Anda di halaman 1dari 163

1

ACREDITADA POR ACCREDITATION COUNCIL FOR BUSINESS SCHOOLS AND PROGRAMS (ACBSP),
EUROPEAN COUNCIL FOR BUSINESS EDUCATION (ECBE)
Y AXENCIA PARA A CALIDADE DO SISTEMA UNIVERSITARIO DE GALICIA (ACSUG)



ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS





MANUAL:



MTODOS CUANTITATIVOS I




CICLO III




SEMESTRE ACADMICO 2013- I II



Material didctico para uso exclusivo de clase.



LIMA - PER


2

UNIVERSIDAD DE SAN MARTIN DE PORRES

RECTOR
ING. JOS ANTONIO CHANG ESCOBEDO

VICE RECTOR
ING. RAL EDUARDO BAO GARCA


FACULTAD DE CIENCIAS CONTABLES, ECONMICASY FINANCIERAS

DECANO
DR. DOMINGO FLIX SENZ YAYA

DIRECTOR DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS
DR. JUAN AMADEO ALVA GMEZ

DIRECTOR ESCUELA DE ECONOMA
DR. LUIS CARRANZA UGARTE

DIRECTOR DEL DEPARTAMENTO ACADMICO DE CONTABILIDAD, ECONOMA Y FINANZAS
DR. LUIS HUMBERTO LUDEA SALDAA

DIRECTOR DE LA SECCIN DE POSTGRADO
DR. AUGUSTO HIPLITO BLANCO FALCN

DIRECTOR DE LA OFICINA DE GRADOS Y TTULOS
DR. VICTOR LORET DE MOLA COBARRUBIA

DIRECTOR DE LA OFICINA DE EXTENSIN Y PROYECCIN UNIVERSITARIA
DR. REYNALDO ULADISLAO BRINGAS DELGADO

DIRECTOR DEL INSTITUTO DE INVESTIGACIN
DR.SABINO TALLA RAMOS

SECRETARIO DE FACULTAD
DR. LUIS ANTONIO CUEVA ZAMBRANO

JEFE DE LA OFICINA DE REGISTROS ACADMICOS
SRA. BELINDA MARGOT QUICAO MACEDO

JEFE DE LA OFICINA DE BIENESTAR UNIVERSITARIO
LIC. MARA RICARDINA PIZARRO DIOSES

JEFE DE LA OFICINA DE ADMINISTRACIN
Mo. ABOG. LUIS FLORES BARROS

COORDINADOR ACADMICO DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS
TURNO MAANA
DRA. YOLANDA MAURINA SALINAS GUERRERO

COORDINADOR ACADMICO DE LA ESCUELA PROFESIONAL DE CONTABILIDAD Y FINANZAS
TURNO NOCHE
DR. ANTONIO AMILCAR ULLOA LLERENA

COORDINADOR ACADMICO DE LA ESCUELA PROFESIONAL DE ECONOMA
TURNO MAANA Y NOCHE
MG. RENZO JAIR VIDAL CAYCHO

COORDINADOR DE LA SECCIN DE POSTGRADO DE CONTABILIDAD Y FINANZAS
DR. CRISTIAN YONG CASTAEDA

COORDINADOR DE LA SECCIN DE POSTGRADO DE ECONOMA
DR. VICTOR LORET DE MOLA COBARRUBIA



3


















DERECHOS RESERVADOS

El texto de este trabajo o parte del mismo, no puede ser reproducido o
transmitido por mtodos o forma alguna, sean estos electrnicos o mecnicos,
incluyendo copias fotostticas, cintas magnetofnicas, acumulacin en un
sistema de informacin con memoria, Internet u otra forma, sin autorizacin
escrita dela Escuela Profesional de Contabilidad y Finanzas. FCCEF. USMP.

Si desea un ejemplar, gestinelo en la Facultad de Ciencias Contables,
Econmicas y Financieras de la Universidad de San Martn de Porres.


















4

INTRODUCCIN


El presente manual contiene el desarrollo terico-prctico del slabo de la
asignatura de Mtodos Cuantitativos I del III Ciclo de la Facultad de Ciencias
Contables, Econmicas y Financieras, ESCUELA PROFESIONAL
DE CONTABILIDAD Y FINANZAS de la USMP. Tiene como meta principal:
Combinar las bases tericas y prcticas de los instrumentos metodolgicos
cuantitativos en cada proceso de la Estadstica Descriptiva e Inferencial,
establecer la relacin coherente de las formas analticas, aplicativas y por
computadora en la gestin empresarial, y as apreciar sus efectos en la
formacin del educando.
Mediante el aprendizaje de los temas listados en la sumilla de la asignatura,
aplicados a la gestin empresarial, el educando al trmino del desarrollo
por competencias, lograr interpretar los resultados, y tomar las decisiones
pertinentes de los problemas que se le presenten, haciendo uso del software
estadstico, fundamental en el ejercicio profesional del Contador Pblico, as
como en la prctica de reas conexas, como son La Administracin, La
Economa y La Ingeniera aplicadas a las ciencias de la empresa.
El presente Manual de Mtodos Cuantitativos I, est organizado en cuatro
unidades didcticas : Unidad I Estadstica Descriptiva ; Unidad II:
Probabilidades Distribucin de Probabilidades; Unidad III: La Distribucin
Normal Distribucin de la Media Muestral, Muestreo y Unidad IV Estimacin
con Intervalos de Confianza, Prueba JI CUADRADA ,Prueba de Hiptesis ,
donde se interpretarn los resultados de los problemas resueltos , se
proponen problemas aplicados a la contabilidad, para que los alumnos puedan
desarrollarlos e interpretarlos, para tomar las decisiones pertinentes .

Cabe mencionar que al finalizar cada Tema de estudio, se presenta el Taller y
Software Estadstico, donde los alumnos pueden complementar la parte terica
y prctica, as como el uso de la computadora y multimedia con los programas
estadsticos MINITAB Y SPSS respectivos.




5


NDICE


PORTADA
INTRODUCCIN
INDICE DE CONTENIDO
OBJETIVOS
PAUTAS PARA EL ESTUDIO Y LOS TRABAJOS DE APLICACION

UNIDAD I : ESTADSTICA DESCRIPTIVA

TEMA 1: RECOLECCION Y PRESENTACIN DE DATOS 9-26
1. Concepto de los mtodos cuantitativos, naturaleza
2. toma y presentacin de datos, procedimiento
3. tablas y grficas de frecuencias
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA 2 : MEDIDAS DE TENDENCIA CENTRAL 30-38
1. Concepto, mtodos, procedimientos y tcnicas para desarrollar las Medidas
de tendencia central de posicin de los datos
2. La Media, Mediana, Moda
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA 3 DATOS AGRUPADOS Y NO AGRUPADOS 39-48
1. Concepto, mtodos y aplicaciones de: Cuartiles.- Deciles.- Percentiles.
2. Media Geomtrica.- Media Armnica.- Media Cuadrtica
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 4 : MEDIDAS DE DISPERSIN O VARIACIN DE
LOS DATOS 49-60
1. El Rango y La Desviacin Media
2. La Varianza y la Desviacin Estndar
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD II : PROBABILIDAD Y DISTRIBUCIN DE PROBABILIDADES

TEMA N 5 EVENTOS MUTUAMENTE EXCLUYENTES Y NO
EXCLUYENTES 61-67
1. Concepto, Anlisis y Aplicacin de Probabilidades
2. Adicin de Probabilidades
ACTIVIDADES APLICATIVAS


6

AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N6 MULTIPLICACIN DE PROBABILIDADES 67-73
1. Probabilidad Condicional
2. Eventos Dependientes e Independientes
3. Teorema de Bayes
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 7 DISTRIBUCION DE PROBABILIDADES 75-76
1. Concepto de Distribucin de Probabilidades
2. Esperanza Matemtica
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 8 DISTRIBUCION BINOMIAL 76-79
1. Concepto de Distribucin Binomial
2. Uso de las Tablas de Distribucin Binomial
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 9. DISTRIBUCIN POISSON 79-84
1. Qu es la Distribucin de Poisson
2. Uso de las Tablas de Distribucin de Poisson
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD III. DISTRIBUCIN PARA VARIABLES CONTINUAS

TEMA N 10 DISTRIBUCION NORMAL 85-89
1. Qu es la Distribucin Normal?
2. Uso de las Tablas de Distribucin Normal
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 11 DISTRIBUCION DE LA MEDIA MUESTRAL 90-94
1. Error Estndar
2. Factor de Correccin
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES





7

TEMA N 12 DISTRIBUCIN DE LAS PROPORCIONES 94-99
1. Proporcin Muestral de xitos
2. Error Estndar de la Proporcin
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

UNIDAD IV: ESTIMACIONES CON INTERVALOS DE CONFIANZA, PRUEBA
DE HIPTESIS

TEMA N13 INTERVALOS DE CONFIANZA PARA LA MEDIA
POBLACIONAL 100-103
1. Definicin de Intervalos de Confianza
2. Estimacin Puntual
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 14 DISTRIBUCIN T DE STUDENT 103-105
1. Requisitos para usar la Distribucin t
2. Uso de las Tablas t
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMA N 15 INTERVALO DE CONFIANZA PARA LA DIFERENCIA
ENTRE DOS MEDIAS POBLACIONALES 105-109
1. Qu es IC para la Diferencia entre dos medias Poblacionales?
2. Error Estndar para la Diferencia entre dos medias Poblacionales
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES

TEMAN16 PRUEBA DEHIPTESIS PRUEBA JI CUADRADA 110-137
1. Aceptar la Hiptesis Nula
2. Rechazo de la Hiptesis Nula
3. Nivel de Significancia
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES
Tablas estadsticas
Ejercicios y Problemas Adicionales









8

OBJETIVOS


OBJETIVO GENERAL

- Contribuir a la formacin integral profesional de los futuros
Contadores, propiciando el conocimiento de los Mtodos Cuantitativos
(Estadstica I) para aplicarlos en las actividades educativas y
profesionales.


OBJETIVOS ESPECFICOS

- Dominar la recoleccin que datos estadsticos directamente de la
comunidad y de registros de su especialidad y reas conexos.
- Ordenar y analizar datos estadsticos en distribuciones de frecuencias
y presentarlos en diversos tipos de diagramas.
- Calcular las medidas de tendencia central y de dispersin de datas e
interpretar estos resultados.
- Calcular la probabilidad de eventos naturales y de la empresa con
fines de proyeccin.
- Analizar los diversos tipos de distribucin de probabilidad de datos de
su especialidad.
- Aplicar el muestreo de datos al estudio, anlisis y cambios en la
empresa.
- Hacer estimaciones puntuales y de intervalos de confianza as como
pruebas de hiptesis en poblaciones finitas e infinitas.


PAUTAS PARA EL ESTUDIO Y LOS TRABAJOS DE
APLICACIN

Despus de la lectura comprensiva efectuada, debers desarrollar las
Actividades de Aplicacin (guas de Prctica) propuestas en el manual, Algunos
trabajos son individuales y otros son para desarrollarse en grupos. Pueden ser
desarrollados en aula, o requerir efectuarlo en el laboratorio de computo
(Software Estadstico) ambas modalidades fortalecen la capacidad de
autoaprendizaje del estudiante.

Tambin debers resolver los problemas planteados en la Autoevaluacin,
desarrollo de las Guas de Prcticas (talleres) indicadas por el profesor. Si
tuvieras dificultad consulta a tu profesor, compaero o efecta la investigacin
conveniente.







9




































METODOS CUANTITATIVOS I

ESTADSTICA
DESCRIPTIVA

PROBABILIDAD Y
DISTRIBUCIN DE
PROBABILIDADES

DISTRIBUCIN PARA
VARIABLES
CONTINUAS

ESTIMACIN CON INTERVALOS
DE CONFIANZA
PRUEBA DE HIPTESIS


10

UNIDAD I: ESTADSTICA DESCRIPTIVA

La rama de la disciplina estadstica que se ocupa del desarrollo y utilizacin de
tcnicas para la presentacin eficaz de informacin numrica , con objeto de
poner de relieve los modelos que de otra forma quedaran ocultos en un
conjunto de datos ,se llama estadstica Descriptiva.


CONTENIDOS PROCEDIMENTALES

Elabora Tablas de frecuencias para muestras discretas y continuas. Elabora
Grficas de frecuencias reconoce e identifica la situacin problemtica de
dichas medidas.
Formula preguntas relacionadas con el uso de las medidas de tendencia
central y de dispersin., intentan explicar los usos actuales.
Resuelve problemas estadsticos aplicados a la contabilidad.


CONTENIDOS ACTITUDINALES

Valora adecuadamente la utilidad de presentar e interpretar los datos
Acepta y toma parte con Eficiencia de los grupos asignados en actitud de
Ayuda mutua y responsabilidad.
Desarrolla en forma personal su trabajo del Software estadstico asignado


CONTENIDOS CONCEPTUALES

TEMA N1: RECOLECCION Y PRESENTACIN DE DATOS
TEMA N2: MEDIDAS DE TENDENCIA CENTRAL
TEMA N3: DATOS AGRUPADOS Y NO AGRUPADOS
TEMA N4: MEDIDAS DE DISPERSIN O VARIACIN DE LOS DATOS












11























ESTADSTICA DESCRIPTIVA

RECOLECCIN Y PRESENTACIN
DE DATOS
GRFICAS


MEDIDAS DE
TENDENCIA CENTRAL



MEDIDAS DE DISPERSIN
VARIACIN DE LOS DATOS

COEFICIENTES DE VARIACIN
Y DE ASIMETRA


12

TEMA N 01
RECOLECCION Y PRESENTACIN DE DATOS
PRESENTACIN DE LA INFORMACIN.
Estadstica es un trmino que es usado con mucha frecuencia para hacer
referencia a cualquier informacin o dato; sin embargo, la estadstica es mucho
ms que la simple coleccin de informacin ya que involucra todo un conjunto
de procesos, que tiene como objeto alcanzar un mayor conocimiento de una
realidad que es desconocida y sobre la cual se desea tomar decisiones.


ORGANIGRAMA DE LA PRIMERA UNIDAD





































INTRODUCCIN AL ANLISIS DE DATOS
PRESENTACIN DE LA INFORMACIN
ROL DE LA
ESTADSTICA
DESCRIPCIN DE LOS
CONJUNTOS DE DATOS
Distribucin
De
Frecuencias
Tablas
Estadsticas
Visualizacin
Grafica
Diseo
Tallo y
Hoja
Definiciones Importancia
Del Muestreo
Distribucin
De Frecuencias
Relativas
Distribucin
De Frecuencias
Acumuladas
Distribucin
De Frecuencias
Relativas Acumuladas
Histograma
Polgono de
Frecuencias
Ojivas
Diagrama de
Barras
Grafica de Pastel
Circulares
Grafica
Pictogramas
Estadstica
Descriptiva
Estadstica
Inferencial
Poblacin
Parmetros
Muestras
Variables
Continua
Discretas


13

ALGUNA VEZ SE ENCONTR CON EL HOMBRE PROMEDIO?

Peruano? Amable, su nombre es Roberto ( lo cual es el nivel nominal de
medicin), tiene 30 aos de edad ( que es el nivel de razn o cociente), tiene
1.82m de estatura, pesa 79Kg., usa zapatos talla 42, tiene una cintura de 65
cm., viste un traje talla mediana. Adems, tal hombre promedio come 1.5 Kilos
de papas fritas, ve 2230 hrs. De televisin., recibe 470 piezas de correo y come
13 Kilos de pltanos al ao. Tambin duerme 7.5 horas por noche. Realmente
este es un hombre promedio? sera mejor referirnos a l como un hombre
tpico Esperara encontrar a un hombre con todas estas caractersticas?.

