidades en las diferentes apuestas:
P(X5)=
P(X<3)=
P(X>6)=
P(X2)=
CASO N 04:
Segn informacin de Secretara Acadmica de la UCV, el 65% de los estudiantes son del
sexo masculino y el resto mujeres. Para la aplicacin de una encuesta por parte de la
asistenta social, se selecciona aleatoriamente a 10 estudiantes:
a. Cual es la probabilidad de encuestar a menos de 5 hombres.
b. Cual es la probabilidad de encuestar mas de 5 hombres
c. Cual es la probabilidad de encuestar a 3 y 8 hombres inclusive.
d. Cual es la probabilidad de encuestar a ningn hombre.
ESTUDIO DE CASOS
44
2. LA DISTRIBUCIN POISSON
La Distribucin de Poisson es otra de las distribuciones de probabilidad discretas
ms importantes por que se aplica en muchos problemas reales.
Esta distribucin se origina en problemas que consiste en observar la ocurrencia
de eventos discretos en un intervalo continuo (unidad de medida).
Ejemplos:
1. Numero de manchas en un metro cuadrado de un esmaltado de un
refrigerador.
2. Numero de vehculos que llegan a una estacin de servicios durante una
hora.
3. Numero de llamadas telefnicas en un da.
4. Numero de clientes que llegan a un banco durante las 10 y 12 p.m.
5. Numero de bacterias en un cm
3
de agua.
Esta distribucin tienen las siguientes caractersticas:
7. Su variable aleatoria esta definida como:
X: Numero de ocurrencias en 1 unidad de medida (Tiempo, Volumen,
Superficie, etc)
8. Su recorrido o rango es:
Rx = {0,1,2,3,4,5, .}
9. Su funcin de probabilidad esta dada por:

10. Su parmetro es : tasa promedio de ocurrencia en 1 unidad de medida.
11. Su notacin es : X P( )
12.Uso de tabla: Para el uso de tabla tener en cuenta lo siguiente
,... 2 , 1 , 0 ,
!
) (
) ( ) (
x
x
e
x X P x f
x
H. P ( X a ) = Usar directamente la tabla

I. P ( X > a ) = 1 - P ( X a )
J. P ( X a ) = 1 - P ( X a - 1 )
K. P ( X = a ) = P ( X a ) - P ( X a - 1 )
L. P ( a X b ) = P ( X b ) - P ( X a-1 )
M. P ( a X < b ) = P ( X b-1 ) - P ( X a-1 )
N. P ( a < X < b ) = P ( X b-1 ) - P ( X a )
45
CASO N 01:
En un estudio de Satisfaccin del Cliente en la UNS, se determino que las personas llegan
aleatoriamente a la ventanilla de caja, con una tasa promedio de 24 personas por hora,
durante la hora punta comprendida entre 11:00 am y 12:00 am de cierto da. El jefe
administrativo desea calcular las siguientes probabilidades:
a. Cual es la probabilidad de que lleguen exactamente 5 personas durante
esa hora?
b. Cual es la probabilidad de que lleguen mas de 5 personas durante esa
hora?
c. Cual es la probabilidad de que lleguen menos de 5 personas durante esa
hora?
d. Cual es la probabilidad de que lleguen ms de 8 personas durante esa
hora?
CASO N 02:
Si la secretaria de la Escuela de Postgrado de la UNS, recibe un promedio de 2 llamadas
cada 3 minutos por motivos acadmicos. Calcular lo siguiente:
a. Cual es la probabilidad de que reciba ms de 3 llamadas en 3 minutos.
b. Cual es la probabilidad de que reciba menos de 2 llamadas en tres
minutos.
c. Cual es la probabilidad de que reciba exactamente 2 llamadas en tres
minutos.
d. Cual es la probabilidad de reciba 5 llamadas en 6 minutos.
e. Cual es la probabilidad de que reciba menos de 2 llamadas en un minuto.
CASO N 04:
En un estudio por parte del Ministerio de Transporte y Comunicaciones (MTC), se ha
determinado que en la carretera panamericana con destino a Lima, hay en promedio de
20 accidentes por semana (7 das), calcular las siguientes probabilidades:
a. Cul es la probabilidad de que en una semana no haya ningn accidente.
b. Cual es la probabilidad de que en dos semanas haya 10 accidentes.
c. Cual es la probabilidad de que en 1semana ocurra menos de 15 accidentes.
d. Cual es la probabilidad de que en un da haya tres o menos accidentes.
e. Cual es la probabilidad de que en un da haya tres o ms accidentes.
CASO N 05:
En el Centro de impresiones de la UNS se comete dos fallas en las impresiones debido a
causas externas cada vez que imprime 2,500 hojas como promedio. Con esta
informacin determinar:
a. La probabilidad de que en una impresin de 500 hojas, ocurra uno ms
errores.
b. La probabilidad de que no ocurrirn errores en una impresin de 50 hojas.
CASO N 06:
Los alumnos llegan a una garita de vigilancia de la ciudad universitaria aletoriamente a
una tasa de 300 alumnos por hora. Calcular la probabilidad de que:
a. Un alumno llegue durante un periodo de 1 minuto
ESTUDIO DE CASOS
46
b. Por lo menos dos alumnos lleguen durante un periodo dado de un minuto.
c. Ningn alumno llegue durante un periodo de 1 minuto
CASO N 07:
En la empresa de textiles Paracas se producen ciertos tejidos de lana, con un promedio
de un defecto cada 100 metros cuadrados.
a. Cual es la probabilidad de que una pieza de 50 por 10 metros tenga
defectos?
b. Cual es la probabilidad de que presente un defecto como mximo?
3. LA DISTRIBUCIN NORMAL:
La distribucin normal, llamada tambin Curva de Gauss (en recuerdo
al cientfico que lo descubri), es la distribucin de probabilidad ms importancia
en la Estadstica y por ende del Calculo de Probabilidades.
Esta distribucin de probabilidad es importante porque las variables
aleatorias continuas (peso, edad, talla, produccin, gasto en publicidad,
temperatura, ventas, PBI, ganancias, etc) que son variables que ms se evalan
en una investigacin cientfica o investigacin de mercados se aproximan a esta
distribucin de probabilidad.
Tambin es importante porque se utiliza como aproximacin de las
distribuciones discretas tales como: la Binomial, la Poisson, etc.
CARACTERSTICAS
1. Tiene como parmetros a y
2. Su funcin de probabilidad est dada por:
,
2
1
) (
2
2
1
+ < <

