3 Manual Matematicas III

UNIVERSIDAD TECNOLOGICA DE LA HUASTECA HIDALGUENSE
MANUAL DEL PROFESOR

MATEMTICAS III ADMINISTRACIN Y EVALUACION DE PROYECTOS - 2 -


ndice

Introduccin

4
Firmas de autorizacin

4
1. Probabilidad aplicada
1.1 Conceptos bsicos
1.2 Permutaciones y combinaciones
1.3 Enfoque de probabilidad
1.4 Distribucin de probabilidad

5
5
8
12
24
2. Estimacin
2.1 Estimacin puntual
2.2 Estimacin por intervalo
2.3 Determinacin del tamao de muestra
43
43
47
53

3. Prueba de hiptesis
3.1. Prueba de hiptesis para medias
3.2. Prueba de hiptesis para proporciones

58
58
71

4. Regresin y Correlacin
4.1. Mnimos cuadrados.
4.2. Estimacin mediante lnea de regresin simple.
4.3. Anlisis de correlacin.

76
76
80
86
Introduccin a las matemticas financieras
Conceptos generales
Progresiones aritmticas e inters simple
Progresiones geomtricas e inters compuesto
Diagramas de flujo de caja

91
91
95
105
111
6. Tasa de inters.
Tasa de inters efectiva
Tasa de inters real
Tasa de inters nominal
Clculos de tasa real y efectiva
115
115
120
125
127

7. Anualidades y amortizacin.
7.1 Anualidades anticipadas y vencidas
7.2 amortizacin

128
128
141
8. Tasa interna de retorno.
conceptos generales
Mtodo de la tasa interna de retorno
Mtodo del valor presente neto
Mtodo del costo anual uniforme equivalente
147
147
150
153
160


Firmas

Elabor Revis

Ing. Daro Garca Hernndez.

M en C. Juana Garca Morales.

Directora de la Carrera
Vo. Bo. Autoriz

MAD. Marisol Flores Contreras

Dra. Miriam Yta
Directora de Enlace Acadmico Rectora

Introduccin

Elevar la calidad acadmica de esta universidad se ha convertido en el objetivo a
corto plazo, es de reconocer el esfuerzo aqu vertido para proporcionar a los estudiantes
una formacin de calidad, sin embargo, la participacin global de una institucin educativa
obliga a una actualizacin permanente
Dentro de este marco los materiales didcticos se convierten en instrumentos
indispensables para ayudar a elevar la calidad educativa en las instituciones.
Este manual pretende proporcionar una visin de conjunto de la asignatura, as
como sealar los conceptos fundamentales tratados en cada uno de los temas del
programa. El objetivo principal que se persigue es el de ayudar al alumno a estructurar y
organizar la informacin recogida en el manual para facilitar as la compresin de sus
contenidos. Por tanto, el equipo docente recomienda a todos los alumnos de la carrera de
Administracin y Evaluacin de Proyectos en que lean detenidamente este manual para
tener una orientacin general de la asignatura y que la consulten cuando estudien cada
uno de los temas tratados en el texto, ya que en ella se proporcionarn las orientaciones
didcticas precisas para su estudio.

Creemos que este manual puede facilitar al alumno de la Universidad Tecnolgica de la
Huasteca Hidalguense un material didctico adicional que contribuya al aprendizaje de los
contenidos de la asignatura. Se indican igualmente en este manual, otra serie de medios
con los que cuenta el alumno para el estudio. Todos ellos obedecen a un inters
fundamental, reducir la distancia alumno-profesor.
El presente manual presenta ser un instrumento de apoyo para que el profesor lleve
acabo una planeacin por sesin y una revisin minuciosa de los contenidos para cumplir
con el saber y saber hacer de una manera evidenciable, el curso se divide en VIII
unidades temticas, las cuales incluyen las actividades de aprendizaje y los criterios de
evaluacin de cada actividad, el manual cuenta adems con 3 anexos, a) Resumen de
actividades de aprendizaje, b) Resumen de sesiones, c)justificacin de desfasamiento

Unidad Temtica: I. Probabilidad Aplicada.
I.1Tema: Conceptos bsicos.
I.1.1 Objetivo de aprendizaje: Que el alumno identifique y maneje los distintos conceptos
bsicos fundamentales en la probabilidad.
I.1.2 Recurso tiempo del tema: 3 horas
I.1.3 Desarrollo:
Probabilidad.- Valor entre cero y uno, inclusive, que describe la posibilidad relativa de
que ocurra un evento.

Se utilizan tres palabras clave en el estudio de la probabilidad, experimento, resultado y
evento. Estos trminos se emplean en nuestra habla cotidiana, pero en
estadstica tienen significados especficos.

Experimento.- Proceso que conduce a la ocurrencia de una (y solamente una) de varias
observaciones posibles.

En el caso de la probabilidad, un experimento tiene dos o ms resultados posibles, y es
incierto cual habr de ocurrir.

Resultado.- Lo que resulta especficamente de un experimento. Por ejemplo, lanzar una
moneda al aire es un experimento se puede observar el lanzamiento de
aquella, pero no se est seguro de que si caer cara (anverso) o cruz
(reverso).

Evento.- Conjunto de uno o ms resultados de un experimento.

En el experimento de tirar un dado existen seis resultados posibles, pero hay muchos
eventos factibles. Cuando contamos el nmero de miembros de junta de
directores que tienen ms de 60 aos de edad en las 500 compaas
representadas en la revista Fortune, el No. Total de resultados posibles
puede estar entre cero y el nmero total de miembros. Existe un gran
nmero de eventos posibles en ste experimento.


Experimento. Tirar un dado. Contar el nmero de miembros
de junta de
directores de
500
compaas
presentadas
en Fortune de
ms de 60
aos de edad.

Todos los resultados
posibles
Caer un 1
Caer un 2
Caer un 3
Caer un 4
Caer un 5
Caer un 6

Ninguno es mayor de 60
uno es mayor de 60
dos son mayores de 60
29 son mayores de 60
48 son mayores de 60
Algunos eventos posibles. Un nmero par
Un nmero mayor que 4
Un nmero menor que 3
Mas de 13 son mayores de 60
Menos de 20 con mayores de
60.

Una probabilidad se expresa con un nmero decimal, del tipo 0.70, 0.27 o bien 0.50. Sin
embargo, puede darse como una fraccin por ejemplo 7/10, 27/100 o bien .
Puede ser un cierto nmero desde 0 a 1, inclusive. Si una compaa
tiene solo cinco regiones de ventas y el nombre o nmero de cada una
se escribe en un trozo de papel, las notas se colocan en un sombrero, la
probabilidad de escoger del sombrero un trozo de papel que
digaacereros de Pittsburg (un equipo deportivo), es 0. De esta forma, la
probabilidad 1 representa algo que seguramente va a suceder, y la
probabilidad 0 seala algo que no puede ocurrir.

Cuando ms se aproxime a 0 una probabilidad, es ms improbable que suceda algo.
Cuanto ms se acerque a 1, tantos ms seguros estaremos que ocurrir.

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00

Ejemplo:

El departamento de va pblica, en Huejutla, Hgo., est considerando ampliar la Avenida
Jurez a tres carriles. Antes de tomar una decisin, se pregunt a 500
ciudadanos si apoyan la ampliacin.

Probabilidad
de que el sol
desaparezca
ste ao.
Posibilidad
de que una
moneda
caiga cara
al tirarla
una vez
Posibilidad de
que ste ao
llueva en
Florida.
Posibilidad de
aumento en
los impuestos
federales

a).- Cul es el experimento?

b).- Cules son algunos de los posibles eventos?

c).- Mencione dos resultados posibles.

a).- Preguntar a 500 ciudadanos si estn a favor o en contra de ampliar a tres carriles la
Avenida Jurez.

b).- 321 a favor de la ampliacin
387 favorecen tal accin
444 opinan a favor de la misma.

c).- Una mayora es favorable a la ampliacin .251 o ms.
300 personas estn a favor de la ampliacin.

I.1.3.1 Tcnica Didctica: Exposicin del profesor.
I.1.3.2 Material de Apoyo: Pizarrn, haciendo uso de marcadores en diferentes colores.

I.1.4 Actividades de Aprendizaje
Actividad de aprendizaje No. 1:
PR-1 : Practica escrita
I.1.4.1 Instrucciones: Resuelve de manera correctamente las siguientes
Preguntas.
a) Valor actividad: 5 Puntos
b) Producto esperado: Que sea resuelta de manera satisfactoria la prctica.
c) Fecha inicio:
d) Fecha entrega:
e) Forma de entrega: Por separado, escrito a mano
f) Tipo de actividad: Individual
g) Fecha de realimentacin: El mismo da de entrega.

I.1.4.1 Criterio de evaluacin de la actividad P-1
Actividad

Actividad Ponderacin
Practica por escrito Responder la practica. 4 Puntos
Manejo de los conceptos
bsicos probabilsticas.
Utilizar el formato para la
elaboracin de prcticas.
1 Puntos
Total 5 puntos
I.1.5 Resultado del Aprendizaje: Se pretende que los alumnos adquieran los
conocimientos fundamentales de la probabilidad.
I.1.6 Bibliografa:
Estadstica para Administracin y Economa.
Robert D. Mason/ Douglas A. Lind/ William G. Marcial. Editorial Alfaomega.


I.2. Tema: Permutaciones y combinaciones.
I.2.1Objetivo de aprendizaje: Aplicar las permutaciones en la solucin de problemas
prcticos
I.2.2 Recurso tiempo del tema: 3.0 horas
I.2.3 Desarrollo:
Principios de conteo
Si el nmero de posibles resultados de un experimento es pequeo, resulta
relativamente fcil enlistar y contar todos lo eventos factibles. Por ejemplo, hay seis
posibles eventos resultantes de la tirada de un dado, especficamente:

Sin embargo, si existe un gran numero de posibles resultados, como podra ser el
numero de nios y nias en familia de 10 hijos, resultara tedioso enlistar y contar todas
las posibilidades. Podra tener solo nios, un nio y nueve nias. Dos nios y ocho,
nias y as sucesivamente. Para facilitar el conteo, se examinaran 3 formulas: formula de
multiplicacin, permutacin y combinacin. Formula de multiplicacin: si hay m modos
de hacer una cosa y n formas de hacer otra, existen M X N formas de hacer ambas.
En trminos de una formula:

Esto puede extenderse para ms de dos eventos.
Para tres eventos M, N, O:

Ejemplo:
Un vendedor de automviles desea anunciar que $19 999 (dlares) usted puede comprar
un convertible, un sedan de dos puertas, o un modelo de cuatro, con
eleccin de de cubrerrines (o cubrerruedas) deportivos o
comunes.Cuntos arreglos diferentes de modelos y cubrerruedas
puede ofrecer el comerciante?
Solucin: Desde luego, el vendedor podra determinar el nmero total de arreglos
esquematizados y contndolo. Hay seis posibilidades.

Convertible con cubrerrines deportivos. Convertible con cubrerrines comunes.
Dos puertas con cubrerrines deportivos. Dos puertas con cubrerrines comunes.
Cuatro puertas con cubrerrines
deportivos.
Cuatro puertas con cubrerrines comunes.

Podemos utilizar la frmula de la multiplicacin para verificar (donde m es el nmero
de modelos y n el tipo de cubrerrines. Aplicando la frmula:
Total de arreglos posible= (m)(n)= (3) (2) = 6.
En este ejemplo no fue difcil en listar y contar todas las posibles combinaciones
decubrerrines y modelos de autos. Sin embargo, suponga que el vendedor decidiera
ofrecer ocho modelos y seis tipos de cubrerruedas. Resultara tedioso dibujar y contar
todas las alternativas posibles. En vez de esto podra utilizarse la frmula
de multiplicacin. En tal caso, (m) (n) = (8) (6) = 48 arreglos posibles.

Numero total de arreglos = (M) (N)
Numero total de arreglos = (M) (N) (O)


Frmula de permutacin.
Es un arreglo o disposicin de r objetos seleccionados a partir de un grupo nico de n
objetos posibles.

Observe que el arreglo a,b,c y b,a,c, son permutaciones diferentes. La frmula que se
utiliza para contar el nmero total de permutaciones distintas es:

)! (
!
Pr
r n
n
n
=

Donde:

P es el nmero de permutaciones o, modos en que pueden ordenarse los objetos.
N es el nmero total de objetos. En el primero ejemplo, has tres partes electrnicas, de
manera que n=3.
r es el nmero de objetos que se van a disponer cada vez.
n! => se lee como n factorial es el producto de todos los nmeros de 1 a n. Por
definicin 0! = 1.
Ejemplo 1:
Con referencia a un grupo de tres partes electrnicas que deben ensamblarse en
cualquier orden En cuantos modos diferentes pueden reunirse?

Se tiene que n=3, porque hay 3 partes a ensamblar,

Y tambin r=3 porque las 3 partes van a insertarse en la unidad de enchufe.

6
! 0
! 3
)! 3 3 (
! 3
)! (
!
Pr = =
=
r n
n
n

ABC BAC CAB ACB BCA CBA

Ejemplo 2:
Supngase que hay ocho maquinas disponibles pero solo tres espacios en el piso
de un taller donde se han de instalar tales maquinas .De cuantos modos diferentes
pueden colocarse las ocho en los tres espacios disponibles?

Solucin: Hay ocho posibilidades par el primer espacio , siete para el segundo (una ya
fue utilizada) y seis para el tercero. Entonces.
(8)(7)(6) = 336.
Como antes, esto tambin puede expresarse matemticamente diciendo que el numero
de permutaciones ,P, de n elementos depende del numero de espacios ,r, disponibles.

n
P
r
=
)! (
!
r n
n
=
)! 3 8 (
! 8
=
! 5
! 8
=
! 5
! 5 ) 6 )( 7 )( 8 (
= 336

Formula de la Combinacin

A fin de que se considere como una permutacin es diferente el orden de los objetos para
cada resultado posible. Para tres objetos, a, b, c, la ordenacin a, b, c es el de una

permutacin ; b, a, c es otra c, a, b es otra ms, y as sucesivamente. Hay seis arreglos
posibles para estos tres objetos tomados tres a la vez. Utilizando la formula de la
permutacin.

n
P
r
=
)! (
!
r n
n
=
)! 3 3 (
! 3
=
1
) 1 )( 2 )( 3 (
= 6

Si no importa el orden de los objetos, al nmero total de ordenaciones se le denomina
combinacin.
Combinacin. Es el nmero de modos para elegir r objetos de un grupo de n de ellos sin
considerar el orden.

La formula de la combinaciones:

Ejemplo
Si los ejecutivos Abel, Bez y Chauncy han de ser elegidos como un comit para negociar una
fusin de empresas, slo existe una combinacin posible de estos tres. El comit formado por Abel,
Bez y Chauncy equivale al integrado Bez, Chauncy y Abel. Utilizando la frmula de la
combinacin.

n
C
r
)! ( !
!
r n r
n
=
) 1 ( 1 . 2 . 3
1 . 2 . 3
= 1

Ejemplo:
A un departamento de mercadeo se le ha solicitado que disee cdigos de color para las 42 lneas de
discos compactos (CD)vendidos por Godoy Records. Se han de utilizar tres colores en cada lnea,
pero con una combinacin de tres colores empleados para una de ellas no puede reordenarse y ser
utilizada para identificar una distinta lnea de CD. Esto significa que si se usaran verde, amarillo y
violeta para sealar una lnea, entonces amarillo, verde y violeta (o cualquiera otra combinacin de
estos tres colores)no pueden ser empleados para identificar otra sern adecuados siete colores
tomados de tres a la vez para codificar por color las 42 lneas?

Solucin.
Existen 35 combinaciones que se obtienen del clculo de:

n
C
r
=
)! ( !
!
r n r
n
=
! 4 ! 3
! 7
)!. 3 7 ( ! 3
! 7
=
= 35

Los siete colores tomados de tres a la vez , no seran adecuados para codificar por color
los 42 discos compactos diferentes, por que solo permiten 35 combinaciones. Ocho colores tomados
tres a la vez daran 56 combinaciones distintas. Esto sera mas que adecuado para codificar
cromticamente las 42 lneas.
n
C
r
=

I.2.3.2 Material de Apoyo: Pizarrn, haciendo uso de marcadores en.
diferentes colores.
Actividad de aprendizaje No. 2
TA-1 : Ejercicios de aplicacin.
I.2.4.1 Instrucciones: Resuelve de manera correctamente los siguientes
Ejercicios.
h) Valor actividad: 10 Puntos
i) Producto esperado: Que los alumnos resuelvan de manera correcta los
ejercicios propuestos.
j) Fecha inicio:
k) Fecha entrega:
l) Forma de entrega: Por separado, escrito a mano
m) Tipo de actividad: Individual
n) Fecha de realimentacin: El mismo da de entrega.

I.2.4.1 Criterio de evaluacin de la actividad TA-1
Actividad

Ejercicios propuestos. Resolver los ejercicios
propuestos.
9 Puntos
Resuelva de manera
correcta los problemas.
entrega de tareas.
1 Puntos
Total 10 puntos

PR-2 Resolver ejercicios prcticos
I.2.4.1 Instrucciones: Resolver los siguientes ejercicios prcticos.
o) Valor: 5 Puntos
p) Producto esperado: Que los ejercicios sean resueltos de manera
correcta.
q) Fecha inicio:
r) Fecha entrega:
s) Forma de entrega: escrito a mano
t) Tipo de actividad: Individual
u) Fecha de retroalimentacin:

I.2.4.1 Criterio de evaluacin de la actividad PR-2
Actividad

Practica por escrita. Resolver en forma rpida
ejercicios sobre
permutaciones..
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

I.2.5 Resultado del Aprendizaje: Se pretende que los alumnos resuelvan de manera
satisfactoria los problemas propuestos de permutaciones y combinaciones.
I.2.6 Bibliografa:

I.3. Tema: Enfoque de probabilidad.
I.3.1 Objetivo de aprendizaje: Que el alumno aplique la teora de la probabilidad en la
solucin de problemas de dependendencia e independencia estadstica. As como el
teorema de Bayes, como una parte importante de sta teora.
I.3.3 Desarrollo:

Enfoques de probabilidad:

Probabilidad clsica

PUNTO DE VISTA OBJETIVO:

Probabilidad emprica

Probabilidad = No. de resultados favorables
De un evento No. total de resultados posibles

Ejemplo: Considerar el experimento de tirar un dado de seis caras Cul ser la
probabilidad del evento de caer un numero par?

Probabilidad de un nmero par = 3 6 = 0.5


Mutuamente excluyente: se expresa esto porque la ocurrencia de cualquier evento implica
que ningn otro puede ocurrir al mismo tiempo.

En el experimento de tirar un dado, el evento un nmero par y el evento un nmero
impar son mutuamente excluyentes. Si cay un nmero par, no podra
caer, uno impar al mismo tiempo. Si un experimento tiene un conjunto
de eventos que incluye cada uno de los resultados posibles, tales como
los eventos un nmero par y un nmero impar en el lanzamiento de
un dado, entonces el conjunto de eventos se denomina colectivamente
exhaustivo.

Colectivamente exhaustivo: Se seala esto porque por lo menos uno de los eventos debe
ocurrir cuando se realiza un experimento. En el experimento de tirar un
dado, cada resultado ser un nmero par o impar. Por lo tanto el
conjunto es colectivamente exhaustivo.

Si el conjunto de eventos es colectivamente exhaustivo y los eventos son mutuamente
excluyentes, la suma de las probabilidades es igual a 1. Para el
experimento de lanzar una moneda

Probabilidad

Evento: Cara 0.5
Evento: Cruz 0.5
Total: 1.0

Obsrvese que es innecesario realizar un experimento para determinar la probabilidad de
que ocurra un evento al utilizar un enfoque clsico.

Ejemplo: Es posible llegar en forma lgica a la probabilidad de obtener una cruz en el
lanzamiento de una moneda o tres caras en el lanzamiento de tres
monedas.

Concepto emprico: Otra manera para definir la probabilidad es con base a las frecuencias
relativas. La probabilidad de que un evento ocurra a largo plazo se
determina observando en que fraccin de tiempo sucedieron eventos
semejantes en el pasado. Utilizando una frmula:

Probabilidad No. de veces que el evento ocurri en el pasado
De que =
Suceda un evento No. total de observaciones

Ejemplo: Se efectu un estudio de 751 graduados en administracin en la universidad de
Toledo (EUA). Este experimento revel que 383 de los 751 no estaban
empleados segn su principal rea de estudio en la universidad. Por
ejemplo: Una persona que se gradu en un rea especializada en
contadura; ahora es gerente del mercadeo de una empresa de
procesamiento de tomates. Cul es la probabilidad de que un graduado
especfico en administracin est empleado en un rea distinta a la
principal de sus estudios de universidad?

Probabilidad No. de veces que el evento ocurri en el pasado
De que =
Suceda un evento No. total de observaciones

383
P(A) =
751

P(A) = 0.51

Con base en la experiencia, existe una probabilidad de 0.51 de que un graduado en
administracin est empleado en un campo distinto al de su rea
principal de estudio.

Probabilidad subjetiva: Posibilidad (probabilidad) de que suceda un evento especfico,
asignado por una persona con base en cualquier informacin de que se
disponga.

Calcular la probabilidad de que la General Motors Corp. pierda su lugar
nmero 1 en unidades totales vendidas frente a la Ford Motor Co., o a la
Chrysler Corp. dentro de 2 aos.

Valorar la posibilidad de que el alumno x obtenga una calificacin de 100
en este curso.

Estimar la probabilidad de que el equipo de los patriotas de Nueva
Inglaterra jueguen en el supertazn de ftbol americano el prximo ao.

Hay dos puntos de vista con respecto a la probabilidad; el objetivo y el subjetivo. Se
observ que una expresin probabilstica siempre constituye una
estimacin de un valor desconocido que regir un evento que todava no
ocurre. Desde luego existe una extensin considerable en el grado de
incertidumbre que rodea a esta estimacin, con base principal en el
conocimiento que posea la persona respecto del proceso bsico.

REGLAS DE PROBABILIDAD:
Regla especial de adicin.
Para aplicar la regla especial de adicin, los eventos deben ser mutuamente excluyentes.
Recurdese que mutuamente excluyente significa que cuando ocurre un evento, ninguno
de los otros puede ocurrir al mismo tiempo. Un ejemplo de eventos mutuamente
excluyentes en el experimento de tirar un dado son los eventos un nmero 4 o mayor y
un nmero 2 o menor. Si el resultado se encuentra en el primer grupo {4, 5, 6} no puede
estar en el segundo grupo {1, 2}. Y un producto industrial que sale de una lnea de
ensamble no puede ser defectuoso y satisfactorio a la vez.
Si dos eventos A y B son mutuamente excluyentes, la regla especial de adicin indica
que la probabilidad de que ocurra uno u otro de los eventos, es igual a la
suma de las probabilidades. Esta regla se expresa en la formula
siguiente:

Regla especial de adicin P(A o B) = P(A) + P(B)

Ejemplo:
Una mquina automtica Shaw llena bolsas de plstico con un a mezcla de frijoles, brcoli
y otras legumbres. La mayora de las bolsas contiene el peso correcto,
pero debido a ligeras variaciones en el tamao de las verduras, un
paquete puede tener un peso ligeramente menor o mayor. Una
verificacin de 4000 paquetes llenados en el mes pasado indic.

Peso Evento Nmero de
paquetes
Probabilidad de
ocurrencia.
Con peso menor A 100 0.025
(100/4000)
Satisfactorio B 3600 0.900
Con peso mayor C 300 0.075
Total 4000 1.000
Cul es la probabilidad de que un paquete en especial tenga un peso menor o mayor?
Solucin. El resultado peso menor es el evento A. El resultado peso mayor es el
evento C. Aplicando la regla especial de la adicin:
P(A o C) = P(A) + P(C)
= 0.025+0.075
= 0.10
Regla de complemento:
Diagramas de Venn
El experto en lgica J. Venn (1834 1888) desarroll un diagrama para representar
grficamente el resultado de un experimento. El concepto de mutuamente excluyentes y
otras reglas diversas para combinar probabilidades pueden visualizarse empleando ste
dispositivo.

Para elaborar un diagrama primero se delimita un espacio que ha de representar a todos
los posibles resultados. Tal espacio tiene generalmente forma de
rectngulo. Un evento se representa por un rea redonda que se dibuja
proporcional a la probabilidad del evento.

Representacin del concepto mutuamente excluyente. No hay superposicin de eventos,
lo cual indica que son de ese tipo.

EVENTO EVENTO EVENTO
A B C

La probabilidad de que una bolsa de verduras mixtas seleccionada sea de peso menor,
P(A) mas la probabilidad de que no sea una bolsa con peso de menos,

que se escribe P(~A) y se lee no A , debe lgicamente ser igual a 1.
Esto se expresa como sigue:
P(A) + P(~A) = 1
Lo anterior puede ser expresado tambin como:

A esto se le denomina regla del complemento.
La regla del complemento se utiliza para determinar la probabilidad de que ocurra
un evento restando del nmero 1 la probabilidad de que no ocurra. Un diagrama de Venn
que ilustre la regla del complemento sera:

Ejemplo: Hay que recordar que la probabilidad de que una bolsa con legumbres
mixtas tenga peso de menos es 0.025 y que tenga peso de mas, 0.075. Debe de utilizarse
la regla de complemento para demostrar que la probabilidad de que una bolsa
satisfactoria vale 0.900. Plantear la solucin empleando diagrama de Venn.

Solucin: La probabilidad de que la bolsa no sea satisfactoria es igual a la
probabilidad de que sea de peso mayor, mas la probabilidad de que sea de menor peso.
Esto es, P(A o C) = P(A) + P(C) = 0.025 + 0.075 = 1.00. La bolsa es satisfactoria si no es
de peso menor ni de peso mayor, por tanto P(B) = 1- [P(A)] +[P(C)] = 1 - (0.025 + 0.075) =
0.900

Regla general de adicin:

Los resultados de un experimento pueden no ser mutuamente excluyentes. Por ejemplo
Suponga que la Comisin de Turismo de Florida selecciono una muestra
de de 200 turistas que visitaron ese estado durante el ao. La encuesta
revel que 120 fueron a Disney World , y 100, a Busch Gardens, cerca
de Tampa.Cul es la probabilidad de que una persona seleccionada
haya visitado Disney World o Busch Gardens? Si se emplea la regla
especial de adicin, la probabilidad de seleccionar un turista que fue a
Disney World es 0.60, que se obtiene de 120/200. De manera similar, la
probabilidad de que uno de los viajeros haya ido a Busch Gardens es
Regla de complemento P(A) = 1 - P(~A)
Evento A

~A
A= 0.025 C = 0.075

~ (A o C) = 0.90

0.50. La suma es de 1.10. Sin embargo, se sabe que sta probabilidad
no puede ser ,mayor que 1.La explicacin es que muchos turistas
visitaron ambas atracciones y se estn contando dos veces! Una
verificacin de las respuestas de la encuesta revel que 60 de las 200
personas de la muestra en realidad fueron a ambos lugares.
Para responder a la pregunta, Cul es la probabilidad de que una persona seleccionada
haya visitado Disney World o Busch Gardens?(1) se suma la
probabilidad de que el turista haya ido a Disney Word y la probabilidad
de que haya estado en Busch Gardens, y (2) se resta de la probabilidad
de visitar ambos lugares. De esta forma:
P(Disney o Busch) = P(Disney) + P (Busch) P(Disney y Busch)
= 120/200 + 100/200 - 60/200
= 0.60 + 0.50 0.30
= 0.80
Cuando dos eventos se traslapan, la probabilidad se le denomina probabilidad conjunta.
La probabilidad de que el turista visite ambos lugares (0.30) es un
ejemplo de probabilidad conjunta.
Probabilidad Conjunta: Es la probabilidad que mide la posibilidad de que dos eventos
ocurran en forma simultnea.
En resumen, la regla general de adicin se utiliza para combinar eventos que nos son
mutuamente excluyentes. Esta regla para dos eventos denotados como
A y B se escribe:

En la expresin P(A o B), el trmino o indica que A puede ocurrir o que B tambin puede
suceder. Esto incluye asimismo la posibilidad de que A y B puedan
ocurrir. A ste uso de la o a veces se le llama inclusivo puesto de otra
forma, se ver con agrado cuando tanto A y B sucedan, o bien cuando
cualquiera de los dos ocurran.

Ejemplo: Cul es la probabilidad de que una carta elegida al azar de una baraja
americana sea un rey o una de corazones?
Solucin: Uno puede pensar en sumar las probabilidades de que salga un rey y la de que
se tenga una carta de corazones. Pero esto crea un problema,. Si se
hiciera, el rey de tal smbolo se cuenta con todos los reyes y tambin
con todas las cartas de corazones. De modo que simplemente se suma
la probabilidad de un rey ( hay 4 en la baraja de 52 naipes) a la de una
carta de corazones (hay 13 en dicha baraja) y se expresa que 17 cartas
de las 52 cumplen el requisito , se ha contado dos veces al rey de
corazones. Se necesita restar 1 carta de las 17 para que dicho rey se
cuente una sola vez. Por tanto, hay 16 cartas que son de dicha figura o
bien de reyes por lo que la probabilidad es de 16/52 = 0.3072

Carta Probabilidad Explicacin
Rey P(A) = 4/52 Hay cuatro reyes en la baraja.
Corazones. P(B) = 13/52 Hay 13 cartas de corazones en la baraja.
Rey de corazones P(A y B) = 1/52 Hay un rey de corazones en la baraja.

Regla general de adicin P(A o B) = P(A) + P(B) (P y B)

Utilizando la formula: P(A o B) = P(A) + P(B) P(A y B)
= 4/52 + 13/52 1/52
= 16/52, o bien 0.3077
Un diagrama de Venn presenta estos resultados que nos son mutuamente excluyentes.

Reglas de multiplicacin

Regla Especial de Multiplicacin. La regla especial de multiplicacin requiere que dos
eventos A y B sean independientes. Dos eventos son independientes si
la ocurrencia de uno no altera la probabilidad del otro. De manera que si
los eventos A y B son independientes, la ocurrencia de A no altera la
probabilidad B.
Independiente. Se expresa esto cuando la ocurrencia de un evento no tiene efecto en la
probabilidad de la ocurrencia de cualquier otro.
Si hay dos eventos independientes A y B, la probabilidad de que ocurran A y B se obtiene
al multiplicar las dos probabilidades. A esto se llama la regla especial de
multiplicacin y expresada en forma simblica:

Esta regla para combinar probabilidades supone que un segundo resultado no depende
del primero. Para ilustrar lo que significa independencia de resultados,
suponga que se lanzan al aire dos monedas. El resultado de una
moneda (cara o cruz) no se ve afectado por el resultado de la otra
moneda (cara o cruz). Puesto de otra forma, dos eventos son
independientes si el resultado de un segundo evento no depende del
resultado del primero.
Para tres eventos independientes A, B y C, la regla especial de multiplicacin utilizada
para determinar la probabilidad de que ocurran los tres eventos es:

Ejemplo: Se lanzan dos monedas al aire Cul es la probabilidad de que ambas caigan
cruz?

Solucin: La probabilidad de que una de las dos monedas caiga cruz (Cr), escrita P(A), es
de , o bin 0.5. La probabilidad de que la otra moneda caiga igual,
denotada por P(B) es tambin de , o 0.5. La probabilidad de que
ocurran ambas cosas es de un , o 0.25, lo cual se obtiene como sigue:
PA y B) = P(A) P(B)
Reyes Corazones

Ambos
Regla especial de multiplicacin P(A y B) = P(A) P(B)
Regla especial de multiplicacin P(A y B y C) = P(A) P(B) P(C)

= (1/2)(1/2)
= 17$ o bin 0.25

Si dos eventos no son independientes, se dice que son dependientes. Para ilustrar la
dependencia suponga que hay 10 rollos de pelcula fotogrfica en una
caja y que se saben que 3 estn defectuosos. Se selecciona 1. Es obvio
que la probabilidad de escoger un rollo con defecto es de 3/10, y que la
probabilidad de seleccionar uno, satisfactorio es 7/10. Despus se elige
un segundo rollo de la caja sin devolver el primero a sta. La
probabilidad de que est defectuoso depende de que el primer rollo
seleccionado fuera no aceptable o bueno. La probabilidad de que el
segundo rollo est defectuoso es 2/9, si el primer rollo seleccionado
fuera defectuoso. (Quedaran solo dos rollos defectuoso ms en la caja,
que contena nueve piezas) 3/9 si el primer rollo seleccionado fuera
bueno (los tres con defectos siguen estando en la caja que contena los
nueve originales). A la fraccin 2/9 (0 3/9) se le denomina probabilidad
condicional porque su valor tiene tal caracterstica (dependiente de
stas) respecto de la primera seleccin de la caja: que se haya sacado
un rollo fotogrfico defectuoso o uno normal.

Probabilidad condicional:

Es la probabilidad de que ocurra un evento en particular, dado que otro evento haya
ocurrido.

Regla General de Multiplicacin: La regla general de multiplicacin se utiliza para
determinar la probabilidad conjunta, de que ocurran dos eventos, como
seleccionar dos rollos defectuosos de la caja con 10, uno despus del
otro. En general, la regla indica que para dos eventos A y B, la
probabilidad conjunta de que ambos sucedan se evala al multiplicar la
probabilidad de que el evento A ocurra, por la probabilidad condicional
de que suceda el evento B. De manera simblica, la probabilidad
conjunta P(A y B) se obtiene por medio de:

Donde P(B/A) expresa la posibilidad de que ocurra B dado que ya ocurri A. El trazo
vertical significa dado que.
Ejemplo. Considerar otra vez el ejemplo anterior de los 10 rollos de pelcula en una caja, 3
de los cuales estn defectuosos. Se van a seleccionar dos, uno despus
de otro Cul es la probabilidad de escoger un rollo con defectos
seguido por otro tambin en tal condicin?

Solucin: El primer rollo seleccionado de la caja, que se encontr ser defectuoso, es el
evento A. De modo que P(A) = 3/10 porque tres de los diez rollos son
Regla general de multiplicacin P(A y B) = P(A) P(B/A)

no aceptables. El segundo rollo seleccionado, resultante con defectos,
es el evento B. Por lo tanto , P(B/A) = 2/9, porque despus de descubrir
que la primera seccin era un rollo con defectos, solo quedaron dos
rollos no buenos en la caja que contena nueve rollos. Se determina la
probabilidad de dos rollos defectuosos aplicando la frmula:

P(A y B) = P(A) P(B / A)
= (3/10) (2/9)
= 6/90 o tambin 0.07 aprox.

Por cierto que se considera que este experimento se realiz sin reposicin(o reemplazo);
es decir, el rollo defectuoso de pelcula no se devolvi a la caja antes de
selecciona el siguiente rollo. Tambin debe observarse que la regla
general de multiplicacin puede ampliarse a ms de dos eventos: para
tres eventos; A, B y C, la frmula sera:

Ejemplo: la probabilidad de que los primeros tres rollos seleccionados de la caja sean
todos defectuosos es 0.00833, que resulta de calcular:

P(A y B y C) = P(A) P(B/A)P(C/A y B)
= (3/10) (2/9) (1/8)
= 6/720 o tambin 0.
Teorema de Bayes
En el siglo XVIII el reverendo Thomas Bayes, ministro presbiteriano ingls, plante la siguiente
cuestin Realmente existe Dios? Estando interesado en las matemticas, intent desarrollar una
frmula para llegar a evaluar la probabilidad de que Dios exista, con base en la evidencia de que
l dispona aqu en la Tierra. Ms adelante. Laplace afin el trabajo de Bayes y le di el nombre de
Teorema de Bayes.

Ejemplo: Suponga que el 5% de la poblacin de Umen, un pas ficticio del Tercer Mundo,
padece una enfermedad que es originaria de ese lugar. Sea A
1
el evento tiene la
enfermedad, y A
2
el evento no tiene la enfermedad. Por lo tanto sabemos que si
seleccionamos una persona de Umen al azar, la probabilidad de que la elegida tenga el
padecimiento es 0.05, o bien P(A
1
) = 0.05. Esta probabilidad P(A
1
) = P(tiene la
enfermedad) = 0.05, se denomina probabilidad a priori . Se da ste nombre porque la
probabilidad se asigna antes de haber obtenido datos empricos.

Probabilidad a Priori = Es la probabilidad inicial con base en el nivel actual de informacin.