Actualmente, las empresas efectan diversas transacciones locales e
internacionales como venta de lneas completas, diversidad de productos,
contratos de personal, diferencia de precios. A las Empresas les gustara
desarrollar grficas y cuadros que se puedan revisar mensualmente para
observar en donde tienden a acumularse los precios de venta, apreciar la
variacin de los precios de venta y notar cualquier tendencia, en este tema se
presentan tcnicas que sern tiles para que las personas, empresas y
entidades puedan utilizarlas.

1.1 GENERALIDADES (CONCEPTOS BSICOS)

Al gunos de l os conceptos ms usados en l a apl i caci n de l a
estadsti ca se descri be a conti nuaci n:

Poblacin

Es la totalidad de individuos sobre los cuales se desea hacer un
estudio; puede ser finita o infinita.

Es el conjunto de todas las unidades que tienen una caracterstica comn,
la cual se desea estudiar.

Por ejemplo:
- Conjunto de familias de una ciudad.
- Conjunto de bombillas elctricas producidas en un da.

Muestra

Muestra: es una parte de la poblacin, seleccionada para hacer el
estudio de dicha poblacin; es finita.
Si la muestra es representativa de la poblacin, las conclusiones de la
muestra se infieren a la poblacin.

Es cualquier subconjunto de unidades elementales, elegidas de una
poblacin. Por ejemplo:
- 200 familias elegidas de una cuidad.
- 80 bombillas elctricas elegidas de las producidas en un da.
Dependiendo de la forma como se eligen dichas unidades elementales,
las muestras pueden ser:


14

Muestras Aleatorias ( Probabilsticas )

Son aquellas cuyos elementos son elegidos usando algn criterio
probabilstico.

Parmetro

Es una funcin de todas las observaciones de una poblacin. Un
parmetro resume la informacin contenida de las observaciones que
comprenden a una poblacin, por lo cual su valor es nico y constituye
usualmente la incgnita que todo investigador desea conocer. Algunos de
los parmetros que estudiaremos son:
- Media Poblacional, cuya notacin es :
- Varianza Poblacional, cuya notacin es: o2
- Moda Poblacional, cuya notacin es: Mo

1.2. DEFINICIN DE ESTADSTICA

Estadstica.- es la ciencia que estudia los mtodos cientficos en la toma,
organizacin, presentacin y anlisis de datos, para la deduccin de
conclusiones y/o toma decisiones razonables.

Estadstica es la ciencia que se ocupa de la creacin, desarrollo y
aplicacin de las tcnicas que permiten hacer un anlisis confiable de una
poblacin. En trminos generales, se ocupa de la coleccin, resumen y
presentacin de informacin, del anlisis e interpretacin de datos y
resultados, de modo tal que pueda evaluarse la confiabilidad y riesgos
asociados a las condiciones que se pueden derivar a partir de la
informacin captada.

Las dos grandes ramas en que se divide a la estadstica son:

A. Estadstica Descriptiva
Es la parte de la estadstica que estudia un grupo de datos dado, sin
inferir sus conclusiones a un grupo mayor.

B. Estadstica Inferencialo inductiva es la parte de la estadstica que
estudia condiciones bajo las cuales las conclusiones de la muestra
son vlidas para la poblacin, la Estadstica inferencial usa el
concepto de PROBABILIDAD, que es la medida de la incertidumbre.

IMPORTANCIA DE LA ESTADSTICA EN CONTABILIDAD

La estadstica es un soporte en las siguientes acciones profesionales:
. Recoleccin, Organizacin, Presentacin y Anlisis de datos de la
especialidad (costos, precios, salarios, impuesto, etc.)
. Planificacin en la alta direccin de las empresas, segn los
resultados de la estadstica.
. Control de la ejecucin de lo planificado segn la estadstica de
resultados.


15

. Toma de decisiones y Gestin empresarial segn los resultados de la
estadstica.
. Investigacin de temas de la especialidad.


1.3. TOMA DE DATOS

Variable

La variable es una caracterstica de la poblacin que se va a
investigar y puede tomar diferentes valores. Se clasifican en:
cualitativas y cuantitativas.

Variable Cualitativa

Se denomina as cuando est asociada a una caracterstica
cualitativa que toma niveles de valorizacin.

Variable Cuantitativa

Se llama as cuando est asociada a una caracterstica
cuantitativa. Estas variables se divide en discretas y continuas.

Variable Discreta

Se dice que una variable es discreta si slo asume valores
enteros o mejor dicho que varan de uno en uno, Ejm: El nmero
de miembros de una familia o el nmero de personas que habitan
la casa; el nmero de alumnos aprobados en una asignatura.

Variable Continua

Una variable es continua cuando puede tomar cualquier valor
dentro de un intervalo, dependiendo ste principalmente de la
precisin con que se trabaje. Por Ejm: La talla de los individuos
medida con la precisin de un centmetro y expresada en metros:
1,69 m; 1,74 m; etc.


REDONDEOS DE DATOS.
Se usa generalmente para uniformizar datos de variable continua ,
aproximando a una determinada cifra: milsimas, centsimas, dcimas,
unidades, decenas, centenas, millares, millones, etc. Con el fin de
minorizar los errores, sobre todo cuando con los datos se van a efectuar
operaciones.

Tcnica:
. Si la cifra a eliminar es 0, 1, 2, 3,4: se desecha la cifra
. Si la cifra a eliminar es 6, 7, 8, 9: se desecha la cifra y se aumenta en
una unidad la cifra de orden superior.


16

. Si la cifra a eliminar es 5: se aplica el criterio del par ms cercano.
-Si el digito precedente es par, este no se modifica.
-Si el dgito precedente es impar, este ser aumentado en una unidad.

Ejem:

E1. 47.340 => 47.34 E2. 7.730 => 7.73 E3. Elimina la ltima cifra
47.341 47.34 7.731 7.73 72.8 =>73
47.342 47.34 7.732 7.73 72.814 =>72.81
47.343 47.34 7.733 7.73 183.575 =>183.58
47.344 47.34 7.734 7.73
47.345 47.34 7.735 7.74
47.346 47.35 7.736 7.74
47.347 47.35 7.737 7.74
47.348 47.35 7.738 7.74
47.349 47.35 7.739 7.74
47.350 47.35 7.740 7.74

Toma o recoleccin de datos: es la obtencin de datos tal como se
encuentran en la realidad.
Puede ser directamente de la realidad, mediante conteos o medicines, o
de archivos, formatos,.., encuestas, experimentos, etc.

Ordenacin: es la colocacin de los datos en orden creciente,
decreciente, u otro criterio necesario para el trabajo final.

Rango: es la diferencia entre el dato mayor y el dato menor.

Ejemplos de Toma de Datos

Ejemplo N 1

Corresponde a una muestra de 30 familias sobre el nmero de hijos por
familia:
A = {1,2,5,3,4,2,0,5,3,2,4,2,1,0,3,2,1,0,3,2,1,0,1,3,5,6,2, 5,4,2,}

Generalizando:
A = {x
1
, x
2
, x
3
, .................. x
i
.................., x
n
}

En este caso se tiene que n = 30. Tamao de la muestra.

Ejemplo N2
Corresponde a una muestra de 100 observaciones sobre las tallas de los
alumnos, expresada en metros:








17

B =
1,60 1,70 1,55 1,68 1,72 1,70 1,63 1,76 1,54 1,71
1,78 1,74 1,65 1,63 1,55 1,68 1,69 1,74 1,80 1,66
1,65 1,69 1,59 1,68 1,70 1,73 1,74 1,76 1,75 1,69
1,78 1,77 1,69 1,71 1,70 1,75 1,76 1,77 1,68 1,64
1,69 1,70 1,71 1,76 1,71 1,72 1,74 1,69 1,58 1,59
1,60 1,63 1,64 1,65 1,68 1,70 1,70 1,72 1,75 1,58
1,71 1,75 1,74 1,71 1,70 1,69 1,68 1,73 1,72 1,74
1,71 1,70 1,72 1,79 1,78 1,82 1,80 1,79 1,71 1,71
1,70 1,72 1,76 1,75 1,70 1,71 1,69 1,68 1,60 1,62
1,59 1,58 1,61 1,65 1,69 1,71 1,75 1,74 1,70 1,78

En este caso n = 100. Tamao de la muestra.

PRESENTACIN DE LA INFORMACIN

Distribucin de frecuencias: es distribuir los datos en clases,
determinando el nmero de datos pertenecientes a cada clase,
denominado frecuencia de clase (f).

Ejem:
Las alturas de 100 estudiantes, registradas con aproximacin de
pulgadas.














Para determinar el nmero de clases hay varios criterios.
. generalmente varan de 5 a 20 dependiendo de los datos.
. N de clases = n
. N de clases =1+3.322 log N

. Intervalos de clases y limites de clase.

60 62 es el intervalo de clases y 60,62 son los limites de clases

. Marca de clases. (x)

Es el punto medio del intervalo de clase. Se obtiene como la semi- suma de los
lmites de clases.
Clases
(Alturas)
Frecuencia(f)
(N de estudiantes)
60 62 5
63 65 18
66 68 42
69 71 27
72 - 74 8
N = 100


18

- los datos de cada clase se consideran que coincide con su
correspondiente marca de clases.

. Procedimientos para formar una distribucin de frecuencia.

- Se determina al rango.
- se divide el rango en un numero conveniente de intervalos (5 a 20) o
usando alguno de los criterios mencionados.
- se determina el tamao del intervalo y las clases con

C =_____R_____
N de clases

- se determina las marcas de clase

Ejem: Sean las alturas en cm. De 40 alumnos

138 164 150 132 144 125 149 157 146 158

140 147 136 148 152 144 168 126 138

163 154 165 146 173 142 147 135 153

140 135 161 145 135 142 150 156 145 128

1.- R= 176 119 = 57
2.- N de clases = N = 40 = 6.3 = 6 ;

tamao del int. C =_____R_____
N de clases = 9.5

Para facilitar la construccin de la tabla de frecuencias, por comodidad de
clculo se eligi el tamao del intervalo de 10.

3.-

Clases Conteo Frecuencia
(f)N nios

x f
R
f
A
f
AR
118 -127 III 3 122.5 7.5 % 3 7.5%
128 - 137 IIIII I 6 132.5 15.0% 9 22.5%
138 - 147 IIIII IIIII IIII 14 142.5 35.0% 23 57.5%
184 - 157 IIIII IIII 9 152.5 22.0% 32 50.0%
158 167 IIIII 5 162.5 12.5% 37 92.5%
168 - 177 III 3 172.5 7.5% 40 100.0%
N 40 100.0%




176
119


19

Histograma, polgonos y curvas de frecuencia

Histograma: rectngulos de bases en el eje x , sus centros coinciden con los
marcas de clases y de longitud igual , cada altura igual a su frecuencia f

Polgonos Frecuencia: Se obtiene uniendo los puntos medios de las bases
superiores

de los rectngulos del histograma y dos mascas de clases inferior y superior
de frecuencia cero.

Curvas de frecuencia: se obtiene suavizando los vrtices de polgonos de
frecuencia

Frecuencia relativas (f
R
): f
R =
__f__ x 100 %
N

Frecuencia Acumulada (F
A
): F
A =
f
1 +
f
2
+.f
n

Frecuencia Acumulada Relativa (F
AR
): F
AR
=__ f
A
__ x 100 %
N

Fig. 1.1 Histograma y Polgono de Frecuencias
f


Marcas de Clase

0
3
6
9
12
15
112,5 122,5 132,5 142,5 152,5 162,5 172,5


20

Distribucin de Frecuencia de una Muestra Discreta

La tabla de distribucin de frecuencias que corresponde al ejemplo
Nro. 1 es el siguiente:

Clases
X
Conteo Frecuencia
f

0 hijos IIII f
1
= 4
1 hijo IIIII f
2
= 5
2 hijos IIIIIIII f
3
= 8
3 hijos IIIII f
4
= 5
4 hijos III f
5
= 3
5 hijos IIII f
6
= 4
6 hijos I f
7
= 1

k = 7


Metodologa. podemos utilizar la siguiente

. Primero se determina el nmero de clases, de acuerdo a los datos
que se disponen, en este caso son 7 datos diferentes.

. En la primera columna se ordena en forma ascendente los datos u
observaciones que son diferentes.

. La segunda columna se utiliza para realizar el conteo de los datos
que se repiten (frecuencia)

. En la tercera columna, se indica el nmero de veces (frecuencia)
que se repite una clase.

Procedimiento alterno para Construir la Tabla de Frecuencias
en una Muestra Continua

1. Se resta el mnimo valor del mximo valor de la muestra, esta
diferencia representa la anchura o tamao de la muestra.

2. La diferencia obtenida se divide entre el nmero de intervalos
que se considera en la distribucin.

Una de las formas para determinar en cuantos intervalos se
debe clasificar una muestra, lo d la regla de Sturges:


K = 1 + 3.332 log n Donde:
K Nro. De intervalos
n Nro. De observaciones que
tiene la muestra.
Ef= n = 30



21


3. El cociente obtenido en la divisin realizada en el segundo
paso representa la anchura o tamao del intervalo de clase (c).

Se recomienda que todos los intervalos deben ser del mismo
tamao a fin de tener mejores resultados en los anlisis de la
muestra.

4. Conociendo la amplitud de cada intervalo y el nmero de los
mismos, se determina en orden ascendente los intervalos de
clase. Teniendo como lmite inferior del primer intervalo al
menor valor de la muestra y como lmite superior al valor
obtenido al sumar al lmite inferior el valor de la amplitud del
intervalo. De esta forma sucesivamente se van formando los
intervalos.

5. Los puntos medios de los intervalos de clase toman el nombre
de marcas de clase, que se obtiene sumando el lmite inferior
y superior de cada intervalo y dividiendo entre dos.


Tabla de Frecuencias de una Muestra Continua

Ejemplo de Aplicacin de una Muestra Continua

La tabla de distribucin de frecuencias correspondiente al ejemplo
Nro. 2 es el siguiente:

Despus de realizar el conteo y hallado la frecuencia por intervalo el
clculo del Nro de intervalos (K): Por la regla de Sturges.

Para n = 100

k = 1 + 3,332 log n
k = 1 + 3,332 log 100
k = 7,7

Consideramos el valor:

k = 7
q
1
= 1.54
q
2
= 1.82

c =


c = = 0,04,



q
2
q
1

k
1,82 1,54
7


22


TABLA DE FRECUENCIAS (EJM 2)

Con estos datos se construye la tabla de frecuencias siguiente

Marcas
Clases
(Estaturas
Conteo
Frecuencia
f
1,56 [1,54 1,58] IIIII I 6
1,60

(1,58 1,62] IIIII III 8
1,64

(1,62 1,66] IIIII IIIII 10
1,68 (1,66 1,70] IIIII IIIIIIIIIIIIIIIIIIII III 28
1,72 (1,70 1,74] IIIII IIIIIIIIIIIIIIIIIIII I 26
1,76 (1,74 1,78] IIIII IIIIIIIIII II 17
1,80

(1,78 1,82] IIIII 5


Grfica de Frecuencias

. Histograma y Polgono de Frecuencias

Ejemplo de Aplicacin:
Con los datos del ejem Nro. 2. Hallar el Histograma y Polgono de
frecuencias respectivos.

Fig. 1.2 Histograma de Frecuencias























Ef= 100

30
25
5
15
20
10
6 5
17
26
28
10
8
1,56 1,60 1,68 1,72 1,76 1,80
Marcas de clase(Estaturas)
FA
rl
e u
cm
u n
e o
n s
c
i
a
s
1,64


23


Distribucin de Frecuencias Relativas

Ejemplo: En la muestra del Ejm. Nro. 2, la frecuencia relativa de la
segunda clase ser:







Distribucin de Frecuencias Acumuladas Absolutas y Relativas.