,
_
X x f
X
Adems: - +
- < < + y > 0
3. El promedio puede tomar valores entre y + mientras que > 0, entonces
existen infinitas curvas normales.
4. Esta funcin de probabilidad es asinttica con respecto al eje X, (a pesar de tener
recorrido infinito, la curva nunca toca el eje X); adems es unimodal y es
simtrica con respecto a la media .
5. El are bajo esta funcin o curva es 1 100%, de la misma manera se sabe que
las reas comprendidas bajo la curva normal son :
1. t = 68.3%
2. t 2 = 95.5%
47
3. t 3 = 99%
- 3 2 1 1 2 3 +
7. Para calcular probabilidades en la distribucin normal se necesitaran infinitas tablas
de probabilidad.
4. LA DISTRIBUCIN NORMAL ESTNDAR:
1. Es una distribucin a la cual se le ha modificado la escala original; esta
modificacin se ha logrado restando la media al valor de la variable original y
dividiendo este resultado por , la nueva variable se denota por Z y recibe el
nombre de variable estandarizada
Z
X
2. La modificacin de la escala ha permitido elaborar una tabla para el clculo de las

probabilidades; si esto no hubiera sido posible, sera necesario construir una tabla
para cada valor de y .
3. La funcin de densidad de la variable estandarizada es:
f z e
z
( )
1
2
1
2
2
4. El promedio (valor esperado) y la varianza de Z son: E(Z) = 0 , V(Z) = 1

5. Notacin:
Si X es v.a. continua distribuida normalmente con media y varianza
2
, la
denotamos por : X N( ,
2
).
Aplicando esta notacin a la variable normal estandarizada Z, escribimos:
Z N(0 , 1) , esto se interpreta como, Z tiene distribucin normal con media 0
y varianza 1.
6. La superficie bajo la curva normal Z estandarizada tambin es igual a 1. Por
consiguiente, las probabilidades pueden representarse como reas bajo la curva
normal escandalizada entre dos valores.
7. Debido a que la distribucin normal es simtrica muchas de las tablas disponibles
contienen solo probabilidades para valores positivos de Z.
USO DE TABLA:
48
Si se conoce el comportamiento de una variable, es decir, se sabe que tienen una
distribucin normal, para calcular las diferentes probabilidades se tiene que
estandarizar la variable. Una vez estandarizada la variable, recin utilizar la tabla de
la distribucin normal estandarizada o tabla Z.
FORMULAS:
a. ) ( ) ( ) (

a
Z P
a x
P a x P
b. ) ( 1 ) ( 1 ) ( 1 ) (

a
Z P
a x
P a x P a x P
c. ) ( ) ( ) (

a
Z
a
P
b
x
a
P b x a P
CASO N 0 1 :
El rendimiento acadmico de los estudiantes de la UCV, tiene una distribucin normal con
media igual a 16 y varianza igual a 4. Si se selecciona un estudiante de esta Universidad,
encuentre la probabilidad de que:
a. El rendimiento sea mayor que 16
b. El rendimiento sea menor que 14
c. El rendimiento este entre 14 y 18
d. El rendimiento este entre 15.5 y 16.5
CASO N 0 2 :
Los salarios mensuales de los trabajadores administrativos de la UNS tiene un
comportamiento normal cuya media es S/. 2100 y una desviacin estndar de S/. 50.
Cuantos trabajadores tienen salarios:
a. Menores de S/. 2150.
b. Menos de S/. 2200.
c. Mas de S/. 2180.
d. Entre 2080 y 2150 soles.
CASO N 0 3 :
El tiempo de duracin de los focos elctrico de los caones proyectores tienen una
distribucin normal con una media de 1000 horas y una desviacin estndar de 250
horas. Determinar la probabilidad de que:
a. Un foco tomado al azar se queme antes de las 990 horas de funcionamiento
b. Un foco se que queme entre 980 y 1120 horas de funcionamiento.
c. Un foco dure mas de 998 horas
CASO N 0 4 :
NEUMA Per, es una empresa que produce llantas para automviles en nuestro pas. La
vida til de estas llantas se distribuye aproximadamente como una normal con media y
desviacin estndar iguales a 32000 y 1000 millas respectivamente. Esta empresa quiere
exportar estas llantas por lo que empieza a hacer ciertos clculos acerca de la calidad de
estas llantas, para lo cual se hace las siguientes preguntas:
a. Cual es la probabilidad de una llanta producida por esta empresa tenga
una vida til de 31900 millas.
b. Cual es la probabilidad de una llanta producida por esta empresa tenga
una vida til desde 31000 y 33000 millas.
ESTUDIO DE CASOS
49
c. Si las empresa fija una garanta de 30000 millas. Qu porcentaje de esta
produccin necesitar ser reemplazada?
CASO N 0 5 :
El tiempo requerido para realizar una pregunta de examen es una variable aleatoria cuya
distribucin es aproximadamente normal con media 12.9 minutos y una desviacin
estndar de 2.0 minutos. Cules son la probabilidades de que un alumno resuelva una
pregunta del examen en:
a. Al menos 11.5 minutos.
b. Entre 11.0 y 14.8 minutos.
c. A lo mas 12 minutos
d. Entre 10 y 13 minutos.
IX. ESTIMACIN ESTADSTICA
A. ESTIMACION PUNTUAL :
Es aquel nico valor que se obtiene de la muestra, es decir, que para su clculo se
debe tener informacin muestral. Las formulas para calcular o realizar estas
estimaciones son las siguientes:
PROMEDIO VARIANZA PROPORCION
PARAMETRO