Existe una tcnica de diagnostico para detectar la enfermedad, pero no es muy exacta
.Sea B el evento la prueba indica que la enfermedad est presente. Considere que la
Regla general de multiplicacin P(A y B y C) = P(A) P(B/A) P(C/A y B)
Teorema de Bayes P(A
1
/B) = P(A
1
) P(B/A
1
)
P(A
1
) P(B/A
1
) + P(A
2
) P(B/A
2
)

evidencia histrica muestra que si una persona realmente padece la enfermedad, la
probabilidad de que la prueba indique la presencia de la misma vale 0.90. Utilizando las
definiciones de probabilidad condicional desarrolladas anteriormente, tal afirmacin
se expresa como:

P(B/A
1
) = 0.90

Considere que la probabilidad de que una persona en realidad no tenga el padecimiento,
pero que la prueba indique que el mismo est presente, es 0.15.

P(B/A
2
) = 0.15

Seleccionamos en forma aleatoria a un habitante de Umen, al que se le aplica la prueba.
Los resultados indican que el padecimiento est presente.Cul es la probabilidad de que
la persona tenga realmente la enfermedad? En forma simblica, se desea determinar
P(A
1
/B), que se interpreta como: P(tiene la enfermedad/( los resultados de la prueba son
positivos). La probabilidad de P(A
1
/B) se denomina una probabilidad a posteriori.

Probabilidad a Posteriori. Es una probabilidad revisada con base en informacin adicional.

Con la ayuda del teorema de Bayes, es posible determinar la probabilidad a posteriori o
revisada.

= (0.05) (0.90)
(0.05) (0.90) + (0.95) (0.15)
= 0.0450
0.1875
= 0.24
Por lo tanto, la probabilidad de que una persona tenga la enfermedad, dado que la prueba
result positiva, es 0.24. Como se interpreta ste resultado? Si una persona se
selecciona al azar de la poblacin, la probabilidad de que padezca el trastorno es 0.05. Si
se aplica la prueba a la persona y resulta positiva, la posibilidad de que en realidad tenga
el padecimiento aumenta aproximadamente cinco veces, de 0.05 a 0.24.
El problema anterior incluy solamente dos eventos, A1 y A2 como probabilidades a priori.
Si hay mas de dos probabilidades de este tipo, el denominador del teorema de Bayes
requiere trminos adicionales. Si la distribucin probabilstica a priori consiste en n
eventos mutuamente excluyentes, el teorema de Bayes queda como sigue:

Donde A
1
se refiere a cualquiera de los n posibles resultados.
I.3.3.2 Material de Apoyo: Pizarrn, haciendo uso de marcadores en.
diferentes colores.
P(A
1
/B) = P(A
1
) P(B/A
1
)
P(A
1
)P(B/A
1
) + P(A
2
)P(B/A
2
)

P(A
1
/B) = P(A
1
) P(B/A
1
)
P(A
1
) P(B/A
1
) +P(A
2
) P(B/A
2
) ++P(An) P(B/An)

Ejercicios acerca de las reglas de probabilidad.
v) Valor actividad: 10 Puntos
w) Producto esperado: Que los alumnos resuelvan de manera correcta los
x) Fecha inicio:
y) Fecha entrega:
z) Forma de entrega: Por separado, escrito a mano
a) Tipo de actividad: Individual
b) Fecha de realimentacin: El mismo da de entrega.
Actividad

Ejercicios propuestos de
reglas de probabilidad.
Resolver los ejercicios
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

I.3.4.1 Instrucciones: Resolver los siguientes ejercicios prcticos acerca de raglas de
probabilidad.
c) Valor: 5 Puntos
d) Producto esperado: Que los ejercicios sean resueltos de manera
correcta.
e) Fecha inicio:
f) Fecha entrega:
g) Forma de entrega: escrito a mano
h) Tipo de actividad: Individual
i) Fecha de retroalimentacin:

Actividad

Practica por escrita
considerando reglas de
probabilidad.
Resolver en forma rpida
ejercicios sobre reglas de
probabilidad.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos
ejercicios considerando condiciones de dependencia e independencia
estadstica.

j) Valor actividad: 10 Puntos
k) Producto esperado: Que los alumnos resuelvan de manera correcta los
l) Fecha inicio:
m) Fecha entrega:
n) Forma de entrega: Por separado, escrito a mano
o) Tipo de actividad: Individual
p) Fecha de realimentacin: El mismo da de entrega.

Actividad

Ejercicios propuestos de
dependencia e
independencia estadstica
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos
I.3.4.1 Instrucciones: Resolver los siguientes ejercicios prcticos.
q) Valor: 5 Puntos
r) Producto esperado: Que los ejercicios sean resueltos de manera
correcta.
s) Fecha inicio:
t) Fecha entrega:
u) Forma de entrega: escrito a mano
v) Tipo de actividad: Individual
w) Fecha de retroalimentacin:

Actividad

Practica por escrita con
problemas de dependencia
e independencia
estadistica.
ejercicios sobre
permutaciones..
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos
TA-4: Ejercicios de aplicacin.
ejercicios aplicando el teorema de Bayes..
b) Producto esperado: Que los alumnos resuelvan de manera correcta los
c) Fecha inicio:
d) Fecha entrega:

f)) Tipo de actividad: Individual

Actividad

Ejercicios propuestos
aplicando el teorema de
Bayes.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

satisfactoria los problemas propuestos de reglas de probabilidad, probabilidad de
dependencia e independencia estadstica adems del teorema de Bayes.
I.3.6 Bibliografa:

I.4. Tema: Distribuciones de probabilidad.
I.4.1 Objetivo de aprendizaje: Que el alumno encuentre las probabilidades de
ocurrencia de los datos.
I.4.3 Desarrollo:

Recordando la definicin de un experimento como cualquier proceso que genera
resultados bien definidos. Ahora deseamos concentrarnos en el proceso de asignar
valores numricos a los resultados, para lo que introducimos el concepto de variable
aleatoria.
Para cualquier experimento en particular, se puede definir una variable aleatoria de
manera que cada resultado experimental posible genere exactamente un valor numrico
para dicha variable. Por ejemplo, si consideramos el experimento de la venta de
automviles durante un da en una agencia en particular, describiramos los resultados
experimentales en funcin del nmero de vehculos vendidos. En este caso, si, x =
nmero de automviles vendidos, x se conoce como una variable aleatoria. Este valor
numrico particular, que toma la variable aleatoria, depender del resultado del
experimento. Esto es, no sabremos cul es el valor especfico de la variable aleatoria en
tanto no hayamos observado el resultado experimental. Por ejemplo, si en un da dado se
venden 3 automviles, el valor de la variable aleatoria ser 3; si en otro da (una repeticin
del experimento) se venden 4, el valor ser 4. Definimos una variable aleatoria como
sigue:
Una variable aleatoria es la descripcin numrica del resultado de un experimento.
En la tabla 4. Se dan varios ejemplos adicionales de experimentos y de sus variables
aleatorias asociadas. Aunque muchos experimentos tienen resultados experimentales que
naturalmente se prestan a valores numricos, en otros no ocurre as. Por ejemplo para el
experimento de lanzar una moneda una vez, el resultado experimental puede ser cara o
cruz, ninguno de los cuales tiene un valor numrico natural. Sin embargo, quizs

deseemos an as expresar los resultados en funcin de una variable aleatoria, por lo que
necesitamos una regla que pueda utilizarse para asignar un valor numrico a cada uno de
los resultados experimentales. Una posibilidad es signar la variable aleatoria x=1 si el
resultado experimental en una cara y x=0 si el resultado experimental es una cruz.
Aunque los valores numricos para x sean arbitrarios, x es una variable aleatoria ya que
describe numricamente los resultados experimentales.

Tabla 4.0
Ejemplos de variables aleatorias.

Experimento Variable aleatoria (x) Valores posibles de la variable
aleatoria
Efectuar 100 llamadas de
ventas.
Nmero total de ventas. 0,1,2,3.100
Inspeccionar un embarque de
70 radios.
Nmero de radios defectuosos 0,1,2,3..70
Construir una nueva biblioteca. Porcentaje del proyecto
terminado despus de 6 meses.
0x100
Operar un restaurante. Nmero de clientes que entran en
un da.
0,1,2,3..

Una variable aleatoria puede clasificarse como discreta o continua, dependiendo de los
valores numricos que pueda tomar. Aquella variable aleatoria que solamente pueda
tomar una secuencia de valores, finita o infinita, (por ejemplo, 1,2,3) es una variable
aleatoria discreta. El nmero de unidades vendidas, el nmero defectos observados, el
nmero de clientes que entran en un banco durante un da de operacin, y as
sucesivamente, son ejemplos de variables aleatorias discretas. Las dos primeras y la
ltima de la tabla anterior son discretas. Variables aleatorias como peso, tiempo y
temperatura, que pueden tomar cualquier valor dentro de un cierto intervalo o coleccin
de intervalos, son variables aleatorias continuas. Son ejemplos de variables aleatorias
continuas, la estatura de los clientes de una tienda de ropa, los ingresos de los empleados
de un centro comercial local, el tiempo transcurrido entre la llegada de cada cliente a la
biblioteca, adems, la tercera variable aleatoria de la tabla es una variable aleatoria
continua, porque puede tomar cualquier valor del intervalo del 0 al 100 (por ejemplo, 56.33
0 64.22).

Variables aleatorias discretas:
Podemos demostrar el uso de una variable discreta al pensar en la venta de automviles
en DiCarlo Motors, en Saratoga, Nueva York. El propietario de DiCarlo Motors est
interesado en el volumen diario de ventas de automviles. Supongamos que decimos que
x es una variable aleatoria que indica el nmero de automviles vendidos en un da dado.
Los registros de ventas muestran que cinco es el nmero mximo de automviles que
alguna vez haya vendido DiCarlo durante un da. El propietario cree que la historia previa
de las ventas representa de manera adecuada lo que puede ocurrir en el futuro, por lo que
esperaramos que la variable aleatoria x tome algunos de los valores numricos 0.1.2.3.4
o 5. Los valores posibles de la variable aleatoria son finitos, por lo que clasificaramos a x
como una variable aleatoria discreta.
La distribucin de probabilidad de una variable aleatoria discreta:

Suponga que al revisar los registros de ventas de DiCarlo encontramos que a lo largo del ao
pasado la empresa ha estado abierta durante 300 das. Los volmenes diarios de ventas
generados y la y la frecuencia en que ocurrieron se resumen en la tabla 4.1. Teniendo disponibles
estos datos histricos, el propietario de DiCarlo Motors cree que el mtodo de frecuencia relativa
dar un medio razonable de juzgar las probabilidades de la variable aleatoria x. La funcin de

probabilidad, indicada como f(x), representa la probabilidad de que la variable aleatoria x tome
algn valor especfico. Dado que en 54

de los 300 das de datos histricos, DiCarlo Motors no vendi ningn automvil, dado que ninguna
venta corresponde a x=0, asignamos a f(0) el valor de 54/300 =0.18. De manera similar, f(1) indica
la probabilidad de que x toma el valor de uno, por lo que le asignamos a f(1)el valor de
117/300=0.39. Despus de calcular las frecuencias relativas de los otros valores posibles de x,
podemos desarrollar una tabla de valores de x y de f(x).
La tabla 4.2 muestra una forma de representar la distribucin de probabilidad de la variable
aleatoria x.

Tambin se puede representar la distribucin de probabilidad de x de manera grafica. En
la figura 4.1 se muestran los valores de la variable aleatoria x en un eje horizontal; la
probabilidad de que x tome estos valores aparece en el eje vertical. Para muchas
variables aleatorias discretas, la distribucin de probabilidad tambin se puede
representar como una frmula que nos da f(x) para cualquier valor posible de x.
Ilustraremos ste procedimiento en la siguiente seccin.
En el desarrollo de la distribucin de probabilidad discreta, debern satisfacerse
siempre dos condiciones:
f(x 0
f(x) = 1

La primera condicin es el requisito que las probabilidades asociadas con cada uno de los
valores de x debe ser mayor que o igual a cero, en tanto que la segunda condicin dice
que la suma de las probabilidades de todos los valores de la variable x debe ser igual a

Tabla 4.1 Automviles vendidos por da en DiCarlo
Motors.

Volumen de Ventas Numero de das.

Ninguna venta 54

Exactamente 1 automvil 117

Exactamente 2 automviles 72


Exactamente 4 automviles 1 12


Total 100

Tabla 4.2 Distribucin de probabilidad para nmero de
automviles vendidos por da.

x f(x)

0 0.18

1 0.39

2 0.24

3 0.14

4 0.04

5 0.01

Total 1.00


uno. La tabla 4.2 muestra que las condiciones anteriores han sido satisfechas, por lo que
la distribucin de probabilidad desarrollada por DiCarlo Motors es una distribucin de
probabilidades discretas vlida.

Probabilidad

0.40

0.30

0.20

0.10

0.0
0 1 2 3 4 5
Numero de automviles vendidos por da.

Despus de establecer una variable aleatoria y su distribucin de probabilidad, podemos
desarrollar una diversidad de informacin de probabilidad adicional, dependiendo de las
necesidades e intereses de quien toma las decisiones. Por ejemplo en el problema de DiCarlo
Motors la distribucin de probabilidad que se muestra en la tabla 4.2 puede utilizarse para obtener
la informacin siguiente:

1. Existe la probabilidad de 0.18 que durante algn da no se venda ningn automvil.
2. El volumen mas probable de ventas es uno, con f/x) = 0.39
3. Existe una probabilidad de 0.05 que exista un da de ventas extraordinario, con ventas de 4
o 5 automviles.

Utilizando la informacin de probabilidades como la que acabamos de dar, la administracin de
Dicarlo puede comprender mejor las incertidumbres asociadas con la operacin de venta de
automviles. Quizs esta mayor comprensin puede servir de base a nuevas polticas o decisiones
que incrementan la eficacia de la empresa.

Valor esperado o esperanza matemtica:

Despus de construir la distribucin de probabilidad para una variable aleatoria, a menudo
deseamos calcular cual es el valor medio o esperado de dicha variable aleatoria. El valor esperado
o esperanza matemtica de una variable aleatoria discreta es un promedio ponderado de los
valores posibles de la variable aleatoria, para el cual la funcin de probabilidad proporciona las
ponderaciones. La formula matemtica para calcular el valor esperado o esperanza matemtica de
una variable aleatoria discreta x es:

Figura 4.1. Distribucin de probabilidad para el nmero de automviles vendidos por da.
E(x) = = x f(x)

Para calcular el valor esperado o esperanza matemtica de una variable aleatoria discreta
debemos multiplicar cada uno de los valores de la variable aleatoria por su probabilidad
correspondiente y, a continuacin, sumar los trminos resultantes. El calculo del valor esperado o
esperanza matemtica de la variable aleatoria (nmero de ventas diarias) para DiCarlo Motors
aparece en la tabla 4.3. La primera columna contiene los valores de la variable aleatoria x , la
segunda sus propiedades asociadas f(x). Multiplicando cada uno de los valores de x por su
probabilidad f(x) nos da los valores de xf(x) de la tercera columna siguiendo la ecuacin anterior
sumamos esta columna xf(x), a fin de determinar el valor esperado o esperanza matemtica de
1.50 automviles vendidos por da.

Tabla 4.3 Calculo del valor esperado

x f(x) x f(x)

0 0.18 0(0.18) = 0

1 0.39 1(0.39) = 0.39

2 0.24 2(0.24) = 0.48

3 0.14 3(0.14) = 0.42

4 0.04 4(0.04) = 0.16

5 0.01 5(0.04) = 0.05

E(x = 1.50

El valor esperado de una variable aleatoria es el valor medio, es decir promedio. Esto es,
par experimentos que puedan repetirse muchas veces, el valor esperado o esperanza
matemtica puede interpretarse como el valor promedio a la larga de la variable
aleatoria. Sin embargo, el valor esperado no es necesariamente el nmero que pensamos
asumir la variable aleatoria la siguiente vez que se conduzca el experimento. De hecho
resulta, imposible para DiCarlo vender exactamente 1.50 automviles durante cualquier
da. Sin embargo, si podemos imaginar a DiCarlo vendiendo automviles durante muchos
das en el futuro, el valor esperado o esperanza matemtica de 1.50 automviles nos da
el volumen de ventas diario medio o promedio.
El valor esperado puede ser importante para el administrador tanto desde el punto de
vista de planeacin como el de toma de decisiones. Por ejemplo, suponga que DiCarlo
Motors piensa estar abierto durante 60 das en los siguientes 3 meses. Cuntos
automviles se vendern durante este tiempo? Aunque no podemos especificar las ventas
exactas de cualquiera de los das el valor esperado de 1.50 automviles por da nos da
una estimacin de ventas esperada o ventas promedio de 60(1.50) = 90automoviles para
el siguiente periodo de 3 meses. Para el establecimiento de cuotas de ventas o para
planear pedidos, el valor esperado o esperanza matemtica puede dar una informacin
para la toma de decisiones.

Varianza.

El valor esperado de una variable aleatoria nos da una idea del valor promedio o central
de una variable aleatoria, pero a menudo deseamos alguna idea de la dispersin, es decir
de la variabilidad de los valores posibles de la variable aleatoria. Por ejemplo, si los
valores de la variable aleatoria solamente muestran una variacin modesta, esperamos un
valor relativamente pequeo. La varianza es una medida utilizada comnmente para
resumir la variabilidad de los valores de una variable aleatoria. La expresin matemtica
para la varianza de una variable aleatoria discreta es:
Var(x) = = (x )
2
f(x)

Como muestra la ecuacin la ecuacin anterior, una parte esencial de la formula de la
varianza es una desviacin, x-, que mide lo lejos que un valor particular de la variable aleatoria
est del valor esperado o medio, . Al calcular la varianza de una variable aleatoria discreta,
elevamos al cuadrado las desviaciones y a continuacin las ponderamos al multiplicarlas por la
probabilidad correspondiente. La suma de esas desviaciones cuadrticas ponderadas, para todos los
valores de la variable aleatoria es la varianza. En otras palabras, la varianza es el promedio
ponderado de las desviaciones cuadrticas de la media.
El clculo de varianza para el nmero de ventas diarias en el problema de DiCarlo Motors se
resume en la tabla 4.4. Observemos que la varianza para el nmero de automviles vendidos es hoy
en da de 1.25. Una medida de variabilidad relacionada es la desviacin estndar , que se define
como la raz cuadrada positiva de la varianza. En el caso de Di Carlo motors, la desviacin estndar
del nmero de automviles vendidos por da es

= 1.25 = 1.118

Para una mas fcil interpretacin, desde el punto de vista administrativo, pudiera referirse
la desviacin estndar en vez de la varianza, porque se mide en las mismas unidades que
la variable aleatoria (=1.118 automviles vendidos por da). La varianza (
2
) se mide en
unidades cuadrticas, por lo que su interpretacin resulta ms difcil para el administrador.
En este momento nuestra interpretacin de la varianza y de la desviacin estndar se
limita a comparaciones de variabilidad de distintas variables aleatorias. Por ejemplo, si los
datos diarios de ventas de una segunda agencia Dicarlo en Albany , Nueva York ,diera
2
= 2.56 y
2
= 1.6, podemos concluir que el nmero de automviles vendidos
diariamente en esa agencia exhibe mayor variabilidad que la primera agencia DiCarlo,
2
=1.25 y
2
= 1.118.

Tabla 4.4 Clculo de la varianza

x x- (x-)
2
f(x) (x-)
2
f(x)

0 0-1.50 = -1.50 2.25 0.18 2.25(0.18) = 0.4050

1 1-1.50 = -0.50 0.25 0.39 0.25(0.39) = 0.0975

2 2-1.50 = 0.50 0.25 0.24 0.25(0.24) = 0.0600

3 3-1.50 = 1.50 2.25 0.14 2.25(0.14) = 0.3150

4 4-1.50 = 2.50 6.25 0.04 6.25(0-04) = 0.2500

5 5-1.50 = 3.50 12.25 0.01 12.25(0.01) = 0.1225

2
= 1.2500

La distribucin binomial
En esta seccin veremos un tipo de experimentos que cumplen con las condiciones
siguientes:
1. La totalidad del experimento se puede escribir en funcin de una secuencia de
experimentos n idnticos conocidos como ensayos.
2. En cada ensayo son posibles dos resultados. Nos referimos a uno de ellos como
un acierto y al otro como un fracaso.
3. Las probabilidades de los resultados no se modifican de un ensayo al siguiente.

4. Los ensayos son independientes (es decir, el resultado de un ensayo no afecta el
resultado de cualquiera de los dems).
Los experimentos que satisfacen las condiciones 2, 3 y 4 se dice que estn generados por
un proceso de Bernoulli. Adems, si se satisface la condicin 1(que existan n ensayos
idnticos) nos encontramos ante un experimento Binomial. Una variable aleatoria discreta
importante asociada con el experimento binomial es el nmero de aciertos en los n
ensayos. Si suponemos que x representa el valor de sta variable aleatoria, entonces x
puede tener un valor de 0, 1, 2, 3 n. Dependiendo del nmero de aciertos observados
en los n intentos. La distribucin de probabilidad asociada con esta variable aleatoria se
conoce como la distribucin de probabilidad binomial.
En los casos en los que es aplicable la distribucin binomial, la formula matemtica para
calcular la probabilidad de cualquier valor de una variable aleatoria es la funcin binomial
de probabilidad.

Donde
n = numero de intentos.
p = probabilidad de aciertos en un intento.
x = numerote aciertos en n intentos.
f(x)=probabilidad de x aciertos en n intentos.

El trmino n! en la expresin arriba citada se conoce como el factorial de n y se define
como:
n! = n(n - 1) (n - 2) (2)(1)

Por ejemplo 4! = (4)(3)(2)(1) =24. Tambin por definicin, el caso especial de factorial de
cero es 0! = 1
Ejemplo:
Consideremos el experimento de clientes que entran a la tienda de ropa Nastke. Para
mantener relativamente pequeo el problema, restringiremos el experimento a los
siguientes tres clientes. Si, con base en la experiencia, el administrador de la tienda
estima que la una compra es de 0.30, Cul es la probabilidad de que exactamente 2 de
los 3 clientes siguientes efecten una compra?
Primero deseamos demostrar que 3 clientes que entran en la tienda de ropa y que han de
decidir si van hacer o no una adquisicin se puede considerar como un experimento
binomial.
Si verificamos los 4 requisitos para un experimento binomial, observamos lo siguiente:
1. El experimento se puede describir como una secuencia de 3 intentos idnticos, un
intento para cada 1 de los 3 clientes que entran en la tienda.
2. Para cada uno de los intentos son posibles 2 resultados: el cliente efecta una
compra (acierto) o no (fracaso).
3. La probabilidad de adquisicin (0.30) o de no adquisicin (0.70)se supone lamisca
para todos los clientes .
4. La decisin de compra de cada cliente es independiente de la decisin de compra
de los otros clientes.
Por lo que, si definimos la variable aleatoria x como el nmero de clientes que efectan
una adquisicin (es decir, el nmero de aciertos para los 3 intentos) satisfacemos los
requisitos de la distribucin de probabilidad binomial.
f(x) = n! p
x
(1 - p)
n - x
x = 0,1n
x!(n - x)!

Con n=3 intentos y la probabilidad de una compra p=30 para cada uno de los clientes,
utilizando la ecuacin anterior, para calcular la probabilidad de que 2 clientes efecten
una compra. Esta probabilidad, que se identifica como f(2), es

F(2) = 3! (0.30)
2
(0.70)
1

2!1!
= 3 x 2 x1 (0.30)
2
(0.70)
1

2x1x1
= 0.189

Similarmente, la probabilidad de que ningn cliente efecte la compra, identificndola
como f(0), es:
f(o) = 3! (0.30)
0
(0.70)
3

0!3!
= 3x2x1 (0.30)
0
(0.70)
3

1x3x2x1
= 0.343
Similarmente, se puede utilizar la ecuacin anterior para demostrar que la probabilidades
de 1 y de 3 compras son f(1) = 0.441 y f(3) = 0.027. La tabla 4.5
Muestra resume la distribucin de probabilidad binomial correspondiente al problema de la
tienda de ropa Nastke.

Tabla 4.5 Distribucin de probabilidad para los clientes que efectan una compra

x f(x)
0 0.343
1 0.441
2 0.189
3 0.027
Total 1.000

Valor esperado o esperanza matemtica y varianza para la distribucin binomial.

De la tabla 4.5 podemos utilizar la ecuacin para el valor esperado o esperanza
matemtica de clientes que efectan una compra o el nmero esperado de clientes que
efectan una compra:
= x f(x) = 0(0.343)+ 1(0.441) +2(0.189)+3(0.027) 0.9.
Observe que pudiramos haber obtenido este mismo valor esperado o esperanza
matemtica simplemente multiplicando n (el nmero de intentos)por p (la probabilidad de
aciertos en cualquiera de los intentos).
np = 3(0.30) = 0.90
Para el caso especial de una distribucin de probabilidad binomial, el valor esperado o
esperanza matemtica de la variable amatoria est dada por:
= np

Por lo que, si usted sabe que la distribucin de probabilidad es binomial, no es necesario
que efectelos clculos detallados requeridos por la ecuacin para calcular el valor
esperado o esperanza matemtica.
Ejemplo:
Suponga que durante el mes siguiente la tienda de ropa de Nestke espera que entren a la
tienda 1 000 clientes. Cual es el nmero esperado de clientes que efecten una compra?
Utilizando la ecuacin anterior, la respuesta es = n p = (1000)(0.3) = 300. A fin de
incrementar el nmero esperado de ventas, Nastke debe inducir a que entrenen ms
clientes en la tienda, o de alguna manera incrementar la probabilidad de que algn cliente
en particular efecte una compra una vez que haya entrado.
Para el caso especial de una distribucin binomial la varianza de la variable aleatoria es:
2
= np (1-p)
Para el problema de la tienda de ropa Nastke con 3 clientes, la varianza y la desviacin
estndar para el nmero de clientes que efectan compras son:
2
= np(1-p)=3(0.3)(0.7)=0.63
= 0.63 = 0.79
Distribucin de Poisson:
La distribucin de Poisson se llama as en honor a Simen Dennis Poisson. Esta
distribucin maneja una variable aleatoria discreta que a menudo resulta til cuando nos
enfrentamos con el nmero de ocurrencias de un evento en un intervalo de tiempo o de
espacio especificados. Por ejemplo, la variable aleatoria de inters pudiera ser el nmero
de llegadas a un lavado de automviles en una hora, el nmero de reparaciones que se
requieren en 10 millas de autopista o el nmero de fugas existentes en 100 millas de
oleoducto. Si se satisfacen las dos hiptesis siguientes, es aplicable la distribucin de
probabilidad de Poisson.
1. La probabilidad de ocurrencia de un evento es la misma para cualquiera de 2
intervalos de igual valor.
2. La ocurrencia o no ocurrencia del evento en cualquier intervalo es independiente
de la ocurrencia o no ocurrencia de cualquier otro intervalo. La funcin de
probabilidad de la variable aleatoria de Poisson queda dada por la ecuacin
siguiente:

Donde
= numero promedio de ocurrencias en un intervalo.
e = 2.71828
f(x ) =
x
e
-
para x = 0,1,2.

x!


x = nmero de ocurrencias dentro de un intervalo.
f(x) = probabilidad de x ocurrencias en el intervalo.
Ejemplo.
Suponga que estamos interesados en el nmero de llegadas al cajero automtico
para automovilistas durante un periodo de 15 minutos en las maanas de la semana.
Si suponemos que la probabilidad de que llegue un automvil es la misma para
cualquiera de de 2 periodos de tiempo de igual duracin, y que la llegada o no llegada
de un automvil en cualquier periodo de tiempo, es aplicable la funcin de
probabilidad de Poisson. Entonces, si suponemos que un anlisis de los datos
histricos muestra que el nmero promedio de automviles que llegan durante un
intervalo de 15 minutos es de 1, es aplicable la funcin de probabilidad de Poisson con
= 10.

f(x ) =
x
e
-
=

10
x
e
-10
Para x = 0,1,2,

x! x!
Si deseramos saber cul es la probabilidad de 5 llegadas en 15 minutos, haramos
x = 5?
F(x) = 10
5
e
-10
= 0.0378
5!
Distribucin Normal. La distribucin probabilstica normal y su respectiva curva normal
tienen las siguientes caractersticas:
1. La curva normal es acampanada y presenta un solo pico en el centro de la distribucin. La
media (aritmtica), la mediana y la moda de la distribucin son iguales y estn localizadas
en el pico. De esta forma, la mitad del rea bajo la curva. De esta forma, la mitad del rea
bajo la curva se encuentra por arriba de ese punto central, y la otra mitad por abajo.
2. La distribucin probabilstica normal es simtrica con respecto a su media. Si se corta la
curva normal verticalmente en este valor central, las dos mitades se reflejaran como
imgenes en un espejo.
3. La curva normal decrece uniformemente en ambas direcciones a partir del valor central. Es
asinttica, lo cual significa que la curva se acerca cada vez ms al eje x, pero en realidad
nunca llega a tocarlo. Esto es, los puntos extremos de la curva se extienden
indefinidamente en uno y otros sentidos.

Figura 4.2. Caractersticas
de la distribucin normal.

La curva normal es simtrica
dos mitades idnticas

cola cola

La media ,
La mediana y la moda
Son iguales.

No existe solo una distribucin probabilstica normal, sino que hay una familiade ellas.
Existe una distribucin de probabilidad normal para los tiempos de servicio de los
empleados de la planta de Camden, para la que la media es 20 (aos) y la desviacin
estndar vale 3.1(aos). Existe otra distribucin probabilstica normal para los citados
tiempos de la planta de Durkirk, para la cual =20 y =3.9 en la figura 4.3 se ilustran tres
distribuciones normales para las que las medias son iguales, pero las desviaciones
estndares son diferentes.

Figura 4.3. Distribuciones
Probabilsticas normales con
Medias iguales, pero diferentes
Desviaciones estndares.

En la figura 4.4. Muestra la distribucin de los pesos de empaques de tres cereales. Los
pesos estn distribuidos en forma normal, con medias diferentes, pero con desviaciones
estndares idnticas.

En la siguiente figura 4.5 muestra tres distribuciones normales que tienen distintas
medias y desviaciones estndares. Muestra la distribucin de resistencias a la tensin
medidas en libras por pulgada cuadrada (lb/pulg
2
) [psi] para tres tipos de cables.

=3.1 aos, planta Camden

=3.9 aos, planta de Durkik

= 5.0 aos, planta de Elmira

20 aos
Duracin de servicio

Sugar =1.6 gramos Alphabet =1.6 gramos Weight =1.6 gramos
Yummies G ems Droppers

283 310 321
gramos gramos gramos

Distribucin probabilstica normal.

Se observ que existe una familia de distribuciones normales. Cada distribucin tiene
media () o desviacin estndar (), con valores diferentes. Por lo tanto, el nmero de
distribuciones normales es ilimitado. Resultara fsicamente imposible proporcionar una
tabla de probabilidades (como la binomial y la de Poisson) para cada combinacin de y
. Por fortuna, puede utilizarse un elemento de la familia de distribuciones normales para
todos los

problemas donde tal distribucin resulta aplicable. Tiene una media igual a 0 y una
desviacin estndar igual a 1, y se denomina distribucin normal estndar. Cualquier
distribucin normal puede convertirse en una distribucin normal estndar restando la
media a cada observacin, dividiendo luego entre la desviacin estndar.
Primero se convierte o se estandariza, la distribucin a una distribucin normal estndar
utilizando e valor z,(tambin denominado, a veces, desvo normal estandarizado, o
simplemente desvo normal).

Valor z Diferencia (desviacin) entre un valor seleccionado, denotado por x, y la media ,
dividida tal diferencia entre la desviacin estndar, .
Por tanto, el valor z es la distancia a partir de la media, medida en unidades de la
desviacin estndar.
Expresado lo anterior con una formula queda:

Donde:
X es el valor de cualquier medida u observacin especfica.
es la media de la distribucin.
es la desviacin estndar de la distribucin.
Como se observa por la definicin anterior, el valor z mide la distancia entre el valor
especfico X y la media (aritmtica), en unidades de la desviacin estndar. Conociendo el
= 26

= 41 psi
= 52 psi

2 000 2 048 2 186
Psi Psi Psi
Valor normal estndar Z = X-


valor z determinado por la formula anterior, se puede obtener el rea o la probabilidad
bajo la curva normal. Recurriendo a la tabla del apndice A.
Supngase, como ejemplo que se obtuvo por clculo una z igual 1.91. Cul es el rea
bajo la curva normal entre la media y X? Nos vamos a la tabla del apndice A.
Descindase por la columna izquierda de sta encabezada por la letra z, hasta
1.91.Luego se desplaza horizontalmente hacia la derecha y se lee la probabilidad bajo la
columna encabezada por 0.01. Resulta 0.4719. Esto significa que el 47.19% del rea bajo
la curva se encuentra entre la media y el valor X de 1.91desviaviones estndares por
arriba de la media. Esta es la probabilidad de que una observacin se encuentre entre 0 y
1.91 desviaciones estndares respecto de la media.

Ejemplo.
La media de un grupo de ingresos semanales con distribucin normal para un gran
conjunto de gerentes de nivel medio, es $ 1000(dlares), y la desviacin estndar es de
$100.cul es el valor z para un ingreso X de $1 100?Y para uno de $900?
Solucin.
Utilizando la frmula anterior, los valores z para los dos valores de X ($1 100 y 900) se
calculan como sigue:
Para X =$1 100 Para X = $900

Z = X- Z = X-

= $1 100 $1 000 = $900 - $1 000
$ 100 $100
= 1.00 = -1.00
El valor z de 1.00 indica que un ingreso semanal de $1 100 para un gerente de nivel
medio est una desviacin estndar por encima de la media; una z de -1.00 indica que un
ingreso de $900 est una desviacin estndar por debajo de la media. Obsrvese que
ambos ingresos ($1 100 y $900) estn a la misma distancia ($100) respecto de la media.
reas bajo la curva normal.
Antes de examinar diversas aplicaciones de la distribucin de probabilidad normal
estndar, se consideran tres reas bajo la curva que han de ser utilizadas ampliamente en
los siguientes temas:
1. Aproximadamente 68% del rea bajo la curva normal est dentro de mas una y
menos una desviaciones estndares respecto de la media. Esto se expresa como
1.
2. Aproximadamente 95% del rea bajo la curva normal est dentro de ms dos y
menos dos desviaciones estndares respecto de la media, lo que se expresa por
2.
3. Prcticamente toda el rea (99.7%) bajo la curva normal est dentro de tres
desviaciones estndares respecto de la media (a uno y otro lados del centro) lo
cul se indica por 3.

0.4719

0 1.91 z

Mostrando esto en un diagrama y utilizando porcentajes ms precisos queda:

El transformar las mediciones a valores z(o desvos normales estndares) cambia la
escala. Las conversiones se muestran en el siguiente diagrama. Por ejemplo, +1 se
convierte a un valor z de +1.00. De manera semejante, -2 se transforma en un valor z
de -2.00. Observase que el centro de la distribucin z es cero, lo cul indica que no existe
desviacin respecto de la media, .

Estos conceptos pueden expresarse de manera algo distinta: el rea bajo la curva normal
dentro de ms y menos una desviacin estndar respecto de la media, es 0.6826. El rea
dentro de ms y menos dos desviaciones estndares dentro de la media es 0.9544. El
rea dentro de tres desviaciones estndares respecto de la media vale 0.9974. Y el rea
total bajo la curva normal es 1.0000.

Ejemplo.
Una prueba de vida til para un gran nmero de pilas alcalinas tipo D, revel que la
duracin media para un uso especfico antes de la falla, es de 19.0 horas (h). La
distribucin de las duraciones se aproxima a una distribucin normal. La desviacin
estndar de la distribucin fue 1.2 h.
1. Encuentre que par de valores fall aproximadamente 68% de las pilas?
2. Entre cules dos valores ocurri la falla de alrededor de 95% de las pilas?
3. Entre que par de valores fallaron prcticamente todas las pilas?

Solucin 1. Aproximadamente 68% fall entre 17.8 h y 20.2 h, valores obtenidos de
19.01(1.2)
2. Alrededor de 95% lo hizo entre 16.6 h y 21.4 h, calculado por 19.02(1.2).
3. Prcticamente todas las pilas fallaron entre 15.4 h y 22.6 h, lo que resulta
de 19.03(1.2).