1. Frecuencias Acumuladas Absolutas (F
A
).

Es la frecuencia total de todos los valores menores o iguales al lmite
superior del intervalo de clase respectivo, se obtiene sumando las
frecuencias absolutas correspondientes a los intervalos inferiores.

Ejemplo: En la muestra de Ejm. Nro. 2, la frecuencia absoluta
acumulada hasta la tercera clase (F
A
) ser:

F
A3
= f
1
+ f
2
+ f
3


F
A
= f
1
+ f
2
+ f
3
+ .............. + f
n



Reemplazando con los valores del ejemplo:

F
A3
= 6 + 8 + 10 = 24

F
A3
= 24

Interpretacin:

Existen 24 observaciones cuyos estaturas son menores o iguales a
1.66 m.

2. Frecuencias Acumuladas Relativas ( F
AR )

Es la frecuencia relativa total de todos los valores menores o iguales
al lmite superior del intervalo de clase respectivo, se obtiene
sumando las frecuencias relativas siguientes a los intervalos
inferiores.

Ejemplo:

En la muestra del Ejm Nro. 2, la frecuencia relativa acumulada hasta
la cuarta clase (F
AR4
) ser:
f
2

n
8
100
Remplazando por sus valores
f
R2
=
f
R2
=
= 0,08 que puede expresarse como el 8%





24


F
AR4
= f
R1
+ f
R2
+ f
R3
+ f
R4




F
AR
= Ef
Rt
= f
R1
+ f
R2
+ f
R3
+ ..............+ f
Rk



Reemplazando con los valores del ejemplo:

F
AR4
= 0,06 + 0,08 + 0,10 + 0,28 = 0,52

F
AR4
= 0,52

Interpretacin:

Al multiplicar por 100 para obtener la respuesta en %:
Significa que el 52 % de observaciones tienen estaturas
menor o igual 1,70 m.

Grfica de las Frecuencias Acumuladas, Ojiva.

La grfica que muestra las frecuencias acumuladas mayor que o
las que son menor o igual que toman el nombre de Polgono de
Frecuencias Acumuladas u Ojivas.

Ejemplo:

Presentaremos las frecuencias acumuladas a partir de la muestra
del Ejm. Nro 2.

x

Clases(estaturas
)
f
i
f
R
F
A
F
AR
1.56 [1.54 1.58] 6 0.06 ; 6% 6 0.06 ; 6%
1.60 (1.58 1.62] 8 0.08 : 8% 14 0.14 ; 14%
1.64 (1.62 1.66] 10 0.10 ; 10% 24 0.24 ; 24%
1.68 (1.66 1.70] 28 0.28 ; 20% 52 0.52 ; 52%
1.72 (1.70 1.74] 26 0.26 ; 26% 78 0.78 ; 78%
1.76 (1.74 1.78] 17 0.17 ; 17% 95 0.95 ; 95%
1.80 (1.78 1.82] 5 0.05 ; 5% 100 1.00 ;100%

n = 100 Ef
R
=1100%






Generalizando:


25


Fig. 1.8 Grfica de Frecuencias Acumuladas Ojiva






















TALLER 01
ACTIVIDAD APLICATIVA AUTOEVALUACIN

INTRODUCCIN AL ANLISIS DE
DATOS PRESENTACIN DE LA INFORMACIN

EJERCICIOS Y PROBLEMAS

Estadstica Descriptiva e Inferencia Estadstica

1. Indique cules de los trminos u operaciones siguientes se relacionan
con muestras (M) con una poblacin (P): a) Grupos de medidas
llamadas parmetros, b) uso de inferencia estadstica, c) hacer un
cerco, d) juzgar la calidad de un embarque de fruta inspeccionando
varias de las cajas, e) Universo, f) grupos de medidas denominadas
estadsticas, g) aplicacin de conceptos de probabilidad.

Variables Discretas y Continuas

2. Por los siguientes tipos de valores, identifique si corresponde a
variables discretas (D) o variables continuas (C): a) el peso del
contenido de un paquete de cereales, b) el dimetro de un cilindro, c)
el nmero de artculos defectuosos que se producen, d) el nmero de
personas pensionadas en una rea geogrfica, e) El nmero
100
20
40
60
80
F
A
78
95
100
14
24
48
6
1,54 1,62 1,58 1,70 1,66 1,74 1,78 1,82
76
94
86
52
5
22
Intervalos de clase
Menor oigual
Mayor que
100


26

promedio de clientes de una empresa visitadas por un vendedor, f) el
total de ventas en soles.
3. Se encuest a un grupo de 30 alumnos sobre el departamento del
Per en el que nacieron y respondieron como se indica.

L T T C P T A A C L L P A AA
L LL P C A A T L T C L A L L

Donde L, A, T, C y P representa Lima, Arequipa, Trujillo, Cuzco, y Piura,
respectivamente. Organizar los datos en un cuadro de distribucin de
frecuencias.

4. Se encuest a 30 contadores sobre el nmero de balances
presentados el ao pasado y se obtuvo la informacin siguiente.

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

Organizar los datos en un cuadro de distribucin de frecuencias.

5. Construya una tabla de frecuencias para los datos siguientes,
correspondiente al nmero de faltas a clases en el primer semestre
del 2005 para estudiantes del curso de Economa.

9 8 7 8 4 3
2 1 0 5 3 2
1 1 7 3 2 8
7 6 6 4 3 2
2 0 9 4 6 9
6 9 4 3 5 7
3 2 1 4 4 2

6. Un conjunto de datos tiene 100 observaciones, de las cuales la
mayor es 212 y la menor 42. Suponga que desea una tabla de
frecuencias con siete clases.

a) Cul es el intervalo de clase?

b) Cul es la marca de la primera clase si el lmite inferior se fija en
40?.

7. El Profesor Rojas puso un examen final consistente en 100
preguntas a su grupo de contabilidad I, los datos siguientes
representan el nmero de respuestas correctas en cada examen,
constryase una tabla de frecuencias agrupadas con 5 clases para
que, el profesor Rojas pueda analizar los resultados.

17 15 78 21 10 32 7 65 18 87
4 22 34 42 9 9 82 79 98 4
44 65 62 77 81 81 45 37 83 44


27

77 13 41 16 13 13 82 37 5 54
7 67 88 41 22 22 92 16 67 85
Distribucin de Frecuencias, Intervalos de Clase y Mtodos
Grficos.

8. Los siguientes datos constituyen las vidas tiles, en horas de una
muestra aleatoria de 60 bombillas de luz de 100 watts.

Vida til de 60 bombillas de luz.

807
660
881
766
1056
832
811
753
872
787
1076
863
620
1050
869
923
958
852
650
918
841
792
970
788
817
857
847
803
776
980
732
867
833
933
828
889
747
675
829
947
831
1030
823
880
827
717
781
897
844
878
822
817
1088
755
907
890
811
753
1082
891

a) Constryase una distribucin de frecuencias con anchos de
clases iguales.
b) Trazar el histograma y polgono de frecuencias.
c) Trazar el Ojiva correspondiente mayor que y menor que.
d) Hallar la frecuencia Acumulada Relativa (Hi) de la cuarta y
sexta clase, interprete su respuesta.
e) Hallar la frecuencia Acumulada Absoluta y Relativa mayor
que de la primera y segunda clase, interprete su respuesta.

9. Las siguientes observaciones son los tiempos (en minutos) que
tardan 30 estudiantes en terminar su primer examen de matemticas
financieras.

42,3 67,7 53,3 63,9 70,1
70,0 52,6 61,9 41,7 39,2
37,2 63,2 45,7 38,9 68,3
69,2 39,2 42,7 52,4 52,5
41,9 58,9 69,1 68,3 64,9
39,2 45,5 55,5 61,2 69,8

a) Determinar el N de clases y el intervalo respectivo.
b) Construir la tabla de frecuencias. Marcar el recuento de las
observaciones y registrar la frecuencia de c/clase.
c) Construir una distribucin de frecuencias acumuladas menor o
igual, mayor que.
d) Construir una distribucin de frecuencias relativas acumuladas
menor o igual, mayor que.
e) Construir un histograma, un polgono de frecuencias una Ojiva.
Con los datos de tiempos invertidos por los estudiantes del
problema.





28



Uso de Computadoras para Generar Nmeros Aleatorios.

AUTOEVALUACION

1. Un analista econmico desea obtener una muestra aleatoria simple
de 30 empresas de las 435 que estn listadas en un rea geogrfica.
Las empresas estn identificadas secuencialmente, con nmeros del
001 al 435. Utilizando algn programa de computacin, obtenga 30
nmeros de identificacin, que determinen las empresas que deben
incluirse en la muestra.

LISTADO OBTENIDO CON MINITAB 15

MTB > RANDOM 30 C1;
SUBC > INTEGER 1 435.
MTB > NAME C1 SAMPLE
MTB > PRINT SAMPLE

SAMPLE
277 170 368 180 299 124 402 359 204
240 351 24 29 339 167 154 100 122
260 339 77 128 94 345 98 71 91
377 199 243

2. Un auditor desea obtener una muestra aleatoria simple de 50 de los
5250 cuentas por cobrar de una empresa grande.
Las cuestas estn numeradas secuencialmente del 0001 al 5250.
Utilice algn programa de computadora para obtener un listado de
los 50 nmeros aleatorios que se requieren.

Utilizacin de Computadora para formar una Distribucin de
Frecuencias.

3. Utilice un paquete de cmputo para formar una distribucin de
frecuencias para producir un histograma de los datos no agrupados
de la tabla dada, que contiene una muestra de los tiempos que 30
empleados requieren para llevar a cabo una tarea de ensamble.


Tabla A: Tiempo de ensamble para 30 empleados (minutos)

10 14 15 13 17
16 12 14 11 13
15 18 9 14 14
9 15 11 13 11
12 10 17 16 12
11 19 12 14 15



29

Solucin (Datos de entrada y resultados por computadora)


DATOS DE ENTRADA

MTB > SET C1
DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA > 19 12 14 15
DATA > END
MTB > HISTOGRAM C1

LISTADO OBTENIDO CON MINITAB
Resultados ( desarrollamos en clase )

4. Utilice algn paquete de cmputo para formar una distribucin de
frecuencias y producir un histograma de los datos no agrupados de
la tabla siguiente, para las cantidades otorgadas en 40 prstamos
personales.

Resultados ( desarrollarn los alumnos )









30

TEMA N 2

MEDIDAS DE TENDENCIA CENTRAL


ORGANIGRAMA






































Tendencia Central
Datos no agrupados
Media Aritmtica
Mediana
Moda
Media Aritmtica Ponderada
Media Geomtrica
Datos agrupados
Moda
Mediana
Media Aritmtica
CONCEPTOS RELACIONADOS
Coeficiente de Variacin Coeficiente de Asimetra


31

LA MEDIA ARITMTICA

De un conjunto de datos numricos es la suma de todas las
observaciones del conjunto, dividida entre el nmero de observaciones.

Simbologa.-Frmulas.
Dependiendo de la informacin disponible ( poblacional o muestral) se
puede tener:
Media o promedio poblacional (u):


.............................. (2.1)



Media o promedio muestral( X ):


.............................. (2.2)



Donde : X
i
= Valor de la i ensima observacin de la variable
(suma de todos los datos)

N = Tamao de la poblacin (Nro. De datos)

n = Tamao de la muestra (Nro. De datos)

Propiedades:

1. La Media aritmtica es un valor representativo debido a que es el
centro de gravedad o punto de equilibrio de un conjunto de
observaciones.

2. Si se sustituye el valor de cada observacin por el valor del Promedio
Aritmtico no vara la suma de todas las observaciones.

3. La suma de las desviaciones de las observaciones con respecto al
promedio aritmtico es igual a cero.

4. Si cada observacin de una muestra se le suma una constante el
promedio de las nuevas observaciones ser igual al promedio de la
muestra original ms la constante.

5. Si a cada observacin de una muestra se le multiplica por una
constante, el promedio de las nuevas observaciones ser igual al
promedio de la muestra original multiplicada por la constante.



u =
1
N
E
X
i
=
Ex
N
N
i = 1
x = 1
n
E
X
i
=
Ex
n
n
i = 1


32

Ejemplos:

E1 : Tenemos los salarios anuales (en soles) de 7 supervisores.
34,500; 30,700; 32,900; 36,000; 34,100; 33,800; 32,500. Calcular la
media (u).

7
500 , 32 800 , 33 100 , 34 000 , 36 900 , 32 700 , 30 500 , 34 + + + + + +
= u

u = S/. 33,500; u representa el salario medio anual para los miembros de
esta planilla.


LA MEDIA PONDERADA

Frmula:

u
p
P X = ....................................

donde:

p = factor de ponderacin.

x = datos


Ejemplos

E3: Una empresa comercializadora de telfonos celulares dispone de tres
vendedores, c/u. de los cuales cobra diferente comisin por telfono
vendido y realizan diferentes nmeros de ventas. Calcule e interprete el
valor medio de la comisin.

Vendedor Nmero de Telefs.
Vendidos ( p )
Comisin por
Venta S/. (x)
Pedro
Juan
Pablo
30
25
20
30
40
50


75
2900
20 25 30
) 50 ( 20 ) 40 ( 25 ) 30 ( 30
=
+ +
+ +
= P X

P X = S/. 38,67

Interpretacin:

Si se elige al azar un vendedor se espera que cobre una comisin de: S/.
38.67 por cada telfono vendido.

E(px)
Ep


33

E4: suponga que los costos de produccin y las cantidades producidas
por tres sucursales A, B y C son:

Sucursal Costo de Produccin (x) Cantidad Producida (p)
A
B
C
1,20
1,60
1,05
500
200
900

Calcular el costo de produccin promedio por unidad producida.

Solucin

P X = = 500(1,20) + 200(1,60) + 900 (1,05) = 1865
500 + 200 + 900 1600

P X = 1,16 soles

Interpretacin:
El costo de produccin promedio por artculo, para la empresa es de
1,16 soles por cada unidad producida.

LA MEDIANA

La mediana de un conjunto de observaciones ordenadas de acuerdo a
su magnitud, es el valor de la observacin que ocupa la posicin central
de dicho conjunto.

Caractersticas:

1. La mediana divide a un conjunto de observaciones en dos partes
iguales. El 50% con valores mayores a la mediana y el otro 50% con
valores menores a la mediana.

2. Como medida de posicin, la mediana es influenciada por el nmero
de observaciones y no por los valores de las observaciones.

Clculo de la Mediana:

Para determinar la posicin de la mediana se usa la siguiente frmula:

Med = X (n/2 + ) ..............................................(2.4)
Si n es impar.

Para un grupo con un nmero par de elementos, la mediana se
encuentra a la mitad entre los dos valores adyacentes al centro es decir:

Med = X (n/2) + X(n/2 + 1)
2
Si n es par.
E(px)
Ep


34

Ejemplos

E1 : Los siguientes datos se refieren al nmero de clientes atendidos
durante los ltimos 11 das en una tienda de artefactos. Calcule e
interprete la mediana.
12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Solucin
En este caso los datos ordenados son:
5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17 y con
n = 11 se tiene:

Med = X (n/2 + ) = X(11/2 + ) = X
6
= 11

Interpretacin:

Durante 5 das se atendieron a menos de 11 clientes, y durante 5 das se
atendieron a mas de 11 clientes.

E6: Si se tiene las observaciones: 5, 8, 7, 9, 6, 5, 4, 3. Calcular la
Mediana.

Solucin

En este caso los datos ordenados son:

3, 4, 5, 5, 6, 7, 8, 9 y con n = 8 se tiene:

5 , 5
2
6 5
2 2
) 1 2 / 8 ( ) 2 / 8 (
2
) 1 2 / ( ) 2 / (
5 4
=
+
=
+
=
+ +
=
+ +
=
X X X X n X n X
Med

El valor de la mediana se encuentra entre los valores cuarto y quinto de
este conjunto ordenado, es decir 5 y 6 en este caso, la mediana es 5.5.