2
P
ESTIMACION
PUNTUAL
B. ESTIMACIN INTERV LICA :
Al realizar una estimacin, siempre se va a cometer un error. Entonces, cuando
estimamos un parmetro nunca va a ser exacto, ese valor ser mayor o menor al
verdadero. Entonces se obtendr un intervalo de valores posibles. Ese intervalo se
llama estimacin intervlica.A esa diferencia mayor o menor se llama error de
estimacin, el cual esta en relacin directa con la variabilidad del estimador y el nivel
de confianza determinado por el investigador. La estimacin intervalica para un
parmetro en general, esta dada por:
n
x
x
n
i
i
1
) (
1
2
2 2
n
x x
s
n
i
i
n
a
p P
ESTIMACIN: Es el proceso mediante el cual se intenta determinar el valor del

parmetro de la poblacin a partir de la informacin de una muestra. Al realizar una
estimacin siempre se va a cometer un error. Existen dos tipos de estimacin:
A. ESTIMACIN PUNTUAL B. ESTIMACIN INTERVLICA
50

2 / 2 /

Z Z +
Error de Estimacin Error de estimacin
Tambin se puede escribir de la siguiente manera:

2 /
: Z t
Para determinar este intervalo se necesita de:
a. La estimacin puntual
b. La desviacin estndar del estimador.
c. Nivel de confianza, el cual ser repartido para cada lado del intervalo.
FORMULAS DE LOS INTERVALOS DE CONFIANZA
I. INTERVALO DE CONFIANZA PARA EL PROMEDIO POBLACIONAL
A. Si la muestra (n) es mayor de 30 y la varianza poblacional es conocida:

n
Z x

2 /
: t
B. Si la muestra (n) es menor o igual a 30 y la varianza poblacional es desconocida:

n
s
t x
n ) 1 , 2 /
(
:

t
II. INTERVALO DE CONFIANZA PARA LA PROPORCION POBLACIONAL

A. Si la proporcin poblacional se conoce:

n
PQ
Z p P
2 /
:

t
B. Si la proporcin poblacional No se conoce: (entonces hay que calcularla en la muestra)

n
pq
Z p P
2 /
:

t
III. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS
51
A. Si las muestras son de tamao n1>30 y n2>30 (grandes) y adems las varianzas
poblacionales se CONOCEN:

2
2
2
1
2
1
2 / 2 1 2 1
) ( :
n n
Z x x

+ t
B. Si las muestras son de tamao n1<30 y n2<30 (pequeas) y adems las
varianzas poblacionales DESCONOCIDAS:

)
1 1
( ) ( :
2 1
2
) 2 , 2 / ( 2 1 2 1
2 1
n n
s t x x
c n n
+ t
+

Donde :

2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1 2
c
+
+
, se llama varianza mancomunada

IV. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIONES:
A. Si p
1
y p
2
se determinan a partir de muestras:

2
2 2
1
1 1
2 / 2 1 2 1
) ( :
n
q p
n
q p
Z p p P P + t

RESPECTO AL PROMEDIO:
1. Los estudiantes de Administracin de la UNT realizaron un trabajo de aplicacin
respecto a los sueldos de los trabajadores de la mina YANACOCHA, para lo cual
seleccionaron una muestra aleatoria de 24 trabajadores en el cual se determin que
el sueldo promedio semanal es de $160 y una varianza de 10 dolares
2
.
a. Calcular un intervalo de confianza para el sueldo promedio con el 90% de
confianza.
b. Calcular un intervalo de confianza para el sueldo promedio con el 95% de
confianza.
2. La Gerencia de la empresa HAMILTON LIGH esta interesado en conocer el contenido
de nicotina promedio de su marca de cigarrillos. Para lo cual selecciona una muestra
de 14 cigarros obteniendo un promedio de 25 miligramos y una varianza de 16
miligramos
2
.
a. Calcular un intervalo de confianza para el sueldo promedio con el 99% de
confianza.
b. Calcular un intervalo de confianza para el sueldo promedio con el 95% de
confianza.
c. Calcular un intervalo de confianza para el sueldo promedio con el 90% de
confianza.
3. Nuestro amigo BRUNO se dedica al negocio de los AUTOS, el sospecha que
su margen de beneficios mensual promedio por auto vendido est por debajo del
ESTUDIO DE CASOS
52
promedio nacional de S/. 700. Para evaluar su margen de beneficio toma informacin
(muestra) respecto a 8 meses cuya informacin es la siguiente:
MES 1 2 3 4 5 6 7 8 Promedio Varianza
BENEFICIO 800 840 780 850 810 790 805 800
a. Calcular un intervalo de confianza para el margen de beneficio promedio con el
99% de confianza.
b. Calcular un intervalo de confianza para el margen de beneficio promedio con el
95% de confianza.
c. Calcular un intervalo de confianza para el margen de beneficio promedio con el
90% de confianza.
RESPECTO A LA PROPORCION:
1. Segn un vendedor de automviles, de todos los vehculos adquiridos por los
docentes universitarios, en ms del 80% de los casos el color es elegido por la mujer.
Para verificar esta hiptesis se toma una muestra de 400 parejas que han comprado
autos nuevos durante el ltimo ao, hallndose que en 310 casos el color fue en
efecto elegido por la dama.
Calcular:
a. El intervalo confidencial para la proporcin considerando el 99 % de confianza.
b. El intervalo confidencial para la proporcin considerando el 90% de confianza.
RESPECTO A LA DIFERENCIA DE PROMEDIOS:
1. La SUNAT esta haciendo auditoria en ciertos grifos gasolineras. Selecciona en
forma aleatoria 05 grifos de 2 empresas diferentes (Texaco y Repsol). Los ingresos en
miles de soles semanales se presentan a continuacin:
TEXACO : 90 85 95 76 80
REPSOL : 84 87 90 92 90
a. Estimar un intervalo de confianza para la diferencia de medias
(DIFERENCIA DE LOS INGRESOS PROMEDIOS) con el 90% de confianza.
b. Estimar un intervalo confidencial para la diferencia de medias (DIFERENCIA DE
LOS INGRESOS PROMEDIO) con el 99% de confianza.
RESPECTO A LA DIFRENCIA DE PROPORCIONES:
1. Se toman muestras independientes para determinar el la proporcin de personas
que esta a favor de un impuesto al combustible. La primera muestra consiste en
100 personas que solamente trabajan en Trujillo y la segunda muestra es de 100
personas del cercado de Trujillo. Se determina que 50 y 60 personas de las
respectivas muestras estn de acuerdo con el aumento.
a. Calcular un intervalo de confianza para la diferencia de proporciones
considerando el 99% de confianza.
b. Calcular un intervalo de confianza para la diferencia de proporciones
considerando el 90% de confianza.
53
X. MUESTREO
MUESTREO
Es una TCNICA ESTADSTICA por la cual se realizan inferencias a la poblacin
examinando solo una parte de ella, sta parte recibe el nombre de MUESTRA, la
cual debe ser estadsticamente representativa y adecuada.
Ventajas: Desventajas:
Costo reducido Presencia del error de muestreo
Mayor rapidez y exactitud Presencia de gran variabilidad de las obs.
Minimiza los costos.
TCNICAS DE MUESTREO
Existen 2 tipos de tcnicas de muestreo:
A. TECNICAS PROBABILISTICAS: B. TECNICAS NO
PROBABILISTICAS
Muestreo aleatorio simple El muestreo a
criterio o juicio.
Muestreo aleatorio estratificado El muestreo por
cuotas.
UNIDAD DE ANLISIS:
Para seleccionar una muestra, primero se define la unidad de anlisis que puede
ser un cliente, un votante, una organizacin, un libro contable, un peridico, un
hospital, un paciente, etc. Esta definicin nos permite identificar Quien va ha ser
medido , Quien nos va ha dar la informacin y por lo tanto precisar claramente
el problema a investigar y los objetivos de la investigacin.
54
2. DETERMINACIN DEL TAMAO DE MUESTRA:
Para determinar el tamao, primeramente hay que identificar la variable a estudiar
(Cuantitativa o cualitativa). Luego depende de cuatro factores o elementos que son
los siguientes:
PARA UNA VARIABLE CUANTITATIVA:
a. Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser
90%, 95% o 99% y que origina el valor de Z.
b. El error de estimacin (E): Que tambin es fijado por el investigador
c. La desviacin estndar varianza: que son valores que se obtienen por estudios
anteriores, por la muestra piloto o por la distribucin de la poblacin.
d. El Tamao de la poblacin (N): Que generalmente no se conoce.
PARA UNA VARIABLE CUALITATIVA:
a. Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser
90%, 95% o 99% y que origina el valor de Z.
b. El error de estimacin (E): Que tambin es fijado por el investigador
c. La proporcin poblacional (P): que son valores que se obtienen por estudios
anteriores, por la muestra piloto y si no se conoce asumir p=0.5.
d. El Tamao de la poblacin (N): Que generalmente no se conoce.
3. FORMULAS PARA DETERMINAR EL TAMAO DE MUESTRA :
VARIABLE
Cualitativa
(Proporcin Poblacional)
Cuantitativa
(Promedio Poblacional)
POBLACION OBJETIVO:
Una vez que se ha definido la unidad de anlisis se procede a delimitar la
poblacin que va a ser estudiada y sobre la cual se pretende generalizar o inferir
los resultados. Entonces, una poblacin es el conjunto de todos las unidades de
estudio que concuerdan con una serie de especificaciones o caractersticas. Para
seleccionar la muestra debe delimitarse la poblacin identificando sus
caractersticas o variables de inters a fin de determinar los parmetros
poblacionales. En algunos casos, la delimitacin de una poblacin no slo depende
de los objetivos del estudio, sino de otras razones prcticas. Las poblaciones
tienen que ser especificadas en contenido, lugar y tiempo.
MUESTRA:
La muestra es en esencia, un subconjunto de elementos que pertenecen a una
poblacin de estudio. Para seleccionar una muestra debemos de tener presente el
tipo de muestreo a utilizar: muestreo probabilstica y el muestreo no probabilstico.
Se tiene que definir la variable de inters o de estudio principal, para que en
funcin de esta se sepa que tipo de muestreo utilizar y por ende que formula
utilizar. Luego calcular el tamao de muestra y finalmente seleccionar las unidades
55
POBLACION
INFINITA
(Cuando no se
conoce N)
2
2
0
) 1 (
E
P P Z
n

2
2 2
0
E
S Z
n
POBLACION
FINITA
(Cuando se
conoce N)
) 1 ( ) 1 (
) 1 (
2 2
2
P P Z N E
N P P Z
n
+
2 2 2
2 2
) 1 ( S Z N E
N S Z
n
+
Z= es el valor de la distribucin normal estandarizada para un nivel de

confianza fijado por el investigador.
S= Desviacin estndar de la variable fundamental del estudio o de inters
para el investigador. Obtenida por estudios anteriores, muestra piloto, criterio de
experto o distribucin de la variable de inters.
P= es la proporcin de la poblacin que cumple con la caracterstica de
inters.
E= % del estimador o en valor absoluto (unidades). Fijada por el investigador.
N= Tamao de la poblacin.
4. PASOS A SEGUIR PARA DETERMINAR LA MUESTRA PTIMA:
A. Identificar eL tipo de variable a analizar.
B. Asumir que la poblacin es infinita y aplicar la formula respectiva sealadas
anteriormente. Esta muestra se llama muestra previa.
C. Luego si se conoce el tamao de la poblacin N, obtener la fraccin de muestreo
N
n
0
Si
% 5
0
<
N
n
, entonces la muestra definitiva es n0 (muestra previa)
Si
% 5
0
>
N
n
, entonces se ajusta la muestra.
D. Para ajustar la muestra se tiene que aplicar la siguiente formula:

N
n
n
n
0
0
1+
, n es la muestra final.
5. ESTIMACION DE LOS VALORES A APLICAR EN LAS FORMULAS
A. Valor de Z: es el valor de la abcisa de la distribucin normal estandarizada
teniendo en cuenta el nivel de confianza fijado por el investigador, por lo tanto
este valor se encuentra en las tablas estadstica respectiva. Para hacer el trabajo
menos tedioso, presentamos a continuacin los diferentes valores de Z
TABLA N 01
VALORES DE LA DISTRIBUCIN NORMAL
ESTANDARIZADA(Z)
Nivel de confianza
(1-)
Nivel de significancia
()
Valor Z
Bilateral Unilateral
56
90% = 0.90
95% = 0.95
98% = 0.98
99% = 0.99
10% = 0.10
5% = 0.05
2% = 0.02
1% = 0.01
1.64
1.96
2.32
2.57
1.28
1.64
2.05
2.32
B. Clculo del Valor de P: Se calcula este valor cuando la variable de estudio es
cualitativa.
TABLA N 02
COMPORTAMIENTO DE P y Q
P Q=1-P PQ
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.95
0.90
0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
0.05
0.0475
0.090
0.160
0.210
0.240
0.250
0.240
0.210
0.160
0.090
0.0475
C. Clculo del Valor de la varianza (Si la variable es CUANTITATIVA): este valor
es obtenida por estudios anteriores, muestra piloto, criterio de experto o
distribucin de la variable de inters.
D. Clculo del error de estimacin: Generalmente se asume 2%, 5%, y 8% de
error. Este valor es fijado por el investigador. Es la diferencia entre el parmetro
(poblacin) y el estimador (Muestra). Es decir:
o o E
.Este error puede ser
absoluto o relativo. Si E=0.35 se denomina error absoluto. Si consideramos un
error del 10% de la media, es decir, E=10%( x )=0.10(3.5)=0.35 se denomina
error relativo.
CASO N 01: (Cuando se conoce la varianza)
Por estudios anteriores en una empresa en plena campaa de produccin se obtuvo que
el promedio de horas extras por trabajador es de 3.3 hrs, con una varianza de 4.18 hrs
2
.
Si en el presente ao esta misma empresa se encuentra en plena campaa de produccin
y cuenta con 120 trabajadores, los cuales registran sus horas extras en tarjetas de
control. Determinar el tamao de muestra necesario para estimar el promedio de horas
extras diarias con un error del 20% del promedio y una confianza del 95%.
CASO N 02: (cuando se conoce la varianza)
Cual ser el tamao de corridas de produccin adecuado si se requiere estimar el tiempo
promedio para efectuar la produccin de un producto qumico con una confianza del
95%. Adems en un estudio piloto se encontr 5 . 3 x horas y s = 2.2 horas y adems
el investigador asume E = 0.35 horas.
El Director de la seccin de control de la rabia del Dpto. de Salud Pblica de la Ciudad de
Chiclayo desea obtener una muestra de los registros de dicho Dpto. acerca de las
mordidas de perro reportadas durante el ao anterior, para estimar la edad media de las
ESTUDIO DE CASOS
57
personas mordidas. El director desea una seguridad del 95%, con un E=2.5 y en base a
estudios anteriores conoce que la desviacin estndar es de 15 aos. De que tamao
debe ser la muestra?
Se desea estimar el tiempo medio de duracin de artefactos elctricos (focos) producidos
por la empresa PHILIPSS. Se sabe por un estudio piloto de 10 focos que la desviacin
estndar del tiempo de duracin es de 20 meses. De que tamao debe ser la muestra
para estimar el tiempo medio de duracin con un error mximo de 4 meses y con una
confianza del 95%?.
CASO N 05: (Cuando no se conoce la varianza-Muestra piloto)
El ministerio de Salud-Chiclayo esta realizando una investigacin acerca del
comportamiento del peso de nios en la ciudad de Chiclayo y ver si presenta un plan de
salud para mejorar esta factor latente de bajo de peso. Como no se conoce la varianza se
obtiene una muestra piloto de 20 nios cuyos pesos son:
14.8, 14.2, 15.3, 15.4, 15.0, 15.2, 15.3, 14.2, 15.2, 15.5, 14.5, 15.5, 15.2, 15.0, 14.3,
15.2, 14.0, 14.0, 14.2, 15.3
Determinar el tamao de muestra apropiado con una confianza del 95% y un error
tolerable del 1% respecto al promedio.
CASO N 06: (Cuando existen estudios previos)
Por estudios cientficos se sabe que el Coeficiente de Inteligencia promedio para jvenes
segn la escala de Weshler es de 100 puntos con una desviacin estndar de 15 puntos.
Determinar el tamao de muestra para realizar una investigacin sobre niveles de
inteligencia en la UCV-Chiclayo, si se admite un error del 2% del promedio y una
seguridad del 95%.
C ASO N 07 :
Se desea determinar una muestra
representativa para conocer la opinin de la
poblacional acerca de la explotacin del Cerro
Quilish-Cajamarca. Se aplic una muestra
piloto a 20 de los 10000 cajamarquinos,
obtenindose los siguientes datos. Cual es el
tamao de muestra con un 95% de confianza
y un error del 2%?
CASO N 08:
Se desea estimar la proporcin de jvenes de la ciudad de CHIMBOTE que hacen uso de
Internet como mnimo una hora diaria con un 95% de confianza. De estudios anteriores
se conoce que P=0.70 y se desea un E = 5%. Suponiendo que N = 1500. Cual debe ser
el tamao de muestra.
CASO N 09:
Se desea estimar la proporcin de la poblacin que esta de acuerdo con la actual gestin
del Congreso de la Republica, con un error mximo de t 0.5% y con una confianza del
95%. Por estudios similares, se cree que la proporcin ser cerca al 1%. Cual ser el
tamao de muestra requerido?
Grupo Tamao de muestra
A favor
En contra
Indecisos
9
8
3
Total 20
58
CASO N 10:
El administrador del Restaurant El Romano desea saber que proporcin de sus Clientes-
Turistas estn inconformes con las atenciones recibidas durante su estada en Trujillo.
De que tamao debe ser la muestra si se considera E=0.05, nivel de confianza del 95%
y no se dispone de alguna otra informacin?
XI. PRUEBA DE HIPOTESIS:
Para realizar un anlisis de pruebas de hiptesis hay que conocer algunas
definiciones preliminares que debemos conocer:
1. DEFINICIONES PRELIMINARES :
a. HIPTESIS: Es una respuesta a priori a un problema.
b. HIPTESIS ESTADSTICA: En un enunciado acerca del valor de un
parmetro poblacional.
c. PRUEBA DE HIPOTESIS: Es un procedimiento basado en la informacin
muestral y en la teora de probabilidad, para determinar si una hiptesis
estadstica debe ser aceptada o rechazada.
2. CLASES DE HIPOTESIS :
2.1. HIPOTESIS NULA.
Se denota por Ho.
Es una afirmacin o enunciado tentativo que se realiza acerca del
valor de un parmetro poblacional.
Por lo comn es una afirmacin acerca del parmetro de poblacin
cuando toma un valor especfico.
59
2.2. HIPOTESIS ALTERNATIVA.
Se denota por H1.
Es una afirmacin o enunciado contraria a la presentada en la
hiptesis nula.
3. ERRORES QUE SE COMETEN EN UNA PRUEBA DE HIPOTESIS :
4. TIPOS DE PRUEBAS DE HIPOTESIS :
A. PRUEBA BILATERAL O PRUEBA DE DOS COLAS
B. PRUEBA UNILATERAL O PRUEBA DE UNA SOLA COLA:
5. ETAPAS DE UNA PRUEBA DE HIPOTESIS :
Error Tipo I:
Se comete este error cuando se rechaza la hiptesis nula, cuando es
verdadera.
Se denota por = P(Rechazar Ho/Ho es verdadera)
Error Tipo II:
Se comete este error cuando se acepta la hiptesis, cuando es falsa.
Se denota por = P(Aceptar Ho/Ho es falsa)
Dec i s i n
pos i ble
Ho Verdadera Ho Fals a
Ac ept ar Ho Dec i s i n
c orrec t a
Error Ti po II
Rec haz ar Ho Error t ipo I Dec is in Correc t a
Ho: = 0
H1: 0
Prueba de cola inferior o izquierda
Ho: = 0
H1: < 0
Prueba de cola superior o derecha
Ho: = 0
H1: > 0
/2 /2
60
6. FORMULAS DE LOS ESTADSTICOS DE PRUEBA :
FORMULAS DE LOS ESTADISTICOS DE PRUEBA
I. PRUEBA DE HIPOTESIS PARA EL PROMEDIO POBLACIONAL:
C. Si n es mayor de 30 y la varianza poblacional es conocida:
Estadstico de prueba:

n
x
Z

2 /
Z Z
t
(distribucin normal)
D. Si n es menor o igual a 30 y la varianza poblacional es desconocida:

n
s
x
t

) 1 , 2 /
(

n
t
t t

(distribucin t de student)
II. PRUEBA DE HIPOTESS PARA LA PROPORCION POBLACIONAL

n
PQ
P p
Z

2 /
Z Z
t

Esta formula es tanto para muestras grandes como para muestras pequeas.
Plantear la hiptesis nula y alternativa.
Especificar el nivel de significancia (o confianza) que se
va a utilizar.(Generalmente la plantea el investigador)
Elegir el estadstico de prueba que debe ser especificado
en trminos de un estimador del parmetro a probar.
Establecer el valor o valores crticos para rechazar o
aceptar Ho. (Se encuentran en la tabla de
probabilidades)
Determinar la Regin de Aceptacin y de Rechazo, en
funcin a los valores crticos.
Tomar la decisin de aceptar o rechazar Ho.
Dar la conclusin respectiva
61
III. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS
C. Si las muestras son de tamao n1>30 y n2>30 (grandes) y adems las varianzas
poblacionales se CONOCEN:
2
2
1
1
2 1
) (
n n
D x x
Z

+

2 /
Z Z
t

D. Si las muestras son de tamao n1<30 y n2<30 (pequeas) y adems las varianzas
poblacionales DESCONOCIDAS:
2 1
2 1
1 1
) (
n n
S
D x x
t
c
+

) 1 , 2 /
(

n
t
t t

(distribucin t de
student)
Donde :

2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1 2
c
+
+
, se llama varianza mancomunada

IV. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE PROPORCIONES:
B. Si p1 y p2 se determinan a partir de muestras:

2
2 2
1
1 1
2 1
) (
n
q p
n
q p
D p p
Z
+

2 /
Z Z
t

Esta formula es tanto para muestras grandes como para muestras pequeas.
7. PRUEBA DE HIPOTESIS CON EXCEL:
Para resolver prueba de hiptesis con EXCEL hay que tener presente lo siguiente. En
Excel solamente se puede evaluar hiptesis de comparacin de medias en la cual se
puede utilizar la prueba de T de Student o la prueba Z.
Se utilizara la prueba T de Student cuando la varianza se desconoce y adems la
muestra es pequea (n30). Aqu hay que distinguir dos casos:
a. Cuando se supone que la varianza es igual en ambos grupos.
b. Cuando se supone que la varianza es diferente en ambos grupos.
7.1. PRUEBA Z:
Se utilizar la prueba Z cuando la varianza se conoce y cuando la muestra es
grande (n>30).
62
Seleccionada la opcin correspondiente entonces ingresar la informacin que
solicita cada una de estas pruebas. La pruebas t no necesita como informacin
de entrada las varianzas, en cambio, la prueba Z si necesita ingresar como
informacin la varianza. Esto se muestra las siguientes ventanas de trabajo:
Instruccin: Utilizando las definiciones anteriores acerca de anlisis de regresin y
correlacin resolver los siguientes casos:
CASO N 01:
Las ganancias en miles de dlares de 10 centros educativos de nuestro medio han
producido la siguiente informacin:
15.8, 12.7, 13.2 16.9, 10.6, 18.8, 11.1, 14.3, 17.0 y 12.5.
Otro conjunto de centros educativos fueron evaluados tambin respecto a sus ganancias
en miles dlares, obteniendo los siguientes resultados:
24.9, 23.6, 19.8, 22.1, 20.4, 21.6, 21.8 y 22.5
Realizar una prueba de hiptesis para verificar si las ganancias de este ltimo grupo es
superior a las ganancias de las empresas de nuestro medio. Para probar esta hiptesis
utilice un = 0.05. Llegara a la misma conclusin si utiliza = 0.01.
CASO N 02:
JORGE MELENDEZ, Administrador deL BCP est interesado en saber si existe diferencia
significativa entre los tiempos de atencin al cliente de los empleados que trabajan en los
dos turnos: maana y tarde. Al respecto, ayer personalmente registr los tiempos que
utilizaron los empleados para atender a los clientes en ambos turnos y en forma
aleatoria. Los tiempos en minutos que registr fueron los siguientes:
63
Maana 2.10 4.10 4.70 3.70 6.00 3.90
Tarde 4.00 4.50 3.70 4.00 4.10 3.45
A la luz de estos resultados, A qu conclusin lleg Jorge Melndez?. Utilice un nivel de
confianza del 95%.
CASO N 03:
Un fabricante de microcircuitos esta interesado en determinar si dos diseos diferentes
producen un flujo de electricidad equivalente. El ingeniero responsable ha obtenido la
siguiente informacin:
Diseo 1 20.3 22.5 23.3 29.1 26.5 22.1 20.8 28.6 23.3 21.5
Diseo 2 23.5 26.5 28.6 21.5 26.4 27.9 26.5 25.5 26.7 28.9
Con =0.01, se desea determinar si existe alguna diferencia significativa en el flujo de
electricidad entre los dos diseos.
CASO N 04:
Una compaa desea estudiar el efecto que tiene la pausa para el caf, sobre la
productividad de sus obreros. Selecciona 6 obreros y mide su productividad en un da
cualquiera (sin pausa para el caf), y luego mide la productividad de los mismos 6
obreros en un da que se concede la pausa para el caf. Las cifras que miden la
productividad son las que siguen: Con = 0,05. A qu conclusin llegar la compaa?.
TRABAJADOR 1 2 3 4 5 6
Sin pausa 23 35 29 33 43 32
Con pausa 28 38 29 37 42 30
N