-3 -2 -1 +1 +2 +3 Escala de X

68.26%

95.44%

99.74%

-3 -2 -1 +1 +2 +3 Escala de X
se convierte en

-3 -2 -1 0 1 2 3 Escala de z

-3 -2 -1 +1 +2 +3
15.4 16.6 17.8 19.0 20.2 21.4 22.6

La primera aplicacin de la distribucin normal estndar se relaciona con la determinacin
del rea bajo la curva normal, entre la media y un valor seleccionado, que se denota por
X. Utilizando el mismo problema que en el ejemplo anterior del ingreso semanal [=$1
000(dlares), =$100], Cul es el rea bajo la curva normal entre $1 000 y $1 100?
Ya hemos convertido $1 100 a un valor z de 1.00 aplicando la formula, como reiteracin:
X $1 100- $1 000
Z = = = 1.00
$100

La probabilidad asociada a un valor z de 1.00 ya se calcul y se muestra en la siguiente
tabla:

Representado en un diagrama:

El rea bajo la curva normal entre $1 000(dlares) y $1 100 es 0.3413. Tambin puede
decirse que 34.13% de los ingresos semanales estn entre $1000 y $1 100, y la
probabilidad de que en un ingreso especfico se halle entre $1 000 y $ 1 100, tiene por
valor 0.3413.
z 0.00 0.01 0.02
0.7 0.2580 0.2611 0.2642
0.8 0.2881 0.2910 0.2939
0.9 0.3159 0.3186 0.3212
1.0 0.3413 0.3438 0.3461
1.1 0.3643 0.3665 0.3686

0.3413

0 1.0 Escala de z
$1 000 $1 100 Escala de dlares


Ejemplo.
Refirase al problema anterior [ =$1 000(dlares), =$100].
1. Cul es la probabilidad de que un ingreso semanal especfico seleccionado al
azar entre $790 y $1 000?
2. Cul es la probabilidad de que el ingreso sea menor de $790?
Solucin:
Calculando el valor z para $790 mediante la frmula:

Z = X- = $790-$1 000 = -2.10
$100

1. El rea bajo la curva normal entre y X correspondiente a un valor z de -2.10, es
0.4821. El signo negativo antes de 2.10 indica que el rea est la izquierda de la
media, pero no cambia su tamao.
2. La media divide a la curva normal en dos mitades idnticas. El rea bajo la mitad
de la grfica a la izquierda de la media, vale 0.5000, y el rea que se encuentra a
la derecha de la media tambin es 0.5000. Como el rea bajo la curva entre $790
y $ 1 000 es 0.4824, el rea por abajo de $790 se determina restando 0.4821 de
0.5000. De esta forma, 0.5000-0.4821= 0.0179. En el diagrama queda:

Una segunda aplicacin de la distribucin normal estndar se relaciona con combinar dos
reas, una a la derecha y otra a la izquierda de la media.
Ejemplo.
Volviendo a la distribucin de ingresos semanales [=$1000(dlares), =$100], Cunto
vale el rea bajo la curva normal entre $840 y $1 200 dlares?
Solucin:
El problema se divide en dos partes. Para el rea entre $840 y la media de $1 000:

Z = $840-$1 000 = -$160= -1.60
$100 $100

Para el rea entre la media de $1 000 y $1 200:

Z = $1 200-$1 000 = $200= 2.00
$100 $100

0.5000 0.5000

0.0179
0.4821

-2.10 0 Escala z

El rea bajo la curva para un valor z de -1.60 es0.4452. El rea bajo la curva para un z de
2.00, es 0.4772. Sumando las dos reas queda 0.4452+0.4772=0.9224. d sta forma, la
probabilidad de seleccionar un ingreso entre $840 y $1 200 es 0.9224. En otras palabras,
92.24% de los gerentes tiene un ingreso semanal entre $840 y $1 200. Mostrado en un
diagrama:

Una aplicacin adicional de la distribucin normal estndar consiste en determinar el rea
por encima, o por debajo, de un valor especfico.
Ejemplo:
Considerando de nuevo el ejemplo de los ingresos semanales (=$1 000,=$100), Qu
porcentaje de los ejecutivos tienen ingresos por semana de $1 245 o ms?

Solucin:
Primero es necesario determinar el rea entre la media de $1 000 y $1 245. Se utiliza la
formula para calcular z.

Z = $1 245-$100 = $245 =2.45
$100 $100

El rea asociada a un valor z de 2.45 es de 0.4929. Esta es la comprendida entre $1 000
y $1 245. Resulta lgico que el rea a partir de $1 245 y que llega hasta el final de la
curva, se obtenga al restar 0.4929 de 0.5000. El rea es 0.0071, lo cul indica que slo
0.71% de los ejecutivos tiene un ingreso semanal de $1 245 o mas. En el diagrama
siguiente se muestran los diversos aspectos de ste problema:

Aun otra aplicacin de la distribucin normal estndar implica determinar el rea
entre valores sobre el mismo lado de la media.
Ejemplo
Volviendo al ejemplo de los ingresos semanales (=$ 1000,=$100), Cunto

0.4452 0.4772

$840 $1 000 $1 200 Escala de
Ingresos semanales (en dlares) ingresos
0.5000 0-5000

0.0071
0.4929

x
$1 000 $1 245 Escala de dlares
0 + 2.45 Escala z

vale el rea bajo la curva normal entre $1 150 y $1 250?

Solucin:
El problema se separa de nuevo en dos partes y se aplica la misma formula.
En primer lugar se encuentra el valor z asociado a un ingreso semanal de $1 250:

Z = $1 250-$1 000 = 2.50
$100
En seguida se obtiene el valor z para un ingreso semanal de $1 150:

Z = $1 150-$1 000 = 1.50
$100
De acuerdo a la tabla, el rea asociada a un valor z de 2.50 es 0.4938. Por tanto, la
probabilidad de un ingreso por semana entre $1 000 y $1 250, es 0.4938. En forma
semejante, el rea asociada a un valor z de 1.50 es 0.4332, as que la probabilidad de
un ingreso semanal entre $1 000 y $1 150, es 0.4332. La de un ingresos por semana
entre $1 150 y $1 250 se obtiene restando el rea correspondiente a un valor z de
1.50 (que es 0.4332), de lo que corresponde a un z de 2.50(o sea 0.4938). Por tanto,
la probabilidad de un ingreso semanario entre $1 150 y $1 250, es 0.0606.

En un diagrama:

I.4.4 Actividad de aprendizaje No. 9
1.4.4.1 Instrucciones: Resuelve de manera correctamente los siguientes
ejercicios acerca de valor esperado, varianza, distribucin de binomial y
distribucin de Poisson.
b) Producto esperado: Que los alumnos resuelvan de manera correcta
los ejercicios propuestos.
c) Fecha inicio:
d) Fecha entrega:

Actividad

Resolver ejercicios acerca Resolver los ejercicios 9 Puntos

0.0606

$1 000 $1 150 $1 250 Escala de ingresos
0 1.50 2.50 Escala de z


de valor esperado, varianza
distribucin binomial,
distribucin de Poisson,
propuestos.
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

I.4.4.1 Instrucciones: Resolver un ejercicio que incluya uno de los temas.

h) Valor: 5 Puntos
i) Producto esperado: Que los ejercicios sean resueltos de manera
correcta.
j) Fecha inicio:
k) Fecha entrega:
l) Forma de entrega: escrito a mano
n) Fecha de retroalimentacin:

Actividad

problemas de valor
esperado, varianza,
distribucin binomial y
distribucin de Poisson.
ejercicios de distribuciones
discretas.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

ejercicios acerca de distribuciones continuas.
o) Valor actividad: 10 Puntos
p) Producto esperado: Que los alumnos resuelvan de manera correcta
q) Fecha inicio:
r) Fecha entrega:
s) Forma de entrega: Por separado, escrito a mano
t)) Tipo de actividad: Individual
u) Fecha de realimentacin: El mismo da de entrega.

Actividad


Resolver ejercicios acerca
de distribuciones continuas,
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

I.4.4.1 Instrucciones: Resolver un ejercicio que incluya distribuciones
continuas.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problemas de distribuciones
continuas.
ejercicios de distribuciones
continuas.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria los problemas propuestos de distribuciones discretas y continuas.
I.4.6 Bibliografa:

Mtodos cuantitativos para los negocios.
David R. anderson/Dennis J. Sweeney/Thomas A.Williams. Editorial International
Thomson Editores 1998.

Unidad Temtica: 2. Estimacin
2.1Tema: Estimacin puntual
2.1.1 Objetivo de aprendizaje: Que el alumno adquiera los conocimientos acerca de
estimaciones puntuales en medias y en proporciones, As como su correcta aplicacin en
problemas reales de empresa
2.1.2 Recurso tiempo del tema: 4.0 horas
2.1.3 Desarrollo:

Estimacin puntual. El valor, calculado a partir de la informacin de muestreo, que se
emplea para estimar el parmetro de poblacin.
La media muestral, , es una estimacin puntual de la media poblacional, ,.
P es una estimacin puntual de p y as mismo la desviacin estndar de la muestra S es
una estimacin puntual de la desviacin estndar de la poblacin o.
Supngase que una empresa desea calcular la edad promedio de compradores de
equipos estreo. Se selecciona una muestra aleatoria de 50 adquirientes recientes, se
determina la edad de cada uno y se calcula la edad media de los seleccionados. El valor
medio de esta muestra es una estimacin puntual de la media poblacional.
Sin embargo, un valor estimado puntual representa slo una parte de la historia. Al tiempo
que se espera que la estimacin puntual se acerque al parmetro de la poblacin,
quisimos medir que tan cerca se encuentra. Un intervalo de confianza cumple con ste
propsito.
Estimacin por intervalo de confianza Una gama de valores obtenidos a partir de datos
de muestreo, de modo que el parmetro ocurre dentro de esa variedad a una probabilidad
especfica. La probabilidad especfica en cuestin se denomina nivel de confianza.
Ejemplo
El gerente de puede decidir que la media poblacional est en algn sitio entre v $35 y
$38. Tal intervalo con frecuencia va acompaado de una afirmacin sobre el nivel de
confianza que se da en su exactitud. Por tanto se llama intervalo de confianza (I.C).
En realidad hay tres niveles de confianza relacionados comnmente con los intervalos de
confianza; 99%, 95% y 90%. No hay nada mgico sobre stos tres. Se podra calcular un
intervalo de confianza de 82% si se deseara. Estos tres niveles de confianza,
denominados coeficientes de confianza, son simplemente convencionales. El gerente
mencionado anteriormente puede tener un 95% de confianza en que la media poblacional
est entre $35 y $38.
Las estimaciones por intervalo gozan de ciertas ventajas sobre las estimaciones
puntuales. Debido al error de muestreo, probablemente no ser igual a . Sin embargo,
no hay manera de saber que tan grande es el error de muestreo.

El fundamento de un intervalo de confianza.

Intervalo de confianza tiene un lmite inferior de confianza (LIC) y un lmite superior de
confianza (LSC). Estos limites se hayan calculando primero la media muestral, . Luego
se suma una cierta cantidad para obtener el LSC, y la misma cantidad se resta de
para obtener el LIC.
Cmo se puede construir un intervalo y luego argumentar que se puede tener un 95% de
confianza en que contiene a , si incluso no se sabe cul es la media poblacional? Vale la
pena recordar de la discusin anterior sobre la Regla Emprica que el 95.5% de todas las
medias muestrales caen dentro de dos errores estndar de la media poblacional.
Entonces la media poblacional est mximo a dos errores de 95.5% de todas las medias
muestrales. Por tanto, al comenzar con cualquier media muestral, si se pasa de dos
errores estndar por encima de dicha media y dos por debajo de ella, se puede tener un
95.5% de confianza en que el intervalo resultante contenga la media poblacional
desconocida.

La informacin desarrollada acerca de la forma de una distribucin de muestreo de
medias muestrales, lo cual significa una distribucin de muestreo de , permite localizar
un intervalo que contenga una probabilidad especfica de incluir a la media de la
poblacin, . Para muestras razonablemente mayores, se puede utilizar el teorema del
lmite central y afirmar lo siguiente.
1.Un 95% de las medias muestrales seleccionadas de una poblacin estar dentro de 1.96
desviaciones estndares respecto de la media poblacional,.
La desviacin estndar mencionada aqu es la desviacin estndar de la distribucin de muestreo
de medias mustrales. Los intervalos calculados de sta manera se denominan el intervalo de
confianza de 95%Cmo se obtiene el valor de 1.96? El 95% se refiere al porcentaje de tiempo
del intervalo construido similarmente que incluye el parmetro que se estima. Por ejemplo, el 95%
se refiere al 95% central de las observaciones. Por tanto, el 5% restante se divide por igual entre
los dos extremos. Vase el diagrama siguiente:

95.5%

2x

= ?
LIC1 -2 x X1 +2 x LSC1

El teorema de lmite central afirma que la distribucin de muestreo de las medias
muestrales se aproxima a la normal. Por lo tanto, puede utilizarse la tabla del apndice A,
para determinar los valores de z adecuados. Localice 0.4750 en el cuerpo de la tabla, y
despus lase los valores correspondientes de columna e hilera. As resulta 1.96. De
modo que la probabilidad de encontrar un valor z entre 0 y 1.96 es 0.4750. Del mismo
modo, la probabilidad de que est en el intervalo -1.96 y 0, es tambin 0.4750. Cuando se
combinan ambas, la probabilidad de encontrarse en el intervalo de
-1.96 a 1.96 resulta ser 0.9500.

Error Estndar de la Media Muestral (
x
). Desviacin estndar de la distribucin de
muestreo de las medias muestrales.
El error estndar es una medida de la variabilidad de la distribucin de muestreo de la
media muestral. Se calcula mediante:

Donde:
x
es el error estndar de la media, tambin denominado desviacin estndar de la
distribucin de muestreo de la media.

0.5000 0.5000
0.5000 0.5000

0.4750 0.4750

0.25 0.025

-1.96 1.96 Escala de z
Error estndar de la media,
cuando se conoce la desviacin x =
estndar de la poblacin. n

es la desviacin estndar de la poblacin.
n es el tamao de la muestra.
En la mayora de los casos, se desconoce la desviacin estndar de la poblacin. Por lo
tanto, se reemplaza con la desviacin estndar de la muestra. Esto es, se cambia por s.
Despus se escribe la formula de la manera siguiente:

Dos valores afectan el tamao del error estndar. El primero es la desviacin estndar. Si
sta es grande, entonces el error estndar tambin lo ser. Sin embargo, el tamao de la
muestra tambin afecta al error estndar. Al aumentar el tamao de la muestra, el error
estndar disminuye, indicando esto que hay menor variabilidad en distribucin de las
medias muestrales. Esta conclusin es lgica, ya que una estimacin realizada de una
muestra grande debe ser ms precisa que un clculo hecho a partir de una muestra
pequea.
Cuando el tamao de la muestra, n, es al menos igual a 30, generalmente se acepta que
el teorema de lmite central asegurar una distribucin normal de las medias muestrales.
Esta es una consideracin importante. Si las medias muestrales se distribuyen en forma
normal, en los clculos se puede utilizar la distribucin estndar normal, esto es, z.

2.2. Tema: Estimacin por intervalos.
2.2.1 Objetivo de aprendizaje: Que el alumno adquiera los conocimientos acerca de
estimaciones por intervalos de medias y proporciones, as como su correcta aplicacin a
problemas reales de empresa.
2.2.3 Desarrollo:
Los intervalos de confianza de 95% y de 99% se calculan como sigue, cuando n 30

Otros niveles de confianza pueden ser empleados. Para estos casos el valor z cambia
correspondientemente. En general, un intervalo de confianza para la media se calcula por:

Error estndar de la media
con base en la desviacin Sx = s
estndar de la poblacin n
Intervalo de confianza X 1.96 s
De 95% para una media n
Intervalo de confianza X 2.58 s
De 99% para una media n

Intervalo de confianza X z s
Para una media n

Donde z es el nivel de confianza.
Ejemplo:
En un experimento se trata de seleccionar una muestra aleatoria de 256 gerentes de nivel
medio. Un elemento de inters es el ingreso anual. La media muestral vale $45 420
(dlares) y la desviacin estndar en la muestra, es $2 050.
Cul es el intervalo de confianza de 95% para la media de la poblacin (redondeando a
los $10 ms cercano)?

Solucin.
El intervalo de confianza est entre $45 170 y $45 670, que se obtiene mediante:

X 1.96 s = $45 4201.96 $2 050
n 256
= $45 420251.125
= $45 168.875 y $45 671.125
Estos puntos extremos se redondean frecuentemente y, en este caso, se registraran
como $45 170 y $45 670.

FACTOR DE CORRECCION PARA UNA POBLACIN FINITA
Una poblacin que tiene un lmite superior fijo se considera finita. Por ejemplo, hay 21 376
estudiantes inscritos en una universidad del este de Illinois, y la empresa Chrysler Jeep
Corp, manufactur 917 unidades en su planta de Arkansas el ao pasado. Una poblacin
finita puede ser notablemente pequea; por ejemplo podra constar de todos los alumnos
inscritos en este ciclo escolar. Una poblacin tambin puede ser muy grande, como todos
los ciudadanos senectos que viven en Florida.
Para una poblacin finita, donde el nmero total de objetos es N y el tamao de la
muestra es n, se hace el siguiente ajuste de errores estndares de medias.

Error estndar de las medias mustrales utilizando un factor de correccin:

Este ajuste se denomina factor de correccin para poblacin finita Por qu es necesario
aplicar un factor y cul es su efecto? Lgicamente si la muestra es un porcentaje


considerable de la poblacin, entonces se esperara que cualesquiera estimaciones
fueran mas precisas que las correspondientes a muestras pequeas.
Observase el efecto del trmino (N-n) / (N-1). Supngase que la poblacin es1000 y la
muestra es 100. Entonces tal razn vale (1000-100) /(1000-1), o sea, 900/999, con la raz
cuadrada se obtiene el factor de correccin 0.9492. Multiplicando por el error estndar, se
reduce el error aproximadamente un 5%(1-0.9492~ 0.05). Esta reduccin en el tamao
del error estndar resulta en un intervalo de menor de valores en la estimacin de la
media poblacional.
Si la muestra es de 200, el factor de correccin es 0.8949, lo que significa que el error
estndar se reduce en ms de 10%.
Regla General. Si la razn n/N es menor que 0.05, se omite el factor de correccin para
poblacin finita.

Tamao de muestra Fraccin de la poblacin Factor de correccin
10 0.010 0.9955
25 0.025 0.9879
50 0.050 0.9752
100 0.100 0.9492
200 0.200 0.8949
500 0.500 0.7075

Ejemplo: Hay 250 familias en el pequeo poblado de Scandia. Una encuesta de 40
de ellas revel que la contribucin media anual a la iglesia es de $450(dlares)
con una desviacin estndar de $75. Establezca un intervalo de confianza del 95%
par la contribucin media anual.

Datos
X= $450
Z
95%
= 1.96 4501.96

\
|
|
|
.
|
1 250
40 250
40
75

S= $75
n = 40
N = 250
Intervalo de confianza para una proporcin de la poblacin.
Una estimacin puntual para una proporcin poblacional se obtiene dividiendo el nmero
de xitos en la muestra, entre el nmero total de muestreado.
Ejemplo:
Supngase que 100 de las 400 personas muestreadas afirman que prohibieron un nuevo
refresco que probaron, en comparacin con el que consumen regularmente.
La mejor estimacin de la proporcin de la poblacin que est a favor de la nueva bebida
es 0.25, o sea 25% que se obtiene dividiendo 100/400. Observase que una proporcin se
basa en un conteo del nmero de xitos con relacin del nmero total muestreado.


Como se estima el intervalo de confianza para una proporcin de poblacin?

Donde
p
es el error estndar de la proporcin.

Por tanto, el intervalo de confianza se establece mediante:

Donde:
P = es la proporcin muestral.
Z = es el valor de z del grado de confianza seleccionado.
n = es el tamao de la muestra.
Ejemplo
Suponga que 1600 de 2000 trabajadores sindicalizados que se muestrean dijeron que
planean poner a votacin una propuesta para unirse a una federacin. Si se utiliza un
nivel de confianza de 0.95 Cul es la estimacin de intervalo para la proporcin
poblacional A que conclusin se llegara con base en el intervalo de confianza?

Solucin:
Utilizando la formula anterior , el intervalo se calcula como sigue:

pz p (1-p) = 0.801.96 0.80(1-0.80)
n 2 000
= 0.801.960.00008
Intervalo de confianza utilizando p z
p

Una proporcin de la poblacin
Error estndar de la
p = p (1-p )

proporcin muestral n
Intervalo de confianza para
una proporcin muestral p z p - (1 - p)
n

= 0.782 y 0.818
Los lmites de confianza 78.2 y 81.8%; supngase que por lo menos 75% de los
miembros del sindicato deben aprobar la fusin. Con base en los resultados de la
muestra, cuando votan todos los trabajadores sindicalizados, la propuesta probablemente
ser aceptada debido a que 0.75 est por debajo del intervalo 0.782 y 0.818
2.2.4Actividad de aprendizaje No. 1
ejercicios acerca de intervalos de confianza para un
media muestral.
c) Fecha inicio:
d) Fecha entrega:

2.2.4.1 Criterio de evaluacin de la actividad TA-1
Actividad

de intervalos de confianza
para medias muestrales.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

PR- 1 Resolver ejercicios prcticos
2.2.4.2 Instrucciones: Resolver un ejercicio acerca de una media muestral.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

2.2.4.2 Criterio de evaluacin de la actividad PR-1
Actividad

Practica escrita que
contenga problemas de
ejercicios de intervalo de
4 Puntos

intervalo de confianza para
medias muestrales.
confianza para medias
muestrales.
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

ejercicios acerca de intervalos de confianza para
una proporciones muestrales.
c) Fecha inicio:
d) Fecha entrega:

Actividad

de intervalos de confianza
para una proporcion.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 5.0 puntos

2.2.4.2 Instrucciones: Resolver un ejercicio de intervalos de confianza en
proporciones muestrales.
h) Valor: 5 Puntos
i) Producto esperado: Que el ejercicio sea resuelto de manera correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

intervalo de confianza para
un ejercicios de intervalo de
confianza para
4 Puntos

proporciones muestrales. proporciones muestrales.
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

2.2.5 Resultado del Aprendizaje: Se pretende que los alumnos resuelvan de manera
satisfactoria los problemas propuestos de intervalos de confianza para medias y para
proporciones muestrales..
2.2.6 Bibliografa:
Robert D. Mason/ Douglas A. Lind/ William G. Marcial. Editorial Alfa omega.


Estadstica aplicada a los negocios y la economa.
Allen L. Webster
Editorial McGraw Hill 2001.
2.3. Tema: Determinacin del tamao de la muestra.
2.3.1 Objetivo de aprendizaje: Que el alumno conozca los tipos de errores existentes as
como la determinacin de tamaos de muestra al analizar problemas de empresa..
2.3.3 Desarrollo:

Una de las preocupaciones mas comunes cuando se disea un estudio estadstico es:
Cuntos elementos deben incluirse en la muestra? Si sta es demasiado grande, se
derrocha intilmente dinero en la recoleccin de datos. De forma semejante, si la muestra
es demasiado pequea, las conclusiones resultantes podran ser incorrectas. El tamao
correcto de la muestra depende de tres factores:
1. El nivel de confianza deseado.
2. El mximo error permisible por el investigador.
3. La variacin en la poblacin que se estudia.
Usted como investigador, selecciona el nivel de confianza. Como se observ en la seccin
anterior, los niveles de 95% y de 99% son los que se eligen con mayor frecuencia. Un
nivel de confianza de 95% corresponde a un valor z de 1.96, y uno de 99% corresponde
a un valor z de 2.58. Cuanto ms alto sea el nivel de confianza, tanto mayor ser el
tamao de la muestra.

El error mximo permisible, denotado como E, es la cantidad que se suma y resta de la
media muestral para determinar los puntos extremos del intervalo de confianza. Es la
cantidad de error que el investigador est dispuesto a tolerar. Asimismo, corresponde a la
mitad de la anchura del intervalo de confianza correspondiente. Un pequeo error
admisible requerir una muestra grande, y un error grande de esa clase aceptar el uso
de una muestra menor.
El tercer factor al determinar el tamao de una muestra es la desviacin estndar de la
poblacin. Si sta ltima est dispersa ampliamente, se requiere una muestra grande. Por
otra parte, si la poblacin est concentrada (es homognea), el tamao requerido de la
muestra ser menor. Sin embargo, es posible que sea necesario encontrar una
estimacin para la desviacin estndar poblacional. A continuacin se expresan tres
indicaciones:
Utilice el enfoque del estudio de comparabilidad cuando hay un estimado de la dispersin
disponible segn otro estudio. Supngase que se desea estimar el nmero de horas de
trabajo a la semana por trabajares determinados. Quizs la informacin procedente de
ciertas agencias estatales o federales, que regularmente toman muestras de la fuerza
laboral, podra ser til para hacer un clculo de la desviacin estndar. Si se considera
que una desviacin estndar observada en un anlisis anterior es confiable. Se puede
usar en el estudio actual como ayuda para obtener un tamao aproximado de la muestra.
Si no est disponible alguna estimacin de un estudio anterior, puede ser apropiado
emplear una aproximacin basada en un intervalo de variacin. Para aplicar este enfoque
se necesita conocer o tener una estimacin de los valores mas grandes y los mas
pequeos en la poblacin. Recurdese que se describi la regla emprica; que se podra
esperar que casi todas las observaciones estuvieran entre 3 desviaciones estndares
respecto de la media, dado que la distribucin fuese aproximadamente acampanada, es
decir, normal. Por tanto, la distancia entre el valor ms grande y el valor ms pequeo, es
6. Se podra estimar la desviacin estndar como un sexto de la amplitud de variacin.
Por ejemplo, supngase que la directora de operaciones de un banco desea una
estimacin del nmero de retiros que estudiantes de universidad hacen al mes. Que la
distribucin se aproxima a la normal, que el nmero mnimo de documentos presentados
es 2 por mes, y que el mximo es 50.El intervalo de variacin de la cantidad de retiros
mensuales es 48, obtenido por 50-2. Entonces, la estimacin de la desviacin estndar
sera 8 retiros por mes, de 48/6.

El tercer enfoque para evaluar la desviacin estndar es realizar un estudio piloto. Este es
el mtodo mas comnmente utilizado. Supngase que se desea obtener una estimacin
del nmero de horas de trabajo a la semana de estudiantes inscritos en la Escuela de
Administracin de la Universidad de Texas. Para probar la validez del cuestionario, se
aplica en una pequea muestra de alumnos. A partir de sta, se calcula la desviacin
estndar del nmero de horas de labor, y se utiliza ste para determinar el tamao
adecuado de la muestra.
Puede expresarse la interaccin entre esto tres factores y el tamao de la muestra con la
frmula que sigue:

Despejando n en esta ecuacin, se tiene el tamao requerido de la muestra.

Donde:
n es el tamao de muestra.
z es el valor normal estndar correspondiente al nivel de confianza deseado.
s es un estimado de la desviacin estndar de la poblacin.
E es el mximo error permisible.
El resultado de ste calculo no siempre es un nmero entero, por lo que la prctica usual
es redondear cualquier nmero fraccionario. Por ejemplo, 201.22 se redondea a 202.
Ejemplo
Un estudiante de administracin pblica desea determinar el ingreso medio de los
miembros de concejos urbanos. El error al estimar la media es menor que
$100(dlares)con un nivel de confianza de 95%. El estudiante encontr un informe
presentado por el Departamento del Trabajo que estimaba la desviacin estndar en $1
000. Cul es el tamao de muestra requerido?
Solucin.
E = z s
n
Tamao de muestra z.s
2

Para estiman una media. n = E

El mximo error permisible, E, es $100. El valor z para un nivel de confianza de 95% es
1.96, y el estimado de la desviacin estndar es $1 000. Al introducir estos valores en la
formula anterior, se tiene el tamao requerido de la muestra:

= n ( 1.96) ($1 000)
2

$ 100
n = (19.6)
2

n = 384.18 385
El valor calculado de 384.18 se redondea a 385. Se requiere una muestra de 385 para
cumplir con las especificaciones.
El procedimiento que se acaba de describir se adapta para determinar el tamao de la
nuestra para una proporcin. Nuevamente, se necesita especificar tres conceptos:
1. El nivel de confianza deseado, generalmente 95%, o bien 99% .
2. El margen de error que se requiere en la proporcin de la poblacin.
3. Un estimado de la proporcin poblacional.
La formula para determinar el tamao de la nuestra de una proporcin es:

Es posible utilizar un clculo de si se encuentra disponible a partir de un estudio piloto o
alguna otra fuente. De otra manera, se utiliza 0.50, porque el trmino p(1-p) nunca puede
ser mayor que cuando p = 0.50. Por ejemplo, si p = 0.30, entonces p(1-p) = 0.30(1 - 0.30)
= 0.21, pero cuando p = 0.50, p(1-p) = 0.50(1 - 0.50) = 0.25.
Ejemplo
El estudio en el ejemplo anterior tambin estima la proporcin de ciudades que cuentan
con cobradores privados. El estudiante quiere que el clculo se halle dentro de 0.10 de la
proporcin de la poblacin, el nivel deseado de confianza es de 90%, y no hay alguna
estimacin disponible para la proporcin de la poblacin. Cul es el tamao requerido de
la muestra?
Solucin
El valor estimado de la proporcin poblacional se encuentra dentro de 0.10, por lo tanto E
= 0.10. El nivel deseado de confianza es 0.90, lo cual corresponde a un valor z de 1.65.
Tamao de muestra para n = p(1-p)( z / E )
2

una proporcin.

Ya que no existe ningn clculo de la proporcin de poblacin, se utilizar 0.50. El tamao
requerido de la muestra es:
n = (0.50)(0.50)(1.65/0.10)
2

n = 68.0625
El estudiante necesita una muestra aleatoria de 69 ciudades.

2.3.4. Actividad de aprendizaje No. 5
ejercicios acerca tamao de muestras para medias.
c) Fecha inicio:
d) Fecha entrega:

Actividad

de tamao de muestra para
medias.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

2.3.4.2 Instrucciones: Resolver un ejercicio de intervalos de confianza en
medias y proporciones.
h) Valor: 5 Puntos
i) Producto esperado: Que el ejercicio sea resuelto de manera correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

tamao de muestra para
un ejercicio de tamao de
muestra para medias y
4 Puntos

medias y proporciones. proporciones.
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria los problemas propuestos de tamao de muestra para medias y
proporciones.
2.3.6 Bibliografa:

Unidad Temtica: 3. Pruebas de hiptesis
3.1Tema: Realizar pruebas de hiptesis para medias.
3.1.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para
contrastar hiptesis para medias.
3.1.3 Desarrollo:
Hiptesis Enunciado acerca de una poblacin elaborado con el propsito de
poner a prueba
En la mayora de los casos la poblacin es tan grande que por diversas razones no seria
factible estudiar todos los elementos, objetos, personas en la poblacin. Por ejemplo seria
prcticamente imposible entrevistar a todos los analistas de sistemas en Estados Unidos,
para averiguar su ingreso mensual. De igual modo, un departamento de aseguramiento
de la calidad no puede verificar la resistencia a la ruptura de cada ampolleta producida,
para determinar si est entre 5 y 20 psi (libras por pulgada cuadrada).
Una alternativa de medir o entrevistar a la poblacin completa es tomar una muestra de la
poblacin de inters. Por tanto, es posible probar una afirmacin a fin de determinar si la
evidencia emprica de la muestra fundamenta o no la afirmacin concerniente a la
poblacin.
Qu es la prueba de hiptesis?
Las expresiones prueba de hiptesis y probar una hiptesis se emplean correlativamente.
La prueba de hiptesis principia con una afirmacin, o supuesto, acerca de un parmetro
de poblacin, como la media poblacional. Como se ha dicho, este enunciado se
denomina hiptesis. Una hiptesis podra ser que la comisin mensual media de
vendedores de computadoras al menudeo, es de $2 000. El costo de localizar e
interrogar a cada vendedor de computadoras de Estados Unidos, sera exorbitante. Para
probar la validez de la afirmacin ( = $2 000) debe seleccionarse una muestra de la
poblacin formada por todos los vendedores de tal equipo, calcular valores estadsticos
muestrales y, con base en determinadas reglas de decisin, aceptar o rechazar la
hiptesis. Una media muestral de $1 000 para los citados agentes de ventas en definitiva
provocara el rechazo de la hiptesis. Sin embargo, supngase que la media muestral es
$1 995.Se aproxima lo suficiente a $2 000 para aceptar el supuesto de que la media
poblacional vale $2 000?Puede atribuirse la diferencia de $5 entre las dos medias a error
muestreo, o tal diferencia es significativa estadsticamente?

Prueba de hiptesis Procedimiento basado en la evidencia muestral y en la teora de
probabilidad que se emplea para determinar si la hiptesis es un enunciado
razonable.
Procedimiento de cinco pasos para probar una hiptesis:
Existe un procedimiento de cinco pasos que sistematiza la prueba de hiptesis; al llegar al
paso 5, se tiene ya la capacidad de tomar la decisin de rechazar o no la hiptesis. Sin
embargo, la prueba en cuestin segn la usan los estadsticos no proporciona
comprobacin de que algo es verdadero, en la forma como un matemticoprueba una
afirmacin. Aporta una clase de prueba mas all de una duda razonable segn se hara
en un proceso judicial. Por tanto, hay reglas especficas de evidencia, o procedimientos,
que se siguen.
1. Plantear la hiptesis nula y la alternativa.
2. Seleccionar un nivel de significacin.
3. Identificar el valor estadstico de prueba.
4. Formular una regla de decisin.
5. Tomar una muestra y llegar a una decisin.