MODA

LA MEDIA ARITMTICAPARA DATOS AGRUPADOS

Los datos agrupados son datos dados en tablas de frecuencias.
Cuando se agrupan datos en una distribucin de frecuencias, se utiliza el
punto medio de cada clase (x
c
) como aproximacin de todos los valores
contenidos en ella.
Frmulas Usadas:

Media o promedio Poblacional (u)

u = en forma simple u = ................... (2.6)


Efx
i

Ef
Efx
N


35

Media o Promedio Muestral ( X )

X = en forma simple X = ................... (2.7)


donde:

x
i
= x = Marca de clase (Punto medio) de cada clase.

f = frecuencia observada de valores en cada clase respectiva.

N = N de datos de la Poblacin.

n = N de datos de la muestra.

Ambas frmulas sealan que cada punto medio de cada clase (X
c
), se
multiplica por la frecuencia de clase correspondiente (f), luego se suman
estos productos (E) para despus dividir esta suma entre el nmero total
de observaciones (Ef) representadas en la distribucin de frecuencias.

Ejemplos

E9: La distribucin de frecuencias siguiente, representa los puntajes
obtenidos en una evaluacin del desempeo aplicado al personal tcnico
de una empresa. El puntaje mximo de la prueba es 60. Calcule e
interprete en Media.

Tabla 2.1 Distribucin de frecuencias de los puntajes por evaluacin
de 60 Tcnicos.

Desempeo
(Puntos)
Nmero de
Tcnicos (f)
Marca de
Clase (x)
(fx)
12 16
17 21
22 26
27 31
32 36

4
8
15
23
10

14
19
24
29
34

56
152
360
667
340

Total 60 E(fx)=1575

Solucin
En la misma tabla calculamos la marca de clase (x
c
), es decir el valor
intermedio de cada clase intervalo, y (fx), obtenemos:


x = = = 26,25

x = 26,25

Efx
i

Ef
Efx
n
Efx
n
1575
60


36

Interpretacin:

Si se elige al azar un tcnico se espera que tenga un puntaje de 26.25 en
su evaluacin de desempeo.

E10: En la tabla siguiente se muestra una distribucin de frecuencias de
salarios mensuales de 100 trabajadores. Calcule e interprete la Media.

Tabla 2.2 Salarios Mensuales de 100 trabajadores

Salario Mensual
Nmero de
Trabajadores (f)
Marca de
Clase (x)
(fx)
S/.2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 3599

7
20
33
25
11
4

2499,50
2699,50
2899,50
3099,50
3299,50
3499,50

S/. 17496,50
53990,50
95683,50
77487,50
36294,50
13998,00

Total : 100 E(fx) = S/. 294950,00

Solucin

En la misma tabla calculamos x y fx, obtenemos:

x = = = S/. 2949,50


Interpretacin:

Si se elige al azar un trabajador se espera que tenga un salario mensual
de S/. 2949,50.


LA MEDIANA PARA DATOS AGRUPADOS

Primero, se determina la clase (intervalo) que contiene el valor de la
mediana, luego determinar el valor de la mediana dentro de la clase.

La clase que contiene la mediana es la primera cuya frecuencia
acumulada iguala o excede la mitad del total de observaciones.


Frmula Utilizada:

Med = L
I
+ ( ) i ..................................... (2,8)

Donde:

L
I
= Lmite exacto inferior de la clase que contiene la mediana.
Efx
n
2949,50
100
N/2 - f
aA

fc


37

N = Nmero Total de observaciones.

fa
A
= La frecuencia acumulada de la clase que precede (antes) a la clase
que contiene la mediana.

fc = Nmero de observaciones en la clase que contiene la mediana.

i = Tamao del intervalo de clase.

Ejemplo

E11: la siguiente tabla muestra el salario mensual de 100 trabajadores.
Hallar la Mediana.

Tabla : Salarios Mensuales de 100 trabajadores

Salario Mensual Nmero de
Trabajadores (f)
Frecuencia Acumulada
(fa)
S/. 2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 - 3599
7
20
33
25
11
4
7
27
60
85
96
100
Total: 100

Solucin

En la misma tabla calculamos (fa); la clase intervalo que contiene a la
mediana es la que incluye el valor N/2 = 100/2 =50. La Primera cuya
frecuencia acumulada es igual o superior a 50 es la clase que tiene los
lmites 2800 2999 ( con lmite exacto inferior 2799.50).

Para hallar el valor de la mediana en esta clase:

Med = L
I
+ ( ) i = 2799,50 + ( ) 200 =

Med = S/. 2938,89

Interpretacin:

La mitad de los trabajadores gana menos o igual a S/. 2938,89 y la otra
mitad de trabajadores gana ms o igual a S/. 2938,89.


LA MODA PARA DATOS AGRUPADOS
Para datos agrupados en una distribucin de frecuencias con intervalos
de clases iguales, para hallar la moda, primero se identifica la clase que
contiene la moda determinando cul de ellos tiene el mayor nmero de
observaciones, luego se aplica la frmula de la moda.
n/2 - f
aA

fc
100/2 - 27
33


38

Frmula Utilizada:

Mo = L
I
+ ( ) i ............................................ (2.9)

Donde:
L
I
= Lmite exacto inferior de la clase que contiene la moda.
d
1
= Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase precedente.
d
2
= Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase siguiente.
i = Tamao de intervalo de clase.

Ejemplo

E12: Con referencia a los datos agrupados de la tabla 2.3. Hallar la moda.

Tabla : Salarios Mensuales de 100 trabajadores.


Salario Mensual
Nmero de
Trabajadores (f)
Frecuencia Acumulada
(fa)
2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 - 3599
7
20
33
25
11
4
7
27
60
85
96
100
Total: 100

Solucin

La clase intervalo que contiene el mayor nmero de observaciones
(frecuencia), es el que corresponde a 2800 2999 (clase modal).

Para hallar el valor de la moda es esta clase:

31 , 2923 . / 200 )
8 13
13
( 50 , 2799 ) (
2 1
1
S i
d d
d
L Mo
I
=
+
+ =
+
+ =

Interpretacin:

El salario de valor ms frecuente es de S/. 2923,31



d
1

d
1
+ d
2


39

TEMA N3

DATOS AGRUPADOS Y NO AGRUPADOS

CUARTILES, DECILES Y PERCENTILES

Mientras que la mediana divide a una distribucin de datos en dos
mitades.
Los Cuartiles los dividen en cuatro cuartos iguales.
Los Deciles los dividen en 10 dcimas iguales.
Los Percentiles los dividen en 100 partes iguales.

Frmulas Usadas para datos no agrupados:

Q
1
(Primer Cuartil) = X
[n/4 + ]
.................................. (2.11)

D
3
(tercer Decil) = X
[3n/10 + ]
................................... (2.12)

P
70
(Percentil 70) = X
[70n/100 + ]
................................ (2.13)


Ejemplos

E13: Los importes mensuales (en soles) de 15 personas en un
restaurante, en forma ascendente son:
1000, 1000, 2500, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500,
24500, 27500, 30300 y 41000.

Determinar los valores de:

a) Segundo Cuartil.
b) Segundo Decil
c) Punto Percentil 40.

Solucin
Siendo n = 15:
a) Q
2
= X
[2n/4 + ]
= X
[2x15/4 + ]
= X
8
= 5300

Por definicin este valor es equivalente a la Mediana.

b) D
2
= X
[2n/10 + ]
= X
[2x15/10 + ]
= X
3,5
= 2500+2500 = 2500
2
X
3,5
corresponde al valor de la mitad entre el 3
ro
y 4
to
ascendente.

c) P
40
= X
[40n/100 + ]
= X
[40x15/100 + ]
= X
6,5
= 3500 + 4000 = 3750
2
X
6,5
corresponde al valor de la mitad entre el 6
to
y 7
mo
ascendente.





40

CUARTILES, DECILES Y PERCENTILES PARA DATOS AGRUPADOS

Se utilizan algunos ejemplos de frmulas como:

Q
1
(Primer cuartil) = L
I
+ ( n/4 fa
A
) i .......................... (2.14)
fc
D
3
(Terceldecil) = L
I
+ (3n/10 fa
A
) i ............................ (2.15)
fc

P
70
(Percentil 70) = L
I
+ (70n/100 fa
A
) i ........................(2.16)

Fc
Donde:

L
I
= Lmite exacto inferior de la clase que contiene Q, D P.

fa
A
= Frecuencia acumulada de la clase que prescede (antes)a la clase
que contiene Q, D P.

fc = Nmero de observaciones en la clase que contiene Q, D P.

i = Tamao del intervalo de clase.
Como podemos observar, la frmula de la mediana (2,8) se modifica de
acuerdo con el punto fraccionario de inters (Q, D, P se encuentran en la
clase cuya frecuencia acumulada excede al valor del Q, D, P solicitado).

E14: Con referencia a la siguiente tabla la cual indica el tiempo requerido
para auditar saldos de cuentas.

a) Determinar el valor del Tercer Cuartil.
b) El Primer Decil.
c) El Punto Percentil 90.

Tabla : Tiempo requerido para auditar saldos de cuentas.

Tiempo de
Auditora
Nmero de
Registros (f)
Frecuencia Acumulada
(fa)
10 19
20 29
30 39
40 49
50 59
3
5
10
12
20
3
8
18
30
50
Total: 50

Solucin

En la misma tabla calculamos fa. En primer lugar, calculamos la clase que
tiene el punto de inters 3n/4 = 3x50/4 = 37,5 (Quinta clase) de acuerdo
con las frecuencias acumuladas.



41

Luego segn frmula:

a) Q
3
= L
1
+ ( 3n/4 fa
A
) i = 49.5 + ( 3x50/4 30 )10 = 53,25

fc 20

Conclusin:
49,5 es el lmite exacto inferior de la clase que contiene la medicin
3n/4 37.5, por tanto el cuartil 3 se encuentra en el quinto intervalo y
su valor es 53,25 min.

b) La clase que contiene el punto de inters (primer decil) = 1xn/10 =
50/10 = 5, L
I
se encuentra en la clase (intervalo) cuya fa excede a
n/10 5 x (8).

Luego segn frmula:
. min 5 , 23 10
5
3
10
5
5 , 19
10
1
=
(
(
(
(


+ =
(
(
(
(


+ = i
f
f
n
L D
c
aA
I


Conclusin:
19,5 es el lmite superior de la clase que contiene la medicin n/10
5, por tanto el decil 1 se encuentra en el segundo intervalo y su valor
es 23.5 min.

c) La clase que contiene el punto de inters (percentil 90) = 90xn/100 =
90x50/100 = 45

L
I
se encuentra en el intervalo cuya fa excede a 90n/100 45x 50.
Luego segn frmula:

P
90
= L
I
+ ( 90xn/100 fa
A
)i = 49,5+ (9500/100 30) 10 = 57
fc 20

Conclusin:

El valor P
90
= 57 min y se encuentra en el quinto intervalo.

9.5 19.5 29.5 39.5 49.5 59.5
1 2 3 4 5

LA MEDIA GEOMETRICA ( x
g
)

Se utiliza para calcular tasas medias de variacin, como la tasa media de
crecimiento poblacional, la tasa media de inflacin mensual, la tasa media
de mortalidad, entre otros.

Frmula

x
g
= x
1
. x
2
. x
3
. x
4 . ....................
x
n
....................... (2.17)
n


42

Donde:
x = n valores de una serie
x
1
, x
2
............... x
n
datos de la serie.
Ejemplo
E15: La siguiente tabla muestra la tasa de aumento en las ventas durante
los ltimos meses. Calcule e interprete la tasa media mensual.

Meses Ene Feb Mar Abril Mayo
Aumento
de Ventas
2.6 % 5.4 % 3.8 % 0.5 % 1.4 %
Solucin
La tasa 2.6 % tambin se puede expresar como 0,026 y como se refiere a
un aumento a partir de 100%, el factor de variacin ser 1,026 (1
representa el 100%, aumento representa >1) para los otros datos se
procede igual.
Reemplazando en la frmula:

x
g
= x
1
. x
2
. x
3
. x
4 . ....................
x
n
; para n = 5

x
g
= (1,026) (1,054) (1,038) (1,005) (1,014)


x
g
= 1,14390337

x
g
= 1,02725 (factor de Crecimiento o Medio)
Tasa Media de Variacin = (Xg 1) 100
= (1,02725 1)x 100 = 2,72 %
Interpretacin:
Si se selecciona al azar un mes entre Enero y Mayo, se espera que las
ventas se hayan incrementado 2.72% con respecto al mes anterior.

LA MEDIA ARMNICA (X
h
)
Se utiliza para calcular el tiempo medio, velocidad y aceleracin media,
como el tiempo medio para realizar un proceso productivo.

n
5
5


43

Frmula:
n
x
X h

=
/ 1
1
............................................ (2.18)
Donde:

x
h
= media armnica

n = n valores de una serie

E1/x
i
= Suma de todos los datos a la inversa.

EJEMPLO

E16: Los siguientes datos registran el tiempo medio que utilizan 4 clientes
al realizar una compra de un artefacto domstico. Calcule e interprete el
tiempo medio.

Cliente A B C D
Tiempo
(Minutos)

45 38 52 40

SOLUCIN

Para n = 4
Reemplazando en la frmula

2223 1710 2340 1976
88920 4
40
1
52
1
38
1
45
1
4
+ + +
=
+ + +
=
x
X
h


h X = 43,117953 min.





44

TALLER 02

ACTIVIDAD APLICATIVA AUTOEVALUACIN

MEDIDA DE TENDENCIA CENTRAL O POSICIN DE LOS DATOS

EJERCICIOS Y PROBLEMAS

Media, Mediana Y Moda

1. De en una empresa que tiene 200 empleados, el ingreso promedio es S/.
1200,cual es la cantidad de dinero destinado al pago sueldos?

2. Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El prximo mes se piensa incrementar el sueldo de cada trabajador en S/.
100Con cuanto dinero se debe contar para poder pagar los nuevos
sueldos?

3.Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El prximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual Con cuanto dinero se debe contar para poder
pagar los nuevos sueldos?

4 Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El prximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual y adems da una bonificacin de S/. 50 Con
cuanto dinero se debe contar para poder pagar los nuevos sueldos?

5. Una muestra de 20 trabajadores de una compaa pequea obtuvieron los
siguientes salarios para un mes determinado. (En dlares)

240, 240, 240, 240, 240, 240, 240, 240, 255, 255, 265, 265,
280, 280, 290, 300, 305, 325, 330 y 340.

Calcule: a) la media, b) la mediana y c) la moda, para este conjunto
de salarios.

6. Si estuviera usted en cada uno de las siguientes situaciones, seale qu
medida de promedio reportara para los datos del problema anterior y en
qu sentido puede considerarse tpico cada valor. a) Como Vicepresidente
responsable de las negociaciones colectivas con los trabajadores, b)
Como Presidente de los representantes de los trabajadores.

7. El nmero de accidentes ocurridos durante determinado mes en 13 reas
de manufactura de una planta industrial fueron:
2, 0, 0, 3, 3, 12, 1, 0, 8, 1, 0, 5, 1. Calcule: a) la media, b) la mediana,
y c) la moda para el nmero de accidentes por rea.


45

8. En una compaa que maneja 4 productos, los mrgenes de utilidad
correspondientes a c/u de ellos durante el ao fiscal anterior fueron:
producto A, 4,2 %; producto B, 5,5 %; producto C, 7,4 % y producto D,
10,1 %. Hallar el margen de utilidad promedio.

9. Supongamos que Ramiro el dueo de un grifo vende (en miles de soles)
5 tipos de combustibles. En la tabla siguiente se muestra c/u de ellos
junto con el costo por galn y el nmero de galones vendidos. Calcular
la media aritmtica simple y la media ponderada del costo obtenido por
Ramiro.