E
N
C
.
T
A
M
A
O

F
A
M
I
L
I
A
R
E
D
A
D
S
E
X
O
P
R
O
F
E
S
I
O
N
E
S
T
A
D
O

C
I
V
I
L
P
R
O
C
E
D
E
N
C
I
A
S
E
G
U
R
O
E
N
F
E
R
M
E
D
A
D
I
N
G
R
E
S
O

M
E
N
S
U
A
L
A
C
T
I
V
I
D
A
D
1 4 28 FEMENINO EDUCACION INICIAL SOLTERO TRUJILLO NO NINGUNA 350 CUIDA NIOS
2 4 19 MASCULINO INFORMATICA SOLTERO TRUJILLO NO NINGUNA 400 VIGILANCIA
3 1 42 MASCULINO ESTILISTA SOLTERO TRUJILLO NO NINGUNA 460 ESTILISTA
4 7 47 MASCULINO ESTILISTA SOLTERO HUARAL NO NINGUNA 460 ESTILISTA
5 4 73 MASCULINO CATEDRTICO CASADO AREQUIPA SI NINGUNA 4000 INVERSIONISTA
6 3 18 MASCULINO ING. SISTEMAS SOLTERO PIURA SI NINGUNA 1200 COMERCIANTE
7 4 26 FEMENINO CONTADORA CASADO TRUJILLO NO NINGUNA 450 NINGUNO
8 5 21 MASCULINO ESTUDIANTE SOLTERO TRUJILLO NO NINGUNA 420 NINGUNO
9 9 25 MASCULINO COMERCIANTE SOLTERO TRUJILLO NO NINGUNA 420 COMERCIANTE
10 3 35 MASCULINO COMERCIANTE CASADO TRUJILLO NO NINGUNA 500 NEGOCIO
11 4 21 MASCULINO ESTUDIANTE SOLTERO TALARA SI NINGUNA 600 COMERCIANTE
12 5 45 FEMENINO COMERCIANTE CASADO HUANUCO NO NINGUNA 500 NEGOCIO
13 6 29 MASCULINO D. TECNICO SOLTERO TRUJILLO NO NINGUNA 1200 ACADEMIA
14 3 20 MASCULINO ESTUDIANTE SOLTERO TRUJILLO SI NINGUNA 800 ESTUDIANTE
15 4 21 MASCULINO ESTUDIANTE SOLTERO TRUJILLO NO NINGUNA 460 DOCENTE
16 1 20 MASCULINO ESTUDIANTE SOLTERO CAJAMARCA NO NINGUNA 300 ESTUDIANTE
17 6 32 MASCULINO COMERCIANTE CASADO TRUJILLO NO NINGUNA 500 COMERCIANTE
18 3 30 MASCULINO COMERCIANTE CASADO TRUJILLO NO NINGUNA 500 COMERCIANTE
19 4 23 FEMENINO VENDEDORA SOLTERO TRUJILLO NO NINGUNA 400 VENDEDORA
64
20 5 45 FEMENINO COMERCIANTE CASADO CAJAMARCA NO NINGUNA 600 COMERCIANTE
21 6 33 MASCULINO ECONOMISTA SOLTERO TRUJILLO SI NINGUNA 700 ECONOMISTA
22 6 32 MASCULINO COMERCIANTE SOLTERO CHICLAYO NO NINGUNA 500 COMERCIANTE
23 7 37 MASCULINO ING. QUIMICO CASADO TRUJILLO SI NINGUNA 1200 ING. QUIMICO
24 5 80 MASCULINO PROFESOR CASADO CAJAMARCA SI BRONQUITIS 800 COMERCIANTE
25 6 40 FEMENINO AMA DE CASA CASADO TRUJILLO SI ALERGIAS 2000 NINGUNO
26 3 32 MASCULINO COMERCIANTE SOLTERO VIRU NO NINGUNA 600 COMERCIANTE
27 2 81 MASCULINO AGENTE VIAJERO CASADO SAN PEDRO SI ESTEOPOR 500 NINGUNO
28 4 50 MASCULINO TOPOGRAFO CASADO TRUJILLO NO BRONQUITIS 1000 NINGUNO
29 4 21 MASCULINO DOCENTE SOLTERO TRUJILLO NO NINGUNA 460 DOCENTE
30 6 75 MASCULINO CHEFF VIUDO OTUZCO SI NINGUNA 700 COMERCIANTE
31 6 40 FEMENINO AMA DE CASA SOLTERO TRUJILLO SI NINGUNA 415 NINGUNO
32 5 31 FEMENINO INGENIERA CASADO CHICLAYO NO NINGUNA 1300 INGENIERO
33 4 52 MASCULINO ING. CIVIL CASADO TRUJILLO NO LA GOTA 1000 COMERCIANTE
34 4 31 MASCULINO ADMINISTRADOR SOLTERO TRUJILLO SI NINGUNA 1500 ADMINISTRADOR
35 3 46 MASCULINO CONTADOR CASADO CARTAVIO SI NINGUNA 2500 CONTADOR
36 12 81 FEMENINO AMA DE CASA CASADO TRUJILLO NO PRESION 700 AMA DE CASA
37 4 80 MASCULINO DOCENTE VIUDO AMAZONAS SI ARTROSIS 900 CESANTE
38 5 32 MASCULINO TECNICO SOLTERO TRUJILLO SI NINGUNA 1200 TECNICO
39 7 68 FEMENINO DOCENTE SOLTERO ANCASH SI NINGUNA 800 CESANTE
40 4 36 FEMENINO SECRETARIA CASADO TRUJILLO SI NINGUNA 1500 DOCENTE