1. Plantear la hiptesis nula (H
o
) y la hiptesis alternativa: (H
1
)
El primer paso es plantear la hiptesis que ha de ser probada. Se le denomina hiptesis
nula, es designada mediante H
o
, y se lee H subcero: La letra H significa hiptesis y el
subndice cero indica no hay diferencia. Por lo general hay un no en la hiptesis nula,
que indica que no hay cambio. La hiptesis nula en un primer ejemplo sera el nmero
medio de millas que se recorren utilizando la llanta de acero especial, es 60 000. La
hiptesis nula se escribira H
o
; = 60 000. En trminos generales, la hiptesis nula se
plantea con el objetivo de probar. Podemos rechazarla o aceptarla. Tal hiptesis es una
afirmacin que se aceptar si los datos muestrales no pueden proporcionar evidencia
convincente de que es falsa.
Hay que subrayar que si la hiptesis nula se acepta con base en datos muestrales, no es
posible afirmar que tal hiptesis es verdadera. En otras palabras, aceptarla no prueba que
H
o
se cumpla, sino que ms bien significa que no se puede refutar H
o
. Para probar sin
duda alguna que la hiptesis nula es verdadera, el parmetro poblacional debe ser
conocido. A fin de determinar esto en realidad, se tendra que probar, investigar o contar
cada elemento de la poblacin. Por lo general, esto no es posible.. La alternativa es tomar
una muestra de la poblacin.
Tambin hay que observar que, a veces, la hiptesis nula principia afirmando que:No hay
una diferencia significativa entre, o bien,La resistencia media al impacto, del vidrio, no
es significativamente diferente de. Cuando se selecciona una muestra de una
poblacin, el valor estadstico muestral por lo general es numricamente distinto del
parmetro poblacional hipottico. Como ejemplo, supngase que la resistencia hipottica
al impacto en el caso de una placa de vidrio es 70 psi (libras por pulgada cuadrada), y la
resistencia media al impacto de una muestra de 12 placas de vidrio es 69.5 psi. Debe
emitirse un juicio acerca de la diferencia de 0.5 psi.Es una diferencia verdadera - esto
es, una diferencia significativa - o la diferencia entre el valor estadstico muestral, (69.5) y
el parmetro poblacional hipottico (70.0)se debe al azar (muestreo)?Como se observ,

para contestar a esta pregunta se realiza una prueba de significancia, comnmente
denominada prueba de hiptesis . El significado de una hiptesis nula es:
Hiptesis nula Afirmacin (o enunciado acerca del valor de un parmetro poblacional.
La hiptesis alternativa describe lo que se considerar si se rechaza la hiptesis nula. Se
designa por H
1
y se lee H subuno. Con frecuencia se denomina tambin como la
hiptesis de investigacin. La citada hiptesis alternativa ser aceptada si los datos
muestrales proporcionan evidencias estadsticas suficientes de que la hiptesis nula es
falsa.
Hiptesis alternativa Afirmacin que se aceptar si los datos muestrales proporcionan
amplia evidencia de que la hiptesis nula es falsa.
El siguiente ejemplo ayudar a entender el significado de la hiptesis nula y alternativa.
Un artculo reciente indic que la edad media de las aeronaves comerciales en Estados
Unidos es de 15 aos. Para realizar una prueba estadstica referente a este enunciado, el
primer paso es determinar las hiptesis mencionadas. La hiptesis nula representa la
condicin actual o reportada. Se escribe que Ho: =15. La hiptesis alternativa es que el
enunciado no es verdadero, esto es 15. Es importante recordar que sin que importe
cmo se haya planteado el problema, la hiptesis nula siempre incluir el signoigual. El
signo igual(=) nunca aparecer en la hiptesis alternativa. Por qu? Porque la hiptesis
nula es el enunciado a probar. Se recurre a la hiptesis en alternativa slo si se prueba
que la hiptesis nula es falsa.
2. Seleccionar un nivel de significacin.
Nivel de significancia Probabilidad de rechazar la hiptesis nula cuando es verdadera.
El nivel de significancia se denota mediante . La letra griega alfa. Algunas veces tambin
se denomina nivel de riesgo. Este ltimo es un trmino mas adecuado, ya que es el
riesgo que existe al rechazar la hiptesis nula cuando en realidad es verdadera.
No hay un nivel de significancia que se aplique a todas las pruebas. Debe tomarse una
decisin de usar el nivel 0.05 (que con frecuencia se enuncia como nivel de 5%), el nivel
0.01, el 0.10 cualquier otro nivel entre 0 y 1. Tradicionalmente se selecciona el nivel de
0.05 para proyectos de investigacin sobre consumo, el de 0.01 para el aseguramiento de
la calidad, y el 0.10 para encuestas polticas. Como investigador, usted debe decidir el
nivel de significancia antes de formular una regla de decisin y recopilar datos muestrales.
A fin de ilustrar como es posible rechazar una hiptesis verdadera, supngase que una
compaa que fabrica computadoras personales utiliza un gran nmero de tableros con
circuitos impresos. Los proveedores ofrecen diversos tableros y al que presente el de
mejor condicin, se le acepta un contrato de venta considerable. En tal contrato se
especifica que el departamento de aseguramiento de calidad del fabricante de
computadoras muestrear todos los envos de tableros que se reciban. Si ms del 6% de
los muestreados est por debajo del valor estndar, se rechazar el envo. La hiptesis
nula es que la remesa de tableros que se recibe contiene el 6% o menos productos
subestndares. La hiptesis alternativa es que ms del 6% de los tableros estn
defectuosos.
Una muestra de 50 tableros de circuitos que se recibi en cierto da de una empresa
electrnica, revel que 4 de ellos o sea, el 8%- estaban por debajo del estndar. El
embarque se rechaz porque exceda el mximo del 6% de tableros de tipo subestndar.
Si la remesa era en realidad de tal clase, entonces fue correcta la decisin de devolver los
productos al proveedor. Sin embargo, supngase que los 4 tableros subestndares que

se seleccionaron de la muestra de 50, eran los nicos de ese tipo en el envo de 4 000
tableros. Entonces solo 1/10 de 1% eran defectuosos (4 /4000 = 0.001). En este caso,
menos del 6% del envo completo estaba por debajo del estndar y fue un error rechazar
la remesa. En trminos de la prueba de hiptesis, se rechaza la hiptesis nula de que el
envo no era subestndar, cuando debi haberse aceptado tal hiptesis nula. Al rechazar
una hiptesis verdadera, se cometi un error tipo I. La probabilidad de cometer un error de
tal clase es .
Error tipo I Rechazar la hiptesis nula, H
o
, cuando en realidad es verdadera.
La probabilidad de cometer otra clase de error, denominado error tipo II, se denota con la
letra griega ().
Error tipo II Aceptar la hiptesis nula cuando en realidad es falsa.
El fabricante de las computadoras personales cometera un error tipo II si,
desconocindolo, en un envo de circuitos impresos que se recibiera de la empresa
manufacturera, hubiera 15% de tableros subestndares y, a pesar de ello se aceptara el
envo. Cmo podra suceder esto? Supngase que 2 de los 50 tableros en la muestra
(4%) probados estuvieran por abajo del estndar, y que 48 de los 50 fueran aceptables.
De acuerdo con el procedimiento sealado, debido a que la muestra contena menos de
6% de tableros subestndares, el envo se acept. Podra ser que debido al azar, los 48
tableros que se seleccionaron en la muestra fueran los nicos aceptables en la remesa
completa, que consta de miles de unidades!
Retrospectivamente, el investigador no puede estudiar cada elemento o individuo de la
poblacin. Por tanto, hay una posibilidad de incurrir en dos tipo de error, uno de tipo I,
cuando se rechaza la hiptesis nula en vez de haberla aceptado, y uno de tipo II, si se
acepta la hiptesis nula cuando debera haberse rechazado.
Suele denominarse a estos dos errores posibles como error alfa,, y error beta,. El
alfa() es la posibilidad de cometer un error tipo I, y el beta() es la probabilidad de
cometer un error tipo II.
En la siguiente tabla se resumen las decisiones que podr`ia tomar el investigador y las
consecuencias posibles.

Investigador

Hiptesis Nula De acepta Ho Se rechaza Ho
Ho es verdadera Decisin correcta Error de tipo I
Ho es falsa Error tipo II Decisin correcta.

3. Identificar el valor estadstico de prueba.
Existen muchos valores estadsticos de prueba. En este capitulo reutiliza el valor z.
Valor estadstico de prueba Valor obtenido a partir de la informacin muestral, que se
utiliza para determinar si se rechaza la hiptesis nula.
En las pruebas de hiptesis para la media (), el valor estadstico de prueba z se
determina a partir de:

Z de distribucin como valor
estadstico de prueba z = x
/n

El valor z se basa en la distribucin muestral , que se distribuye de manera normal
cuando la muestra es razonablemente grande con una media (
X
) igual a , y una
desviacin estndar
x,
que es igual a n. De sta manera se puede determinar si la
diferencia entre y es estadsticamente significativa encontrando el nmero de
desviaciones estndares que esta a partir de aplicando la formula anterior.

4. Formular una regla de decisin.
Una regla de decisin es un enunciado de las condiciones segn las que se
acepta o se rechaza la hiptesis nula. La regin de rechazo define la ubicacin de
todos los valores que son demasiado grandes o demasiado pequeos, por lo que
es muy remota la probabilidad de que ocurran segn una hiptesis nula verdadera.

Obsrvese en el diagrama en cuestin que:
1. La regin de no rechazo(o aceptacin) de la hiptesis nula incluye el rea a la
izquierda de 1.65. Ms adelante se explicar como llegar al valor de 1.65.
2. El rea de rechazo est a la derecha de 1.65.
3. Se aplica una prueba de una cola (Esto se explicar mas adente).
4. Se eligi el nivel de significancia de 0.05.
5. La distribucin muestral del valor estadstico z es de tipo normal.
6. El valor 1.65separa las regiones de rechazo y aceptacin de la hiptesis nula.
7. El valor de 1.65 se denomina valor crtico.
Valor crtico Nmero que es el punto divisorio entre la regin de aceptacin y la regin de
rechazo, de la hiptesis nula.
5. Tomar una muestra y llegar a una decisin.
El quinto y ltimo paso en la prueba de hiptesis es la toma de la decisin de rechazar o
no la hiptesis nula. Respecto al diagrama anterior si, con base en informacin muestral
se calcula que z es 2.34, y la hiptesis nula se rechaza en el nivel de significancia de
0.05. Se tom la decisin de rechazar H
0
debido a que 2.34 se encuentra en la regin de
no aceptacin, es decir, ms all de 1.65. Se descartara la hiptesis nula segn el

No se
Rechaza Ho Regin de
Rechazo

0 1.65 Escala de z

Probl. 0.95 Probl. 0.05

razonamiento de que es muy improbable que un valor z tan grande se deba al azar, esto
es, a una variacin del muestreo.
Si el valor calculado hubiera sido igual a 1.65 o menor por ejemplo, 0.71- la hiptesis
nula sera aceptada. Se razonara que un valor calculado tan pequeo podra ser atribuido
al azar, esto es, a variacin en el muestreo.
Como se observ, es posible slo una de dos decisiones en la prueba de hiptesis:
aceptar o rechazar la hiptesis nula. En vez de aceptar tal hiptesis, H
0
, algunos
investigadores prefieren enunciar la decisin como no rechazar H
0
, no es posible
descartar H
0
, o bien Los resultados muestrales no permiten hacer a un lado a H
0
.
Debe subrayarse de nuevo que siempre existe una posibilidad de que la hiptesis nula se
descarte cuando debera haberse aceptado (error tipo I). A dems. Hay una posibilidad
definible de que la hiptesis nula se acepte cuando debera haberse rechazado (error tipo
II). Antes de realizar una prueba de hiptesis, se diferenciar entre una prueba de
sinificancia de una y de dos colas.
Prueba de significancia de una y de dos colas
Considerando el diagrama anterior, que indica que se est aplicando una prueba de una
cola. La regin de rechazo est solo en la cola de la derecha (regin de valores
superiores) de la curva. Como ilustracin supngase que al departamento de
empaquetado de una abastecedora de alimentos, le preocupa el que algunas cajas de
cierto producto tengan un sobrepeso significativo. El cereal se empaqueta en cajas de 453
gramos, de modo que la hiptesis es H
0
; 453. Esto se lee como: la media poblacional
() es igual a o menor que 453. La hiptesis alternativa, por consiguiente, es H1: >453.
Esto se interpreta como es mayor que 453. Obsrvese que el signo de desigualdad en
exceso, en la hiptesis alternativa (>) apunta a la regin de rechazo en la cola de la regin
de valores superiores. Asimismo, tambin obsrvese que la hiptesis nula incluye el signo
de igualdad. Esto es H
0
; 453. Este siempre ser e l caso. La condicin de igualdad
siempre aparece en H
0
, nunca en H
1
.
En el siguiente diagrama se ilustra una situacin en la que la regin de rechazo est en la
cola de la izquierda (en la regin de valores inferiores)de la curva normal como ilustracin,
considrese el problema de fabricantes de automviles , grandes compaas
arrendadoras de autos y otras organizaciones que compran grandes cantidades de
llantas. Es deseable entonces que las llantas tengan un promedio de desgaste de, por
ejemplo, 40 000 mi (millas), en un uso normal. Por consiguiente, rechazarn una remeza
de llantas si las pruebas de desgaste acelerado revelan que la duracin de las llantas es
significativamente inferior a 40 000 mi en promedio Aceptaran de buen grado un envo si
la duracin media resultara mayor de 40 000 mi!
Sin embargo, no interesa esta posibilidad. Slo se tiene inters en lograr evidencia
muestral para concluir que las llantas promediaran menos de 40 000 mi de vida til. Por
tanto, se establece la prueba para satisfacer el inters de los fabricantes de automviles y
otros, en que la vida media de las llantas sea menor que 40 000 mi. La hiptesis nula y
alternativa se expresan como H
0
: 40 000 y H
1
: < 40 000.

Regin de Regin de
rechazo aceptacin de Ho

Valor crtico 0 Escala de z
-1.65

Una forma de determinar la ubicacin de la regin de rechazo es mirar hacia donde
apunta el signo de no igualdad en la hiptesis alternativa (ya sea <, o bien, >). En este
problema seala hacia la izquierda, y la regin de rechazo est, por tanto, en la cola de tal
lado.
En resumen, una prueba es de una cola cuando la hiptesis alternativa, H
1
, indica una
direccin, como expresa en seguida:
H
0
: El ingreso medio de mujeres es menor que o igual al ingreso medio de hombres.
H
1
: El ingreso medio de hombres es mayor que el ingreso medio de mujeres.
Si no especifica direccin segn la hiptesis alternativa, se aplica una prueba de dos
colas. Como por ejemplo se modifica la hiptesis alternativa anterior:
H
0
: No hay diferencia entre el ingreso medio de hombres y el ingreso medio de mujeres.
H
1
: Hay una diferencia entre el ingreso medio de hombres y el ingreso medio de mujeres.
Si se rechaza la hiptesis nula y se acepta H
1
en el caso de dos extremidades, el ingreso
medio de varones podra ser mayor que el de fminas, o viceversa. Para dar cabida a
estas dos posibilidades, el 5% representa el rea de rechazo se divide por igual en las
dos colas de la distribucin muestral (2.5% para cada una). En el diagrama siguiente se
muestran las dos reas y los valores crticos. Ntese que el rea total bajo la curva normal
es 1.000, que resulta de 0.95 + 0.025 + 0.025.
Ahora se probar una hiptesis acerca de la media de una poblacin, tomando una
muestra grande de sta. Recurdese que una muestra de 30 o mas se considera grande.

Prueba para la media de poblacin: Muestra grande y se conoce la desviacin
estndar poblacional.
La respuesta a las siguientes preguntas implica una media de poblacin:
*El ingreso medio de ejecutivos de alto nivel de la industria fabriles de $325 000 dlares?
*La longitud media de las barras cortadas es de 2.0000 pulgadas?
*La edad media de los internos es prisiones federales es menor que 40 aos.

Regin de Regin de Regin de
rechazo aceptacin H0 rechazo
0.25 0.025

0.95
-1.96 1.96 Escala de Z
Valor critico Valor critico


*La cantidad media de dinero que deben quienes tienen tarjeta de crdito es mayor de
$1 000 dlares.
*La produccin semanal media de ciertos escritorios en la empresa JamesTows Steel Co.,
es de 200?
Se utiliza el procedimiento de cinco pasos para prueba de hiptesis en el caso de la ltima
pregunta. Su reduccin ya indica una prueba de dos colas.
Prueba de dos colas:
En siguiente ejemplo se mostrar la forma en que se establece la hiptesis nula y
la alternativa y como se utiliza el procedimiento de prueba de hiptesis
estadsticas.
Ejemplo:
La empresa Jamestown Steel Company fabrica y ensambla escritorios y otros
muebles para oficina, en diversas plantas del oeste de Nueva Cork: La produccin
semanal del escritorio Modelo A235 en la Planta Fredonia, se distribuye
normalmente, con una media de 200y una desviacin estndar de
16.Recientemente, debido a la expansin del mercado, se han introducido nuevos
mtodos de produccin y se han contratados mas empleados. EL vicepresidente
de la compaa quisiera saber si ha habido un cambio total en la produccin
semanal del citado mueble de oficina. Planteado de otra forma, el nmero medio
de escritorios producidos en la planta mencionada es diferente de 200? Utilice el
nivel de significancia de 0.01.
Solucin:
Se utilizar el procedimiento de prueba antes indicado para determinar si la tasa
de produccin ha cambiado respecto del valor de 200 por mes.
Paso 1: La hiptesis nula es la media poblacional es 200. La hiptesis alternativa
es La media es diferentes de 200o La media no es 200. Las dos hiptesis se
expresan como sigue:
H
0
: = 200
H
1 :
200
Esta es una prueba de dos colas debido a que la hiptesis alternativa no establece
una direccin. Esto, es tal hiptesis no indica si la produccin media es mayor o

menor de 200. El vicepresidente de manufactura solo desea averiguar si la tasa de
produccin es diferente de 200.
Paso 2: Como se observ, se utiliza el nivel de significancia de 0.01. Esto es , o
sea la probabilidad de cometer un error tipo I. De modo que es la probabilidad de
rechazar una hiptesis verdadera.
Paso 3: El valor estadstico de prueba para este tipo de problema es z. La
transformacin de los datos de produccin a unidades estndares (valores z)
permite su uso no solo en ste problema, sino tambin en otros de prueba de
hiptesis:

Paso 4: La regla de decisin se formula hallando el valor crtico de z a partir del apndice A.
Puesto que sta es una prueba de dos colas, la mitad de 0.01, o sea 0.005, est en cada
extremidad. El rea de aceptacin H
0
, que se localiza entre las dos colas, vale, por consiguiente,
0.99. El apndice A se basa en solo la mitad del rea bajo la curva, o sea 0.5000. Luego 0.5000 -
0.005 es 0.4950, y as este valor de 0.4950 es el rea entre 0 y el valor crtico. Localice 0.4950 en
el cuerpo de la tabla. El valor ms cercano a 0.4950 es 0.4951. Luego se lee el valor crtico en la
fila y la columna correspondiente a 0.4951, y resulta 2.58.
Todos los aspectos de ste problema se localizan en el siguiente diagrama:

Media muestral Media poblacional

Z = -
/n
Nmero en muestra
Desviacin estndar de la poblacin

0.5000 0.5000

/2= 0.005 /2= 0.005

0.4950 0.4950

-2.58 0 2.58 Escala de z
Regin de Regin de Regin de
rechazo Aceptacin rechazo
Valor crtico Valor crtico

Por consiguiente, la regla de decisin es: rechazar la hiptesis nula y aceptar la hiptesis
alternativa (que establece que la poblacin media no es 200), si el valor z calculado no
queda en la regin entre 2.58 y +2.58. En caso contrario, no se descarta la hiptesis nula
si z queda entre los citados valores 2.58 y 2.58.
Paso 5. Se toma una muestra de la poblacin (produccin semanal); se calcula z y con
base en la regla decisoria- se decidir rechazar la H
0
o no rechazarla. El nmero medio de
escritorios producidos en el ltimo ao(50 semanas, porque la planta estuvo cerrada dos
por vacaciones), es de 203.5. La desviacin estndar de la poblacin es de 16 escritorios
al mes. Calculando el valor z con la frmula:
Z = x- = 203.5 200 = 1.55
/n 16/50
Puesto 1.55 no cae en la regin de rechazo, H
0
no se descarta. De modo que se concluye
que la media de la poblacin no es distinta de 200. As que se reporta al vicepresidente
que la evidencia muestral no refleja que la tasa productiva en la Planta Fredonia haya
cambiado de 200 por semana. La diferencia de 3.5 unidades entre la tasa de produccin
semanal histrica , y la del ao anterior , puede atribuirse razonablemente al azar.
Prueba de una cola:
En el ejemplo anterior se subray que solamente se deseaba informar al vicepresidente
de la empresa, si haba habido un cambio en el nmero medio de escritorios ensamblados
en la Planta Fredonia. No interesaba si el cambio era un aumento o una disminucin en la
produccin.
Para ilustrar una prueba de una cola se cambiar el problema. Supngase que tal
funcionario desea saber si ha habido un aumento en el nmero de unidades
ensambladas. De otra manera, Se puede concluir ya que se tienen mejores mtodos de
produccin- que el nmero medio de escritorios armados en las ltimos 50 semanas fue
mayor que 200?. Obsrvese la diferencia en la forma en que se formul el problema . En
primer caso se deseaba saber si haba una diferencia en el nmero medio ensamblado,
pero ahora se quiere saber si ha habido un aumento. Ya que se estn investigando
diversas cuestiones, se necesita establecer la hiptesis de modo distinto. La principal
diferencia ocurre para la hiptesis alternativa . Antes, tal hiptesis se estableci como
diferente de , y ahora se desea establecerla como mayor que. En smbolos queda:
H
0
: 200
H
1
: >200
Los valores crticos para una prueba de una cola difieren en los de una de dos
extremidades, con el mismo nivel de significancia. En el ejemplo anterior se dividi tal
nivel en dos extremidades, y se coloc una en la cola de valores inferiores y la otra, en la
de valores superiores. En una prueba de una cola se coloca toda la regin de rechazo en
una sola extremidad.


Para la prueba de una extremidad, el valor crtico es 2.33, obtenido de (1)restar 0.01 de
0.5000, y (2) encontrar el valor z correspondiente a 0.4900.
Valor p en las pruebas de hiptesis
En aos recientes, estimulada por la disponibilidad de los programas para computacin
(software), se da a conocer con frecuencia informacin adicional acerca de la fuerza del
rechazo. Esto es, cunto se puede confiar en el rechazo de la hiptesis nula? Este
mtodo seala la posibilidad (suponiendo que dicha hiptesis es cierta ) de obtener un
valor estadstico de prueba, por ,lo menos tan extremo como el obtenido. Este
procedimiento compara la probabilidad, llamada valor p, con el nivel de significancia. Si el
citado valor p es menor que dicho nivel , H
0
se rechaza.. Si tal valor es mayor que el
citado nivel en cuestin , H
0
no se descarta.
Valor p Es la probabilidad de observar un valor muestral tan extremo, o ms, que el valor
observado, dado que la hiptesis nula sea verdadera.
Determinar el valor p no solo resulta en una decisin referente a Ho, si no que
proporciona discernimiento adicional acerca del vigor de la decisin. Un valor p muy
pequeo, tal como 0.0001, indica que hay poca probabilidad de que Ho sea verdadera.
Por otro lado, un valor P de 0.2033 significa que Ho no se rechaza y que hay poca
probabilidad de que sea falsa.
Cmo se calcula el valor p?
Para considerar el valor p, se necesita considerar la regin de los valores menores que -1.55. As
como los valores mayores que 1.55 (debido a que existen regiones de rechazo en ambas
extremidades) . El valor p es 0.1212, obtenido de 2(0.0606). El valor P de 0.1212 es mayor que el
nivel de significncia 0.01 escogido inicialmente, as que Ho no se rechaza.

.

0.5000 0.5000

No se Regin de
Rechaza H0 rechazo
0.99 0.01

0 2.33
valor crtico
Valor p
+

0.606 0.0606
R. rechazo R. rechazo
/2 = 0.005 /2 = 0.005

-2.58 -1.55 0 1.55 2.58 Escala z


Un valor p es una manera de expresar la probabilidad de que H
0
no sea verdadera. Pero
pero como se puede interpretar tal valor? Ya se estableci que si p es menor que el nivel
de significancia , se rechaza H
0
; si es mayor que dicho nivel , no se descarta H
0
. Adems,
si el valor p es muy grande es probable que H
0
sea verdadera. Si p fuera pequeo,
entonces es probable que H
0
no se cumpla.

Pruebas para la media de poblacin: muestra grande y se desconoce la desviacin
estndar poblacional.
En los problemas anteriores se conoca , es decir, desviacin estndar de la poblacin .
Sin embargo, en la mayora de los casos es poco probable que se conozca tal desviacin
poblacional. As que debe basarse en estudios previos, o sea utilizando la desviacin
estndar de la muestra, s En el siguiente ejemplo la desviacin respectiva de la poblacin
se desconoce, por lo que debe usarse la desviacin estndar muestral para estimar . Ya
que el tamao de la muestra, n, es mayor que 30, se puede sustituir por s, como se
muestra en la siguiente formula:

Ejemplo.
Una cadena de tiendas de descuento (Thompsons Discount Store) expide su propia
tarjeta de crdito. El gerente de esta funcin desea averiguar si el saldo insoluto medio
mensual es mayor que $400(dlares). El nivel de significancia se fija en 0.05. Una revisin
aleatoria de 172 saldos insolutos revel que la media muestral es $407, y que la
desviacin estndar de la muestra vale $38. Debera concluir el funcionario de crdito
que la media poblacional es mayor que $400, o bien es razonable suponer que la
diferencia de $7 (obtenida de $407-$400= $7) se debe al azar?
Solucin:
La hiptesis nula y la alternativa se enuncian como sigue:
H
0
: = $400

Valor z, se desconoce z = -
S/n

H
1
: >400
Debido a que la hiptesis alternativa indica un sentido o direccin, se aplica una prueba
de una cola. El valor crtico de z es 1.65. El valor calculado de z es 2.42, determinado por
la frmula:
z = - = $400-$400 = $7 = 2.42
S/n $38/172 $2.8975

La regla de decisin se muestra grficamente en el siguiente diagrama:

Debido a que el valor estadstico de prueba calculado (2.42) es mayor que el valor crtico
(1.65),se rechaza la hiptesis nula. El gerente de crdito puede concluir que el saldo
insoluto medio es mayor que $400.
El valor p proporciona informacin adicional acerca de la decisin. Recurdese que el
valor p es la probabilidad de encontrar un valor estadstico de prueba tan grande o mayor
que el obtenido cuando la hiptesis nula es verdadera. Por lo tanto resulta la probabilidad
de un valor z mayor que 2.42. En la tabla del apndice A se ve la probabilidad de z entre 0
y 2.42, vale 0.4922. Se desea determinar la probabilidad de un valor mayor que 2.42 de
modo que 0.5000-0.4922= 0.0078. Se llega a la conclusin de que la probabilidad de
encontrar un valor z de 2.42 o mayor, cuando la hiptesis nula se verifica , es 0.78%. Por
consiguiente, no es probable que la hiptesis nula sea verdadera.
ejercicios acerca de prueba de hiptesis para
medias
c) Fecha inicio:
d) Fecha entrega:

Regin de rechazo
Valor p

1.65 Escala de z.
Valor
Critico
2.42
Valor calculado


Actividad

de prueba de hiptesis para
medias.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

3.1.4.2 Instrucciones: Resolver un ejercicio en el que se involucre la prueba
de hiptesis para medias.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:
l) Forma de entrega: escrito a mano..
m) Tipo de actividad: Individual .
n) Fecha de retroalimentacin: el mismo da de entrega.

Actividad

contenga por lo menos un
problema de prueba de
hiptesis para medias.
por lo menos un ejercicio de
prueba de hiptesis.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca de prueba de hiptesis para medias.
3.1.6 Bibliografa:

3. 2 Tema: Realizar pruebas de hiptesis para proporciones.
3.2.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para contrastar
hiptesis para proporciones.

3.2.3 Desarrollo:
El material presentado hasta ahora en esta parte ha utilizado la escala de intervalo o de
razn de medicin. Esto es, se utilizaron variables tales como pesos, ingresos, distancias
y edades. Ahora se desea considerar situaciones como las siguientes:
*El director de servicios profesionales en el Southern Technical College reporta que el
80% de los egresados entran al mercado de trabajo a un puesto directamente relacionado
con su campo de estudio.
*Un representante de establecimiento de hamburguesas asegura que mas del 45% de las
ventas se hacen a travs de la ventanilla para llevar (en automvil).
*Una compaa grande quiere saber si hay diferencia en la proporcin de ejecutivos
hombres y mujeres dispuestos a mudarse a otra ciudad para obtener un ascenso.
Estos problemas son ilustraciones de la escala nominal de medicin. Recurdese que
para tal escala la observacin se registra en una de dos o ms categoras. Por ejemplo,
una persona se clasifica como el sexo masculino o femenino, o bien un elector potencial
es clasificado como republicano, demcrata, independiente o otra afiliacin.

Relacin proporcional Es la relacin por cociente o porcin relativa, que expresa la parte
fraccional de la poblacin o muestra que tiene un atributo particular de inters.

Por ejemplo
Supngase que 92 de 100 personas en una encuesta estn a favor de ahorrar luz
elctrica durante el da. La relacin proporcional muestral es 92/100, o sea 0.92(=92). Si p
representa tal relacin, entonces:

Antes probar una relacin proporcional de poblacin deben considerarse algunos
supuestos y cumplirse algunas condiciones. Para poner a prueba una hiptesis acerca de
una relacin proporcional de poblacin, se relaciona una muestra aleatoria de esa
poblacin. Este procesos se denomina experimento. Se supone que se cumplen las
suposiciones binomiales que se analizan en la unidad I,(1) los datos muestrales
recopilados son resultado del conteos; (2) un resultado de un experimento se clasifica en
una de dos categoras mutuamente excluyentes: un xito o un fracaso; (3) la
probabilidad de un xito se manifiesta igual para cada ensayo; y (4) los ensayos son
independientes, lo que significa que el resultado de uno no afecta el resultado de
cualquier otro.
La prueba que se realizar en breve es adecuada cuando tanto n como n(1-), valen al
menos 5. Se tiene n es el tamao de la muestra , y es la relacin proporcional de

Nmero de xitos en la muestra
Relacin proporcional p =
Nmero muestreado

poblacin. La prueba se presenta en esta seccin debido a que en una extensin especial
de la prueba presentada anteriormente es esta parte , y tambin es de uso comn. Dicha
prueba es un buen ejemplo del caso donde la distribucin probabilstica normal se aplica
para aproximar con gran exactitud una del tipo binomial.
Ejemplo
Supngase que elecciones anteriores en un estado federal indicaron que es necesario
que un candidato a gobernador obtenga al menos 80% de los votos en la seccin norte
del estado en cuestin para que resulte elegido. El gobernador actual est interesado en
evaluar las oportunidades que tiene que lograr la reeleccin para el cargo, y planea la
realizacin de una encuesta que incluya 2 000 electores registrados en dicha rea.
Se debe emplear el procedimiento de prueba de hiptesis para determinar las
probabilidades de reeleccin del gobernador.
Solucin
Se realiza la siguiente prueba de hiptesis, ya que tanto n como n(1-) exceden de 5. En
este problema n =2 000 y = 0.80 ( es la relacin proporcional de los votos en el estado
del norte del estado-igual a 80%- necesaria para la reeleccin). Por tanto, n = 2000(1-
0.80) = 400. Tanto 1600 como como 400 son mayores que 5.
Paso 1. La hiptesis nula H
0
, es que la relacin proporcional , vale 0.80. La hiptesis
alternativa, H
1
, es que tal relacin es menor que 0.80. Desde un punto de vista prctico, el
gobernador actual se preocupa solo cuando la relacin muestral es menor que 0.80. Si es
igual, o mayor que, 0.80, no tendr problema; es decir, los datos muestrales indicaran
que probablemente ser reelegido. Estas hiptesis se expresan simblicamente de la
siguiente forma:

H
0
: 0.80
H
1
: < 0.80
Se tiene que H1 indica una direccin. En consecuencia, como se observ anteriormente,
la prueba es de una cola, con el signo de desigualdad sealando hacia la extremidad o
cola de la distribucin que contiene la regin de rechazo.
Paso 2. El nivel de significancia es de 0.05. Esta es la probabilidad de que se rechace la
hiptesis verdadera.
Paso 3. Se tiene que z es el valor estadstico adecuado, que se evala mediante:

.

Paso 4: El valor crtico (o los valores crticos) de z forman el punto o puntos de divisin
entre las regiones de aceptacin y de rechazo de H
0
. Como la hiptesis alternativa indic
una direccin, esta es una prueba de una cola (vase el siguiente diagrama). En el paso
se especific que alfa vale 0.05. Esta probabilidad se encuentra en la cola izquierda y
determina la regin de rechazo. El rea entre cero y el valor crtico vale 0.4500, que se
obtiene de 0.5000-0.0500. Al consultar el apndice A y buscando 0.4500, se encuentra el
p-
Prueba de hiptesis, una relacin proporcional z =


valor crtico de z es 1.65. Por tanto, la regla de decisin es : Rechazar la hiptesis nula y
aceptar la hiptesis alternativa si el valor z calculado queda a la izquierda de 1.65; de
otra manera, se acepta H
0
.

Paso 5. Se elige una muestra y se toma una decisin respecto a H
0
. Una investigacin
muestral de 2 000 electores potenciales en el rea norte del estado revel que 1 550
planeaban votar por el gobernador actual. La relacin proporcional de 0.775(que se
obtiene de 1 550/2 000) es lo suficiente cercana a la necesaria de 0.80 para afirmar que la
diferencia se debe al azar? En este problema:
P vale o.775, la relacin proporcional en la muestra de quienes planean votar por el
gobernador.
n vale 2 000, el nmero de electores en la encuesta.
vale 0.80 la relacin hipottica de la poblacin.
z es el valor estadstico de prueba distribuido normalmente cuando la hiptesis es
Verdadera y las otras suposiciones lo son tambin.

El valor calculado z(-2.80), esta en la regin de rechazo, por lo que se descarta la
hiptesis nula en el nivel de 0.05. La diferencia de 2.5 porcentuales entre el porcentaje
muestral (77.5%) y el porcentaje poblacional hipottico en la parte norte del estado,
necesaria para ganar la eleccin (80%) es estadsticamente significativa. Quizs esto no
se debe a la variacin muestral. Expresado en otros trminos. La evidencia obtenida no
fundamenta la aseveracin de que el gobernador saliente regresar al puesto por otros
cuatro aos.
0.5000

No se
Regin de rechaza H0
Rechazo
0.05 0.4500 0.5000

-1.65 0 Escala z
Valor crtico

P = (1 550/2000) 0.80 = -2.80
Z =
(1- ) 0.80(1-0.80)/2000
n

El valor p es la probabilidad de obtener un valor z menor que 2.80. Del apndice A, se ve
que la probabilidad de z entre 0 y 2.80, es 0.4974. por lo tanto, el valor p es 0.0026,
obtenido mediante 0.5000-0.4974. n conclusin: el gobernador no puede confiar en que
ser el reelegido.

es mnima la suma de los cuadrados de dichas desviaciones (es decir, ninguna
otra recta dara una suma menor de las desviaciones elevadas al cuadrado).
Simblicamente, el valor que se minimiza es

ejercicios acerca de prueba de hiptesis para
proporciones.
c) Fecha inicio:
d) Fecha entrega:

Actividad

de prueba de hiptesis para
proporciones.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

3.2.4.2 Instrucciones: Resolver un ejercicio en el que se involucre la prueba
de hiptesis para proporciones.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:


Actividad

problema de prueba de
hiptesis para
proporciones.
prueba de hiptesis.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca de prueba de hiptesis para proporciones..
3.2.6 Bibliografa:

UNIDAD TEMTICA: 4. REGRESIN Y CORRELACION.

4.1 Tema: Mnimos cuadrados.
4.1.1 OBJETIVO APRENDIZAJE: Que el alumno aprenda a manejar correctamente el mtodo
de mnimos cuadrados.
4.1.2 Recurso tiempo del tema: 5 horas
4.1.3 Desarrollo:

La regresin y la correlacin son dos tcnicas estrechamente relacionadas que
comprenden una forma de estimacin. La diferencia entre estas tcnicas y el tipo de
estimacin estudiado anteriormente radica en que las tcnicas anteriores se utilizaron
para evaluar un parmetro de poblacin nica En forma ms especifica, l anlisis de
correlacin y regresin comprende el anlisis de los datos mustrales para saber si y
como se relacionan entre s dos o ms variable de una poblacin.
Los datos necesarios para el anlisis de regresin y correlacin provienen de
observaciones de variables relacionadas. En el caso de un problema de dos variables,
esto significa que cada observacin proporciona dos valores, uno para cada variable. Por
ejemplo, un estudio que comprenda caractersticas fsicas puede interesarse por la edad y
la estatura de cada individuo del mismo. Las dos variables de inters, - la edad y la
estatura de cada persona seran las relacionadas. En el caso de un problema de tres
variables, cada observacin proporciona tres valores. Por ejemplo, adems de la edad y
la estatura de cada persona tal vez desearamos incluir en el anlisis, el peso de la
misma.

EL MTODO DE MNIMOS CUADRADOS:

Generalmente, ms de una curva de un tipo dado parece ajustar un conjunto de datos.
Para evitar el juicio individual en la construccin de rectas, parbolas, u otras curvas de
aproximacin, es necesario obtener una definicin de la mejor recta de ajuste , mejor
parbola de ajuste.
Para motivar una posible definicin considrese la figura.4.1 en la cul los puntos de
datos son (x
1
, y
1
)...,(x
n
, y
n
). Para un valor dado de x, por ejemplo x
1
, habr una diferencia
entre el valor de y
1
, y el valor correspondiente de la curva C. Denotamos sta diferencia
por d
1
, que algunas veces se le conoce como desviacin, error o residuo y puede ser
positivo, negativo o cero. Anlogamente, correspondiendo a los valores x
2
,...,x
n

obtenemos las desviaciones d
2
, ....,d
n
.

Fig. 4.1

Una medida de la bondad del ajuste de la curva C que al conjunto de datos la
suministra la cantidad d
12
+ d
22
+.....+d
n2
. Si la suma es pequea el ajuste es bueno si es
grande el ajuste es malo. Por tanto tomamos la siguiente:
Definicin. De todas las curvas de aproximacin de un conjunto de puntos de datos
dados, la curva que tenga la propiedad de que:
d
12
+d
22
+..........+d
n2
= un mnimo
es la mejor curva de ajuste.
Una curva con sta propiedad se dice que ajusta los datos en el sentido de mnimos
cuadrados y se llama curva de regresin de mnimos cuadrados o simplemente curva de
mnimos cuadrados. Por tanto una recta con sta propiedad se llama recta de mnimos
cuadrados, una parbola con sta propiedad se llama parbola de mnimos cuadrados,
etc.
Se acostumbra emplear la definicin anterior cuando x es la variable independiente y y
es la variable dependiente. Si x es la variable dependiente, la definicin se modifica al
considerar las desviaciones horizontales en cambio de las verticales, que se reduce a
intercambiar los ejes x, y. Estas dos definiciones conducen en general a dos curvas de
mnimos cuadrados diferentes. Al menos que se especifique lo contrario consideraremos
a y como la variable dependiente y a x como la independiente.
La recta resultante presenta dos caractersticas importantes:
es nula la suma de las desviaciones verticales de los puntos a partir de la recta y es
mnima la suma de los cuadrados de dichas desviaciones (es decir, ninguna otra recta
dara una suma menor de las desviaciones elevadas al cuadrado). Simblicamente, el
valor que se minimiza es

(y
i
y
c
)
2

y
d
n *

*
*(x1,y1) * * *

d
1 *b(x2,y2)

d
2

x

en el cual
y
i
= valor observado de y
y
c
= valor calculado de y utilizando la ecuacin de mnimos cuadrados con el valor
correspondiente de x para yi.