Combustible Costo por Volumen de
Galn Ventas en balones
Diesel S/.2,00 3
84 3,50 7
90 5,00 15
97 7,50 12
95 6,00 15

La Media Ponderada
10. Suponga que los precios al menudeo de determinados artculos han
sufrido los cambios que se muestran en la tabla siguiente. Determine el
cambio porcentual promedio de los precios al menudeo con referencia al
promedio de gastos que se indica en la tabla.

Tabla (d) Cambios en los precios al menudeo de algunos artculos
durante un ao.
Artculo Aumento
Porcentual
Gasto Mensual Promedio
(Antes del Aumento)
Leche
Carne Molida
Ropa
Gasolina
10%
-6
-8
20
S/. 2000,00
3000,00
3000,00
5000,00

Media, Mediana y Moda Para Datos Agrupados


11. Con referencia a la tabla (c) la cual muestra la distribucin de
frecuencias por el pago mensual alquiler de departamento.
Determinar el alquiler mensual promedio en termino de: 1) Media (u),
Mediana (Med), c) Moda (Mo), interprete su respuesta:

Solucin
En la misma tabla calculamos el punto medio de clase (x), Ef(x) y fa
obteniendo:






46

Tabla (c). Distribucin de Frecuencias para alquiler mensual por
departamento.

Alquiler
Mensual
Punto
Medio de
Clase (x)
Nmero de
Departamentos
(f)

fx
Frecuencia
Acumulada
(fa)
350-379
380-409
410-439
440-439
470-499
500-529
530-559
560-589
590-619
620-649
364,50
394,50
424,50
454,50
484,50
514,50
544,50
574,50
604,50
634,50
3
8
10
13
33
40
35
30
16
12
1093,50
3156,00
4245,00
5908,50
15988,50
20580,00
19057,50
17235,00
9672,00
7614,00
3
11
21
34
67
107
142
172
188
200
Total 200 E(fx)=S/104550,00

1.-
75 . 522 . /
200
104500
) (
S
N
fx
u = = =



2.- Med = L
I
+ ( (N/2) fa
A
) i = 499.50 + ( 100 67 ) 30
fc 40
= S/. 524.25

Nota:

S/. 499.50 es el lmite exacto, inferior de la clase que contiene a la
medicin N/2 es decir, la centsima medicin.

3.- Mo = L
I
+ ( d
1
) i = 499,50 + ( 7 ) 30 = S/. 517,00
d
1
+ d
2
7+5

S/. 499,50 es el lmite exacto inferior de la clase que contiene la
frecuencia ms alta.

12. Las siguientes cifras son los importes del consumo en dlares de
quince personas en un restaurante en orden ascendente; 10, 10, 25,
25, 25, 35, 40, 53, 90, 125, 135, 245, 275, 309, 410. Determinar:

a) La media, la mediana y la moda.
b) El segundo cuartil, el segundo decil y el percentil 40.

13. Una muestra de doce trabajadores s prob en cuanto a su capacidad
de sostener firmemente un objeto; las medidas, ordenadas de menor
a mayor fueron:

80,6; 89,9; 101,4; 102,6; 115,0; 120,1; 123,4; 126,3; 131,8; 138,6;
151,6 y 160,5. Determine:



47

a) El primero, segundo y tercer cuantil.
b) El segundo decil.

14. Hallar la media geomtrica de una serie 18, 21, 23, 24 y 22 tomada
en este orden.

15. La siguiente Tabla muestra la tasa de incremento en los pagos de
impuestos de una empresa durante los ltimos meses. Calcule e
interprete la tasa media mensual.

Meses Ago Set Oct Nov Dic
Increm. 1,6% 2,8% 2,2% 0,8% 2,5%
Impuestos


SOFTWARE ESTADSTICO (Aplicacin por Computadora)

MEDIDA DE TENDENCIA CENTRAL O POSICIN DE LOS DATOS


Resultados por computadora de la Media y la Mediana

Ejercicios y Problemas

1. Utilice una computadora para calcular la media y la mediana de los
datos de la tabla A del primer capitulo, que contiene los tiempos que
una muestra de 30 empleados requieren para llevar a cabo un trabajo
de ensamble.

Solucin

MTB > SET C1
DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA > 16 12 14 15
DATA > END
MTB > NAME C1 TIME
MTB > MEAN TIME
MEAN = 13.3
MTB >MEDIAN TIME
MEDIAN = 13.5
Como puede observarse el tiempo medio de ensamble es 13.3
minutos, el tiempo mediano de ensamble es 13.5 minutos

2. Utilice una computadora para calcular la media y la mediana de los
datos de la tabla B del primer captulo, que contiene los montos de 40
prstamos personales.
3. Utilice una computadora para calcular la media y la mediana de los
datos de la tabla siguiente, que contiene las utilidades combinadas en


48

millones de dlares, obtenidas en transacciones nacionales e
internacionales por las 100 empresas multinacionales con oficina
matriz en los E.U. Las columnas sucesivas de nmero corresponden a
la lista alfabtica de las empresas en la tabla original.


Tabla: B Montos de 40 prstamos Personales (en miles de soles)
S/. 932
515
452
1900
1200
1278
2540
586
1650
1219
S/. 1000
554
973
660
720
1388
851
329
1423
727
S/. 356
1130
300
1610
1525
1000
1830
335
532
655
S/.2227
354
2112
445
784
870
630
3000
334
1590


TABLA C: UTILIDADES COMBINADAS EN MILLONES DE DLARES
DE 100 EMPRESAS AMERICANAS


1071
784
197
835
960


724
447
600
448
1159

457
283
405
254
473


2060
5423
258
119
119

722
2,276
312
772
803


499
3308
430
60
1576

81
579
1169
2433
754

- 353
708
524
535
1369


115
133
592
145
749

108
165
489
1177
791
441
1671
403
445
188
412
215
- 476
531
918
863
522
536
916
1467
370
-1060
1652
532
333
512
1231
1181
338
580
97
838
220
519
252
348
339
627
437
2,227
2762
668
409
98
1567
2380
1992
1281
1851
2310
458
580
729
257
598




49

TEMA N4

MEDIDAS DE DISPERSIN O VARIACIN DE LOS DATOS

ORGANIGRAMA













































MEDIDAS DE VARIACIN (DISPERSIN)
DE LOS DATOS
VARIACIN (DISPERSIN)
Datos No Agrupados
Rango (Amplitud)
Desviacin Media
Varianza y Desviacin Estandar
Datos Agrupados
Rango (Amplitud)
Cuartiles, Deciles, Percentiles
Varianza y Desviacin Estandar
CONCEPTOS RELACIONADOS
Coeficiente de Variacin Coeficiente de Asimetra (Sesgo)


50

Mientras que las medidas de Tendencia Central identifican el valor
Tpico representativo en un conjunto de datos en contraste:
Las medidas de variacin (dispersin) describen la medida de esta
variabilidad segn sea grande o pequea con respeto a una Medida de
Tendencia Central (Media) x o u.

Ejemplo:
Conocidos los porcentajes o notas (x) de 80 estudiantes de Mtodos
Cuantitativos 1 se les puede disponer formando una distribucin de
frecuencias que da una idea ms ordenada de las caractersticas de la
variable x (calificacin o puntos).
1
ro
se le calcula la media de la variable x. Con este valor se puede
representar la distribucin de frecuencias.
Si los puntajes (Notas) son muy altos con respeto a la media la
variabilidad ser grande.
Si los puntajes (Notas) son muy prximos a la media, la variabilidad ser
pequea.
La Medida de esta variabilidad es lo que se llama Medidas de Variacin
o Dispersin.

EL RANGO (AMPLITUD TOTAL) (R)

Es la diferencia entre los valores mayor y menor del conjunto de datos.
R = My Mn Donde:
R = Rango o Amplitud.
My = mayor valor del grupo.
Mn = Menor valor del grupo.

E1: Durante un mes determinado del verano, 8 vendedores de aparatos
elctricos vendieron el siguiente N de ventiladores:
8, 11, 5, 14, 8, 11, 16, 11.
Hallar el rango de unidades vendidas.
Solucin
R = My Mn = 16 5 = 11,0 unidades.

E2: Dos grupos de estudiantes (A y B) tienen la misma media = 70
puntos c/grupo.
Los puntajes ms altos y ms bajo de cada grupo son:
A: 93 y 25.
B: 73 y 66.
Hallar el Rango Amplitud.

Solucin
Para A: 93-25 = 68 puntos
Para B: 73 66 = 7





Observamos: Que la Medida del Rango se funda slo en los valores
extremos pero no se analiza la variabilidad de los datos internos por
consiguiente estudiaremos la Desviacin Media.



51

LA DESVIACIN MEDIA

Incluye todos los datos. Es la media de las desviaciones a partir de algn
valor central. Tal como la media o la mediana de una distribucin.

Cuando se refiere a la Media como valor central se tiene la Desviacin
Media es decir alrededor de la Media.
E3: Para encontrar las frmulas: Si tenemos las siguientes calificaciones
de alumnos (sobre 100 puntos)
50, 55, 60, 70, 75, 80.
Hallar al Desviacin Media:

Solucin

1
ro
Seleccionamos la Media.
2
do
Medimos la variabilidad a partir de la media.
3
ro
Se halla el promedio de variabilidad.

1) 65
6
390
6
80 75 70 60 55 50
= =
+ + + + +
=
E
=
n
x
x

2) Los desvos de este valor son:
-15, -10, -5, 5, 10, 15.
El signo (-) indica que la direccin de los desvos es hacia la
izquierda.
3) La distancia de las desviaciones (Cantidad de Variabilidad):
Ignorando los signos (-) (Observamos que la suma algebraica de
los desvos a partir de la media es siempre = 0).
Hallamos la media de las desviaciones:

10
6
60
6
5 10 5 5 10 15
= =
+ + + + +


Entonces la Desviacin media (DM) = 10.

Por Tanto: La frmula empleada para hallar la desviacin Media:

D M Poblacional =
N
u x E

DM Muestral =
n
x x E

Donde:
x = datos del Problema.
u = media poblacional de los datos.
n,N = N de datos.
x = media muestral de los datos.



52

E4: Para los datos de ventas de aparatos elctricos que se dieron en el
E1, hallar la Desviacin Media (DM).
Solucin

1
ro
u = 5 , 10
8
16 14 11 11 11 8 8 5
=
+ + + + + + +
=
E
n
x

X x-u ,x-u,
5
8
8
11
11
11
14
16
5-10,5=-5,5
8-10,5=-2,5
8-10,5=-2,5
11-10,5=0,5
11-10,5=0,5
11-10,5=0,5
14-10,5=3,5
16-10,5=5,5
5,5
2,5
2,5
0,5
0,5
0,5
3,5
5,5
Total 21,0
D
M
= unidades
N
u x
6 , 2 625 , 2
8
0 , 21
= = =
E


Interpretacin:

En Promedio, las ventas de ventiladores por vendedor difiere en 2,6
unidades de la media del grupo, en cualquier direccin.

LA VARIANZA.


LA DESVIACIN ESTNDAR

Debido a que se dificulta la interpretacin del significado del valor de una
varianza, porque las unidades en que se expresa son valores al
cuadrado.

Surge la Desviacin estndar (o,s), que es la raz cuadrada de la
varianza, representada mediante la letra griega o o s para una muestra;
su frmula es:

Desviacin Estndar Poblacional
N
u x
2
) ( E
= o

Desviacin Estndar Muestral
1
) (
2

E
=
n
x x
s

E4: De acuerdo al ejemplo dado Donde:
8 vendedores vendieron el siguiente N de ventiladores 8, 11, 5, 14, 8,
11, 16, 11.



53




2
do
Tabla: Considerando estas ventas como poblacin:

X x-u (x-u)
2

5
8
8
11
11
11
14
16
-5,5
-2,5
-2,5
0,5
0,5
0,5
3,5
5,5
30,25
6,25
6,25
0,25
0,25
0,25
12,25
30,25

Total
86,00

Desviacin Estndar unidades
N
u x
3 , 3 75 , 10
8
86 ) (
2
= = =
E
= o

CLCULOS ABREVIADOS DE LA VARIANZA YLA DESVIACIN
ESTNDAR.

Para no realizar el clculo de c/u de las desviaciones con respecto a la
Media Grupal, existen Frmulas abreviadas equivalentes, las cuales son:
Varianza Poblacional:
N
Nu x
2 2
2
E
= o
Desviacin Estndar Poblacional:
N
Nu x
2 2
E
= o
Varianza Muestral:
1
2
2
2

E
=
n
x n x
s
Desviacin Estndar Muestral:
1
2
2

E
=
n
x n x
s
E5: Como verificacin de resultados, calcular por frmula abreviada la
desviacin estndar respectiva del problema anterior, siendo x = u =
10,5.
x x
2

5
8
8
11
11
11
14
16
25
64
64
121
121
121
196
256
Total 968



54

unidades
N
Nu x
3 , 3 75 , 10
8
) 5 , 10 ( 8 968
2 2 2
= =

=
E
= o
MEDIDAS DE VARIABILIDAD (DISPERSIN) ASIMETRA Y
CURTOSIS DE LOS DATOS.

Formas de Curvas de frecuencias.
Despus de haber dibujado el polgono de frecuencias y la curva ojiva
para la distribucin de frecuencias acumuladas, tambin tenemos los
siguientes tipos de curvas:

En trminos de ASIMETRA (Lados Laterales), una curva de frecuencia
puede ser:

(1) Asimtrica Negativa: Asimtrica con la cola hacia la izquierda.
(2) Asimtrica Positiva: Con la cola hacia la derecha.
(3) Simtrica.

FIG.3.1. ASIMETRA DE PEARSON














En trminos de Kurtosis (vrtice superior), una curva de frecuencia
puede ser:

(1) Platikrtica: Plana, con las observaciones distribuidas de manera
relativamente uniforme en todas las clases.
(2) Leptokrtica: Puntiaguda, con las observaciones concntricas en un
estrecho rango de valores.
(3) Mesocrtica: Ni plana ni puntiaguda, en trminos de la distribucin
de los valores observados.

FIG. 3.2. KURTOSIS








f f
x x
(1) Asimtrica
Negativa
(Esta sesgada
hacia la izquierda)
(2) Asimtrica
Positiva
(Sesgada hacia
la derecha)
f
x
(3) Simtrica
(Insesgada)

(1) Platikrtica
f
x
(2) Leptokrtica
f
x
(3) Mesocrtica
f
x


55




EL COEFICIENTE DE VARIACIN (C.V.)

Indica la Magnitud relativa de la Media de la Distribucin:
Su frmula es:
Poblacin: CV =
u
o
x 100
Muestra: CV =
x
s
x 100

Donde: CV = Coeficiente de Variacin
o = desviacin estndar.
x , u = media.

Si consideramos 2 o ms distribuciones con medios bastantes diferentes
o si se miden en unidades distintas, ser peligroso extraer conclusiones
sobre la dispersin a partir de un nico valor de la Desviacin Estndar.
Es como comparar manzanas con naranjos: por tanto se recurre
frecuentemente al uso del C.V.

Se aplica para comparar la variabilidad de 2 conjuntos de datos con
respeto al nivel general de los valores de c/conjunto (y, por ello respeto a
la media).

E6: Para 2 Acciones Comunes de Empresas
(Telefnica A Claro B)
El precio promedio de cierre en la bolsa de un mes fue:
Accin A = $15000 con desviacin estndar de 500.
Accin B = $5000, con desviacin estndar de 300.