41 4 63 MASCULINO ARQUITECTO CASADO PIURA SI NINGUNA 7200 ARQUITECTURA
42 3 41 FEMENINO CONTADORA CASADO GUADALUPE SI NINGUNA 4000 CONTADOR
43 3 62 MASCULINO ABOGADO
DIVORCIAD
O LAMBAYEQUE SI NINGUNA 5800 ABOGACIA
44 3 49 FEMENINO OBSTETRIZ CASADO LAMBAYEQUE SI NINGUNA 3000 OBSTETRIZ
45 3 46 MASCULINO ABOGADO CASADO SAN PEDRO SI NINGUNA 7000 ABOGACIA
46 3 46 MASCULINO DOCTOR CASADO TRUJILLO SI NINGUNA 6500 ODONTOLOGO
47 2 56 MASCULINO CONTADOR CASADO CHICLAYO SI NINGUNA 5600 CONTADOR
48 4 39 FEMENINO ENFERMERA SOLTERO TRUJILLO SI NINGUNA 3200 ENFERMERIA
49 3 42 FEMENINO PROFESORA SOLTERO LIMA SI NINGUNA 4300 DOCENTE
50 4 21 MASCULINO ESTUDIANTE SOLTERO TRUJILLO NO NINGUNA 460 DOCENTE
65
No. Genero Edad Calificacin
Calidad
Universitaria
ndice xito Rendimiento 2
1 1 22 15.41 3 62 72
2 1 26 15.71 1 60 71
3 1 22 12.45 2 80 66
4 1 23 15.69 2 86 91
5 1 25 16.05 1 86 48
6 1 26 16.21 3 64 95
7 0 27 14.42 2 54 82
8 1 23 12.87 3 80 92
9 1 23 13.08 2 62 73
10 1 26 16.30 3 77 81
11 1 24 15.82 4 61 67
12 0 24 14.85 3 67 95
13 0 36 13.31 4 95 96
14 1 27 16.67 4 62 59
15 0 26 16.35 2 50 79
16 1 24 12.50 1 62 88
17 1 26 12.32 1 81 52
18 1 23 14.72 2 76 71
19 1 24 13.94 2 87 75
20 1 24 16.92 2 73 75
21 0 25 13.14 3 85 93
22 1 23 14.92 3 57 84
23 1 23 13.81 2 89 90
24 0 26 15.53 3 70 83
25 1 25 15.33 3 65 73
26 0 25 12.95 2 89 97
27 1 24 12.24 4 87 88
28 1 23 14.94 4 89 81
29 1 22 12.57 3 94 74
30 0 30 12.92 3 71 67
31 1 24 15.94 1 63 80
32 1 25 13.80 4 67 64
33 1 23 14.42 3 96 82
34 1 24 14.72 2 73 82
35 1 26 12.60 3 92 81
36 0 23 14.53 3 88 77
37 1 26 14.76 4 82 89
38 0 26 13.12 3 84 95
39 1 26 13.35 4 86 58
40 0 23 14.76 2 72 74
41 1 22 15.27 4 82 89
42 1 26 17.00 2 77 68
43 1 24 16.57 2 66 77
44 1 26 14.02 3 73 67
45 1 25 13.08 1 85 99
46 1 24 13.93 3 58 96
47 1 25 14.17 2 58 97
48 0 24 14.65 3 79 92
49 1 22 13.92 1 50 95
50 1 25 13.28 3 93 67
51 1 25 12.96 2 75 52
52 0 23 13.97 2 82 82
53 1 25 13.92 3 57 83
54 1 24 14.92 3 67 87
55 1 24 16.33 2 60 73
56 0 23 14.25 4 56 67
57 1 23 15.29 1 94 72
58 1 26 15.23 3 92 66
59 1 26 15.73 3 81 95
60 0 23 12.94 1 73 82
61 1 24 15.96 1 91 84
62 1 24 16.96 2 72 98
63 1 27 12.23 3 85 93
64 1 22 15.35 2 96 87
65 0 23 16.77 2 85 57
66 1 24 16.12 2 89 85
67 0 25 14.34 3 92 81
68 1 24 14.69 3 66 95
69 1 22 14.67 2 85 90
70 1 23 15.56 2 54 80
71 1 22 12.35 2 85 48
72 1 24 13.39 3 65 71
66
67

Modulo Estadistica 2009

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo Estadistica 2009

Cargado por

Copyright:

Formatos disponibles

Escuela de Postgrado

Universidad Nacional del Santa

Yi: Marca de clase o punto

H. P ( X a ) = Usar directamente la tabla

2. La modificacin de la escala ha permitido elaborar una tabla para el clculo de las

4. El promedio (valor esperado) y la varianza de Z son: E(Z) = 0 , V(Z) = 1

ESTIMACIN: Es el proceso mediante el cual se intenta determinar el valor del

II. INTERVALO DE CONFIANZA PARA LA PROPORCION POBLACIONAL

, se llama varianza mancomunada

Z= es el valor de la distribucin normal estandarizada para un nivel de

, se llama varianza mancomunada

También podría gustarte