Los valores de a y b para la recta y
c
= a + bx que minimiza la suma de los cuadrados de
las desviaciones, son las soluciones a las llamadas ecuaciones normales.

y = na+b (x)

xy = a(x)+b(x
2
)

En las que n es el nmero de pares de observaciones. As, evaluando las cantidades
como x, xy, etc., se puede resolver estas dos ecuaciones simultneas para determinar
a y b. sin embargo, en las ecuaciones pueden despejarse a y b, y esto proporciona un
modo ms sencillo de clculo. Se obtienen dos formulas, una para a y otra para b:

b = n(xy) (x) (y)
n(x
2
) (x)
2

a = y b x
n

Es posible utilizar el mtodo de mnimos cuadrados para obtener una recta, en el caso del
kilometraje y el precio de venta. A partir de las ecuaciones anteriores, es evidente que,
para determinar la ecuacin lineal primero se debern calcular los valores de x, y, x
2

y xy, los cuales se determinan a partir de los datos de la muestra. Una cantidad
adicional, y
2
, tambin deber calcularse para usos posteriores. Cabe observar que n =
14 partes de observaciones. Los valores respectivos se muestran en la tabla 4.1

IV.1.1 Tabla 4.1. Clculos para los datos

Observacin Recorrido Precio venta
I x y xy x
2
y
2

1 40 $ 1,000.00 40000 1600 1000000
2 30 1,500.00 45000 900 2250000
3 30 1,200.00 36000 900 1440000
4 25 1,800.00 45000 625 3240000
5 50 800.00 40000 2500 640000

6 60 1,000.00 60000 3600 1000000
7 65 500.00 32500 4225 250000
8 10 3,000.00 30000 100 9000000
9 15 2,500.00 37500 225 6250000
10 20 2,000.00 40000 400 4000000
11 55 800.00 44000 3025 640000
12 40 1,500.00 60000 1600 2250000
13 35 2,000.00 70000 1225 4000000
14 30 2,000.00 60000 900 4000000
x = 505 y = 21600 xy= 640000 x
2
= 21825 y
2
= 39960000

De dicha tabla se obtienen:

b = 14(640000) (505) (21600) = 8960000 10908000
14(21825) (5052) 305550 - 255025

= -1948000 = -38.56
50525

a = y b(x) = 21600 (-38.56) (505) = 40979.4 = 2934
n 14 14
la ecuacin resultante de regresin, y = a+bx, es entonces:

y
c
= 2934 38.56x

4.1.4Actividad de aprendizaje No. 1
ejercicios en los se involucre mnimos cuadrados.

c) Fecha inicio:
d) Fecha entrega:

Actividad

Resolver ejercicios en los
que se involucre mnimos
propuestos.
9 Puntos

cuadrados..
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

4.1.4.2 Instrucciones: Resolver un ejercicio en el que se involucre mnimos
Cuadrados.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problema de mnimos
cuadrados.
mnimos cuadrados.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca mnimos cuadrados.

4.1.6 Bibliografa:

Estadstica para la administracin y economa.
Berenson Mark L. David M. Levine
Editorial Mc Graw Hill
4.2 Tema: Estimacin mediante la lnea de regresin simple.
4.2.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para resolver
problemas de regresin lineal.
4.2.3 Desarrollo:
ESTIMACIN MEDIANTE LA LNEA DE REGRESIN SIMPLE

La regresin lineal simple comprende el intento de desarrollar una lnea recta o ecuacin
matemticas lineal que describa la relacin entre dos variables.
Las ecuaciones de regresin pueden ser utilizadas de diversas formas. Se emplean en
situaciones en las que dos variables miden aproximadamente lo mismo, pero en las que
una variable es relativamente costosa o, por el contrario, es poco interesante trabajar con
ella, mientras que con la otra variable no ocurre lo mismo. Por ejemplo, la resistencia y
dureza de un metal pueden estar relacionadas, de tal manera que si se conoce la dureza
del metal, se puede estimar fcilmente su resistencia. Si al probar la resistencia se
destruye el metal, y no sucede lo mismo en la prueba para la dureza, una persona
interesada en estimar la resistencia, obviamente podra preferir basarse en la prueba de la
dureza para estimar la resistencia. La finalidad de una ecuacin de regresin sera
estimar los valores de una variable con base en los valores conocidos de la otra.
Otra forma de emplear las ecuaciones de regresin es para explicar los valores de una
variable en trminos de la otra. Es decir, se puede intuir una relacin de causa y efecto
entre dos variables. Por ejemplo, una economista puede intentar explicarse los cambios
en la demanda de automviles usados, en trminos del nivel de desempleo. Un agricultor
puede creer que la cantidad de fertilizantes que utiliz influy en la cosecha lograda. La
velocidad de un automvil podra ser, un factor para determinar la distancia de frenado.
Sin embargo, se deber observar que, la lgica de una relacin causal, debe provenir de
teoras externas al campo de la estadstica. El anlisis de regresin nicamente indica
que relacin matemtica podra haber, de existir una. En otras palabras, ni con la
regresin ni con la correlacin se puede establecer si una variable tiende a causar
ciertos valores de otra variable.
Un tercer uso de la ecuacin de regresin es para predecir los valores futuros de una
variable. Por ejemplo, a menudo se llevan a cabo pruebas de seleccin para posibles
empleados o estudiantes para predecir la potencialidad de tener xito, en tanto en la
escuela como un empleo. Supuestamente existe una relacin matemtica entre la
calificacin obtenida en la prueba y el potencial futuro.
Aunque estas podran asumir una gran variedad de formas, muestra explicacin se
limitar a ecuaciones lineales. Esta ltima, o sea aquellas cuyas grficas es una lnea
recta, son importantes porque se aproximan estrechamente a muchas relaciones del
mundo real y adems porque es relativamente fcil trabajar con ellas e interpretarlas.
Otras formas de anlisis de regresin, tales como la regresin mltiple (ms de dos
variables) y la regresin curvilnea(para relaciones de forma no lineal) comprenden
extensiones de los mismos conceptos que se utilizan en el regresin lineal simple.
Dos caractersticas importantes de una ecuacin lineal son: 1) la pendiente de la recta y
2) la localizacin de la recta en algn punto. Una ecuacin lineal tiene la forma:

y = a + bx

En la que a y b son valores que se determinan a partir de los datos de la muestra; a indica
la altura de la recta en x = 0, y b seala su pendiente. La variable y es la que se habr de
predecir, y x es la variable predoctora.

En la figura 4.3 se ilustra la relacin entre la grfica de la recta y la ecuacin. La recta,
cuya ecuacin y = a + bx, corta al eje Y en el punto y = a. El punto se llama ordenada en
el origen(Intercepcin con el eje Y) La pendiente de la recta b, indica la intensidad de
cambio de y por unidad de cambio de x, o sea, Ay/Ax.


Pendiente = b =

Considrese la ecuacin lineal y =5 + 3x, que se representa en la Fig. 4.2 la recta corta al
eje Y en el punto donde y = 5. La pendiente de la recta es 3, lo cual indica que para todo
cambio de una unidad en x, habr en y un cambio correspondiente de tres unidades.
Como se muestra en la tabla que sigue, la ecuacin se puede utilizar a fin de determinar
valores de y para diversos valores de x. Este ltimo mtodo (es decir, sustituir valores de
x en la ecuacin y despejar y) generalmente es preferible a leer valores en la grfica, ya
que permite un grado de precisin mayor que el que es posible obtener al utilizar una
grfica ordinaria.

25
20
15
10
5

0 1 2 3 4 5 6 7 8 9 10

Sin embargo, estas representaciones son importantes, debido a que crean una imagen
mental de la relacin. As mismo, en la etapa inicial del anlisis de datos puede ser til
para decidir si una relacin lineal es apropiada.

y = 5+3x
Ay

Ax
Ax = 1
Ay
y = a + bx

Valor de x Valor de calculado de y
2 5+3(2) = 11
3.1 5+3(3.1) = 14.3
7.2 5+3(7.2) = 26.6

Decisin acerca de un tipo de relacin.

Es importante darse cuenta de que no en todos los casos se puede obtener una
aproximacin mediante una ecuacin lineal. Debido a ello, suele ser necesario realizar un
trabajo preliminar a fin de determinar si un modelo lineal ser el adecuado. El
procedimiento ms simple es graficar los datos y determinar por examen si parece existir
una relacin lineal. Examine las grficas de la Fig. 4.4 y observe que los puntos en (b) y
en (c) parece seguir un alineamiento.
Cuando los datos no se pueden aproximar con un modelo, las alternativas son buscar un
modelo no lineal adecuado o bien, cambiar los datos a la forma lineal. Por ejemplo, si se
convierten una o ambas escalas en logartmicas pueden ligarse a un modelo lineal. Esto
probablemente producira una recta en el eso de la Fig. 4.4 (a)

*
* * *
* * * *
*
a) *

*
*** *
**
* *
* * *

*
*
*
*
* *
* *
* *
*
*

DETERMINACIN DE LA ECUACIN MATEMTICA.

Concentremos nuestra atencin en la forma de obtener la ecuacin de la recta que mejor
describa un conjunto de observaciones. Supngase como un ejemplo que se quiere
determinar si existe relacin entre el kilometraje de un automvil usado y su precio de
venta.


15
-

10
-
* * *
*
* *
* *
*
* *
*
* *
*
* * *
0- *
0 100 200 300 400 500

12
-

10
-

8-
6- *
*
* * *
4- * * * * *
2- *
0 1 2 3 4

Es decir, se indaga si el precio depende del kilometraje del automvil. En termino
de regresin el kilometraje se designara como la variable independiente o
explicativa, y el precio de venta como la Variable dependiente o explicada. Es
tradicional utilizar el smbolo x para representar los valores de la variable
independiente, el smbolo y para valores de la variable dependiente.

En la regresin, los valores de y son predichos a partir de valores de x dados o conocidos. la
variable y recibe el nombre de variable dependiente y la variable x el de variable independiente.

.
ejercicios en los se involucre lnea de regresin

simple.
c) Fecha inicio:
d) Fecha entrega:

Actividad

que se involucre la lnea de
regresin.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

4.2.4.2 Instrucciones: Resolver un ejercicio en el que se involucre la linea
De regresin simple.
h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problema que sea de
regresin simple.
.
lnea de regresin simple.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca lnea de regresin simple.
4.2.6 Bibliografa:

Estadstica para la administracin y economa.
Berenson Mark L. David M. Levine
Editorial Mc Graw Hill

4.3 Tema: Anlisis de correlacin.
4.3.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para resolver
problemas de anlisis de correlacin.
4.3.3 Desarrollo:

Anlisis de correlacin Conjunto de tcnicas estadsticas empleado para medir la
intensidad de la asociacin entre dos variables.
El principal objetivo del anlisis de correlacin consiste en determinar que tan intensa es
la relacin entre dos variables. Normalmente, el primer paso es mostrar los datos en un
diagrama de dispersin.
Diagrama de dispersin Grfica que representa la relacin entre dos variables.

Un ejemplo mostrar como se aplica el citado diagrama.

La empresa Copier Sales of Amrica, Inc., vende copiadoras a negociaciones
grandes, medianas y pequeas en Estados Unidos y Canad. La seorita Marcy
Bencer fue promovida recientemente al puesto de gerente nacional de ventas. A la
prxima junta de ventas asistirn los representantes de todo el pas. A ella le
gustara hacerles notar la importancia de hacer llamadas extra cada da. Decide
reunir alguna informacin acerca de la relacin entre el nmero de llamadas y el
nmero de productos vendidos. Seleccion al azar una muestra de 10
representantes y determino el nmero de llamadas que hicieron el ltimo mes, y el
de copiadoras que vendieron. La informacin maestral se tiene en tabla
4.2.Transfiera stos datos a un diagrama de dispersin Qu observaciones
pueden hacer usted acerca de la relacin entre el nmero de llamadas y la
cantidad de copiadoras vendida

Tabla 4.2. Llamadas y copiadoras vendidas por 10 representantes.
Representantes de ventas No. de llamadas No. De copiadoras vendidas
Tom Keller 20 30
Jeff Hall 40 60
Brian Virost 20 40
Juan Flores 30 60
Susan Welch 10 30
Carlos Ramrez 10 40
Rich Niles 20 40
Luis Kiel 20 50
Mark Reynolds 20 30
Soni Jones 30 70


Solucin.
En base en los datos presentados en la tabla 4-2, la seorita Bencer sospecha que existe
una relacin entre el nmero de llamadas hechas en un mes , y el nmero de copiadoras
que se vendieron. Soni Jones vendi el mayor numero de unidades el mes anterior, y era
una de las tres representantes que hizo 30 o mas llamadas. Por otra parte , Susan Welch
y Carlos Ramrez hicieron 10 llamadas en el mismo mes. A la seorita Welch
correspondi el menor nmero de copiadoras vendidas entre los representantes de la
muestra.
La deduccin es que el nmero de copiadoras vendidas tiene relacin con la cantidad de
llamadas realizadas. A medida que aumenta el nmero de telefonemas crece la cantidad
de unidades vendidas El nmero de llamadas de venta se denomina variable
independiente y el nmero de copiadoras vendidas , variable dependiente.
Variable dependiente La variable que se predice o calcula.
Variable independiente Una variable que proporciona las bases para el clculo,.Es la
variable de prediccin.

Es practica comn marcar la variable dependiente ( en este ejemplo, copiadoras
vendidas) en el eje vertical, o eje Y, o la variable independiente ( numero de llamadas a
clientes ) en el eje horizontal , o eje X. Para establecer el diagrama de dispersin para la
informacin de ventas de la empresa en cuestin, se comienza con el primer
representante, Tom Keller, quien hizo 20 telefonemas el mes anterior y vendi 30
copiadoras; as que X = 20 y Y = 30. para ubicar el punto obviamente se va sobre el eje
horizontal hasta llegar a X = 20, despus se sube en direccin vertical hasta
Y = 3O, y se sita as el punto respectivo en el plano XY. Este proceso se continua hasta
situar todas las parejas de datos, como se muestra en el diagrama 5-2.

unidades
llamadas

Diagrama 5-2 Diagrama de dispersin que muestra las llamadas de ventas y
las copias vendidas.

El diagrama de dispersin indica que los representantes de ventas que hacen ms
llamadas telefnicas, tienden a vender ms copiadoras. Es razonable que la seora
Bencer, la gerente nacional de ventas de la empresa mencionada, diga a sus
representantes que cuanto mayor sea el numero de llamadas a clientes que hagan, mas
copiadoras podrn esperar vender. Obsrvese que aun parece haber una relacin positiva
entre las dos variables. No todos los puntos quedan en una misma lnea recta.


COEFICIENTE DE CORRELACIN
Originado por el investigador Karl Pearson aproximadamente ene el ao 1900. El
coeficiente de correlacin. Describe la intensidad de la relacin entre dos conjuntos
de variables escalizadas por intervalo o por relacin o razn. Ya que se le denota con r,
con frecuencia se menciona tambin como r de Pearson, o como coeficiente de
correlacin, puede tomar cualquier valor de 1.00 a +1.00, inclusive.
Un coeficiente de correlacin de 1.00 o de + 1.00 indica una correlacin perfecta, esto es
el numero de telefonemas y el de productos vendidos estn perfectamente relacionados
en un sentido lineal positivo. Un valor calculado de 1.00 indica que la variable
independiente X y la variable dependiente Y estn perfectamente relacionadas en forma
lineal negativa. La forma como quedara el diagrama de dispersin si la relacin entre los
dos conjuntos de datos fuera lineal y perfecta como se observa en el siguiente diagrama.

Y y
Correlacin negativa perfecta Correlacin positiva perfecta
Recta con pendiente
Negativa r = +1.00

r = -1.00 Recta con pendiente positiva
x x

Diagrama 5-3 Diagrama de dispersin que ilustra una correlacin
negativa perfecta y una correlacin positiva perfecta.

El siguiente cuadro resume la intensidad y la direccin del coeficiente de correlacin.

Coeficiente de correlacin Medida de la intensidad de la relacin lineal entre dos
variables.
Para determinar el valor numrico del coeficiente de correlacin, se utiliza la siguiente
expresin la formula para r es :
Correlacin Correlacin
Negativa Ninguna Positiva
Perfecta Correlacin Perfecta.

Correlacin Correlacin Correlacin Correlacin Cor5relacion Correlacion
Negativa Negativa negativa Positiva Positiva Positiva
Intensa. Moderada dbil Intensa Moderada Intensa

-1.00 -0.50 0 0.50 1.00

Correlacin negativa Correlacin positiva

n( xy) ( x ) (y )
Coeficiente de correlacin r =
[ n ( x
2
) (x )
2
] [ n (y
2
) - (y )
2
]

Donde:

n numero de pares de observaciones.
X suma de los valores de la variable X.
Y suma de los valores de la variable Y.
(x
2
) suma de los valores de X elevados al cuadrado.
(x)
2
cuadrado de la suma de los valores de X.
( y
2
) suma de los valores de Y elevados al cuadrado.
( y)
2
cuadrado de la suma de los valores de Y.
XY suma de los productos de X y Y.
Ejemplo
Refirase al ejemplo anterior, donde se desarroll un diagrama de dispersin que ilustra la relacin
entre el nmero de telefonemas a clientes y la cantidad de copiadoras vendidas. Determine el
coeficiente de correlacin.

Tabla 4.2. Llamadas y copiadoras vendidas por 10 representantes.
Representantes de
ventas
Llamadas
(x)
copiadoras
vendidas (y)
x
2
y
2
xy
Tom Keller 20 30 4 00 9 00 6 00
Jeff Hall 40 60 1 600 3 600 2 400
Brian Virost 20 40 4 00 1 600 8 00
Juan Flores 30 60 9 00 3 600 1 800
Susan Welch 10 30 1 00 9 00 3 00
Carlos Ramrez 10 40 1 00 1 600 4 00
Rich Niles 20 40 4 00 1 600 8 00
Luis Kiel 20 50 4 00 2 500 1 000
Mark Reynolds 20 30 4 00 9 00 6 00
Soni Jones 30 70 9 00 4 900 2 100
Total 220 450 5 600 22 100 10 800

El coeficiente de correlacin es 0.759, que se evala por medio de la frmula:

r = n XY x Y

[n (x
2
) (x)
2
] [n (y
2
) (y)
2
]

10 (10 800) (220) (450)

=
[10 (5 600)- (220)
2
] [10(22 100) - (450)
2

= 0.759

Cmo se interpreta un correlacin de 0.759? Primero: es positiva, as que se ve que existe una
relacin directa entre el nmero de telefonemas y el nmero de copiadoras vendidas. Esto confirma
el razonamiento basado en el grfico de dispersin. El valor de 0.759 esta muy cerca de 1.00, as
que se concluye que la asociacin es fuerte. Para expresarlo de otro modo, un 25% de incremento en
las llamadas probablemente conducir a un 25% de aumento en la ventas.
Coeficiente de determinacin
Una medida que tiene una aceptacin mas fcil de interpretar es el coeficiente de
determinacin. Se calcula elevando al cuadrado el coeficiente de correlacin. Para el
ejemplo, dicho coeficiente de determinacin, r
2
, vale 0.576, que proviene de (0.759). Esta
es una relacin proporcional o porcentaje; puede decirse que 57.6% de la variacin en el
nmero de copiadoras vendidas se explica por la variacin en el numero de tefonemas.

Coeficiente de determinacin La porcin de la variacin total en la variable Y, que explica
por la variacin en la variable independientes X .

4.3.4.1 Instrucciones: Resolver ejercicios en los que se involucre el
Correlacin y determinacin.
c) Fecha inicio:
d) Fecha entrega:

Actividad

que se involucre el
coeficiente de correlacin.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

4.3.4.2 Instrucciones: Resolver un ejercicio en el que se involucre coeficiente
De correlacin.
.

h) Valor: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

contenga al menos un
problema de coeficiente de
correlacin..
.
un problema de coeficiente
de correlacin.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca de coeficiente de correlacin y de determinacin..
4.3.6 Bibliografa:

Unidad Temtica: 5. Introduccin a las matemticas financieras
5.1. Tema: Conceptos generales.
5.1.1 Objetivo de aprendizaje: Que el alumno comprenda conceptos respecto a
matemticas financieras.
5.1.3 Desarrollo:
Dinero

Normalmente se define al dinero como la suma de moneda en circulacin ms las
cuentas corrientes de los bancos. Esta suma se denomina algunas veces oferta
monetaria en sentido estricto y se designa por medio del smbolo M1. La moneda en
circulacin se compone de monedas (contantes y sonantes) y de billetes (papel moneda).
Las cuentas corrientes (dinero en cheques) corresponden a las cuentas privadas de
cheques de los bancos comerciales. Slo la moneda en circulacin y las cuentas
corrientes pueden ser utilizadas como formas de pago o cambio. Cuando a la oferta

monetaria en sentido estricto se le agregan los depsitos a plazos de los bancos
comerciales se obtiene la oferta monetaria en sentido amplio, la que se designa con el
smbolo M2.

La inversin de dinero
El dinero de tu bolsillo o el de tu cuenta de cheques, siempre est disponible para efectuar
pagos o compras, pero aparte de esa funcin, no reporta utilidad alguna. Con las altas
tasas de inters que se conceden hoy en da, tener demasiado dinero en efectivo,
constituye un lujo caro. Quienes saben administrar hbilmente el dinero, desde las
prudentes amas de casa hasta los sagaces ejecutivos de las empresas, tienen un
objetivo comn; poner el dinero a trabajar.
Este propsito puede conseguirse tanto prestando como adquiriendo bienes con l. As
por ejemplo, los prestamistas compran boletas de empeo que les reditan beneficios, y
los inversionistas adquieren valores de renta variable con la esperanza de que la
empresa tenga xito y produzca ganancias de capital superior a las que obtendran
mediante obligaciones u otros instrumentos de inversin.
Los objetivos de la inversin
Todas las personas con dinero ocioso, pueden encontrar un lugar apropiado donde
produzca beneficios econmicos entre los mltiples y diversos instrumentos de inversin
que existen en los actuales mercados financieros. Sin embargo no es conveniente
efectuar una solo inversin, sino realizar un minucioso estudio de las diferentes
alternativas que se presentan , a efecto de seleccionar la mejor combinacin que permita
alcanzar los objetivos del inversionista. El anlisis de las ventajas e inconvenientes de
esa combinacin, debe efectuarse conforme a los siguientes criterios:

1. Liquidez. Rpida conversin en dinero de la inversin, con mnima o nula prdida de
capital.
1. Seguridad. Proteccin de capital.
2. Beneficios reales a corto plazo. Rpida realizacin de beneficios.
3. Ganancias de capital. Incrementos en el valor de la inversin.
4. Cotizabilidad. Existencia de un mercado secundario activo, que permita efectuar
rpidas ventas de capital a costos razonables de transaccin.
5. Ventajas Fiscales. Ingresos reales no gravados y tasas favorables sobre las
ganancias de capital.
Una economa basada en el crdito
La mayora de las parejas jvenes slo estarn en condicin de adquirir una casa o un
departamento, si disponen del dinero de otras persona. Los negocios tambin dependen
del dinero prestado, tanto para sus operaciones diarias, como para realizar sus proyectos
de expansin a largo plazo. El Estado a cualquier nivel es el mayor prestatario.
Sin duda alguna el Gobierno Federal, junto con muchos estados, ciudades y
corporaciones, jams dejarn de estar en deuda. Pero el monto de la deuda no debe ser
causa de preocupacin mientras se mantenga dentro de las capacidades y recursos del
deudor. Cuando alguna persona o institucin pide dinero en prstamo, se crea una
deuda, pero al mismo tiempo, tambin se satisface alguna necesidad o se crea un activo.
Si se aplica inteligentemente, el crdito es benfico tanto para el deudor como para el
acreedor. Una persona con ms dinero del que necesita puede esconderlo bajo el
colchn o depositarlo en una cuenta de cheques. De esta manera, el dinero est siempre
disponible para gastarlo, pero no aumenta su cuanta. Si por el contrario, se permite a
alguien ms su uso, el prestamista experimenta la agradable sensacin de verlo crecer.

Por otra parte, el deudor a pesar de pagar intereses por su utilizacin, puede satisfacer
sus necesidades econmicas; adquirir algn bien tangible (como por ejemplo una casa),
o bien utilizarlo en una empresa financiera que no slo pague el costo del prstamo, sino
que tambin permita obtener beneficios monetarios adicionales.
El crdito representa en nuestros das un estilo de vida y un medio necesario en la mayor
parte de los negocios, por lo que resulta importante utilizarlo de manera racional. Su uso
apropiado requiere conocer su costo real y su rentabilidad.
El costo del crdito
El precio pagado por el uso del dinero tomado en prstamo, se conoce como tasa de
inters. Bsicamente, el concepto del inters es muy simple. Es la renta que se paga por
el uso del dinero. Si la tasa de inters efectiva anual es del 6%, esto significa que el
prestamista recibe por concepto de inters o renta, 6 centavos por cada peso o unidad
monetaria de que disponga el prestamista durante un ao. Por desgracia, las tasas
efectivas de inters no son evidentes en general. No es raro encontrar operaciones de
venta a plazos, cuyos crditos, en apariencia atractivos ocultan altas tasas de inters.
Los ejecutivos financieros deben resolver problemas de inversin que comprenden gran
nmero de variables que requieren de mtodos sofisticados para obtener las verdaderas
tasas de inters.
TI-1: Tarea de investigacin.
5.1.4.1 Instrucciones: Investigar la importancia de los financiamientos.
b) Producto esperado: Que los alumnos realicen la investigacin va internet
.
c) Fecha inicio:
d) Fecha entrega:


5.1.4.1 Criterio de evaluacin de la actividad TI-1
Actividad

Investigue por internet la
importancia de los
financiamientos.
Se comentar en grupo. 4 Puntos
Que sea entregado con una
buena presentacin.
entrega de tareas.
1 Puntos
Total 5 puntos

5.1.5 Resultado del Aprendizaje: Se pretende que los alumnos denoten la importancia
del dinero a travs del tiempo.
5.1.6 Bibliografa:
Matemticas financieras, Robert Cissel/Helen Cissel, Novena Edicin, Editorial CECSA.

5.2.1 Tema: Progresiones aritmticas e inters simple.
Objetivo de aprendizaje: Que el alumno comprenda y aplique el inters simple mediante
problemas reales.
5.2.3 Desarrollo:

PROGRESIONES: Es una serie de nmeros no interrumpida, cuya ley de
formacin est perfectamente definida, dentro de sta ley debe existir un primer trmino y
un criterio para determinar cada uno de los siguientes trminos de la progresin.
Ejemplo:
1, 6, 11 , 16, 21, 26, etc..

Es una progresin cuya ley, es que cada trmino despus del primero, se obtiene
sumando 5 al trmino anterior.

Ejemplo:
5, 10, 20, 40...

Es una progresin cuya ley es, que cada trmino despus del primero se obtiene
multiplicando por 2 el trmino anterior.

Los trminos que integran esta serie de nmeros llamada progresin
se pueden obtener por diferencia o por cociente.
Se dice que una progresin es finita, si hay un primero y un ltimo
trmino.
Si el conjunto de nmeros que forman una progresin no tiene un
primero o ltimo trmino, entonces se dice que la progresin es infinita.


PROGRESIN ARITMTICA

Para poder integrar una progresin aritmtica es necesario que existan un primer trmino
la diferencia y el nmero definido de trmino.

Identificacin de los literales.

a = primer trmino 5
d = diferencia 3
n = nmero de trminos 5

Expresin literal Expresin numrica

primer trmino a 5 = 5
segundo trmino a + d 5+3 = 8
tercer trmino a + 2d 5+2(3) = 11
cuarto trmino a + 3d 5+3(3) = 14
quinto trmino a + (n-1)d 5+ (5-1) (3) = 17

5, 8, 11, 14, 17

ltimo trmino de la serie

a a + d a + 2d a + 3d a + (n-1)d

1 2 3 4 n

l = ltimo trmino
a = primer trmino
n = nmero de trminos
d = diferencia

Ejemplo:
Determinar el ltimo trmino de una progresin aritmtica cuyos elementos son 4.

Primer trmino 8 l = 8 + (4-1)5
nmero de trminos 4 l = 8 + (3) (5)
diferencia 5 l = 8 + 15
l = 23

8, 13, 18, 23

Ejemplo
De una progresin aritmtica se sabe que tiene 7 trminos, d = 5, l = 29,
deseamos saber cual es el primer trmino.

l = a + (n -1) d
l = a + (n-1) d

a = l (n-1) d
a = 29 (7-1)5
a = 29 30
a = -1 -1, 4, 9, 14, 19, 24, 29

Ejemplo
El primer trmino de una progresin aritmtica 0, y el vigsimo 190 encuentre la diferencia
comn.

d =
1
n
a l
=
1 20
0 190
= 10

0, 10, 20, 30, 40, 50, 60. 70, 80, 90, 100, 20, 130, 140, 150, 160, 170, 180, 190.

Ejemplo
Cuntos trminos tiene la progresin aritmtica -7, -3 ..... 29?

n = 1 +
d
a l
= 1
4
) 7 ( 29
+

= 10

SUMA DE UNA PROGRESIN ARITMTICA

La suma de una progresin aritmtica consiste en sumar cada uno de los
trminos que la integran.

TEOREMA. En cada progresin aritmtica limitada, la suma de los medios distantes de los
extremos es igual a la suma de los extremos:

Demostracin: 5, 8, 11, 14, 17, 20

Extremos: 5 + 20 = 25
Medios a igual distancia de los extremos: 8 + 17 = 25
Medios a igual distancia de los extremos: 11+ 14 = 25

Suma de los extremos: a + l
Suma de los medios equivalentes segunda: a + d
Suma de los medios equivalentes penltima: l d

a + l = ( a + d ) + ( l d )
a + l = ( a + d + l d )
a + l = a + l


Si apreciamos que en toda una progresin aritmtica existen tantos pares de medios
como n trminos se tengan, divididos entre dos la suma de la progresin ser:

Si Sustituyendo l en la ecuacin anterior l = a + (n + 1)d

Ejemplo
Se desea saber cual es la suma de una progresin aritmtica cuyo primer trmino es 4 y
el ltimo trmino 55 contiene 18 trminos con una diferencia comn de 3.

S = ( ) 55 4
2
18
+ = 531

4, 7, 10, 13, 16, 19, 22, 25, 28, 31, 34, 37, 40, 43, 46, 49, 52, 55.

Ejemplo
Encuentre la suma de los primeros 30 trminos de la progresin aritmtica 2, 9, 16.

l = a + (n-1)d = 2+(30-1)7= 205 S = | | d n a
n
) 1 ( 2
2
+ = | | 205 2
2
30
+ = 3105

2, 9, 16, 23, 30, 37, 44, 51, 58, 65, 79, 86, 93, 100, 107, 114, 121, 128, 135, 142, 149, 156, 163,
170, 177, 184, 191, 198, 205.

APLICACIONES
S =
S =

S =

Un estudiante ahorra para dar el enganche de una motocicleta la primera semana guarda
$50, la segunda semana, $60, la tercera semana $70 y as sucesivamente por 40
semanas cuanto dinero tendr al final de 40 semanas.

S = | | 10 ) 1 40 ( ) 50 ( 2
2
40
+ = 20(490)= $9 800
50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180.. 440.
INTERES SIMPLE

Es el que se paga al final de un intervalo de tiempo previamente definido sin que el capital
original vari. Este tipo de inters se usa principalmente en deudas a corto plazo de un
ao o menos.

I = k * c * t

Donde:
I = Inters simple
k = constante de proporcionalidad
c = capital
t = tiempo

Si despejamos k, de la ecuacin anterior

k =
t c
I
*

Ejemplo
Se desea calcular el inters simple obtenido por el prstamo de $4,000, 3 meses de plazo
y a la tasa de inters de 3.5% mensual.

k =
mes 1 * 100
5 . 3
= 0.035 por mes. I = (0.035) (4000)(3) = 420

k = = =
100 * 100
$ j
po unidadtiem
j
por unidad de tiempo

k = es la tasa de inters dividida entre 100 en otras palabras; k es el porcentaje en forma
decimal esto es:
k = i =
100
j

Ejemplo
Una persona pidi prestado $2 350.00 a 5 meses de plazo y al 42% de inters simple
Cul es el inters generado?
Mtodo I.
Datos Conversiones. Formula

C = $2 350.00 j = 42% anual = 42/12 = 3.5 mensual I = C * I * t
t = 5 meses convirtiendo j en i : I = 2 350 * 0.035 * 5
j = 42% anual i = j /100=3.5 /100 = 0.035 I = $ 411.25

Mtodo II
Datos Conversiones Formula
C =$2 350.00 5 meses = 5/12 = 0.4166 ao I = C * I * t
j = 42% anual I = 2 350 *0.42 * 0.4166
t = 5 meses I = $411.25

Ejemplo
Marcela posee un capital de $32 000.00. Invierte 70% de su capital al 5.58% trimestral y
el resto al 10.5% semestral. cunto recibe cada mes de inters total?
Datos
C
1
= $22 400.00 C
2
= $9 600.00
i = 5.58/100 = 0.0558 cada 3 meses. i = 10.5/100 = 0.105
t = 1 mes. t =1 mes
Primer calculo: Segundo calculo:
I = (22400)(0.0558)(1mes) = $416.64 I = (9 600)(0.105/6)(1 mes ) = $168.00
I
T
= 416.64+168 = 584.64

MONTO SIMPLE

A la suma del capital mas el inters simple ganado se le llama, monto simple o
simplemente monto y se simboliza mediante la letra M.

Ejemplo:
Calcule el monto de un prstamo de $ 2 000.00 al 46% de inters simple a 2 meses
Mtodo I

Datos
C =$ 2 000.00 I = (2000)(0.46/12)(2)= 153.33
i = 46% =0.46 M = 2000+153. 33
t =2 meses M = $2 153.33

Mtodo II
Datos
C = $ 2 000.00 M = C [ 1+ (i * t ) ]
I = 46%=0.46 M = 2000 [ 1 + (0.46/12) (2) ]
t =2 meses M = $ 2 153.33

T I I E: Tasa de inters interbancaria de equilibrio; y se refiere a la tasa de inters que
iguala la oferta y la demanda de fondos prestables entre los bancos por conducto del
M = C + I
M = Monto simple.
C = Capital
I = Inters


Banco de Mxico y se denomina a partir de las cotizaciones que estos presentan al
Banco Central.
Ejemplo
Ramn tiene una deuda por $7,500 que debe pagar dentro de 5 meses. Si la operacin
esta pactada a la TIIE ms 8 puntos porcentuales cunto deber pagar para saldar su
deuda, sabiendo que la TIIE es igual a 26.65%?

Datos
J = 26.65 + 8 = 34.65% M = C [1 + (I + t) ]
C = $7,500.00 M = 7 500 [1+ (0.3465/12)(59) ]
t = 5 meses M = $8 582.81

INTERS COMERCIAL Y REAL

Cuando el tiempo en un prstamo esta dado en das, se vuelve necesario convertir
la tasa de inters anual, a una tasa de inters por da. Cuando la tasa anual se
convierte a tasa diaria utilizando el ao natural ( 365 das o 366 das si el ao es
bisiesto) se toma como divisor en la formula de inters simple o del monto, el
inters obtenido se llama inters real o inters exacto.
Cuando se lleva acabo la conversin utilizando como divisor el nmero de 360,
se dice que s esta utilizando el ao comercial, en este caso el inters obtenido se
llama inters comercial o inters ordinario.
El uso del ao comercial de 360 das es utilizado por prestamistas particulares ,
comercios , bancos, y casos de bolsa en la mayora de sus operaciones financieras
debido a la costumbre y por que el inters comercial resulta mayor que el inters real
para un mismo capital, tasa y tiempo.