Haciendo una comparacin absoluta, result ser superior la variabilidad
en el precio de la accin A, debido a que muestra una mayor desviacin
estndar. Pero con respecto al nivel de precios, deben compararse los
respetivos coeficientes de variacin:

033 , 0
15000
500
) ( = = =
u
A CV
o
y 060 , 0
5000
300
) ( = = B CV

Interpretacin: El Precio de la accin B ha sido casi 2 veces ms
variable que la accin A.
(Con respecto al precio promedio para c/u de las 2).

COEFICIENTE DE ASIMETRA DE PEARSON (SESGO)
Mide la desviacin de la simetra, expresando la diferencia entre la
media y la mediana con respecto a la desviacin estndar del grupo de
mediciones.



56




Su Frmula:

Asimetra Poblacional:
o
) ( 3 Med u

Asimetra de la Muestra:
S
Med x ) ( 3


Para una distribucin Simtrica, el valor del coeficiente de asimetra
siempre es = 0, porque la media y la mediana son iguales.
Para una distribucin con asimetra (+), la x es siempre > que la Med.
=> Asimetra = (+).
Para una distribucin con asimetra (-) la x es siempre < que la Med. =>
Asimetra = (-).

E8: Del ejemplo dado E1 de 8 vendedores que vendieron ventiladores.
u = x =10.5 = 5 , 10
8
84
= =

n
x

Med = X (5 8 8 11 11 11 14 16) =
2
5 4
X X +

Med = 11
2
11 11
=
+

o = 3,3
Asimetra = 45 , 0
3 , 3
) 0 , 11 5 , 10 ( 3 ) ( 3
=

o
Med u




As, la distribucin de las unidades vendidas tiene una ligera asimetra
negativa, es decir, est sesgada hacia la izquierda.

FIG. 3.3. ASIMETRA DE PEARSON.













EL RANGO Y LOS RANGOS MODIFICADOS PARA DATOS
AGRUPADOS.
X
f
Asimetra Negativa
(El grado en que estn sesgados se refleja en este valor)


57


Para datos agrupados en una Dist. De frecuencias el Rango (R):
Li mi te Exacto Superi or de l a cl ase (i nterval o) ms al to Ls(A)
y el l mi te exacto i nf eri or de l a cl ase (Interval o) ms baj a L
I

(B)
As: R= Ls (A)- L
I
(B)

E9: En los siguientes datos agrupados de las salarios mensuales de 100
trabajadores hallar el rango.

Salario Mensual
$
Lmites Exactos
De Clase
2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 3599
2399,50 2599,50
2599,50 2799,50
2799,50 2999,50
2999,50 3199,50
3199,50 3399,50
3399,50 3599,50
R = Ls
(A)
L
I(B)
= 3599,50 2399,50 = 1200

DESVIACIN MEDIA PARA DATOS AGRUPADOS

Para los datos agrupados en una distribucin de frecuencias, se asume
que el punto medio de cada clase (Intervalo), representa a todas las
mediciones includas en esa clase (intervalo); es igual que el clculo de la
media para datos agrupados.

Frmula Empleada:

DM
POBLACIONAL
=
| |
N
u x f

) (


E10: Para los datos de salarios diarios del Problema anterior calcular la
Desviacin Media.

Solucin

Salario
Mensual
Pto. Medio
de clase
(Intervalo) x
(f) N de
Trabajadores
f(x) | u x | f u x
2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 3599
2499,50
2699,50
2899,50
3099,50
3299,50
3499,50
7
20
33
25
11
4
17496,50
53990,00
95683,50
77487,50
36294,50
13998,00
450
250
50
150
350
550
3150
5000
1650
3750
3850
2200
Total: 100 294950,00 Total: 19600




58



LA VARIANZA YLA DESVIACIN ESTANDAR PARA DATOS
AGRUPADOS.

Se asume que el punto medio de clase (intervalo) representa a todas las
mediciones incluidas en esa clase.
Frmulas Empleadas:
Varianza Poblacional:
( ) | |
N
u x f


=
2
2
o

Varianza Muestral:
( ) | |
1
2
2

=

n
x x f
S

Desviacin Estndar Poblacional:
( ) | |
N
u x f


=
2
o

Desviacin Estndar Muestral:
( ) | |
1
2

=

n
x x f
S

E11: Para los datos de salarios diarios que se presentan a continuacin.
Hallar la Desviacin Estndarmuestral

Salario
Diario
Pto. Medio
de clase
(Intervalo)x
(f) N de
Trabajadores
f(x) x x ( )
2
x x ( )
2
x x f
2400 - 2599
2600 - 2799
2800 - 2999
3000 - 3199
3200 - 3399
3400 - 3599
2499,50
2699,50
2899,50
3099,50
3299,50
3499,50
7
20
33
25
11
4
17496,50
53990,00
95683,50
77487,50
36294,50
13998,00
-450
-250
-50
150
350
550
202500
62500
2500
22500
122500
302500
1417500
1250000
82500
562500
1347500
1210000
Total: 100 294900,50 Total : 5870000

Solucin

1
ro
: Clculo del Pto. Medio de Intervalo
2
do
: Clculo ( ) x f
3
ro:
Clculo de la media
( )
50 , 2949
100
294950
= = =

n
x f
x
4
to
: Tabla x x
5
to
: ( ) Tabla x x f
2



59

6
to
:Reemplazo de frmula
( ) | |
93 . 59292
99
5870000
1
2
= =

=

n
x x f
S
50 . 243 = S

3.12 FORMULAS ABREVIADAS PARA DATOS AGRUPADOS SON LOS
SIGUIENTES:
Varianza Poblacional:
( )
N
Nu x f


=
2 2
2
o
Desviacin Estndar Poblacional:
( )
N
Nu x f


=
2 2
o
Varianza Muestral:
( )
1
2
2
2


=

n
x n x f
S
Desviacin Estndar Muestral:
( )
1
2
2

=

n
x n f x
S

E12: Del problema anterior calcular la Desviacin Estndar resultante
probando de esta manera la Respuesta, usando Frmulas abreviadas.

Salario
Diario
Pto. Medio
de clase
(Intervalo)x
(f) N de
Trabajadores
2
x
2
fx
2400 2599
2600 2799
2800 2999
3000 3199
3200 3399
3400 3599
2499,50
2699,50
2899,50
3099,50
3299,50
3499,50
7
20
33
25
11
4
6247500,25
7287300,25
8407100,25
9606900,25
10886700,25
12246500,25
43732501,00
145746005,00
277434308,25
240172506,25
119753702,75
48986001,00
Total 100 Total: 875825025.00


( )
50 , 243
1 100
2949 100 875825025
2
=

= S





60

TALLER 03
ACTIVIDAD APLICATIVA AUTOEVALUACIN

GUA DE PRACTICAS (Problemas Propuestos)

MEDIDAS DE VARIACIN (DISPERSIN) DE DATOS

RANGO DESVIACIN MEDIA VARIANZA DESVIACIN
ESTANDAR COEFICIENTES DE VARIACIN Y DE ASIMETRIA

MEDIDAS DE DISPERSIN (VARIACIN)

1. En un estudio contable, las utilidades de empresas son: 15, 9, 11,10
y 11 en millones de S/. Calcule la varianza y desviacin estndar de
estas utilidades.

2. Una empresa fabrica clavos que se venden por cajas. Para una
muestra de 40 cajas, se observaron los siguientes nmeros de clavos
por caja.

Nmero de clavos 18 19 20 21 22
Nmero de Cajas 4 9 15 10 2

Hallar la varianza y desviacin estndar

3. Calcule la Desviacin Media para los siguientes datos: 1000, 1000,
2500, 2500, 2500, 3500, 4000, 5300, 9000, 12500, 13500, 24500,
27500, 30900 y 41000.
4. Calcular la desviacin estndar muestral para los datos del problema
anterior utilizando:
a) La Frmula de Desviaciones y b) La Frmula abreviada
alternativa, y demuestre que las respuestas son iguales.
5. Una muestra de 20 trabajadores calificados de una compaa
pequea obtuvieron los siguientes salarios en un mes determinado:
$240000, 240000, 240000, 240000, 240000, 240000, 240000,
240000, 255000, 255000, 265000, 265000, 280000, 280000, 290000,
300000, 305000, 325000, 330000 y 340000.Determine: La
Desviacin Media, La Varianza Muestral, La Desviacin
EstndarMuestral, utilizando las frmulas de desviacin.
6. Determine el coeficiente de variacin segn datos del problema
anterior.
7. Calcule el coeficiente de asimetra para los datos del problema 3.
8. Para los siguientes datos de las rentas por departamento.









61

Renta Mensual Nro. De Departamentos
350-379 3
380-409 8
410-439 10
440-469 13
470-499 33
500-529 40
530-559 35
560-589 30
590-619 16
620-649 12
TOTAL 200

Calcule: La Desviacin Media y la Desviacin Estndar utilizando las
frmulas de desviaciones, las frmulas abreviadas y demuestra que
las frmulas son equivalentes.

9. En la siguiente tabla se reproducen los datos sobre el nmero
promedio de lesiones por millar de horas hombre en una industria
especifica.

Nmero Promedio de Lesiones Nmero de Empresas
1,5 1,7 3
1,8 2,0 12
2,1 2,3 14
2,4 2,6 9
2,7 2,9 7
3,0 3,2 5
Total: 50
Calcule:
a) La Desviacin Media
b) La Varianza Muestral
c) La Desviacin Estndar Utilizando las frmulas abreviadas.


SOFTWARE ESTADSTICO (Aplicacin por Computadora)

MEDIDAS DE VARIACIN (DISPERSIN)

Utilice una computadora para determinar el rango y la desviacin
estndar para los datos dados sobre el tiempo de una muestra de 30
empleados en una tarea de ensamblaje.

MTB > SET C1
DATA > 10 14 15 13 17 16 12 14 11 13 15 18 9
DATA > 14 14 9 15 11 13 11 12 10 17 16 12 11
DATA >16 12 14 15
DATA > END.
MTB > NAME C1 TIME
MTB >MAXIMUN TIME K1


62

MAXIMUN OF TIME

MAXIMUM of TIME = 18
MTB >MINIMIM TIME K2

MAXIMUN OF TIME

MINIMUM of TIME = 9
MTB > SUBTRACT K2 K1 K3
Answer = 9.0000
MTB >stdev TIME

Standard Deviation of time

Standard deviation of time =





63

UNIDAD II
PROBABILIDADES, DISTRIBUCIN DE PROBABILIDADES


CONTENIDOS PROCEDIMENTALES

Formula serie de preguntas relacionadas con probabilidades.Elabora en un
cuadro las diferencias entre los sucesos de suma y multiplicacin
Reconoce e identifica la situacin problemtica del promedio en probabilidades.
Elabora un resumen de la relacin entre distribucin Binomial y Poisson
Expresa su punto de vista sobre las distribuciones de Probabilidad estudiadas y
argumenta con propiedad sus ideas en la aplicacin de los problemas para su
profesin. Elabora un cuadro de las aplicaciones informticas.


CONTENIDOS ACTITUDINALES

Acepta formar parte de los grupos en el desarrollo de los problemas de
probabilidad para la contabilidad con actitud motivadora.
Evala las diferentes distribuciones de probabilidades bajo el contexto de
aplicacin a su profesin.
Respeta las consideraciones emitidas por sus compaeros con actitud de
compresin
Asiste al laboratorio de Computo para comprobar y emitir resultados
informticos.


CONTENIDOS CONCEPTUALES

TEMA N 5 EVENTOS MUTUAMENTE EXCLUYENTES Y NO EXCLUYENTES
TEMA N 6 MULTIPLICACION DE PROBABILIDADES
TEMA N 7 DISTRIBUCION DE PROBABILIDADES
TEMA N 8 DISTRIBUCION BINOMIAL
TEMA N 9 DISTRIBUCION POISSON



















64



PROBABILIDAD Y DISTRIBUCIN DE
PROBABILIDADES


SUMA DE PROBABILIDADES
EVENTOS MUTUAMENTE
EXCLUYENTES Y NO
EXCLUYENTES

MULTIPLICACIN DE
PROBABILIDADES
EVENTOS DEPENDIENTES E
INDEPENDIENTES

DISTRIBUCIN DE
PROBABILIDADES
BINOMIAL Y DE POISSON


65

ORGANIGRAMA


PROBABILIDAD, DISTRIBUCIN DE PROBABILIDADES












































PROBABILIDAD
ENFOQUES DE LA
PROBABILIDAD
REGLAS DE LA
PROBABILIDAD
RBOLES DE
PROBABILIDADES
Clsico
Subjetivo
Regla de
La Suma
Regla de la
Multiplicacin
Teorema
De Bayes
Probabilidad
Condicional
CONCEPTOS RELACIONADOS
RELACIONES
ENTRE SUCESOS
Mutuamente
Excluyentes
Independientes
Y dependientes
Complementarios


66

DEFINICIN DE PROBABILIDAD

Es un nmero real que expresa la confianza o incertidumbre de un
suceso o evento, cuyo resultado no se puede predecir con certeza.


EXPERIMENTO ALEATORIO (E)

ESPACIO MUESTRAL (O)

EVENTO

EVENTOS MUTUAMENTE EXCLUYENTES
Dos o ms eventos son mutuamente excluyentes si no tiene elementos
comunes es decir, si no pueden ocurrir al mismo tiempo. Tambin, la
ocurrencia de un evento automticamente impide la ocurrencia del otro(u
otros). Por ejm: supongan que se consideren dos posibles eventos as y
rey con respecto a la extraccin de una carta de una baraja (52 cartas).
Estos eventos son mutuamente excluyentes porque ninguna carta puede
ser al mismo tiempo as y rey, otro ejemplo sera obtener un as y un cinco
al lanzar un dado.

EVENTOS NO EXCLUYENTES
Dos o ms eventos son no excluyentes cuando es posible que ocurran al
mismo tiempo Ejm:
Evento A: masculino
Evento B: menor de 30 aos

No son mutuamente excluyentes porque una persona elegida al azar
podra estar en ambas categoras .
En los dos eventos as y oros, estos eventos no son mutuamente
excluyentes porque una carta determinada puede ser al mismo
tiempo as y oro, sin embargo, esto no indica que todo as sea oro o
todo oro sea as.

EVENTOS COMPLEMENTARIOS
Dos eventos A y B son complementarios si son mutuamente excluyentes
y su unin es el espacio muestral. Es decir si A B = C y A B = O A
y B son eventos complementarios, y se puede expresar que:



A
c
= B
B
c
= A



DEFINICIN CLSICA DE PROBABILIDAD
Es una fraccin cuyo numerador es el N
o
de casos favorables y cuyo
denominador es el nmero total de los casos posibles.




B

A


67

Frmula:
) (
) (
) (
S
A
A
N
N
P =

Donde P
(A)
= Probabilidad de Ocurrencia del Evento A
N
(A)
= N de casos Favorables de ocurrencia del evento A.
N
(S)
= Todos los casos posibles en el evento A.
E4: En una cantidad de cartas bien barajadas que contiene 4 ases y 48
cartas de otras tipo, la probabilidad de obtener 1 (as) en una sola
extraccin es:
P
(A)
=
( )
( ) S
A
N
N
= 4/52 = 1/13
E5: Aparte de los ejemplos dados tenemos:
Si se lanzan 3 monedas. Hallar:
a) El Espacio Muestral, b) P(A) = obtener exactamente 2 caras, c)
Exactamente 2 sellos y d) Exactamente 3 caras.
Solucin
a) El Espacio Muestral (O) = {CCC CCS CSC SCC CSS SCS SSC SSS}
1/8 cada uno.
b) Evento A: obtener exactamente 2 caras.
A= { CCS, CSC. SCC}
1/8 1/8 1/8
P
(A)
3/8
c) Exactamente 2 sellos?
3/8
d) Exactamente 3 caras
1/8
PROBABILIDAD SUBJETIVA
CONSIDERACIONES GENERALES
1.La Probabilidad de ocurrencia de cada Punto Muestral, debe estar
entre 0 y 1.
0 s P(A) s 1


68

2.La Suma de las Probabilidades de todos los puntos Muestrales debe
ser igual a 1.
P(A) + P(A) = 1
Es decir en una observacin o experimento dados, el evento debe ocurrir
o No. Por ello la suma de la probabilidad de ocurrencia + la Probabilidad
de no ocurrencia siempre es igual a 1.

REGLAS DEPROBABILIDAD:SUMA ADICIN DE
PROBABILIDADES
1. Para eventos mutuamente excluyentes es decir cuando no tiene
elementos comunes.
(AB = C):



E6: Se extrae una carta de una baraja de 52, los eventos as (A) y rey
(R) son mutuamente excluyentes.
Hallar la probabilidad de extraer ya sea un as o un rey en una sola
extraccin.

Solucin

De: P(A o R) = P(A) + P(R) = 4/52 + 4/52 = 8/52 = 2/13
2. Reglas de Adicin para eventos que no son mutuamente
excluyentes.

E7: Un cliente ingresa a una panadera. La Probabilidad de que
compre (a) pan es 0,60, b) Leche es 0,50 y c) Pan y leche es 0,30.
Cul es la Probabilidad de que compre pan, leche o ambos?.

Solucin

P(P) = 0,60 P(PL) = P(P) + P(L) P(PL)
P(L) = 0,50 P(PL) = 0,60 + 0,50 0,30
P(PL) = 0,30 P(PL) = 0,80

E8: Cuando se extrae una carta de un mazo de 52 cartas, los
eventos as y una espada no son mutuamente excluyentes.
Hallar la Probabilidad de obtener un AS (A) o una Espada (E) o
ambos en una sola extraccin.


A
B
P(AB)=P
A
+P
B



69

Solucin

P(AoE) = P(A) + P(E) P(A y E)
= 4/52 + 13/52 1/52 = 16/52 = 4/13

EVENTOS DEPENDIENTES E INDEPENDIENTES

Dos eventos son independientes cuando la ocurrencia o no ocurrencia
de uno, no tiene ningn efecto sobre la probabilidad de ocurrencia del
otro. Y son dependientes cuando la ocurrencia o no ocurrencia de uno si
afecta la probabilidad de ocurrencia del otro evento.

E9: El lanzamiento de una moneda por dos veces se considera eventos
independientes, porque el resultado del primer lanzamiento no tiene
ningn efecto sobre las respectivas probabilidades de que ocurra una
cara o sello en el segundo lanzamiento.

E10: La extraccin de dos cartas sin reemplazo de un mazo de barajas
son eventos dependientes, por que las probabilidades asociadas con la
segunda extraccin dependen del resultado de la primera extraccin.
Especficamente si saliera un as en la primera extraccin entonces la
probabilidad de que salga as en la segunda extraccin, es la razn del
nmero de ases que sigue habiendo en las barajas con respecto al
nmero total de cartas, o 3/51.

PROBABILIDAD CONDICIONAL

Definicin:

Una medida de la probabilidad de que ocurra un evento particular, dado
el hecho que otro ya ha ocurrido o de que hay certeza de que ocurra, se
llama probabilidad condicional.

Para dos eventos A y B, dicha probabilidad se denota, siempre por P
(A/B) o P (B/A), lo que se lee como la probabilidad de A, dado B o la
probabilidad de B, dada A ya que la lnea vertical quiere decir dada
dado.

Cuando dos eventos son dependientes usamos la siguiente frmula de
probabilidad condicional.

) (
) (
) (
) (
) / (
A P
B A P
A P
AyB P
P
A B

= =
Donde:

P
(B/A)
= Probabilidad de que ocurra el evento B dado que ocurre el
evento A.
<<B/A>> no es fraccin.
P
(AB)
= Probabilidad conjunta de 2 eventos.


70

P(A) = Probabilidad simple no, condicional de un primer evento A.

PROBABILIDAD CONJUNTA:

Definicin:
Una Medida de la Probabilidad del acontecer simultneo de dos o ms
eventos se llama probabilidad conjunta. Para los eventos A y B, esta
probabilidad se simboliza por P(AyB) o P(AB).

Solucin

Consideramos los siguientes conjuntos.
O = {1, 2, 3, 4, 5, 6} espacio muestral.
A = {2, 4, 6} conjunto de resultados pares.
B = {4, 5, 6} conjunto de resultados mayores que 3.
AB = { 4, 6} conjunto de resultados pares mayores que 3.
Como el dado es no cargado, asignamos a cada punto muestral una
probabilidad de 1/6.

P
(A)
= 3/6, P
(AB)
= 2/6 = 1/3.

De la frmula de Probabilidad Condicional podemos determinar la
probabilidad de obtener un nmero > que 3 dado que es par.

( )
( )
( ) 3
2
6 / 3
6 / 2
/ = =

=
A P
B A P
A B P
Este resultado queda comprobado por el hecho que de los 3 resultados
pares 2, 4, 6 slo 2 son mayores que 3.


TEMA N 6 MULTIPLICACION DE PROBABILIDADES
REGLA DE LA MULTIPLICACIN (AB) : PARA EVENTOS
INDEPENDIENTES.

Los sucesos A y B se consideran independientes cuando la ocurrencia
de uno no influye sobre la probabilidad de ocurrencia del otro (Ejm.
Lanzar dos veces una moneda al aire). Esto significa de que lo que haya
ocurrido en A, la probabilidad asignada a B es siempre la misma. Por
Tanto:
P(B/A) = P(B)
Obtenemos la Frmula:
P(AB) = P(A) .P(B)

E13: Cul es la probabilidad de que en una familia con 2 hijos ambos
sean varones.

P(V
1
) = 0.5 P(V
1
V
2
) = P(V
1
) . P(V
2
)
P(V
2
) = 0.5 = (0.5) (0.5)
= 0.25 = 1/4


71

E14: Si se lanza dos veces una moneda la probabilidad de que ambos
eventos sean cara es:
P(AyB) = P(AB) = P(A). P(B) = x =


Uso de Diagramas de rbol para eventos Independientes.

tiles para ilustrar los posibles eventos asociados con observaciones o
ensayos secuenciales, del ejemplo anterior obtenemos:

















REGLA DE LA MULTIPLICACIN: PARA EVENTOS DEPENDIENTES.

Esta dada por la frmula:
P(AB) = P(A) P(B/A)
Probabilidad Probabilidad Probabilidad
de ocurrencia de A. de B dado A.
conjunta
de A y B.

En Pal abras: Expresa que l a probabi l i dad de que ocurra A y B
es i gual a l a probabi l i dad de A mul ti pl i cada por l a probabi l i dad
de que ocurra B, dado que A ha ocurri do.

Uso del Diagrama de rbol para Eventos Dependientes.

E17: Una urna conti ene 6 bol i tas bl ancas y 4 negras, se
ext raen 2 bol i tas sucesi vamente y si n rest i tuci n.
a) Cul es l a probabi l i dad de que ambas bol i tas sean
bl ancas?.
b) Cul es l a probabi l i dad de que l a pri mera sea bl anca y l a
segunda negra?.
c) Cul es l a probabi l i dad de que l a pri mera sea negra y l a
segunda bl anca?.
d) Cul es l a probabi l i dad de que ambas sean negras?.

1/2
1/2
1/2
1/2
1/2
1/2
C
1

C
2

C
2

S
2

S
2

S
1

Resultado
Primer Lanzamiento
Resultado
2do.Lanz.
Evento
Conjunto
Probabilidad
Del Evento Conjunto
C
1
y C
2
1/4

C
1
y S
2
1/4

1/4

1/4

S
1
y C
2
S
1
y S
2
4/4 = 1.00


72

Solucin

P(B
1
B
2
) = P(B
1
) . P(B
2
/B
1
)
= 6/10 . 5/9 = 30/90 = 1/3.

P(B
1
N
2
) = P(B
1
) . P(N
2
/B
1
)
= 6/10 . 4/9 = 24/90 = 4/15.

P(N
1
B
2
) = P(N
1
) . P(B
2
/N
1
)
= 4/10 . 6/9 = 24/90 = 4/15.

P(N
1
N
2
) = P(N
1
) . P(N
2
/ N
1
)
= 4/10 . 3/9 = 12/90 = 2/15.

Resumen de Resultados:

Resul tado Probabilidad Probabili dad Probabilidad
Posible Simple Condicional Conjunta
P(AB)=P(A).P(B/ A)
P(A) P(B/A)
B
1
B
2
P(B
1
)=6/10 P(B
2
/B
1
)=5/9 6/10.5/9=30/90
B
1
N
2
P(B
1
)=6/10 P(N
2
/B
1
)=4/9 6/10.4/9=24/90
N
1
B
2
P(N
1
)=4/10 P(B
2
/ N
1
)=6/9 4/10.6/9=24/90
N
1
N
2
P(N
1
)=4/10 P(N
2
/N
1
)=3/9 4/10.3/9=12/90
1,00

Estos mi smos resul tados l o expresamos en el di agrama de
rbol si gui ente.
Prob. Si mpl e x Prob. Condi ci onal = Prob. Conj unta
















P(B1)=6/10
P(N
1
)=4/10
P(B
2
/B
1
)=5/9
P(N
2
/N
1
)=3/9
P(N
2
/B
1
)=4/9
P(B
2
/N
1
)=6/9
B
1

B
2

B
2

N
2

N
2

N
1

B
1
y B
2
(6/10 . 5/9) = 30/90
B
1
y N
2
(6/10 . 4/9) = 24/90
N
1
y B
2
(4/10 . 6/9) = 24/90
N
1
y N
2
(4/10 . 3/9) = 12/90
90/90 = 1,00


73

TALLER 04

ACTIVIDAD APLICATIVA - AUTOEVALUACIN

GUA PRACTICA POR RESOLVER


Clculo de Probabilidades

1. Se lanza un dado:
a) Enumrese los elementos del espacio muestralO.
b) Enumrese los elementos de O contenido en el suceso de que el
resultado sea par.
c) Enumrese los elementos de O contenidos en el suceso de que el
resultado sea, mayor que 4.

2. Un experimento consiste en lanzar dos monedas simultneamente.
a) Enumrese los elementos del espacio muestralO.
b) Enumrese los elementos de O contenidos en el suceso de que salga
exactamente una cara.
c) Enumrese los elementos de O contenidos en el suceso de que salga
al menos una cara.

3. Se lanza un par de dados:
a) Enumrese los elementos del espacio muestralO.
b) Enumrese los elementos contenidos en el suceso de que la suma de
los puntajes sea 9.
c) Enumrese los elementos contenidos en el suceso de que la suma
sea 4 5.

4. Un experimento consiste en seleccionar tres piezas en un proceso
manufacturero y observar si son defectuosos D o no son defectuosos D.
a) Enumrese todos los elementos del espacio muestralO.
b) Enumrese los elementos contenidos en el suceso de que el nmero
de piezas defectuosas sea 1.
c) Enumrese los elementos contenidos en el suceso de que los
nmeros de piezas defectuosas sea al menos 1.

5. Se lanza dos monedas. Cul es la probabilidad de obtener.
a) Exactamente una cara?.
b) Por lo menos una cara?.
c) No obtener una cara?.

6. Se lanzan dos dados no cargados. Cul es la probabilidad de obtener?.
a) 7?.
b) 7 u 11?.
c) Suma divisible por 3?.
d) No obtener 7?.



74


7. Se elige una carta de una baraja. Cul es la probabilidad de que sea?.
a) Un as?.
b) Una espada?.
c) Un as o una espada?.
d) Un as o una carta roja?.
e) Una carta con una figura?.

8. La probabilidad de que llueva el 12 de octubre es 0,10; de que truene es
0,05 y de que llueva y truene es 0,03. Cul es la probabilidad de que
llueva o truene en ese da?.

9. En cierta zona de la ciudad, la probabilidad de que una persona tenga
televisor es 0,80; una mquina lavadora es 0,50 y que tenga ambos es
0,45. Cul es la probabilidad de que una familia tengan televisor o
mquina lavadora o ambas cosas?.

10. La probabilidad de que un vendedor de autos venda por lo menos 3 autos
en un da es 0,20. Cul es la probabilidad de que venda 0, 1 2 autos
en ese da?.

11. La probabilidad de que la seora hablantina reciba a lo ms 5 llamadas
telefnicas en un da es 0,20; y por lo menos 9 llamadas telefnicas en un
da es 0,50. Cul es la probabilidad de que la seora hablantina reciba 6,
7 8 llamadas en un da?.

12. Una caja contiene 100 tubos de televisor. La probabilidad de que haya al
menos un tubo defectuoso es 0,05 y de que tenga al menos dos tubos
defectuosos es 0,01. Cul es la probabilidad de que la caja contenga:
a) Ningn tubo defectuoso?.
b) Exactamente un tubo defectuoso?.
c) A lo ms un tubo defectuoso?.

Clculo de Probabilidades Regla de la Multiplicacin

13. Dado que p(A) = 0,50 y p(AB) = 0,30, encontrar p(B/A) =

14. De los estudiantes de una universidad, el 35% son varones y el 8% son
varones que estudian contabilidad. Si se elige un estudiante al azar y ste
resulta ser varn. Cul es la probabilidad de que estudie contabilidad?.

15. Una urna contiene 7 bolas blancas y 5 negras, si se saca dos bolas.Cul
es la probabilidad de que las dos sean blancas si:
a) Se extrae sin restitucin.
b) Se extrae con restitucin.

16. La urna A contiene 5 bolitas blancas y 7 rojas y la urna B contiene 3
bolitas blancas y 6 rojas. Se saca una bolita de la urna A y una de la urna
B. Cul es la probabilidad de que las dos bolitas sean blancas?.



75

17. La urna A contiene 4 bolitas blancas y 6 rojas, la urna B contiene 3
bolitas blancas y 5 rojas y la urna C 7 blancas y 7 rojas. Se saca
una bolita de cada urna. Cul es la probabilidad de que sean las
tres del mismo color?

18. Se sacan dos cartas , sin restitucin, de una baraja de 52 cartas.
Cul es la probabilidad de que:
a) La primera carta sea un as y la segunda un 5?.
b) Se obtenga un as y un 5?.
c) Ninguna de las dos cartas sea as?.
d) Ninguna de las cartas sea as ni 5?.

19. Se sacan dos cartas sin restitucin de una baraja de la cual se han
eliminado previamente las cartas con figuras. Cul es la
probabilidad de que la suma de los puntos de las cartas sea 19?.

20. Se sacan 5 cartas sin restitucin de una baraja. Cul es la
probabilidad de que:
a) Las primeras tres cartas sean reynas y las dos ultimas reyes?.
b) Slo las tres primeras cartas sean reinas?.
c) Las tres primeras cartas sean reinas?.

21. Se extraen cartas sucesivas y sin restitucin una baraja. Cul es la
probabilidad de que:
a) La primera reyna aparezca en la tercera extraccin?.
b) Aparezca una reyna en la tercera extraccin?.

22. Se lanza un dado tres veces. Cul es la probabilidad de que:
a) La suma de los puntos sea 3 4?.
b) La suma de los puntos obtenidos sea mayor que 4?.











76

TEMA N 7
DISTRIBUCIONES DE PROBABILIDADES

































DISTRIBUCIONES DE PROBABILIDAD
VARIABLES
DISCRETAS
VARIABLES
CONTINUAS
Normal
Binomiales
Poisson
CONCEPTOS RELACIONADOS
Esperanza Matemtica
Valor Esperado


77

ESPERANZA MATEMTICA (VALOR ESPERADO O PROMEDIO)

As como en los conjuntos de datos mustrales y poblacionales ya
estudiados; es til tambin describir una variable aleatoria en trminos
de su media

El Valor Esperado.-

Es la Media (A Largo Plazo) de una variable aleatoria x y se denota
mediante E(x). Usado tambin para analizar juegos al azar, esperar una
ganancia y otros.