FORMULA GENERAL:

Inters real I
R
= C * i / 365 * t

Inters comercial Ic = C * i / 360 * t

Ejemplo
Calcular el inters comercial y real de un prstamo por $ 4,750.00 al 38% por 50
das.
Datos:
C = $ 4,750.00 I
C
= 4 750 (0.38/360)50
t = 50 das I
C
= $250.69
i = 38% = 0.38
I
R
= 4 750.00(0.38/365)50
I
R
= $2547.26

CALCULO DEL TIEMPO

En muchas ocasiones el periodo entre el momento en que se toma un prstamo o se
invierte un determinado capital y su vencimiento se seala mediante fechas. Para calcular
el tiempo transcurrido entre dos fechas, se cuentan los das efectivos de calendario. Al

calcular el numero de das se acostumbra excluir el primer da e incluir el ultimo; sin
embargo esta no es una practica generalizada, ya que algunas veces se cuenta tanto el
primer da como el ltimo. De sta forma para un prstamo contrado el 25 de enero y
liquidado el 26 de abril de un ao cualquiera, no bisiesto el tiempo transcurrido es de 91
das.

Enero 6 das (31 das 25 das)
Febrero 28 das
Marzo 31 das
Abril 26 das
91 das
Ejemplo:
Calcular el inters comercial y real de una deuda contrada el 20 de mayo para ser
pagada el 25 de septiembre, si la tasa de inters es del 76% y el capital es de
$5,000,000.00.

Datos:
C = $5,000,000.00 I
C
= 5 000 000 (0.76/360) 128
i = 76% = 0.76 I
C
= $ 1 351 111.11
t = 128 das

Calculo del tiempo I
R
= 5 000000 (0.76/365) 128
11 das de mayo(20-31) I
R
= $ 1 332 603.74
30 das de junio
31 das de julio
31 das de agosto
25 das de septiembre
128 das en total

Un pagar es un documento mediante el cual una persona se obliga a pagar a otra una
cantidad determinada de dinero, con inters o sin l, en una fecha dada. La persona que
hace la promesa de pagar es el deudor u otorgante, y la persona que cobra el pagar es
el beneficiario o tenedor.

En todo pagar intervienen los siguientes conceptos:

Fecha: es la fecha en la que se extiende el pagar

Fecha de vencimiento: es la fecha en la cual debe ser pagada la deuda.

Plazo: es el tiempo que transcurre entre la fecha y la fecha de vencimiento.

Valor nominal: es la cantidad marcada en el pagar. Si en el pagar se indica que el valor nominal
causar intereses a determinada tasa, entonces el valor nominal es el capital obtenido en prstamo;
en cambio, si en el pagar se indica que el valor nominal incluye intereses a determinada tasa,
entonces el valor nominal es el monto a pagar en la fecha de vencimiento.

Valor de vencimiento: es la cantidad que debe ser pagada en la fecha de vencimiento. Esto es, es el
capital obtenido en prstamo ms los intereses, si los hubiera.


En algunos pagars no se especifica la tasa de inters, esto da lugar a una de do situaciones: o
bien el pagar no produce intereses o los intereses ya han sido aadidos al capital, de tal
manera que el documento muestra la cantidad total (monto) a pagar en la fecha de
vencimiento.

En este pagar, Antonio Sols es el deudor; Armando Romo es el beneficiario; el valor
nominal del documento es por $2,730.00; 14 de febrero de 1995 es la fecha en que fue
expedido el pagar; 26 de diciembre de 1995 fue la fecha de vencimiento. El plazo fue de
315 das.

Obtenga el valor de vencimiento del pagar anterior:
SOLUCIN

M = 2,730 [1 + (0.38/365)(315)]

M = 3,625.29

El 26 de diciembre de 1995 el seor Sols pag la cantidad de $3,625.29 al seor Romo.

Cuando una deuda no se liquida en la fecha de vencimiento, empieza a ganar intereses llamados
moratorios, los cuales se calculan con base en el capital originalmente prestado. Por o general, la
tasa de inters moratorio es un 50% ms de la tasa normal aplicada. El lector puede comprobar que
la tasa de inters moratorio indicada en el pagar mostrado es, efectivamente, un 50% ms de la tasa
normal.

Supngase del ejemplo anterior se liquid 12 das despus de la fecha de vencimiento. Calcule
el inters moratorio y la cantidad total a pagar.

Inters moratorio = (2,730)(0.57/365) (12) = 51.16

Cantidad total a pagar = Capital + intereses ordinarios + intereses moratorios

Cantidad total a pagar = Monto + intereses moratorios

Cantidad total a pagar = 3,625.29 + 51.16 = 3,676.45

5.2.4.1 Instrucciones: Resolver ejercicios en los que se involucre
progresiones aritmticas e inters simple
Documento No. nico Por $2,730.00

Por este PAGARE me (nos) obligo(amos) a pagar incondicionalmente a la orden de SR.
ARMANDO ROMO en GUADALAJARA, JAL. El da 26 de DICIEMBRE de 1995 la
cantidad de DOS MIL SETECIENTOS TREINTA PESOS valor recibido a mi (nuestra)
entera satisfaccin. La suma anterior causar intereses a la tasa del 38% anual hasta la fecha
de su vencimiento, y si no es pagada al vencimiento causar intereses moratorios a la tasa del
57% anual.

Lugar y fecha: GUADALAJARA, JAL., 14 DE FEBRERO DE 1995

Nombre: ANTONIO SOLIS
Domicilio: CALLE EINSTEIN # 55,320 ____________________________
Ciudad: GUADALAJARA, JAL. Acepto(amos)

c) Fecha inicio:
d) Fecha entrega:

Actividad

que se involucre
progresiones aritmticas e
inters simple.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

5.2.4.2 Instrucciones: Resolver un ejercicio en el que se involucre
progresiones aritmticas o interese simple

h) Valor de la actividad: 5 Puntos
correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problema de progresiones
aritmticas e inters simple.
.
un problema de
progresiones aritmtica e
inters simple.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca de progresiones aritmticas e inters simple.
5.2.6 Bibliografa:

Matemticas financieras, Robert Cissel/Helen Cissel, Novena Edicin, Editorial CECSA.

5.3.1 Tema: Progresiones geomtricas e inters compuesto.
Objetivo de aprendizaje: Que el alumno comprenda y aplique correctamente las
progresiones geomtricas y el inters compuesto en problemas reales.
5.2.3 Desarrollo:

PROGRESIN GEOMTRICA
Es una sucesin en la cual cada trmino despus del primero, se obtiene multiplicando el
trmino anterior por una cantidad constante llamada razn comn.

Ejemplo:
1, 4, 16, 64, 256, es una razn geomtrica cuya razn comn es 4.

En toda progresin geomtrica la razn comn se encuentra dividiendo un trmino
cualquiera entre el trmino anterior.

Sea a
1
, a
2
a
3
, a
4
, . . . a
n
una sucesin finita y sea q su razn comn. Por definicin de
sucesin geomtrica.
a
1
= a
1

a
2
= a
1
q
a
3
= a
2
q = (a
1
q) q = a
1
q
2

a
4
= a
3
q = (a
1
q) = a
1
q
3

. . . . . . .

Ejemplo
Encuentre el 15 trmino de la sucesin geomtrica 3, 6, 12,...

a
1
= 3
n = 15
q =
3
6
=2

3, 6, 12, 24, 48, 96, 192, 384, 768, 1536, 3072, 6144, 12 288, 24 576, 49 152.

15
Ejemplo
a
n
= a q
n 1

a
n
= 3 2
15-1

a
n
= 3.2
14

an= 49,152
a
n
= a
1
q
n-1

a
n
= ltimo trmino
a
1
= primer trmino
q = razn comn

n =
Encuentre el nmero de trminos que hay en la sucesin 4,
3
8
,
9
16
.........
729
256

Datos
a
1
=4
q = 2/3
an = 256/729

n =
1760 . 0
6020 . 0 4544 . 0

= 7 trminos.

SUMA DE LOS TRMINOS DE UNA PROGRESIN GEOMTRICA

Sea a
1
, a
2
, a
3
, . . . a
n
una sucesin geomtrica cuya razn comn es q.

Y sea

S = a
1
+ a
2
+ a
3
. . . . + a
n

Es decir:

S = a
1
+ a
1
q + a
a
q
2
+ a
1
q
3
+ . . . . a
1
q
n 1
5.6

Multiplicando por q ambos lados de la igualdad anterior:

qs = a
1
q + a
1
q
2
+ a
1
q
3
+ a
1
q
4
+ . . . . a
1
q
n-1
+ a
1
q
n
5.7

Restando ambas ecuaciones 5.6 de 5.7

s qs = a
1
a
1
q
n

Factorizando

S(1-q) = a
1
(1q
n
) multiplicando ambos lados de la igualdad 1 y despejando S se obtiene

a
1
(q
n
1)
S=
q 1

Ejemplo
Encuentre la suma de los doce primeros trminos de la progresin geomtrica 5, 10, 20.
Datos.

a= 5
5(2
12
1) 5(4096 1)
q= 2 S= = = 20,475
n =

2 1 1
n= 2
Ejemplo
Encuentre el valor del primer trmino de una progresin geomtrica cuya suma de los
siete primeros trminos es 8236 / 243 y cuya razn comn es 2/3.

Datos
n=7 s (q 1) 8236/243(273-1) 33.8930(-0.3333)
q= 2 a = = = = 12
q
n
- 1 (2/3)
7
-1 -0-9414
q=2/3
S = 8236/243

APLICACIONES:
Ejemplo
Si usted coloca $1.00 en el primer cuadro de un tablero de ajedrez, $2.00 en el segundo
cuadro, $4.00 en el tercero, $8.00 en el cuarto y as sucesivamente, doblando cada vez la
cantidad hasta cubrir los 64 cuadros cunto dinero tendr que colocar en todo el tablero?
Datos a(q
n
-1) 1(2
64
- 1)
a = 1 S = = = 1.8446 x 10
19

q=2 q-1 2 - 1
n=64

Ejemplo
Encuentre el 66 trmino de la sucesin geomtrica 10, 9, 8.1

Datos
a
1
= 10 a
n
= a q
n 1

q= 0.9 a
n
= 10 (0.9)
65

n= 66 a
n
= 0.10611166

INTERS COMPUESTO
Es aquel que al final de cada periodo se agrega al capital es decir se reinvierte (se
capitaliza).
En cierta institucin bancaria la tasa de inters en cuenta de ahorros, para el caso de
personas fsicas, es del 20% capitalizada cada semestre. Una persona abre una cuenta
de ahorros depositando $ 2000.00 y no lleva a cabo depsitos o retiros posteriores a la
apertura de la cuenta si se deja capitalizar en inters, calcule.
a) El monto compuesto al final de 2 aos.
b) El inters compuesto obtenido al final de 2 aos.
c) Comprar el monto compuesto con el monto simple.

j = 20% anual = 20 = 10% semestral.
2
t = 2 aos = 2 semestres = 4 semestres
ao
c = $ 2000.00
En los 2 aos habr 4 periodos en capitalizacin.

Capital original $ 2,000.00
Inters del 1er. Semestre = 2000 * 0.10 * 1 $ 200.00
Capital final del 1er. Semestre $ 2200.00
Inters del 2do. Semestre = 2200 * 0.10 * 1 $ 220.00
Capital final del 2do. Semestre $ 2420.00
Inters del 3er. Semestre = 2420 * 0.10 * 1 $ 242.00
Capital final del 3er. Semestre. $ 2662.20
Inters al 4to. Semestre = 2662 * 0.10 * 1 $ 266.20
$ 2928.20

El monto compuesto obtenido al final de dos aos es $ 2928.20

I = M C = 2928.20 2,000.00 = $ 928.20

Si la inversin fuese a inters simple: M = 2000 [1 + (0.20) (2)]
M = $ 2,800.00
El inters compuesto es mayor que el inters simple, para un mismo capital,
tasa y tiempo.
CLCULO DEL MONTO

M = C (1 + i )
n

M = Monto compuesto o valor futuro.
C = Capital original

i = Tasa al inters en forma decimal (esto es dividida entre 100) por periodo de
capitalizacin.
n = Nmero de periodos de capitalizacin.
Ejemplo:
Obtener el monto compuesto y el inters compuesto al final de 6 aos de $10,000
invertidos a una tasa del 34% (1 ao = 4 trimestres) en capitalizacin trimestral.
Datos Formula Sustitucin Resultado
C = $ 10,000.00 M = C (1 + i )
n
M = $ 10,000 (1 + 0.085)
24
M = $ 70 845.736 j =
34% anual = 8.5 trimestral
i = 0.085 por trimestre
t = 6 aos = 24 trimestres
Ejemplo:
Que cantidad de dinero se habr acumulado al trmino de 3 aos si se invierte un capital
original de $ 12,765 al 3.4% mensual capitalizable cada cuatrimestre.
Datos Frmula Sustitucin Resultado
C = $12,765 M = C (1 + i)
n
M = 12,765 (1 + 0.136)
9
M = 40,218.49
i = 3.4 % mensual
i = 3.4 x 4 = 13.6% cuatrimestral
t = 3 aos = 9 cuatrimestres.

PARA TASA DE INTERS VARIABLE
Se invirtieron $ 10,000.00 en un banco por 5 aos. Cuando se realiz el depsito el banco
estaba pagando el 9.7% capitalizable trimestralmente despus de 3 aos y medio la tasa
cambio al 9% convertible cada mes. Determine el monto compuesto al finalizar los 5 aos.
9.7% capitalizable trimestralmente t = 3.5 aos
5 aos
9% capitalizable mensualmente t = 1.5 aos

Datos Frmula Sustitucin. Resultado
C =$10 000
j = 9.7/4 = 2.425% trimestral M = C (1 + j )
n
M = 10,000 (1 + 0.02425)
14

n = 3.5 aos = 14 trimestres. M = $ 13,985.68


2da. Parte.

C = 13 985.68 M = 13985.68 (1 + 0.0075)
18
J = 0.0075 mensual M = $15 999.06
n = 1.5 aos = 18 meses.
Ejercicio:
El 1 de abril de 1989 se efecto un depsito de $ 800.00 en un banco que pagaba el 75%
de inters capitalizable cada trimestre. El 1 de octubre de 1990 se realiz un depsito de
$ 1,100.00 en la misma cuenta, y ese mismo da la tasa de inters cambio al 47% con
capitalizacin mensual cul ser el saldo en la cuenta el 1 de julio de 1994?
Datos:
C = $ 800.00 S = 2 243.32 + 1 100.00
j = 75% anual = 18.75/100 =
n = 6 trimestres
S = C (1 + i)
n
S = $ 800 (1 + 0.1875)
6
S = 3 343.32 (1 + .03916)
45

S = $ 800 (1.1875) S = $ 18 837 .02
S = $ 2,243.32

5.3.4.1 Instrucciones: Resolver ejercicios en los que se involucre
progresiones geomtricas e inters compuesto.
c) Fecha inicio:
d) Fecha entrega:

Actividad

que se involucre
progresiones geomtricas e
inters compuesto.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos
S = $3 343.32

5.3.4.2 Instrucciones: Resolver un ejercicio en el que se involucre
progresiones geomtricas o interese compuesto.

correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problema de progresiones
geomtricas e inters
compuesto.
.
un problema de
progresiones geomtricas e
inters compuesto.
4 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 5 puntos

satisfactoria problemas acerca de progresiones geomtricas e inters compuesto.
5.3.6 Bibliografa:
Matemticas Financieras. Hctor Manuel Vidauri. 1. Edicin. Editorial CECSA.

5.4.1 Tema: Diagramas de flujo de caja.
Objetivo de aprendizaje: Que el alumno comprenda y aplique correctamente los
diagramas de flujo de caja en diferentes problemas de aplicacin.
5.4.3 Desarrollo:
Cada individuo o empresa cuenta con entradas de efectivo rendimientos e
ingresos(entradas); y de desembolsos de efectivo -gastos y costos (salidas)-.Estas
entradas y desembolsos constituyen los flujos de efectivo , con un signo mas representa
las entradas de efectivo y con un signo menos representa las salidas de efectivo. Los
flujos de efectivo ocurren durante periodos especficos , tales como un mes o un ao.
De todos los elementos del enfoque de estudio de ingeniera econmica, la estimacin de
flujos de efectivo es probablemente la ms difcil e inexacta . Las estimaciones de flujo de
efectivo son solo eso: estimaciones relativas a un futuro incierto. Una vez estimadas, las
tcnicas mostradas orientan en el proceso de toma de decisiones. Sin embargo, la

exactitud probada con el tiempo de la estimacin de entradas y salidas de efectivo de una
alternativa claramente determina la calidad del anlisis econmico y su conclusin.
Las entradas de efectivo, o ingresos, pueden constar de los siguientes elementos,
dependiendo de la naturaleza de la actividad propuesta y de la clase de negocio que
emprenda.
Ejemplos de entradas de efectivo(estimacin)
Ingresos(por lo general incrementales provenientes de una alternativa).
Reducciones en los costos de operacin (atribuibles a una alternativa).
Valor de salvamento de activos.
Recepcin del capital de un prstamo.
Ahorros en impuestos sobre la renta .
Ingresos provenientes de la venta de acciones y bonos.
Ahorros en costos de construccin e instalaciones.
Ahorros o rendimiento de los fondos de capital corporativo.
Las salidas de efectivo, o desembolsos, pueden estar construidas por los siguientes
elementos, dependiendo, de nueva cuenta, de la naturaleza de la actividad y del tipo de
negocio.
Ejemplos de salida de efectivo (estimacin)
Costo de adquisicin de activos .
Costo de diseo de ingeniera.
Costo de operacin (anual e incremetal).
Costo de mantenimiento peridico y de remodelacin.
Pagos de inters y del capital de un prstamo.
Costo de actualizacin (esperados o no esperados).
Impuestos sobre la renta
Gasto de fondos de capital corporativos.
La informacin necesaria para llevar a cabo las estimaciones puede estar disponible en
departamentos tales como contabilidad, finanzas, mercadotecnia, ventas, ingeniera,
diseo, manufactura, produccin servicios de campo y servicios computacionales. La
exactitud de las estimaciones depende en gran medida de la experiencia de la persona
que realiza la estimacin con situaciones similares. Generalmente se efectan
estimaciones puntales; es decir, que se obtiene la estimacin de un valor nico para cada
elemento econmico de una alternativa.
Una vez que se llevan a cabo las estimaciones de entrada y salidas de efectivo, es
posible determinar el flujo de efectivo neto.

Flujo de efectivo neto = ingresos-desembolsos
= entradas de efectivo - salidas de efectivo.

Puesto que los flujos de efectivo normalmente tienen lugar en puntos variables del tiempo
dentro de un periodo de inters, se adopta un supuesto que simplifica el anlisis.
La conversin de final de periodo implica la suposicin de que todos los flujos de efectivo
ocurren al final de un periodo de inters. Si varios ingresos y desembolsos se llevan a
cabo dentro de un periodo de inters determinado, se da por supuesto que el flujo de
efectivo neto ocurre al final del periodo de inters.
Sin embargo, debe quedar claro que aunque la cantidades F o A por convencin se
localizan al final del periodo de inters, el final del periodo no necesariamente es el 31 de
diciembre.
El diagrama de flujo de efectivo constituye una herramienta muy importante en un anlisis
econmico, en particular cuando la serie de flujo de efectivo es compleja. Se trata de una
representacin grfica de los flujos de efectivo trazados sobre una escala de tiempo. El

diagrama incluye los datos conocidos, los datos estimados y la informacin que se
necesita. Es, decir, que una vez que el diagrama de flujo de efectivo se encuentre
completo, otra persona debera ser capaz de abordar el problema a partir del mismo.

El tiempo del diagrama de flujo t = 0 es el presente, t = 1 es el final del periodo 1. Por
ahora, supondremos que los periodos se expresan en aos. La escala de tiempo de la
figura siguiente abarca 5 aos. Ya que la convencin de final de ao ubica los flujos de
efectivo al final de cada ao , el 1 indica el final del ao 1.

Aunque no es necesario trazar una escala exacta en el diagrama de flujo de efectivo,
probablemente se evitarn muchos errores si se elabora un diagrama claro para
aproximar la escala del tiempo y de la magnitud relativa de los flujos de efectivo.
La direccin de las flechas del diagrama de flujo de efectivo resulta importante. Una flecha
vertical que apunta hacia arriba indica un flujo de efectivo positivo. Por el contrario , una
flecha que apunta hacia abajo indica un flujo de efectivo negativo. La siguiente figura
ilustra un ingreso (entrada de efectivo) al final del ao 1 y desembolsos iguales (salidas de
efectivo)al final de los aos 2 y 3.
Antes de dibujar un diagrama de flujo de efectivo y colocar un signo en l, es necesario
determinar la perspectiva o punto de vista. Como ejemplo, si una persona obtiene un
prstamo de $2 500 para comprar en efectivo una Harley-Davison usada de $2 000 y
utiliza el resto para pagar un trabajo de pintura , pueden adoptarse diferentes
perspectivas. Las perspectivas, los signos de flujo de efectivo y las cantidades son las
siguientes.

Perspectiva Flujo de efectivo, $

Sociedad de crdito -2 500
La persona como
prestatario +2 500
La persona como
comprador de la
motocicleta, -2 000
Y como cliente del servicio
de pintura - 500
Distribuidor de
motocicletas usadas +2 000
Propietario del taller
de pintura + 500

Ao 1 ao 5
0 1 2 3 4 5

tiempo

+

1 2 3
FE Tiempo
-

Escala tpica de tiempo de flujo de efectivo durante 5 aos.

Ejemplo
Cada ao Exxon-Movil gasta cantidades de dinero importantes en sistemas mecanicos
de seguridad en sus operaciones alrededor del mundo. Carla Ramos, ingeniera industrial
para las operaciones que se llevan a cabo en Mxico y America Central programa gastos
por un milln de dlares ahora y en cada uno de los siguientes cuatro aos,
exclusivamente para el mejoramiento de vlvulas de alivio de presin industriales.
Construya el diagrama de flujo de efectivo para determinar el valor equivalente de dichos
gastos al final del ao 4, utilizando un costo del capital estimado para fondos seguros al
12% anual.

Este diagrama muestra los flujos de efectivo negativos y uniformes (gastos) durante 5
periodos, as como el valor desconocidos de F (flujo de efectivo positivo
equivalente)exactamente en el mismo momento que el quinto gasto. Como los gastos
comienzana hacerse de inmediato, el primer milln de dlares aparece en el tiempo cero,
no en el tiempo 1. Por tanto, el ltimo flujo de efectivo negativo aparece al final del cuarto
ao , para cuando tambin se presenta F. Se agrega el ao-1 antes del ao 0 para
completar el diagrama con 5aos completos. Esta adicin demuestra que el ao 0 es el
punto que representa el final del periodo del ao 1.

5.4.4.1 Instrucciones: Resolver ejercicios en los que se involucren diagramas de flujo de
efectivo
.
c) Fecha inicio:
d) Fecha entrega:

i = 12% F =?
-1 0 1 2 3 4 Ao

A =$ 1 000 000
Diagrama de flujo de efectivo.

Actividad

que se involucren
diagramas de flujo de caja.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

satisfactoria problemas en los que se involucren diagramas de flujo de caja.
5.4.6 Bibliografa:
Ingeniera Econmica. Leland Blank, P.E/ Anthony Tarquin, P.E. 5. Edicin. Editorial Mc.
Graw Hill.

Unidad Temtica: 6. Tasas de inters.
6.1. Tema: tasa de inters efectiva.
6.1.1 Objetivo de aprendizaje: Que el alumno comprenda y aplique la tasa de
inters efectiva en problemas reales.
6.1.3 Desarrollo:

Tasa de inters efectiva por periodo; es la tasa de inters que efectivamente se aplica en
cada periodo de capitalizacin. Esta tasa de inters se obtiene al dividir la tasa nominal
anual entre el nmero de periodos de capitalizacin que hay en un ao.
j
ep
=
m
j

j
ep
= tasa efectiva por periodo.
j = Tasa de inters nominal anual.
m = nmero de periodos de capitalizacin en un ao.

Ejemplo
Para una tasa del 34%. j =
4
34
= 8.5 trimestral.
RELACIONES DE EQUIVALENCIA : PAGOS UNICOS CON PP PC

Cuando se trata exclusivamente de flujos de efectivo de pago nico, hay dos formas
igualmente correctas de determinar i y n para los factores P/F y F/P. El mtodo 1 es mas
fcil de aplicar, porque las tablas de inters que aparecen en el apndice A por lo comn
ofrecen el valor del factor. El mtodo 2 quiz requiera clculos mediante la frmula
mediante la frmula para el factor, ya que la tasa de inters efectiva que resulta no
constituye un entero.

Mtodo 1. Se determina la tasa de inters efectiva durante el periodo de composicin PC,
y se iguala n al nmero de periodos de composicin entre P y F. Las relaciones para
calcular P y F son:

P = F (P/F, i % efectiva por PC, nmero total de periodos n).

F = P(F/P, i % por PC, nmero total de periodos n).

Mtodo 2. Se determina la tasa de inters efectiva para el periodo t de la tasa nominal y
sea n igual al nmero total de periodos utilizando el mismo periodo . Las frmulas de P y
F Son las mismas que las ecuaciones anteriores, salvo que el trmino i
% efectiva por t se sustituye por la tasa de inters.
En el caso de una tasa de tarjeta de crdito de 15% anual compuesto mensualmente, el
periodo t es 1 ao. La tasa de inters efectiva durante un ao y los valores n son:

I % efectiva anual = (1 +
12
15 . 0
)
12
- 1 = 16.076%
n = 2 aos

El factor P/F es el mismo para ambos mtodos: (P/F, 1.25%,24) = 0.7422, utilizando la
tabla 5; y (P/F,16.076%,2) = 0.7422 aplicando la frmula del factor P/F.
Ejemplo
Un ingeniero que trabaja como consultor privado realiz depsitos en una cuenta
especial, para cubrir gastos de viaje no reembolsados. La figura muestra el diagrama de
flujo de efectivo. Calcule cuanto hay en la cuenta despus de 10 aos a una tasa de
inters de 12% anual , compuesto semestralmente.

Solucin
Solo interesan los valores de P y F. Ambos mtodos se ejemplican para calcular F en el
ao 10.
Mtodo 1. Utilice el PC semestral para expresar la tasa efectiva semestral de 6% por
cada periodo de 6 meses. Hay n = (2) (numero de aos) periodos semestrales por cada
flujo de efectivo. Utilizando los valores de los factores de la tabla 11, se observa que el
valor futuro, por medio de la ecuacin anterior.

F = 1 000 (F/P, 6%, 20) + 3 000(F/P, 6%,12) + 1 500(F/P, 6%, 8)
= 1 000(3.2071) + 3 000(2.0122) + 1 500(1.5938)
= $ 11 634
Mtodo 2. Exprese la tasa efectiva anual con base en un periodo de composicin
semestral.
i % efectiva anual = ( 1 +
2
12 . 1
)
2
1 = 12.36%
F = ?

0 1 2 3 4 5 6 7 8 9 10

$1 000 $3 000 $ 1 500

Diagrama de flujo de efectivo

El valor de n es el nmero real de aos. Utilice la frmula del factor (F/P, i, n) = 81.1236)
n

y la ecuacin para valor futuro.
F = 1 000(F/P, 12.36%, 10) + 3 000(F/P, 12.36%, 6) + 1 500 (F/P, 12.36%, 4)
= 1 000(3.2071) + 3 000(2.0122)+ 1 500 (1.5938)
= $11 634
RELACIONES DE EQUIVALENCIA: SERIES CON PP PC
Cuando se incluyen series gradientes o uniformes en la seccin de flujo de efectivo, el
procedimiento es esencialmente el mismo que el del mtodo 2 antes expuesto, salvo que
ahora PP queda finido por la frecuencia de los flujos de efectivo. Esto tambin establece
la unidad de tiempo de la tasa de inters efectiva. Por ejemplo, si los flujos de efectivo son
trimestrales, el PP es de un trimestre y, por consiguiente, se necesita, una tasa de inters
efectiva trimestral. El valor n es el nmero total de trimestres. Si PP es igual a un
trimestre, 5 aos se traducen en un valor de n de 20 trimestres. Esto constituye una
aplicacin directa de la siguiente directriz general.
Cuando los flujos de efectivo implican una serie (por ejemplo, A, G, g) y el periodo de
pago es igual o mayor que el periodo de capitalizacin,
Se calcula la tasa de inters efectiva i por periodo de paga.
Se determina n con el nmero total de periodos de pago.
Al llevar a cabo clculos de equivalencias para series, slo stos valores de i y n se
pueden utilizar en las tablas de inters, las frmula de factores y las funciones de hoja de
clculo. En otras palabras, no hay otras combinaciones que proporcionen respuestas
correctas, como en el caso de los flujos de efectivo de pago nico.
La tabla 6.1 muestra la formulacin correcta de diversas series de flujo de efectivo y tasas
de inters . Observe que n es siempre igual al nmero total de periodos de pago y que i
es una tasa de inters efectiva que se expresa de acuerdo con el mismo periodo que n.

Ejemplo
Un ingeniero de control de calidad pag $500 semestrales en los pasados 7 aos por el
contrato de mantenimiento del software de una Lan.Cul es la cantidad equivalente
despus del ltimo pago, si stos fondos se obtienen de un consorcio que ha estado
reembolsando 20% de intereses anuales con composicin trimestral?

TABLA 6.1. Ejemplos de valores de n e i donde PP = PC o PP > PC

Serie de flujo de tasa de inters Que encontrar; Notacin estndar
efectivo que esta dado

$5 00 semestralmente 16% anual, Encontrar P, P = 500(P/A, 8%, 10)
durante 5 aos compuesto dado A
mensualmente.

$75 mensualmente 24% anual Encontrar F, P = 75(F/P, 2%, 36)
durante 3 aos compuesto dado A
semestralmente.

$180 trimestralmente 5% trimestral Encontrar F F = 180(F/P, 5%, 60)
durante 15 aos dado A

Incremento de 1% mensual Encontrar P P = 25(P/G,1%, 48)
$25 mensualmente dado G
durante 4 aos

$ 5 000 trimestralmente 1% mensual Encontrar A A = 5 000(A/P, 3.03%, 24)
durante 6 aos dado P
i = 20% anual, compuesto trimestralmente F =?

0 1 2 3 4 5 6 7 Aos

A =$500

Diagrama de depsito semestrales utilizado para determinar el valor de F.


Solucin
El periodo de pago (6 meses) es mas largo que el periodo de capitalizacin (trimestre); es
decir ,PP>PC. Si aplicamos la directriz, es necesario determinar una tasa de inters
efectiva semestral. Aplique la ecuacin para la tasa de inters efectiva con r = 0.10 por
cada periodo de 6 meses y m = 2 por cada periodo semestral.

i % efectiva por 6 meses = (1 +
2
10 . 0
)
2
1 = 10.25%

La tasa de inters efectiva semestral tambin se obtiene de la tabla 4.3 utilizando un valor
de r de 10% y m = 2 para llegar a i =10.25%.
El valor i = 10.25% parece razonable, ya que esperamos que la tasa de inters efectiva
sea ligeramente superior a la tasa de inters nominal de 10%, por cada periodo de 6
meses. El nmero total de periodo de pagos semestrales es n = 2(7) = 14
La relacin para F es:
F = A (F/A,1.25%, 14)
= 500(28,4891)
= $14 244.50

RELACION DE EQUIVALENCIA: PAGOS UNICOS Y SERIE CON PP < PC

Si una persona deposita dinero cada mes en una cuenta de ahorros con un inters
compuesto trimestral, ganan intereses todos los depsitos mensualmente antes del
siguiente periodo de composicin trimestral ?Si un banco le cobra a una persona
intereses al da 15 del mes en sus pagos de la tarjeta de crdito, y si la persona hace el
pago completo el da primero, reduce la institucin financiera los intereses sobre la base
de un pago anticipado? La respuesta comn es no. Sin embargo, si una empresa grande
hiciera pagos mensuales para cubrir un prstamo bancario de $10 millones, con un
inters compuesto trimestral , el ejecutivo de finanzas de la empresa probablemente
insistira en que el banco redujera la cantidad de intereses, basndose en el pago
anticipado. Estos constituyen ejemplos de PP < PC. El momento de ocurrencia de las
transacciones de flujo de efectivo entre puntos de capitalizacin implica la pregunta de
cmo manejar la capitalizacin nterperidica. Fundamentalmente existen dos polticas:
Los flujos de efectivo entre periodos no ganan intereses o ganan inters compuesto.
En el caso de una poltica de no intereses interpridicos, se considera que los depsitos
(flujos de efectivo negativo)se realizan al final del periodo de capitalizacin; asimismo, se
considera que los retiros se hacen al principio. Como ejemplo si se tiene un inters
compuesto trimestral, los depsitos mensuales se trasladan al final del trimestre (no se
obtienen intereses interperidicos), y todos los retiros se trasladan al principio (no se
pagan intereses durante todo el trimestre). Tal procedimiento puede alterar
significativamente la distribucin de los flujos de efectivo, antes de que se aplique la tasa

de inters efectiva trimestral para determinar P, F o A. Esto lleva, en efecto, a los flujos de
efectivo a una situacin donde PP = PC, se3gun se analizo en la seccin anterior. En el
siguiente ejemplo, se ilustra este procedimiento y el hecho econmico de que, dentro de
un marco temporal de un periodo de capitalizacin, no hay ninguna ventaja en intereses si
se efectan pagos anticipados. Por supuesto , quiz se presenten factores no
econmicos.
Ejemplo
Rob es ingeniero de coordinacin de obra en Alcoa Aluminum, donde se encuentra una
mina en renovacin, en la cual un contratista local ha instalado un nuevo equipo de
refinamiento de materiales. Rob desarroll el diagrama de flujo de efectivo de la figura
6.2a en unidades de $1000 desde la perspectiva del proyecto . El diagrama incluye los
pagos al contratista que Rob autoriz para el ao en curso y los anticipos aprobados por
las oficinas centrales de Alcoa, Rob sabe que la tasa de inters sobre proyectos de
campo de equipo como stos es de 12% anual, compuesto trimestralmente , y que Alcoa
no va a insistir en la capitalizacin interpeidica de los intereses . Se encontrarn o no
las finanzas del proyecto de Rob en nmeros rojos al final del ao?Por cunto?

Solucin
Sin considerar algn inters entre periodos, la figura 6.2b refleja el traslado de los flujos
de efectivo. El valor futuro despus de 4 trimestres requiere F a una tasa de inters
efectiva trimestral de 12%/4 = 3%. La figura 6.2b muestra los flujos de efectivo negativos
(pagos al contratista)trasladados al final del trimestre respectivo y a todos los flujos de
efectivo positivo(ingresos de las oficinas centrales) trasladados al principio del trimestre
respectivo. Calcule el valor de F al 3%

F = 1 000(-150(F/P, 3%, 4)- 200(F/P, 3%, 3)+ (-175+90)(F/P, 3%, 2) + 165(F/P, 3%,1)-50)
F = $-357 592
Ingresos De Las Oficina Centrales
$120
$90
$45
0 1 aos

0 1 2 3 4 5 6 7 8 9 10 11 12 meses

$150 $75 $100 $50

$200
Pagos al contratista
Fig.6.2a Diagrama de flujo de efectivo actual
F=?
$90
$165

1 2 3 4 Trimestre

0 1 2 3 4 5 6 7 8 9 10 11 12 Mes
$150 $175 $50
$200

F =?
Diagrama de flujo de efectivo trasladados (en $1000) para los periodos de capitalizacin
trimestral sin inters entre periodos.

Rob puede concluir que las finanzas del proyecto en la obra se encontrarn en
nmeros rojos por alrededor de $357 600 al final del ao.

Si PP < PC y se obtienen intereses por composicin entre periodos, los flujos de efectivo
no se trasladan; as, los valores equivalentes P,F o A se determinan utilizando la tasa de
inters efectiva por periodo de pago. Las relaciones de la ingeniera econmica se
determinan de la mismo forma que las acciones anteriores para PP PC. La frmula de la
tasa de inters efectiva tendr un valor m menor que 1, ya que tan solo hay una parte
fraccionaria del PC en un PP. Por ejemplo, los flujos de efectivo semanales y la
composicin trimestral requieren que m= 1/13 de un trimestre . Cuando la tasa de inters
nominal es del 12% anual, con periodos de composicin trimestral (el mismo que 3% cada
trimestre, con composicin trimestral), la tasa de inters efectiva por cada PP es:

I% efectiva semanal = (1.03)
1/13
1 = 0.228% semanal.

6.1.4.1 Instrucciones: Resolver ejercicios de valor presente o valor futuro con PP
mayor que el PC.
.
c) Fecha inicio:
d) Fecha entrega:

Actividad

Resolver ejercicios de valor
presente o valor futuro con
PP>PC.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

satisfactoria problemas de valor presente o valor futuro con periodos de pago mayores
que el periodo de capitalizacin.
6.1.6 Bibliografa:
Ingeniera Econmica. Leland Blank, P.E/ Anthony Tarquin, P.E. 5. Edicin. Editorial
Mc. Graw Hill.

6.2. Tema: Tasa de inters real.

6.2.1 Objetivo de aprendizaje: Que el alumno comprenda y aplique la tasa de inters
real en problemas reales.
6.2.3 Desarrollo:

TASA DE INTERS REAL O SIMPLEMENTE TASA REAL(I
R
) :

Es el rendimiento real que gana una inversin una vez descontada la inflacin.

Tasa inflacionararia: = ndice
1
-1 * 100

ndice
2

Donde:
ndice 1: Es el ndice de precios al inicio del periodo.
ndice 2: Es el ndice de precios al final del periodo.

M
Valor real: V
R
=
1 + () (t)
Donde:
M : Monto
: Tasa inflacionaria.
t : Tiempo.

I
e
-
Tasa de inters real: i
R
= * 100
1 +

Donde:

I
R
: Tasa de inters real expresada en porcentaje.
I
e
: Tasa de inters efectiva anual o por periodo.
: Debe expresarse en forma decimal.

EJEMPLOS

Eduardo presta $10 000 con un inters simple del 18% anual y 10 meses de plazo. Si
en el momento de efectuarse el prstamo el ndice de precios era de 213.88 y en la
fecha de vencimiento es de 241.08, hallar ,
a) El monto que recibe Eduardo, expresado en pesos corrientes.
b) El valor real que recibe Eduardo.

a) M = 10 000 1+ ( 0 .18/12) (10)

M = $11 500

b) La inflacin ocurrida en los 10 meses fue:

= 241.08 _ 1 = 12.72%

213.88

Por tanto, el valor del dinero expresado en pesos constantes a
A la fecha del prstamo es:

11 500
V
R
=
1 + (0.1272) (1)

V
R
= 10 202.27

c) Normalmente, Eduardo tiene $11 500, pero debido a la
Inflacin ese dinero tiene un valor equivalente a $ 10 202.27 de hace 10 meses.
Por tanto, la tasa de inters real ganado es:

10 202.27 = 10 000 1 + (i
R
) (10)

1.020227 = 1 + 10 i
R

i
R =
0.0020227 = 0.20227% mensual = 2.43% anual.
Como se ve, a pesar de la inflacin, Eduardo obtuvo
ganancia.

Un prestamista efecta un prstamo por $26,000 al 35% capitalizable cada mes y un ao
de plazo. En el momento de efectuar el prstamo el INPC era de 178.03 y en la fecha de
vencimiento fue de 215.83. Cul fue el valor real que pag el deudor? Cul fue la tasa
de inters real cobrada por el prestamista?

Solucin:

F = 26,000 ( 1 + 0.35/12 )
12
F = $36,711.48

La tasa promedio de inflacin mensual fue:

215.83 = 178.03 ( 1 + )
12

Por tanto:

= 1.617% mensual

Con la tasa de inflacin se obtiene el valor real del monto pagado por el deudor:
36,711.48
VR =
( 1 + 0.01617 )
12

VR = $30,283.46

La tasa real se calcula mediante la formula de Fisher:

0.35/12 0.01617
i
R
= 100
1.01617

i
R
= 1.279% mensual = 15.35% anual capitalizable cada mes

tambin es posible obtener la tasa real de la siguiente forma:

30,283.46 = 26,000 ( 1 + i
R
)
12

resolviendo la ecuacin se tiene :
i
R
= 1.279% mensual
Para definir el valor de P para los valores de los flujos de efectivo futuro (F
t
) con diferentes
valores de i(i
t
) para cada ao t, supondremos una composicin anual. Sea

i
t
= tasa de inters efectiva anual para el ao t (t = aos 1 a n)

Para determinar el valor presente, se calcula P para cada valor de F
t
, utilizando la i
t
que
aplique y sumando los resultados. De acuerdo con la notacin estndar y el factor P/F:

P = F
1
(P/F,i
1
, 1) + F
2
(P/F, i1)(P/F,i
2
,1) +
+ F
n
(P/F,i
1
,1) (P/F,i
2
,1) (P/F,I
n
,1)

Cuando solo estn involucradas cantidades nicas, es decir, una P y una F en el ao final
n el ltimo trmino de la ecuacin anterior es la expresin del valor presente del flujo de
efectivo futuro.

P = F
n
(P/F,i
1
, 1) (P/F,i
2
, 1) ... (P/F, i
n
, 1)
Si se requiere la serie uniforme equivalente A durante todos los n aos , primero se
calcula P con cualquiera de las dos ultimas ecuaciones; en seguida se sustituye el
smbolo A por cada smbolo F
t.
Ya que el valor equivalente P se determin numricamente
utilizando las tasas de variables, esta nueva ecuacin slo tendr una incgnita , A.
Ejemplo
CE, Inc. arrienda equipo pesado para perforacin de tneles. Las utilidades netas del
equipo para cada uno de los ltimos 4 aos han ido disminuyendo, como lo indica la
siguiente tabla. sta, adems, incluye las tasas de rendimiento anuales sobre el capital
invertido. La tasa de rendimiento se ha ido incrementando. Determine el valor presente P
y la serie uniforme equivalente A de la serie de utilidades netas. Tome en cuenta la
variacin anual de las tasas de rendimiento.

Ao 1 2 3 4

Utilidad neta $70 000 $70 000 $35 000 $25 000
Tasa anual 7% 7% 9% 10%

La siguiente figura muestra los flujos de efectivo, las tasas de cada ao y los valores equivalentes
de P y A. La ecuacin anterior se utiliza para calcular P. Ya que para los aos 1 y 2 el rendimiento
neto de $70 000 y la tasa anual es 7%, el factor P/A se aplica exclusivamente para estos dos aos.

$70 000 A = ?
$35 000
$25 000

0
1 2 3 4 1 2 3 4
i= 7%

i =7% 7% 7% 9% 10%

P = [70(P/A, 7%, 2) + 35(P/F, 7%, 2) (P/F, 9%, 1)
+ 25(P/F, 7%, 2)(P/F, 9%, 1) (P/F, 10%, 1)] (1 000)
= [70 (1.8080 + 35(0,8013) + 25(0.7284)] (1000)
= $172 816

Para determinar una serie anual equivalente, se sustituye el smbolo A por los valores de utilidad
neta en la parte derecha de la ecuacin anterior que se iguala a P = $172 816 y se despeja A. Esta
ecuacin toma en cuenta los valores variables de i de cada ao. La figura anterior muestra la
transformacin del diagrama de flujo de efectivo.

$172 816 = A[1.8080) + 0.8013 + (0.7284)] = A[3.3377]
A = $51 777 anuales.

6.2.4.1 Instrucciones: Resolver ejercicios de valor presente o valor futuro con PP
menor que el PC.
c) Fecha inicio:
d) Fecha entrega:

Actividad

Resolver ejercicios de valor
presente o valor futuro con
PP < PC.
propuestos.
9 Puntos
Resuelva de manera
entrega de tareas.
1 Puntos
Total 10 puntos

satisfactoria problemas de valor presente o valor futuro con periodos de pago menores
que el periodo de capitalizacin.
6.2.6 Bibliografa:

Graw Hill.

6.3. Tema: Tasa de inters nominal.
6.2.1 Objetivo de aprendizaje: Que el alumno comprenda y aplique la tasa de inters
nominal en problemas reales.
6.2.3 Desarrollo:
La tasa de inters nominal, r, es una tasa de inters que no considera la
capitalizacin de intereses, por definicin,
r = tasa de inters por periodo x nmero de periodos.
En una tasa nominal r puede fijarse para cualquier periodo: 1ao, 6 meses, 1
trimestre, 1 mes, 1 semana , 1 da, etc. La ecuacin anterior se aplica para
calcular el valor equivalente de r para cualquier periodo menor o mayor.
Ejemplo
La tasa nominal de r =1.5 % mensual es la misma que cada una de las siguientes
tasas.

r = 1.5% mensual x 24 meses (mayor que 1mes)
= 36% por un periodo de 2 aos.

= 1.5% mensual X 12 meses (mayor que 1 mes)
= 18% anual

=1.5% mensual X 6 meses (mayor que 1 mes)
= 9% por medio ao

= 1.5% mensual x 3 meses (mayor que 1 mes)
= 4.5% trimestral

= 1.5% mensual x 1 mes (igual a 1 mes)
=1.5 mensual

=1.5% mensual x 0.231 mes (menor que 1 mes)
= 0.346%

Observe que ninguna de stas tasas nominales menciona la frecuencia de la
composicin. Todas ellas tienen la forma r% por periodo de tiempo t.

Periodo de pago (PP) es necesario considerar la frecuencia de los pagos o ingresos; es
decir, el periodo de transaccin de flujo de efectivo. Por sencillez , recibe el nombre de
periodo de pago.

Periodo de tiempo es la unidad fundamental del tiempo de la tasa de inters. Esta
corresponde a la literal t en el enunciado que r% por periodo de tiempo t. Hasta ahora, la
unidad de tiempo de un ao es la mas comn. Se da por supuesta a menos que se
establezca otra unidad.


Periodo de composicin o de capitalizacin (PC) es la unidad de tiempo utilizada para
determinar el efecto de inters. Se define por el trmino de composicin en el enunciado
de la tasa de inters. Si no se determina el periodo, se supone que es de un ao.

La frecuencia de composicin o de capitalizacin es el nmero m, es decir, el nmero de
veces que se lleva a cabo la composicin durante un periodo t. Por ejemplo 8% anual,
compuesta mensualmente, tiene una frecuencia de composicin de m = 12 veces por un
ao. Una tasa de 8% anual, compuesta semanalmente, posee una frecuencia de m = 52,
con base en un estndar de 52 semanas por ao.

En los captulos anteriores, todas las tasas de inters tenan valores de t y m de un ao.
Esto significa que las tasas eran tasas efectivas y nominales, en virtud que se utilizaba la
misma unidad de un ao. Se acostumbra expresar la tasa efectiva sobre la misma base
de tiempo que el periodo de composicin. La tasa efectiva correspondiente por PC se
determina mediante la frmula:

Tasa efectiva por PC =
npoirt composicio mperiodode
iempot porperiodo r det %
=
m
r

Ejemplo
Suponga que r=9% anual, compuesto mensualmente; as, m=12, aplicando la ecuacin
anterior para obtener la tasa efectiva de 9%/12 = 0.75% mensual, con un periodo de
composicin mensual. Es importante observar que el cambio del periodo fundamental t no
altera el periodo de composicin, que en este caso es un mes.

TI-2: Tarea de investigacin.
6.3.4.1 Instrucciones: Que el alumno investigue va Internet, los conceptos de
periodo de pago, periodo de capitalizacin, tasa de inters nominal, tasa de inters
efectiva.
.
b) Producto esperado: Que los alumnos realicen una investigacin correcta.
c) Fecha inicio:
d) Fecha entrega:

6.3.4.1 Criterio de evaluacin de la actividad TI-2
Actividad

Que realice una
investigacin de los
anteriores conceptos
Que se comprenda el
manejo de los conceptos.
4 Puntos
Que se realice una correcta
investigacin.
entrega de tareas.
1 Puntos
Total 10 puntos


6.3.5 Resultado del Aprendizaje: Se pretende que los alumnos realicen una
investigacin correcta.
6.3.6 Bibliografa:
Graw Hill.

6.4. Tema: Clculos de tasas de inters real y efectiva.
6.4.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para realizar clculos
de tasas de inters.
6.4.3 Desarrollo:

Dadas las siguientes tasas nominales, obtenga la tasa efectiva por periodo:
a) 26% capitalizable cada semestre.
J = 26%
m = 2 periodos de capitalizacin por ao.
J
ep
=
2
26
= 13% semestral.

b) 30% capitalizable cada 9i das.
J = 30% anual.
M =
91
365
= 4.010989011 periodo de capitalizacin en el ao.
j
ep
=
010989011 . 4
30

j
ep
= 7.4794 en 91 das.

Calcule la tasa efectiva de la tasa nominal del 15% semestral capitalizable cada mes.
I
e
= 0.15 por semestre = 0.30 por ao
M = 12 periodos de capitalizacin por ao.

I
e
= (1+
12
30 . 0
)
12
-1
I
e
= 0.344888
J
e
0 34.48% anual

TA-9:Ejercicios propuestos.
6.4.4.1 Instrucciones: Que el alumno resuelva problemas en los que se involucren las
tasas de inters.
.
b) Producto esperado: Que los alumnos realicen correctamente los ejercicios.
c) Fecha inicio:
d) Fecha entrega:


Actividad

Que realice una
investigacin de los
anteriores conceptos
Que se comprenda el
manejo de los conceptos.
4 Puntos
Que se realice una
correcta investigacin.
entrega de tareas.
1 Puntos
Total 10 puntos

6.4.5 Resultado del Aprendizaje: Se pretende que los alumnos realicen correctamente
los ejercicios.
6.4.6 Bibliografa:
Graw Hill.

Unidad Temtica: 7. Anualidades y amortizacin.
7.1. Tema: Anualidades anticipadas y vencidas.
7.1.1 Objetivo de aprendizaje: Que el alumno comprenda y aplique las anualidades
anticipadas y vencidas en problemas reales.
7.1.3 Desarrollo:

ANUALIDAD:
Se define como una serie de pagos iguales, realizados en intervalos iguales de tiempo. El
trmino anualidad parece implicar, que los pagos se efectan cada ao, sin embargo,
esto no es necesario as, ya que los pagos pueden ser mensuales, quincenales etc.

Ejemplos de anualidades:

El cobro quincenal del sueldo, el pago mensual de la renta de la casa los abonos
mensuales para pagar una computadora comprada a crdito, el pago anual de la prima
del seguro de vida. Los dividendos semestrales con acciones. Los depsitos bimestrales
efectuados al fondo de jubilacin, etc.

Los trminos de renta, pago peridico, abono u otros, pueden ser utilizados en lugar de
anualidades. El tiempo transcurrido entre dos pagos sucesivos se llama periodo de pago o
periodo de renta.

El periodo de pago puede ser anual, semestral, y mensual, etc.

El tiempo que trascurre entre el principio del periodo de pago y el final del ltimo periodo
de pago se llama plazo de la anualidad.


CLASIFICACION DE ANUALIDADES
De acuerdo a los pagos en:

vencidas u ordinarias.:
Son aquellas en que los pagos se realizan al final de cada periodo de pago.

anticipadas:
Son aquellas cuyos pagos se realizan al principio de cada periodo de pago.

De acuerdo a los intereses

simples:
Es aquella cuyo periodo de pago que coincide con el periodo de capitalizacin de
los intereses. Por ejemplo: Realizar depsitos mensuales en una cuenta de
ahorros que paga intereses capitalizable cada mes.

general:

Es aquella cuyo periodo de pago no coincide con el periodo de capitalizacin de los
intereses. Por ejemplo: Cuando se realizan depsitos quincenales en una cuenta de
ahorros cuyos intereses se capitalizan cada mes.

ANUALIDADES SIMPLES VENCIDAS

El monto de una anualidad vencida es el valor acumulado de una serie de pagos iguales
efectuados al final de cada periodo.

Ejemplo
Supngase que se depositan $1000 al final de cada mes en un rango que paga una tasa
de inters del 1.5% mensual capitalizable cada mes cul es el monto al finalizar el ao?

1000 1000 1000 1000 1000 1000
. . .

0 1 2 3 4 11 12 meses
Momento actal

M = 1000(1+0.015)
11
+1000(1+0.015)
10
+1000(1+0.015)
9+
1000(1+0.015)
8
+1000
(1+0.015)
7
+1000(1+0.015)
6
+1000(1+0.015)5+1000(1+0.015)
4
+1000(1+0.015)
3
+1000(1+0.
015)
2
+1000(1+0.015)
1
+1000= 13 041.21

Inters compuesto ganado por la anualidad: es la diferencia entre el monto y el total
depositado.

Inters ganado = 13041.21-(1000)(12)=1041.21

Formula general para obtener el monto o valor futuro de las anualidades vencidas.

M = A ( 1 + i )
n
-1
i

M = Monto
A = Pago o depsito hecho al final de cada uno de los periodos
i = tasa de inters por periodo expresada en forma decimal
n = numero de periodos

M = 1000 (1 + 0.015)
12
-1
0.015

M = 1 000(13.04121148)

M = 13 041.21

Ejemplo
El pap de un nio de 10 aos empieza ahorrar para que su hijo pueda estudiar una
carrera universitaria. Planea depositar 500 en una cuenta de ahorros al final de cada mes
durante los prximos 8 aos. Si la tasa de inters es el 27%. Cual ser el monto de la
cuanta al cabo de 8 aos? Cuanto se percibe por concepto de intereses?

Datos
A = 500
I = 27% =
12
27 . 0
sensual. M = 500
12 / 27 . 0
1 ) 12 / 27 . 0 1
96
+

N = 8 aos = 96 meses.

M = 500
0225 . 0
1 ) 0225 . 1 (
96

M = 500 (331.822341)

M = 165 911.1705

En 8 aos (500) (96) = 48 000

M
3
= $43, 655.6949
I = 48 000-165 911.1705
I = 117 911.1705

Ejemplo
El pap de un nio de 10 aos empieza ahorrar para que su hijo pueda estudiar una
carrera universitaria. Planea depositar $500 mensuales en una cuenta de ahorros al final
de cada mes durante los prximos 8 aos. Si la tasa de inters es el 27%. Cual ser el
monto de la cuenta al cabo de 5 aos? y si el resto del tiempo se depositan $800
mensuales?Cul es el monto final?.
Primera parte:

Datos

A = $500
i = 27%/12 =2.25/100 = 0,0225 M
1
= 500
0225 . 0
1 ) 0225 . 0 1
60
+
= $62 225.21
n = 60 meses

Segunda parte:
Se obtiene del monto de $62 225.62 al final del periodo, trasladando esta cantidad nica
mediante la forma inters compuesto.

Monto compuesto:

M
2
= 62, 225. 217 (1 + 0.0225)
36

M
2
= $138, 626.3612
Tercera parte
Se calclale monto de la anualidad de $800 mensuales durante 3 aos.

Monto total: M
t
= M
2
+M
3
=138 626.3612 + 43 655.6949 = $182 282.05

M
3
= 800 (1 + 0.0225)
36
-1
0.0225

500 500 500 500 500 500 500 800 800 800 800 800

... .....
0 1 2 3 4 5 6 60 61 62 63 95 96 meses


VALOR PRESENTE O ACTUAL DE UNA ANUALIDAD VENCIDA

El valor presente de una anualidad, se define como la suma de los valores presentes de
todos los pagos.
Ejemplo
Supngase que una persona va a liquidar una deuda mediante 4 pagos mensuales de $1
183.72 cada uno, que incluyan intereses al 3% mensual con capitalizacin cada mes, se
desea obtener el valor presente de los pagos.

Si la fecha focal se localiza en el momento actual, entonces se puede formar la
siguiente ecuacin de valor.

P =
03 . 1
72 . 1183
+
2
03 . 1
72 . 1183
+
3
03 . 1
72 . 1183
+
4
03 . 1
72 . 1183
= $ 4 400
Donde P representa el valor presente de los pagos.
$4400 es el valor actual de 4 pagos mensuales de $1 183.72 cada uno, y
representa la cantidad de dinero pedida en prstamo por el deudor.

Frmula para obtener el valor presente o actual de una anualidad vencida.

P = A
i
i i
n
+ ) ( 1

Ejemplo
Cual es el valor presente de $ 5 000 depositados en una cuenta al final de cada
trimestre, durante 4 aos, si la tasa de inters es del 28% contabilizable en forma
trimestral.

A = 5 000

1 183.75 1 183.75 1 183.75 1 183.75

0 1 2 3 4 Meses
P


I = 0.28/4 P = 5 000
4 / 28 . 0
) 4 / 28 . 0 1 ( 1
16
+

N = 4 aos = 16 trimestres

P = 5000 (
07 . 0
) 07 . 1 ( 1
16
)

P = 5 000 (
07 . 0
3387345978 . 0 1
)
P = $47 233.24
Ejemplo

Raquel desea jubilarse este ao y cree que necesita $5 000 cada mes durante los
siguientes 15 aos. Su banco le dar el 22% compuesto mensualmente Cunto dinero
debe tener depositado para poder retirar la cantidad especificada cada mes.?

A = 5 000
I = 0.018333 P = A
i
i
n
+ ) 1 ( 1

n = 15 aos = 180 meses

P = 5 000
018333 . 0
) 018333 . 0 1 ( 1
180
+

P = $262 363.0773
La diferencia entre el valor actual y la cantidad total recibida es el inters compuesto
ganado
Inters compuesto = (5000) (180)- (262363.0773)
= $637636.9227

ANUALIDADES SIMPLES ANTICIPADAS

Una anualidad anticipada es aquella en la cual los pagos se llevan a cabo al inicio del periodo de
renta. Son ejemplos de anualidades anticipadas los pagos anuales (primas) de un seguro de vida,
la renta de una casa u oficina; algunos planes de crdito estipulan que los pagos deben realizarse
al comienzo de los periodos convenidos, etctera.


Se recuerda al lector que una anualidad es simple cuando el periodo de capitalizacin coincide con
el periodo de pago, razn por la cual no es necesario especificar explcitamente el periodo de
capitalizacin en un problema dado. La anualidad es cierta cuando los pagos comienzan y
terminan en fechas determinadas.

La diferencia entre una anualidad ordinaria y una anticipada se puede ver grficamente en los
siguientes diagramas de tiempo:

Anualidad ordinaria

A A A A A A
. . .
0 1 2 3 n-2 n-1 n

Anualidad anticipada

A A A A A A
. . .
0 1 2 3 n-2 n-1 n

Obsrvese que la anualidad anticipada comienza con un pago y concluye un periodo despus de
que se haya cubierto el ltimo pago. Por tal motivo, el n-sino pago gana intereses por un periodo
debido a que fue depositado al inicio del ltimo periodo.

MONTO Y VALOR ACTUAL DE UNA ANUALIDAD ANTICIPADA

Ejemplo
Se depositan $100.00 al inicio de cada mes en un banco que paga el 2% mensual capitalizable en
forma mensual. Cul ser el monto despus de 5 depsitos?

100 100 100 100 100 100
meses
0 1 2 3 4 5
F

Si F representa el monto de la anualidad, se puede formar la siguiente educacin de valor:

F = 100 (1.02)
5
+ 100 (1.02)
4
+ 100 (1.02)
3
+ 100 (1.02)
2
+ 100 (1.02)

F = 100 (1.02
5
+ 1.02
4
+ 1.02
3
+ 1.02
2
+ 1.02)

F = 100 (5.308120963)

F = $530.8120

FRMULA PARA OBTENER EL MONTO O VALO FUTURO DE UNA ANUALIDAD
ANTICIPADA.

(1 + i)
n+1
(1 + i)
F = A
i

(1 + 0.02)
5+1
(1 + 0.02)

F = 100
0.02

F = $ 530.81

FORMULA PARA OBTENER ELMONTO O VALOR PRESENTE DE UNA ANUALIDAD
ANTICIPADA.

P = A
i
i i
n
+ +
1
) 1 ( ) 1 (

P = 100
02 . 0
) 02 . 0 1 ( ) 02 . 0 1 (
5 1
+ +

P = 100(4.807728698)

P = $480.77

Ejemplo:

Un profesionista deposita $470.00 al principio de cada mes, en una cuenta de inversin. Si la tasa
de inters es del 23.64% capitalizable cada mes:

a) Obtenga el monto al cabo de 4 aos.
b) Cul es el inters ganado en los 4 aos?

c) Calcule el valor presente de la anualidad.

Solucin

a) A = 470

n = 48 meses

i = 0.2364/12 = 0.0197

Sustituyendo valores

(1 + i)
n + 1
(1 + i) (1.0197)
48 + 1
(1.0197)
F = A = 470
i 0.0197

2.601049072 0.0197
F = 470 = 470 (80.2715265)
1.0197

F = $37,727.62

b)Inters compuesto ganado = Monto total depositado
= 37,727.62 (470) (48 meses)
= $15,167.62

c) El valor actual se obtiene mediante la ecuacin

1+ 0197 (1+ 0197)
1 - 48

P = 470
0.0197

P = 470 (31.4691777475)

P = $14,790.51

Ejemplo:

Una compaa constructora debe invertir durante los prximos 5 aos, al comienzo de cada mes,
$15,000.00 en un fondo para la depreciacin de su maquinaria. Cul ser el monto de este fondo

de depreciacin al cabo de 5 aos, si ha estado produciendo el 27% capitalizable cada mes? Si
los depsitos mensuales se hicieran al final de cada mes, Cul sera el monto?

SOLUCIN

A = 15,000

n = 60 meses

i = 0.27/12 = 0.0225

(1 i)
n+1
(1+i) (1.0225)
61
(1.0225)
F = A = 15,000
i 0.0225

F = 15,000 (127.250569717)

F = $1 908,758.55

Si se tratara de una anualidad vencida, el monto sera:

(1.0225)
60
- 1
F = 15,000 = $1 866.756.52
0.0225

Hay una diferencia de $42,002.02!

Ejemplo:
La pliza de un seguro de vida estipula que se entregue al beneficiario de ste un pago de
$5,000.00 al comienzo de cada mes durante 12 aos. Cul es el valor presente de esta
anualidad, si la tasa de inters es del 2.35% mensual?

SOLUCIN

A = 5,000
n = 144 meses
i = 0.0235

(1 + i) (1 + i)
1 n
1.0235 (1.0235)
1 144

P = A = 5,000
i 0.0235


P = 5,000 (42.0172664627)

P = $210,086.33

Ejemplo:

Utilice el problema anterior y compare el valor actual de la anualidad anticipada con el valor actual
si fuera anualidad ordinaria.

SOLUCIN
Si la anualidad fuera ordinaria, entonces:

1 (1.0235)
144

P = 5,000
0.0235

P = 5,000 (41.05253196)

P = $205,262.66

El valor presente de la anualidad anticipada es $4,823.67 ($210,086.33 - $205,262.66) ms que el
valor presente de la anualidad vencida. Otra forma de llevar a cabo la comparacin es:

210,086.33
= 1.0235
205,262.66

El valor actual de la anualidad anticipada es 1.0235 veces ms que el de la anualidad vencida.

Ejemplo:

Una nia recin nacida recibi, por parte de sus abuelos maternos, $10,000.00 para que sean
utilizados en su educacin universitaria. El mismo da en que naci la nia su padre le abri una
cuenta de inversin a su nombre, donde depsito el regalo de los abuelos junto con $300.00 que
piensa depositar, a partir de ese momento, cada mes, durante 12 aos. Despus de transcurrido
ese tiempo, los depsitos sern suspendidos, pero el dinero se mantendr en la cuenta hasta que
la nia cumpla 18 aos, edad en que estar por ingresar a la Universidad. Qu cantidad de dinero
habr en la cuenta dentro de 18 aos? Supngase que la tasa de inters es del 18.6% capitalizable
cada mes.

SOLUCIN

A continuacin se muestra el diagrama de tiempo.

$10,000
300 300 300 300 300

... ...
meses
0 1 2 142 143 144 145 214 215 216
F

F representa el monto al final de 18 aos.

El problema se debe resolver en 3 etapas.

Primera parte.
Obtener el monto (F
1
) de $10,000 durante 18 aos

10,000
... meses
0 1 2 3 214 215 216
F
1

F
1
= 10 000 (1 +
216
)
12
816 . 0

F
1
= $277 245.427

Segunda parte

Se obtiene el monto (F
2
) de la mensualidad anticipada, durante 12 aos.

300 300 300 300 300
...
meses
0 1 2 142 143 144
F
2

(1 + i)
n+1
(1 + i)
F
2
= A
i

(1 0.186/12)
145
(1 + 0.186/12)
F
2
= 300
(0.186/12)


F
2
= 300 (534.6311263)

F
2
= $160 389.34

Tercera parte

Se obtiene el monto (F
3
) de $160 389.34 invertidos de los 12 a los 18 aos.

160 389.34
... meses
144 145 146 214 215 216
F
3

0.186
F
3
= 16,389.34 (1 + )
72
12

F
3
= $485,434.11

El monto total al final de los 18 aos viene dado por la suma de F
1
y F
3
.

Monto total = F1 + F3 = 277,245.43 + 485,434.11

Monto total = $762,679.54

TA-10:Ejercicios propuestos.
7.1.4.1 Instrucciones: Que el alumno resuelva problemas de anualidades vencidas y
anticipadas .
.
b) Producto esperado: Que los alumnos realicen correctamente los ejercicios.
c) Fecha inicio:
d) Fecha entrega:

Actividad

Que se realice ejercicios
respecto a anualidades
vencidas y anticipadas.
Que pueda tomar
decisiones respecto en
diferentes alternativas de
financiamiento.
9 Puntos
Que se realicen
correctamente los
ejercicios.
entrega de tareas.
1 Puntos

Total 10 puntos

7.1.4.2 Instrucciones: Resolver un ejercicio de anualidades vencidas o anticipadas.
.

correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

problema de anualidades
vencidas o anticipadas.
.
un problema de
anualidades vencidas o
anticipadas.
9 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 10 puntos

7.1.5 Resultado del Aprendizaje: Se pretende que los alumnos realicen ejercicios acerca
de anualidades vencidas y anticipadas.
7.1.6 Bibliografa:

7.2. Tema: Tablas de amortizacin.
7.2.1 Objetivo de aprendizaje: Que el alumno adquiera la habilidad para realizar
las tablas de amortizacin.
7.2.3 Desarrollo:

AMORTIZACIN A INTERS SIMPLE

Amortizar: Significa saldar una deuda y sus intereses mediante una serie de pagos parciales o
abonos que pueden ser de igual valor o de valores variables, efectuados a intervalos de tiempo
iguales o diferentes.

Amortizaciones constantes: cuando los abonos son de igual valor.

Amortizaciones variables: cuando los abonos no son de igual valor.

En la mayora de las operaciones a crdito, se acostumbra a saldar la deuda mediante
amortizaciones constantes, de manera que incluyan capital e intereses, y realizadas a intervalos de
tiempo iguales. Para que esto sea as, basta dividir el monto de la deuda entre el nmero de pagos
es decir.

Las amortizaciones a inters simple se pueden llevar a cabo de dos maneras distintas.

- con inters global.
- con inters sobre saldos insolutos.

Amortizacin con inters global:

En ste tipo de amortizacin los intereses son calculados sobre la totalidad de la deuda y no se
toman en cuenta los pagos efectuados.

Ejemplo

El seor Javier Medina compra un refrigerador a crdito cuyo precio de contado es de $3,800.00
bajo las siguientes condiciones del pago, 6 meses para pagar dando abonos mensuales iguales en
cantidad y una tasa de inters global del 48%. Calcule valor del abono mensual.

Solucion.

El monto de la deuda:

S = $3,800 (1 + 0.48 * 6)
12
S = $4,712.00

Abono = $4,712.00 = $785.33
6

La Ley Federal de Proteccin de consumidor prohbe el uso del inters global en todas las
operaciones a crdito. El artculo 69 de dicha ley dice textualmente Los intereses se causarn
exclusivamente sobre los saldos inslitos del crdito concedido y su pago no podr ser exigido
por adelantado, sino nicamente por periodos vencidos.

Amortizacin con inters sobre saldos inslitos:

Monto de la deuda
Abono :
Nmero de pagos

Si insoluto significa lo no pagado, entonces intereses cobrados sobre saldos insolutos significa el
inters calculado en una deuda sobre el saldo que queda por pagar cada vez que se realiza un
abono.

Ejemplo.

Si se tiene el precio de contado del refrigerador:

La amortizacin mensual al capital:

C = 3800.00 Amortizacin (a) = 33 . 633 $
6
3800 $
=
o mesesdepag

i = 48%

Los intereses mensuales se deben calcular sobre la parte no pagada del capital (saldo insoluto)
que va quedando despus de cada amortizacin. Desde el inicio del crdito hasta el final del primer
mes el saldo insoluto es al $3,800.00 por tanto, el inters a pagar al efectuar la primera
amortizacin ser:

I = $3800.00 * 0.48 * 1 = $ 152.00
12

Tabla de amortizacin

Mes Saldo insoluto Amortizacin al capital Intereses Pago total
1 $ 3,800.00 633.33 $ 152.00 785.33
2 $ 3,166.67 633.33 $ 126.67 760.00
3 $ 2,533.34 633.33 $ 101.33 734.66
4 $ 1,900.01 633.33 $ 76.00 709.33
5 $ 1,266.68 633.33 $ 50.67 684.00
6 $ 633.33 633.33 $ 35.33 658.66
Total 3 799.98 $ 532 $ 4,331.98

El precio pagado por el refrigerador es de $433.98; $3 800.00 corresponden al capital y $532.00 a
los intereses. Como se puede ver, los intereses cobrados sobre los saldos insolutos son menores
que los cobrados mediante el inters global. Tambin se observa que el pago total es cada vez
menor, debido a los intereses que van decreciendo mes a mes; sin embargo, es practica comn
que el pago total sea igual cada mes.

El pago total mensual constante, con intereses incluidos, es de:

Abono = 4,331.98 = 722
6

El refrigerador se paga mediante 6 pagos mensuales iguales de $ 722 cada uno.

Otra forma de obtener el inters total sobre saldos insolutos.


c = valor presente.
n = nmero de periodos
i = tasa de inters (sin su porcentaje, es decir entre 100)
a = el valor de la amortizacin al capital.
a, se obtiene al dividir el valor presente de la deuda entre el nmero de periodos, esto es:

a =
n
c
donde c = saldo insoluto al inicio

Datos:
c = $ 3,800.00
a = $ 633.33
n = 6 meses
i = 0.48/12 = 0.04

I = 6 * 0.04 (3,800 + 633.33) = $532.00

Abono mensual = Monto = 3,800 + 532 = $722
n 6

Ejemplo:
Implementos agrcolas S, A. vende un tractor, cuyo precio de contado es $ 190,000.00 bajo los
siguientes condiciones: dar un enganche del 25% y el resto en 36 abonos quincenales iguales en
cantidad, a una tasa de inters simple del 50% sobre saldos insolutos. Calcule el importe del abono
quincenal.

El valor presente de la deuda.

C = 190,000 25% del 190,000.00

C = 190,000 47,500

C = $ 142,500.00

El valor de la amortizacin:

a = 142,500 =
36

a = $ 3 958.33

n = 36

i = 0.50 = 0.02083
n * i
I = (c + a)
2

24

I = 36 * 0.02083 (142,500 + 3958.33) = 54,921.8737
2

I = 54,921.8737

Monto = $ 142,500 + 54921.8737

Monto = 197,421.8737

Abono quincenal = 197,421.8737
36

Abono quincenal = 5,483.94

Ejemplo:
Se obtiene un prstamo por $ 36.000.00 a 10 meses en pagos mensuales, al 38% sobre los saldos
insolutos. Calcule los intereses para los primeros 6 meses.

c = 36,000.00

a = 36000 = 3,600.00
10
n = 6 meses

i = 0.38 = 0.0316
12

I = n x i (c + a)
2

I = 6 x 0.0316 (36,000) + (3600) x (4) + 3,600)
2
I = $ 5,130.00

Tabla de amortizacin

MES SALDO INSOLUTO AMORTIZACIN AL
CAPITAL
INTERS PAGO TOTAL
1 36,000 3600 1140 4740
2 32,400 3600 1026 4726
3 28,800 3600 912 4512
4 25,200 3600 798 4398
5 21,600 3600 684 4284
6 18,000 3600 570 4170
7 14,400 3600 456 4056
8 10,800 3600 342 3942
9 7,200 3600 228 3828
10 3,600 3600 114 3714


Ejemplo:
Un prstamo por $ 52,200 deber ser liquidado en un ao, como pagos bimestrales, cobrando una
tasa de inters simple sobre saldos insolutos igual a la TIIE (Tasa de Inters interbancaria de
equilibrio) ms 5 puntos porcentuales. El prstamo fue otorgado el 5 de julio y en pagos debern
hacerse los das 5, empezando con el 5 de septiembre obtenga el pago total que se deber realizar
cada bimestre, sabiendo que las tasas de inters fueron los siguientes:

BIMESTRE TIIE

1 39.08%
2 40.15%
3 41.24%
4 43.00%
5 2.50%
6 40.87%

c = $ 52,200

a = 52,200 = $ 8,700.00
6
n = 6 bimestres

i = tasa variable.

Bimestre Saldo
insoluto
Amortizacin
al capital
Tasa de inters
ms 5 ptos.
Inters Pago Total
1 52,200 8,700 44.08% 3834.95 12,534.96
2 45,500 8,700 45.15% 3273.375 11973,375
3 34,800 8,700 26.24% 2681.92 11381.92
4 26,100 8,700 48.00% 2088 10,788.00
5 17,400 8,700 47.50% 1377.5 10,077.5
6 8,700 8,700 45.87% 665.115 9365.115

7.2.4.2 Instrucciones: Resolver un ejercicio de amortizacin sobre saldos insolutos..
.

correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad

un problema de
9 Puntos

problema de
amortizaciones a inters
simple.
.
amortizaciones a inters
simple.
Uso de reglas de
presentacin
1 Puntos
Total 10 puntos

de amortizaciones.
7.1.6 Bibliografa:

Unidad Temtica: 8. Tasa interna de retorno.
7.1. Tema: .
7.1.1 Objetivo de aprendizaje: Que el alumno comprenda y aplique la tasa interna de
retorno en proyectos de inversin.
7.1.3 Desarrollo:

Evaluacin econmica de proyectos de inversin.

Una inversin independiente es aquella que al realizarse no afecta los flujos de efectivo de otras
inversiones aunque si esta compitiendo con estas opciones por el capital escaso. Por ejemplo un
proyecto de construccin de un parque industrial en Tijuana puede estar compitiendo por los
recursos contra el proyecto de un hotel de cinco estrellas en Cancn, si los recursos disponibles no
permiten realizar ambos proyectos se deber elegir entre ellos, pero si en un momento
determinado los recursos son suficientes se pueden efectuar ambas opciones.
Las inversiones mutuamente excluyentes son aquellas en las que solo habr de aceptarse una de
ellas porque todas realizan la misma funcin econmica. Por ejemplo, todos los usos de un nico
recurso econmico como un terreno que se puede utilizar para construir un estacionamiento, un
hotel un edificio para oficinas, un centro comercial, un parque industrial o viviendas; incluso
dependiendo de su tamao se pueden combinar varios de estos uso, pero no podr utilizarse para
todos.

Tasa de rendimiento mnimo aceptable.

Los mtodo de evaluacin econmica se basan en comparaciones. Es decir, comparan sus
resultados econmicos con los beneficios mnimos que los inversionistas estn dispuestos a
aceptar u otras inversiones accesibles para los inversionistas.
La tasa de rendimiento mnima aceptable(Trema) es la tasa de rendimiento que como mnimo est
dispuesta a aceptar una persona o empresa para invertir sus recursos en una inversin dada.
Existen tres criterios para determinarla.
Primero: rendimiento igual o mayor que la inflacin. Esperar que una inversin genere rendimiento
igual a la inflacin equivale a considerar que los inversionistas se conformen con sus ahorros
cuando menos conserven su poder adquisitivo. En este caso se esperara obtener un rendimiento
real igual a cero, lo que creemos que en la prctica resulta poco interesante para los inversionistas;
por esta razn no consideramos que este sea el mejor criterio.

Segundo: rendimiento mayor o igual que el costo de oportunidad de capital. Este se define como lo
que se deja ganar en una inversin A por invertir los recursos disponibles en otra opcin B. Este
criterio se basa en el hecho de comparar el rendimiento estimado del proyecto de inversin con
otras opciones accesibles al inversionista. Esas opciones de inversin son generalmente mas
seguras y pueden ser: inversiones en el mercado de dinero, de capitales, de metales precios o
inclusive el rendimiento obtenido por otro proyecto de inversin. Lo mas comn es utilizar los
Certificados de la Tesorera de la Federacin.(Cetes).
Tercero: Rendimiento mayor o igual a costo del capital. Se define como el precio que la empresa
paga a las fuentes de financiamiento por el uso de su dinero, incluyendo financiamientos por
endeudamiento y por aportaciones de capital de los accionistas. Por ejemplo una empresa con una
estructura de capital como la que se muestra en la tabla 7.1 tiene un costo de capital promedio
ponderado igual al 18,8%.

Tabla7.1. Ejemplos de la estructura de capital de una empresa.

Por tanto, cualquier inversin que realice la empresa tiene que redituarle este rendimiento o uno
mayor.
Independientemente de cul de los tres criterios (inflacin , costo de oportunidad o costo de capital)
se aplique para evaluar un proyecto, los inversionistas siempre solicitan un premio adicional o
sobre tasa. Este premio extra es proporcional al nivel de riesgo de la aventura. De tal forma que la
Trema debe considerar ese premio por la toma de riesgos.

La inflacin y tasa mnima de rendimiento aceptable.

El rendimiento ofrecido por una inversin tiene una parte igual a la inflacin y otra llamada parte
real que puede estar por arriba o por abajo de la inflacin. Cuando el rendimiento que genera una
inversin es superior a la inflacin, se dice que esa inversin genera un rendimiento real positivo
(fig. 7.2, caso 1), y cuando es menor, decimos que la inversin produce un rendimiento real
negativo(fig. 7.3, caso 2).

Rendimiento Rendimiento
Real positivo Rendimiento Real negativo
efectivo Inflacin

inflacin Rendimiento
efectivo
Caso 1 Caso 2

Fig. 7.3. Rendimiento real de una inversin.

Del concepto de inters real conviene recordar la expresin usada para calcular la tasa real de
inters.

Tr =
inf 1
1
T
Te
+
+
- 1 X 100
Concepto Activos(%) Costo anual Costo ponderado
Pasivo 60.0 18.0% 10.8%
Capital social 40.0 20.0% 8.0%
Total 100.0 18.8

Donde:
T
r
= Tasa real
T
e
= Tasa de inters efectiva
T
inf
. = Tasa de inflacin.

Hay que considerar que la evaluacin de un proyecto de inversin se realiza a partir de su flujos de
efectivo proyectados. Si los flujos de efectivo se proyectaron en trminos reales, es decir, sin
tomar en cuenta los efectos de la inflacin durante la proyeccin de los ingresos y egresos,
entonces, la Trema que se aplicar para evaluar el proyecto de inversin deber corresponder
nicamente a la porcin real de esa tasa de inters.

Ejemplo:
Si el proyecto se va a comparar con el rendimiento que ofrece otra opcin de inversin accesible a
los inversionistas y que genera rendimiento de 20% anual y la inflacin estimada es de 15% anual,
el rendimiento real de esa inversin se obtiene por sustitucin de los valores de la expresin
anterior.

T
r
= 1
15 . 0 1
2 . 0 1
+
+
X 100 = 4.35%

Por lo tanto, la tasa de 4.35% real anual ser la que emplear como Trema para evaluar el
proyecto de inversin mencionado.
Cuando las proporciones financieras del proyecto consideran las efectos de la inflacin en la
proyeccin de sus ingresos y de sus costos, entonces, la Trema que se aplique para evaluar el
proyecto deber incluir tanto la parte inflacionaria como la parte real de la tasa de rendimiento.

Ejemplo
Si el rendimiento que ofrece la otra opcin de inversin accesible a los inversionistas es de 20%
anual efectiva, el proyecto de inversin deber evaluarse empleando esa tasa como Trema.

Mtodos y tcnicas de evaluacin

La evaluacin de los proyectos de inversin se basa en sus flujos de efectivo prospectados al
futuro. Las proyecciones de los flujos de efectivo se realizan con base en las expectativas que el
planeador tiene el presente y el futuro de la economa nacional e internacional, de los mercados y
de la empresa. Efectuar proyecciones financieras no es una tarea sencilla , siempre estar latente
la posibilidad de que los eventos que ocurren en la realidad se comporten de manera diferente que
los prospectados, por lo que siempre existe cierta posibilidad de que los flujos de efectivo que se
presenten en la realidad difieran de los estimados. Considerando lo anterior podemos clasificar en
dos grupos los mtodos de evaluacin de proyectos de acuerdo con la validez que asignen los
datos supuestos contemplados durante la proyeccin de los flujos de efectivo.
Mtodos determinsticos.
Mtodos probabilsticas.
Mientras los mtodos deterministicos consideran que la validez de los factores es absoluta, los
mtodos probabilsticos consideran cierta probabilidad de ocurrencia de los factores.

Periodo de recuperacin de la inversin.

Sin actualizacin
(cuantitativos)
Rendimiento sobre la inversin

Mtodos
Deterministicos Valor presente neto

Con actualizacin Tasa interna de rendimiento

ndice de rentabilidad.

Pronsticos conservadores
Tasa de descuento ajustado por riesgo
Mtodos Anlisis de sensibilidad
probabilisticos Modelos de simulacin de Monte Carlo
rboles de decisin estocsticos.
Equivalente bajo certeza.

Mtodo de la tasa interna de retorno o tasa de flujo de efectivo neto descontado

La tasa interna de retorno es la tasa de inters pagada sobre saldos insolutos de dinero tomado en
prstamo o la tasa de inters ganada sobre el saldo no recuperado de una inversin , de tal
manera que el pago o el ingreso final lleva el saldo a cero, considerando el Inters.
En otras palabras es la tasa de inters efectiva que se paga por un financiamiento (prstamo);
tambin puede definirse como la tasa de inters efectiva que se obtiene como rendimiento en una
inversin particular.
La tasa interna de retorno (TIR) tambin se puede definir como la tasa de descuento que hace que
el valor presente neto de los flujos de efectivo de una inversin sea igual a cero o que tambin
tenga una relacin beneficio / costo actualizados o ndice de rentabilidad igual a uno.
Es uno de los mtodos mas utilizados para evaluar proyectos de inversin. Consiste en calcular la
tasa de descuento para la cual el VPN de los flujos de efectivo sea cero o que su ndice de su
rentabilidad sea igual a uno.

Criterios de decisin que se aplican en el mtodo de tasa interna de retorno. El criterio de
aceptacin generalmente utilizado para este mtodo se basa en comparar la TIR contra la tas de
rendimiento mnima aceptable.

Si la tasa interna de retorno de un proyecto de inversin es mayor o igual que la trema(TIR
Trema), se dice que el proyecto es rentable.
Si se trata de un conjunto de proyectos de inversin entre los cuales ha de seleccionarse slo
algunos de ellos, se opta por aquel que presente la TIR mayor y que tambin tenga una TIR mayor
que la trema.

Ejemplo
Supongamos que estamos evaluando un proyecto de inversin con un flujo de efectivo igual al
mostrado en la figura 7.4. cul ser el rendimiento sobre la inversin o la tasa interna de retorno
de dicho proyecto?
De acuerdo con definicin de tasa interna de retorno, la tarea consiste en determinar cul es la
tasa de descuento para la que el valor presente neto de los flujos de efectivo es igual a cero. Es
decir hay que despejar la tasa de descuento(i) de la siguiente expresin.

VPN = Co+C
1
(1+i)
-n

Donde:

VPN = valor presente neto de los flujos de efectivo proyectado.
C
o
= inversin inicial o flujo de efectivo del aos cero.
C
1
= flujo de efectivo del primer ao y beneficio recibido.
I = tasa de descuento.

n = nmero de periodos.
Por sustitucin de los valores y despeje de la tasa de descuento i, tenemos que:

VPN = 0 = -100 + 150 (1+ i)
-n

i =
100
150
n
1
-1

Donde n = 1

I = 0.50 50%

Por tanto, el rendimiento que genera esta inversin es de 50%,es decir, su tasa interna de retorno
es igual a 50%.

Ejemplo
Continuemos con el ejercicio de la evaluacin de los proyectos A y B que se han desarrollado
anteriormente, mostremos el diagrama de flujo:

La ecuacin que nos permite calcular el VPN del flujo de efectivo, es la siguiente:

VPN = Co + C
1
(1+i)
-1
+ C
2
(1+i)
2
+ C
3
(1+i)
-3
+C
4
(1+i)
4
+ C
5
(1+i)
-5
+ C
6
(1+i)
6

Por sustitucin de los valores tenemos que:

VPN = 0 = -20 000 + 10 000(1+i)
-1
+ 10 000(1+i)
-2
+ 10 000(1+I)
-3
+ 7 000(1+I)
-4
+5000(1+I)
-5
+ 5
000(1+I)
-6

Despejar la tasa de descuento i de una ecuacin de este tipo no es muy sencillo, la forma ms
prctica de calcular la tasa interna de retorno es mediante tanteos, es decir, variando valores en la
C1 = $150

0 1

Co = $100

Fig. 7.4. Flujo de efectivo proyectado.
C
1
=10 000 C
2
=10 000 C
3
= 10 000
C
4
=7 000
C
5
= 5 000 C
6
= 5 000

0 1 2 3 4 5 6

Co=20 000

7.5. Flujo de efectivo del proyecto de inversin A.

tasa de descuento i hasta que se cumpla la condicin determinada. La siguiente tabla muestra el
valor presente neto y el ndice de rentabilidad que resulta con diferentes tasas de descuento para
los proyectos A y B.

Como se puede observar en la tabla 7.6 y en la figura 7.8 la tasa de descuento que hace el VPN
del proyecto sea igual a cero y el IR igual a 1.

Tabla 7.6 valor presente neto e ndice de rentabilidad para tasas de descuento diferentes.
Proyecto A Proyecto B
Tasa de
descuento(%)
VPN($) IR(veces) VPN($) IR(veces)
5 21.051 2.1 42.380 2.4
15 11.768 1.6 17.350 1.6
25 5.541 1.3 2.995 1.1
35 1.158 1.1 -5.777 0.8
45 -2.052 0.9 -11.435 0.6
55 -4.482 0.8 -15.256 0.5
65 -6.372 0.7 -17.942 0.4
75 -7.876 0.6 -19.897 0.3
85 -9.098 0.5 -21.363 0.3
95 -19.106 0.5 -22.491 0.3
TIR 38.28% 27.92%

25 000 2.5

20 000
2.0
15 000

10 000 IR = 1 1.5

5 000 1.0

5 000 VPN = 0
0.5
10 000

15 000 5 15 25 35 38 45 55 65 75 85 95 0

Tasa de descuento(%)
dadilibatner ed ecidn
Valor presente neto

Fig.7.8 Clculo de la TIR, proyecto A.

Est dentro del rango comprendido entre 355 y 45%. Con mas precisin la tasa de descuento que
cumple con la condicin VPN = 0, es 38.28%.

0 = -20000+10000(1+0.3828)
-1
+10000(1+0.3828)
-2
+10 000(1+0.3828)
-3
+7000(1+0.3028)
- 4
+
5000(1+0.3828)
-5
+5 000(1+0.3828)
-6

Por lo tanto,

la TIR de los flujos de efectivo del proyecto A es de 38.28%, y en el caso del proyecto
B, la TIR de sus flujos de efectivo es 27.92%.Con base en los criterios de decisin expuestos
anteriormente, podemos concluir que el proyecto A es una opcin de inversin mas rentable
porque tiene la TIR mayor.

Ventajas y desventajas del mtodo de tasa interna de retorno.

Las ventajas que presenta este mtodo son las siguientes:
S considera el valor del dinero en el tiempo.
Se obtiene una tasa de inters que es un resultado de medicin utilizado para cualquiera
inversin.
Permite ordenar los proyectos de acuerdo con su tasa de rendimiento, esta cualidad es muy
importante en los casos de disponibilidad limitada de capital.

Las desventajas:
El criterio de decisin para proyectos mutuamente excluyentes puede contradecir al mtodo
de VPN.
No todos los flujos de efectivo tienen la propiedad de que el valor presente neto disminuye a
medida que la tasa de descuento aumenta.
Hay flujos de efectivo que presentan tasas internas de retorno mltiples.
Existen dificultades para tomar decisiones de inversin cuando el valor de la Trema para corto y
largo plazo es diferente.

MTODO DEL VALOR PRESENTE

El mtodo del valor presente es uno de los criterios econmicos ms ampliamente utilizados en la
evaluacin de proyectos de inversin. Consiste en determinar la equivalencia en el tiempo cero de
los flujos de efectivo futuros que genera un proyecto y comparar esta equivalencia con el
desembolso inicial cuando dicha equivalencia es mayor que el desembolso inicial, entonces, es
recomendable que el proyecto sea aceptado.

Frmula utilizada para evaluar el valor presente de los flujos generados por un proyecto de
inversin:

n S
t

VPN = S
o
+

t=
1 (1+ i)
t

donde:

VPN. = Valor presente neto.
S
o
= Inversin inicial.
S
t
= Flujo de efectivo neto del periodo t.
n = Nmero de periodos de vida del proyecto.
i = Tasa de recuperacin mnima atractiva.

La frmula anterior tiene una serie de caractersticas que la hacen apropiada para utilizarse
como base de comprobacin capaz de resumir las diferencias ms importantes que se derivan de
las diferentes alternativas de inversin disponibles. Primero, la frmula anterior considera el valor
del dinero a travs del tiempo al seleccionar un valor adecuado de i. Cabe mencionar que algunos
autores utilizan como el valor de i el costo de capital (ponderado de las diferentes fuentes de
financiamiento que utiliza la empresa) en lugar de TREMA (tasa de recuperacin atractiva). Sin
embargo, existen algunas desventajas al usar como valor de i el costo del capital. Algunas de estas

desventajas son: 1) Difcil de evaluar y actualizar y 2) Puede conducir a tomar malas decisiones
puesto que al utilizar el costo de capital, proyectos con valores presentes positivos cercanos a cero
seran aceptados. Sin embargo, es obvio que estos proyectos en general no son muy atractivos.
Por otra parte, el utilizar como valor de i la TREMA, tiene la desventaja de ser establecida muy
fcilmente, adems es muy fcil considerar en ella los factores tales como el riesgo que presenta
un determinado proyecto, la disponibilidad de dinero de la empresa y la tasa de inflacin
prevaleciente en la economa nacional.
Adems de la caracterstica anterior, el mtodo del valor presente tiene la ventaja de ser siempre
nico, independientemente del comportamiento que sigan los flujos de efectivo que genera el
proyecto de inversin. Esta caracterstica del mtodo del valor presente lo hacer ser preferido para
utilizarse en situaciones en que el comportamiento irregular de los flujos de efectivo, origina el
fenmeno de tasas mltiples de rendimiento.
Finalmente, conviene mencionar que en la mayora de los casos, el valor presente para diferentes
valores de i, se comporta como aparece en la figura 7.9. Lo anterior se debe

VPN

Inters

FIGURA 7.9. Valor presente neto como una funcin de la tasa de inters. Caso ms frecuente.

al hecho de que generalmente todos los proyectos de inversin demandan desembolsos en su
etapa inicial y generan ingresos en los sucesivo. Sin embargo, no se debe de descartar la
posibilidad de encontrar proyectos de inversin con grficas completamente diferentes a la
mostrada en la figura 7.9
El mtodo del valor presente se puede aplicar al anlisis y evaluacin de un proyecto individual,
suponga que cierta empresa desea hacer una inversin en equipo relacionado con el manejo de
materiales. Se estima que el nuevo equipo tiene un valor en el mercado de $100,000 y
representar para la compaa un ahorro en mano de obra y desperdicio de materiales del orden
de $40,000 anuales. Considere tambin que la vida estimada para el nuevo equipo es de cinco
aos al final de los cuales se espera una recuperacin monetaria de $20,000. Por ltimo, asuma
que esta empresa ha fijado su TREMA en 25%.

Para esta informacin y aplicando la ecuacin anterior se obtiene:

40,000 40,000 40,000 40,000 40,000
VPN = 100,000 + + + + +
(1+.25) (1+.25)
2
(1+.25)
3
(1+.25)
4
(1+.25)
5


VPN = $14,125

Puesto que el valor presente neto es positivo, se recomienda adquirir el nuevo equipo.
De acuerdo a este ejemplo es obvio que siempre que el valor presente de un proyecto sea positivo,
la decisin ser emprenderlo. Sin embargo, sera conveniente analizar la justificacin de esta regla
de decisin. Primero, cuando el valor presente es positivo, significa que el rendimiento que se
espera obtener del proyecto de inversin es mayor al rendimiento mnimo requerido por la empresa
(TREMA). Tambin, cuando el valor presente de un proyecto es positivo, significa que se va a
incrementar el valor del capital de los accionistas.

En el ejemplo anterior la decisin era aceptar el proyecto. Sin embargo, veamos qu pasa en el
mismo ejemplo presentado anteriormente, la empresa en lugar de fijar su TREMA en 25% la
hubiera fijado en 40%.

Para esta nueva modificacin el valor presentado que se obtiene sera:

40,000 40,000 40,000 40,000 60,000
VPN= 100,000 + + + + +
(1+.4)
1
(1+.4)
2
(1+.4)
3
(1+.4)
4
(1+.4)
5

VPN = -$14,875

Y como el valor presente es negativo, entonces, el proyecto debe ser rechazado. Lo anterior
significa que cuando la TREMA es demasiado grande, existen muchas probabilidades de rechazar
los nuevos proyectos de inversin. El resultado anterior es bastante obvio, puesto que un valor
grande de TREMA significa que una cantidad pequea en el presente se puede transformar en una
cantidad muy grande en el futuro, o equivalentemente, que una cantidad futura representa una
cantidad muy pequea en el presente.

Finalmente, si en el ejemplo analizado se hubiera supuesto un valor pequeo de TREMA, el valor
presente hubiera resultado muy grande. Esto significa que cuando TREMA es pequea existen
mayores probabilidades de aceptacin, puesto que en estas condiciones el dinero no tendra
ningn valor a travs del tiempo. Para terminar la discusin de este ejemplo, la figura 8 muestra
cmo sera el valor presente que se obtiene en la compra del nuevo equipo para diferentes valores
de TREMA.

VPN

14,125
35 40
. . . .
25 30 TREMA (%)
14,875


FIGURA 8. Valor presente como una funcin de TREMA para el equipo de manejo de materiales.

Seleccin de proyectos mutuamente exclusivos.

En la seccin anterior se describieron las guas generales que se deben seguir para evaluar un
proyecto individual. Sin embargo, sera conveniente mostrar la metodologa a seguir cuando se
quiere seleccionar una alternativa de entre varias mutuamente exclusivas. Para esta situacin
existen procedimientos equivalentes, es decir, la decisin final a la cual se llega con cada no de
ellos es la misma. Estos procedimientos son: valor presente de la inversin total y presente del
incremento en la inversin.

Valor presente de la inversin total

Puesto que el objetivo en la seleccin de estas alternativas es escoger aquella que maximice el
valor presente, las normas de utilizacin de este criterio son muy simples. Todo lo que se requiere
hacer es determinar el valor presente de los flujos de efectivo que genera cada alternativa y
entonces seleccionar aquella que tenga el valor presente mximo. Sin embargo, conviene sealar
que el valor presente de la alternativa seleccionada deber ser mayor que cero, ya que de esta
manera el rendimiento que se obtiene es mayor que el inters mnimo atractivo.
Para ilustrar la simplicidad computacional de este criterio, considere que cierta empresa desea
seleccionar una de las alternativas mostradas en la tabla 8.1. Tambin, suponga que esta empresa
utiliza para evaluar sus proyectos de inversin una TREMA de 25%. Para esta informacin, el valor
presente que se obtiene con cada alternativa es:

5 40,000
VPN
A
= -100,000 + = $7,571

j = 1
(1+.25)
j

5 80,000
VPN
B
= - 180,000 + = $35,142

j = 1
(1+.25)
j

5 85,000
VPN
C
= - 210,000 + = $18,600

j = 1
(1+.25)
j

y puesto que el mayor valor presente corresponde a la alternativa B, entonces se debe de
seleccionar esta alternativa.

TABLA 8.1. Flujos de efectivo de alternativas mutuamente exclusivas.

ALTERNATIVAS

AO A B C
0
1-5
-$100,000
40,000
-$180,000
80,000
-$210,000
85,000


En este ejemplo que se acaba de analizar, se seleccion una alternativa. Sin embargo, es posible
que en ciertos casos cuando se analizan alternativas mutuamente exclusivas, todas tengan valores
presentes negativos. En tales casos, la decisin a tomar es no hacer nada, es decir, se debern
rechazar todas las alternativas disponibles. Por otra parte, si de las alternativas que se tienen
solamente se conocen sus costos, entonces la regla de decisin ser minimizar el valor presente
de los costos. Tambin, es conveniente mencionar que bajo esta situacin, la alternativa no hacer
nada no se puede considerar, es decir, forzosamente se tendr que seleccionar una de las
alternativas (la de valor presente mnimo si se consideran los costos con signo positivo).

Se ha visto cmo utilizar el mtodo del valor presente en la comparacin de alternativas
mutuamente exclusivas de igual vida. Sin embargo, sera interesante analizar las implicaciones que
resultan de comparar alternativas mutuamente exclusivas de diferentes vidas. Para tal efecto
suponga que cierta empresa desea adquirir un montacargas con el cual se agilizara el transporte
interno en el almacn de productos terminados. Investigaciones preliminares sobre los diferentes
tipos de montacargas disponibles en el mercado han arrojado los resultados mostrados en la tabla
4.2 Considere tambin que la empresa utiliza una TREMA de 20%. Por ltimo suponga que el
servicio que van a proporcionar estos montacargas ser requerido por un tiempo de al menos 10
aos. Para esta informacin el valor presente de estas alternativas sera:

5 55,000 1
VPN
A
= (-150,000 + ) (1 + )

j = 1
(1+.2)
j
(1+.2)
5

VPN
A
= $20,299

y

10 70,000
VPN
B
= 250,000 +
j = 1
(1+.2)
j

VPN
B
= $43,500

Y como el valor presente del montacargas B es mayor, entonces se debe de seleccionar dicho
montacargas.

TABLA 8-2. Flujos de efectivo de los montacargas.

Montacargas
A B
Inversin inicial
Vida
Ahorros netos/ao
-$150,000
5 aos
55,000
-$250,000
10 aos
70,000

El anlisis anterior muestra que la mejor alternativa es el montacargas B. sin embargo, esta
decisin puede ser engaosa, es decir, probablemente esta alternativa no sea la mejor. La razn
por la que esta decisin no necesariamente es la mejor, se basa en el hecho de que en la primera

alternativa se consider implcitamente que en el ao 5 habr en el mercado montacargas idntico
al anterior. Sin embargo, es obvio que en el ao 5 habr en el mercado montacargas cuyas
caractersticas tecnolgicas y de operacin sean mucho ms atractivas y ventajosas que las del
montacargas actual y entonces, puede ser posible que la combinacin de esos dos montacargas
(montacargas A y el disponible en el ao 5) sea mejor que el montacargas B.

La principal evidencia al considerar como horizonte de planeacin el mnimo comn mltiplo de las
vidas de las diferentes alternativas, es suponer que en lo ciclos sucesivos de cada alternativa se
tendrn flujos de efectivos idnticos a los del primer ciclo. Los razonable en estos casos sera: 1)
Pronosticar con mayor exactitud lo que va a ocurrir en el futuro, es decir, tratar de predecir las
diferentes alternativas que estarn disponibles en el mercado para ese tiempo, 2) utilizar como
horizonte de planeacin el menor de los tiempos de vida de las diferentes alternativas.

Valor presente del incremento en la inversin

Cuando se analizan alternativas mutuamente exclusivas, son las diferencias entre ellas lo que sera
ms relevante al tomador de decisiones. El valor presente del incremento en la inversin
precisamente determina si se justifican esos incrementos de inversin que demandan las
alternativas de mayor inversin.
Cuando se comparan dos alternativas mutuamente exclusivas mediante este enfoque, lo primero
que se debe hacer es determinar los flujos de efectivo netos de la diferencia entre los flujos de
efectivo de las dos alternativas analizadas. Enseguida se determina si el incremento en la inversin
se justifica. El incremento en la inversin se considera aceptable si su rendimiento excede la tasa
de recuperacin mnima atractiva, es decir, si el valor presente del incremento en la inversin es
mayor que cero, el incremento se considera deseable y la alternativa que requiere esta inversin
adicional se considera como la ms atractiva.
Cuando se comparan dos alternativas mutuamente exclusivas mediante este enfoque, lo primero
que se debe hacer es determinar los flujos de efectivo netos de la diferencia entre los flujos de
efectivo de las dos alternativas analizadas. Enseguida se determina si el incremento en la inversin
se justifica. El incremento en la inversin se considera aceptable si su rendimiento excede la tasa
de recuperacin mnima atractiva, es decir, si el valor presente del incremento en la inversin es
mayor que cero, el incremento se considera deseable y la alternativa que requiere esta inversin
adicional se considera como la ms atractiva.

Cuando se aplica el criterio del valor presente del incremento en la inversin en la seleccin de
alternativas mutuamente exclusivas, los pasos a seguir seran:

1. Poner las alternativas en orden ascendente de acuerdo a su inversin inicial.

2. Seleccionar como la mejor alternativa aquella de menor costo. Cabe sealar que la
alternativa de menor costo siempre ser no hacer nada, es decir, esta alternativa
sera la base contra la cual se comparar la siguiente alternativa de menor costo. La
alternativa no hacer nada conviene siempre considerarla puesto que se pueden
presentar casos en los cuales todas las alternativas disponibles tengan valores
presentes negativos.

3. Comparar la mejor alternativa con la siguiente de acuerdo al ordenamiento del paso
1. La comparacin entre estas dos alternativas se basa en determinar el valor
presente del incremento en la inversin (flujos de efectivos diferenciales). Si este
valor presente es mayor que cero, entonces la alternativa retadora se transforma en
la mejor alternativa. Por el contrario, si el valor presente del incremento en la
inversin es negativo, entonces la mejor alternativa sigue siendo la defensora y la
retadora se elimina de posterior consideracin.

4. Repetir el paso 3 hasta que todas las alternativas disponibles hayan sido analizadas.
La alternativa que maximiza el valor presente y proporciona un rendimiento mayor

que TREMA, es la alternativa de mayor inversin cuyos incrementos de inversin se
justificaron.

Si se aplican los pasos anteriores a las alternativas mostradas en la tabla 8-1, y si adems se
supone el mismo valor de TREMA de 25%, los clculos que resultan son los siguientes:

5 40,000
VPN
A
= -100,000 + = $7,571

j = 1
(1+.25)
j

puesto que el valor presente de la alternativa de menor inversin es positivo, entonces, la
alternativa A es mejor que la alternativa no hacer nada.pos consiguiente, la mejor alternativa
hasta el momento es la A, la cual pasa a ser considerada como la alternativa defensora y la
alternativa B pasa a ser la alternativa retadora, es decir, la alternativa B se va a comparar con la A
de acuerdo a una base incremental:

5 40,000
VPN
B-A
= -80,000 + = $27,571

j = 1
(1+.25)
j

y como el valor presente del incremento en la inversin es positivo, entonces la alternativa B pasa
a ser la defensora y la alternativa C la retadora. Si se comparan estas alternativas sobre una base
incremental se obtiene:

5 5,000
VPN
C-B
= -30,000 + = $16,553
j = 1 (1+.25)
j

y puesto que este valor presente es negativo, la alternativa B se transforma en la mejor alternativa.
De acuerdo al paso 4 cuando las alternativas han sido consideradas, la mejor alternativa es la que
maximiza el valor presente y proporciona un rendimiento mayor que TREMA. Por consiguiente, la
alternativa B es la seleccin ptima del conjunto de alternativas mostradas en la tabla 8-1. Como
se puede observar, la decisin recomendada al aplicar este criterio coincide con la obtenida al
utilizar el valor presente de la inversin total. Lo anterior significa que ambos criterios son
equivalentes.
El valor presente del incremento en la inversin tambin se puede aplicar en la seleccin de
alternativas mutuamente exclusivas en las cuales slo se tiene informacin de los costos. Sin
embargo, bajo esta nueva situacin, a diferencia de cuando los ingresos son conocidos; la
alternativa no hacer nada no puede ser considerada en el anlisis como una alternativa factible.
Lo anterior es justificable puesto que es obvio que es preferible no gastar nada a tener puros
desembolsos. Para ilustrar el procedimiento a seguir cuando slo se tiene la informacin de los
costos de las diferentes alternativas disponibles, considere que una empresa que utiliza una
TREMA de 20%, desea seleccionar una de las alternativas que aparecen en la tabla 8-3.


ALTENATIVAS
AO A B C
0
1
2
3
-$100,000
- 3,000
- 3,500
- 4,000
-$12,000
- 2,500
- 3,000
- 3,000
-$15,000
- 1,500
- 1,500
- 1,500

Tabla 8.1. Flujos de efectivo de alternativas mutuamente exclusivas de las cuales

Como la alternativa no hacer nada no es considerada, entonces la alternativa A se transforma en
la mejor alternativa, es decir, inicialmente la alternativa A es la defensora y la alternativa B la
retadora. Aplicando el valor presente sobre una base incremental a estas alternativas se obtiene:

500 500 1,000
VPN
B-A
= 2,000 + + +
(1+.2) (1+.2)
2
(1+.2)
3

VPN
B-A
= - $657
y puesto que el valor presente es negativo, la alternativa B se elimina de posterior consideracin.
Por consiguiente, la alternativa A seguir siendo la defensora y la alternativa C pasa a ser
considerada la retadora. Ahora, si se comparan estas alternativas sobre una base incremental se
obtiene:

1,500 2,000 2,500
VPN
C-A
= 5,000 + + +
(1+.2) (1+.2)
2
(1+.2)
3

VPN
C-A
= - $914

y como el valor presente es negativo, la alternativa C es desechada. Puesto que ya no existen ms
alternativas, entonces la alternativa A es la seleccin ptima.

MTODO DEL COSTO ANUAL UNIFORME EQUIVALENTE(CAUE)

El mtodo del CAUE consiste en convertir todos los ingresos y egresos, en una serie uniforme de
pagos. Obviamente, si el CAUE es positivo, es porque los ingresos son mayores que los egresos y
por lo tanto, el proyecto puede realizarse; pero, si el CAUE es negativo, es porque los ingresos son
menores que los egresos y en consecuencia el proyecto debe ser rechazado.
A continuacin se presenta la aplicacin de la metodologa del costo anual uniforme equivalente en
la evaluacin de proyectos de inversin.

Ejemplo
Una maquina cuesta $600 000, tiene una vida til de 5 aos y un valor de salvamento de $100 000;
el costo anual de operacin es de alrededor de $5 000 y se estima de producir unos ingresos
anuales del orden de $200 000. Determinar si la compra de la mquina es aconsejable, cuando se
utiliza una tasa de:
a)25%
b)15%
Solucin:

C =$600 000
S=$100 000
K =5 aos.
CAO = 5 000
Ingresos anuales(IA) para los aos 1 a 5 = $200 000
a) utilizando i =25% se tiene:

Los $600 000 se reparten en una serie uniforme de pagos, que se efectan al final de cada uno
de los 5 aos que dura el proyecto y cada pago tendr un valor de:
% 25 . 5
600000
a

por otra parte, los $100 000 del valor de salvamento se repartirn en 5 pagos que se
efectuaran al final de cada ao y tendran un valor de:
% 25 . 5
100000

El CAUE puede calcularse as:
CAUE =
% 25 . 5
100000
+ 200 000-
% 25 . 5
600000
a
-5 000 = $-15.923

Se puede apreciar que al evaluar el proyecto usando una tasa de 25% no es aconsejable para
la empresa realizar sta inversin.

b) usando i =15%, se tiene

CAUE =
% 15 . 5
10000
s
+ 200 000-
% 15 . 5
600000
a
-5 000 = $30.843

En esta evaluacin se puede apreciar que en estas condiciones, el proyecto si es aconsejable.
Como consecuencia de lo anterior, es importante determinar una tasa correcta para hacer los
clculos; hay quienes opinan que debe usarse la tasa promedio, utilizada en el mercado financiero
y hay otros que opinan que debe ser la tasa de inters, a la cual normalmente el dueo del
proyecto hace sus inversiones.

8.1.4.2 Instrucciones: Resolver un ejercicio de tasa interna de retorno

correcta.
j) Fecha inicio:
k) Fecha entrega:

Actividad Actividad Ponderacin

problema de tasa interna de
retorno.
.
un problema de tasa interna
de retorno
9 Puntos
Uso de reglas de
presentacin
1 Puntos
Total 10 puntos

de tasa interna de retorno
8.1.6 Bibliografa:
Anlisis y evaluacin de proyectos de inversin. Ral Coss Bu, Editorial Limusa 19
reimpresin.
.

3 Manual Matematicas III

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

3 Manual Matematicas III

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD TECNOLOGICA DE LA HUASTECA HIDALGUENSE

MANUAL DEL PROFESOR

Anda mungkin juga menyukai