Frmula: E(x) =Ex P(x)

Donde: E(x) = Valor esperado de una variable aleatoria discreta.
xP(x) = Valor Ponderado

E2: Considerando el N de caras que puede resultar al lanzar 3
monedas simultneamente. Los ocho resultados posibles de este
experimento aparecen a continuacin en el lado izquierdo.

Resultado N de Caras Probabilidad
SSS
CSS
SCS
SSC
SCC
CSC
CCS
CCC
0
1
1
1
2
2
2
3
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8

Designando cada nmero posible de caras por x y su probabilidad por
P(x), enumeramos en la tabla de la derecha todos los nmeros posibles
de caras con sus respectivas probabilidades. Observamos que hay
mayor posibilidad de obtener 1 o 2 caras que 0 y 3.
Supongamos ahora que las tres monedas se lanzan un nmero infinito
de veces. Si bien en este nmero infinito de ensayos esperamos obtener
un promedio de 1,5 caras por lanzamiento.

Este promedio A largo plazo de 1,5 caras por lanzamiento se llama
esperanza matemtica.

X (nmero de caras) P(x) xP(x)
0
1
2
3
1/8
3/8
3/8
1/8
0
3/8
6/8
3/8

8
12
) ( = E x xP



78


E(x) = ExP(x)
= 12/8
= 1,5 caras.

E3: Con base en la tabla del 1er. ejemplo, hallar el valor esperado de la
variable aleatoria. (Promedio de alquiler diario de camionetas)

Solucin

Clculo del valor esperado para la demanda de camionetas.
Demanda Posible
X
Probabilidad
P(x)
Valor Ponderado
xP(x)
3
4
5
6
7
8
0,06
0,14
0,24
0,28
0,20
0,08
0,18
0,56
1,20
1,68
1,40
0,64
1,00 E(x) = 5,66

Se espera alquilar diariamente en promedio 5,66 camionetas.

E4: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita
de la caja si sta es negra Ud. gana $2, pero si es blanca usted pierde
$1. Cul es la esperanza matemtica de este juego?

Solucin

Designamos por x toda posible ganancia o prdida y por P(x) la
probabilidad respectiva, calculamos la esperanza matemtica:

X(Cantidad de ganancia
o prdida)
P(x) xP(x)
+ $2

- $1
10
3

10
7

10
6

10
7




ExP(x) =
10
1
= -0,1

Interpretacin:

La esperanza matemtica de este juego es una prdida de $0,10.
Suponiendo que se haga este juego varios miles de veces. Cada vez se
ganar $2 o perder $1. Sin embargo en esos miles de juegos se puede
esperar una prdida promedio de $0,10 por juego.




79


5.3 LA DISTRIBUCIN BINOMIAL

Es una distribucin discreta de Probabilidad para aplicarla a diversos
modelos de toma de decisiones. Siempre y cuando se ajuste a un
proceso Bernoulli

Frmula de Distribucin Binomial:

Para determinar la Probabilidad de un N determinado de xitos x.
P(x/n,p) = n Cxp
x
q
n-x


=
x n x
q p
x n x
n

)! ( !
!

Donde:
nCx =
n
x
C = Coeficiente Binomial =
)! ( !
!
x n x
n


(x) = N especfico de xitos
(n) = N de ensayos u observaciones
(p) = Probabilidad de xito en c/u de los ensayos.
q = 1-p = Probabilidad de fracaso en cualquier ensayo.

El Smbolo n! Se lee n factorial donde 0! = 1 => 3! = 3x2x1

E5:La Probabilidad de que un gerente de compras elegido al azar realice
una compra es de 0.20. Si un vendedor visita a 6 gerentes de compras,
hallar la probabilidad de que realice exactamente 4 ventas.

Solucin

Datos:
P = 0.20 n = 6
q = 1-0.20 = 0.80 x = 4

P(x=4/n=6, p=0.20) =
6
C
4
(0.20)
4
(0.80)
6-4


=
2 4
) 80 . 0 ( ) 20 . 0 (
)! 4 6 ( ! 4
! 6



= ) 64 . 0 )( 0016 . 0 (
) 2 )( 2 3 4 (
2 3 4 5 6
x x
x x x x


= 0.01536 ~0.015

E6: En relacin con el ejemplo anterior, hallar la probabilidad de que el
vendedor logre 4 o ms ventas.




80

Solucin

P(x > 4/n = 6, P = 0,20) = P(x = 4) + P(x =5) + P(x=6)
= 0,01536 + 0,001536 + 0,000064
= 0,016360 ~ 0,017
En donde:

P(x=4) = 0,01536 (Ejemplo anterior)

P(x=5) =
6
C
5
(0,20)
5
(0,80)
1
=
! 1 ! 5
! 6
(0,20)
5
(0,80)
= 6(0,00032) (0,80) = 0,001536

P(x=6) =
6
C
6
(0,20)
6
(0,80)
0
=
! 0 ! 6
! 6
(0,000064)(1)
= (1) (0,000064) = 0,000064

Uso de las Tablas de Probabilidades Binomiales

Como el uso de la frmula binomial implica una cantidad
considerable de clculos cuando la muestra es relativamente
grande. Por tanto usamos las tablas de probabilidades binomiales.

E7: Si la probabilidad de que un gerente de compras elegido al azar
realice una compra es de 0,20.
Hallar la probabilidad de que un vendedor que visita a 15 gerentes
realice menos de 3 ventas:

Solucin

Sabemos:
P(x < 3, n = 15, p = 0,20) = P(x s 2)
= P(x = 0) + P(x =1) + P(x = 2)
= 0,0352 + 0,1319 + 0,2309 (Ver Apndice 2)
= 0,3980 ~ 0,40

Ejemplo de Aplicacin:

Segn una revista estudiantil, el 45% de los que terminaron los
ciclos en la Universidad trabajan durante el verano con el objeto de
ganar dinero para pagar el importe de la enseanza del curso
siguiente. Si se eligen al azar 30 estudiantes. Cul es la
probabilidad de que: a) 13 trabajan en el verano, b) ninguno trabaja,
c) mas de 23 trabajan.

Solucin

a) Localizamos en la tabla el valor de n = 30, p = 0,45 y para x = 13
obtenemos un valor de 0,1433, es decir existen 14,33% de


81

probabilidad de que 13 de los 30 estudiantes trabajen en verano
para ganarse el dinero de la enseanza.
b) Con n=30 y p=0,45, la tabla indica de que la probabilidad de que
no trabaje ninguno es p(x=0) = 0,0000.
c) Se observa que la probabilidad de que mas de 23 estudiantes
trabajen es de P(x >23) / n =30, p = 0,45 = 0000.

Interpretacin: Es bastante imposible que no trabaje ninguno o
trabajen todos los estudiantes.

E8:Ejemplo caso en que p > 0,50

INSTALAR CIRCUITOS ELCTRICOS

Considrese un caso en el que la probabilidad de xito en cualquier
ensayo, p, es mayor de 0,50, que es el valor ms alto del apndice. Un
trabajador instala correctamente circuitos impresos con p = 0,95. Si se
instalan 20 circuitos.

a) Cul es la probabilidad de que precisamente 16 se instalen en forma
correcta?.

Solucin
95 , 0
95 , 0
16
20
=

=
=
=
p para valor contiene no
p
x
n


La respuesta deseada se puede encontrar si se modi f i ca l a
pregunta en trmi nos de f racaso en l ugar de xi to.

El trabajador no instala correctamente los circuitos el 5% del tiempo.
Si ahora leemos p como la probabilidad de fracaso en cualquier
ensayo. Podemos hallar en la columna p = 0,05 una probabilidad de
obtener precisamente cuatro circuitos defectuosos como 0,0133. Esto
implica tambin una probabilidad de obtener 16 circuitos perfectos.

Es decir:
n = 20
p( x=4/n=20, p=0,05) = 0,0133
x = 4

b) Cul es la probabilidad de obtener al menos cuatro circuitos instalados
incorrectamente. Y la de obtener a lo sumo tres circuitos defectuosos?

Solucin
Obtener al menos 4 circuitos defectuosos = P(x=4) + P(x=5) + ... +
P(x=20) circuitos defectuosos, sto suma segn tabla 0,0133 + 0,0022
+ 0,0003 = 0,0158, del mismo modo.


82

P(a lo sumo 3 circuitos defectuosos), se encuentra como la suma de
las probabilidades de obtener 0, 1, 2 y 3 circuitos defectuosos, es decir
0,3583 + 0,3774 + 0,1887 + 0,0596 = 0,9842.

Observamos que la suma de ambas respuestas suman 1,00.

Es decir: P(x/4/n=20, p=0,05) = 1P(x|3/n=20, p=0,05)

5.4 LA DISTRIBUCIN POISSON

La Distribucin Poisson se utiliza para determinar la probabilidad de que
ocurra un nmero designado de eventos, cuando stos ocurren en un
continuo de tiempo o espacio. (Por ejemplo en un intervalo de tiempo) en
vez de ocurrir en ensayos u observaciones fijas como en el proceso
Bernulli.

Ejm. La entrada de llamadas en un conmutador telefnico.
Se consideran:
a) Los eventos son independientes
b) El proceso es estacionario (permanece constante de un ensayo a
otro)

Slo se requiere un valor para determinar la probabilidad de que ocurra
un nmero designado de eventos en un proceso de Poisson:
Este es el nmero promedio a largo plazo de eventos para el tiempo o
dimensin especfico de inters. Esta media es la letra griega
lambda

La frmula para determinar la probabilidad de un N determinado de
xitos N en una distribucin de Poisson es:
P(x/) =
! x
e
x



Donde: e = constante = 2.7183 (base de los logaritmos naturales)
e
-
= Valores de la tabla
x = N especifico de xitos.

E9: Un departamento de reparacin de maquinaria recibe un promedio
de cinco solicitudes de servicio por hora. La probabilidad de que se
reciban exactamente tres solicitudes en una hora seleccionada al azar
es:

Solucin

P(x=3/=5.0) = 1404 . 0
1 2 3
) 00674 . 0 ( ) 125 (
! 3
5
5 3
= =

x x
e

E10: Puede determinarse la respuesta del ejemplo anterior utilizando el
apndice 4 de probabilidades Poisson?.



83

Solucin

P(x=3/=5.0) = 0.1404
Nota 1: Cuando lo que interesa es la probabilidad de x o mas o x o
menos. Se aplica la regla de adicin para eventos mutuamente
excluyentes.

E11: Si en un Dpto. de reparacin de maquinaria se recibe un promedio
de 5 solicitudes de servicio por hora, hallar la probabilidad de que se
reciban menos de 3 llamadas en una hora elegida al azar.

Solucin

P(x < 3/ = 5.0) = P(x s 2) = P(x=0) + P(x=1) + P(x=2)
= 0.0067 + 0.0337 + 0.0842
= 0.1246 Respuesta.
Donde:
P(x=0/=5.0) = 0.0067
P(x=1/=5.0) = 0.0337 Apndice 4
P(x=2/=5.0) = 0.0842

Como se supone que un proceso Poisson es estacionario, se concluye
que la media del Proceso es siempre proporcional a la longitud del
continuo del tiempo o espacio.

Nota 2: Si se tiene disponible una media para una longitud de tiempo,
puede determinarse la media para cualquier otro periodo de tiempo que
se requiere.

Esto es importante porque el valor de que se utiliza debe aplicarse al
periodo de tiempo pertinente.

= Promedio por periodo de tiempo o espacio.

E12: En promedio, 12 personas hacen preguntas cada hora a un
consultor de decoracin en una tienda de telas. Calcular la probabilidad
de que tres o ms personas acudan a un periodo de 10 minutos (1/6 de
hora).

Solucin

Dado x = N de Personas
Promedio por horas = 12

= promedio por 10 minutos = 12/6 = 2.0

P(x > 3/=2) = P(x=3/=2.0)+P(x=4/=2.0) + P(x=5/=2.0) + ...
= 0.1804 + 0.902 + 0.0361 + 0.0120 +0.0034 +
0.0009 + 0.0002 = 0.3232.


84

En donde: Del apndice 4 obtenemos:

P(x=3)/ = 2.0 = 0.1804
P(x=4)/ = 2.0 = 0.0902
P(x=5)/ = 2.0 = 0.0361
P(x=6)/ = 2.0 = 0.0120
P(x=7)/ = 2.0 = 0.0034
P(x=8)/ = 2.0 = 0.0009
P(x=9)/ = 2.0 = 0.0002
------------
0.3232

Tambin se puede calcular as: ms corto
P(x > 3) = 1 P(x < 3/=2.0)
= 1 (P(x=2/=2.0)+ P(x=1/=2.0) + P(x=0/=2.0))
= 1 (0.2707 + 0.2707 + 0.1353)
= 1 (0.6767)
= 0.3233



TALLER 05
ACTIVIDAD APLICATIVA - AUTOEVALUACIN

GUA DE PRACTICAS (Problemas Propuestos)

DISTRIBUCIONES DE PROBABILIDADES

A. Valor Esperado

1. Se ha determinado que el nmero de camiones que llegan cada
hora a un almacn tiene la distribucin de probabilidad que se
muestra en la tabla dada.

Calcule: a) El nmero esperado de llagada x, por hora.

Nmero de Camiones 0 1 2 3 4 5 6
Probabilidad P(x) 0.05 0.10 0.15 0.25 0.30 0.10 0.05

2. Las ventas por hora de una mquina automtica pueden se 20,
21 o 22 cajetillas de cigarrillos con probabilidades de 0,3; 0,5; y
0,2 respectivamente. Cul es la venta por hora esperada para
esta mquina?

3. Una urna contiene 5 bolitas negras y 8 blancas. Se saca una
bolita de la urna si esta es negra usted gana 15 soles, pero si es
blanca usted pierde 13 soles. Cul es el Valor Esperado de
este juego?.


85


B. Distribucin Binomial

4. Dada la distribucin binomial con p = 0,25 y n = 7, utilcese la
frmula y la tabla de distribucin binomial para determinar.

a) P(X > 2) c) P(X > 4)
b) P(X = 2) d) P(X = 4)

5. Dada la distribucin binomial con p = 0,85 y n = 9, utilcese la
tabla de distribucin binomial para determinar:

a) P(X s 7) c) P(X s 5)
b) P(X = 7) d) P(X = 5)

6. Dada la distribucin binomial con p = 0,35 y n = 8, utilcese la
formula y la tabla de distribucin binomial para determinar:

a) P(X = 0) c) P(X < 3)
b) P(X = 3) d) P(X s 3)

7. Dada la distribucin binomial con p = 0,70 y n = 20, utilcese la
tabla de distribucin binomial para determinar:

a) P(X = 0) c) P(X > 3)
b) P(X = 12) d) P(X > 3)

8. Debido a las elevadas tasas de inters, una empresa reporta
que el 30% de sus cuentas por cobrar de otras empresas estn
vencidas. Si un contador toma una muestra aleatoria de cinco de
esas cuentas.
Determine la probabilidad de cada uno de los siguientes
eventos, utilizando la frmula de la probabilidad binomial:
a. Ninguna de las cuentas est vencida
b. Exactamente 2 cuentas estn vencidas.
c. La mayor parte de las cuentas estn vencidas.
d. Exactamente el 20% de las cuentas estn vencidas.

C. Distribucin Poisson

9. El nmero promedio de los homicidios en cierta metrpoli es de
2 por da. Utilizando la distribucin de Poisson, determnese la
probabilidad de que en un da dado haya.
a. No ms de 3 homicidios.
b. Exactamente 3 homicidios

10. El promedio anual de terremotos en Chile es de 0,5. Utilcese la
distribucin de Poisson para determinar la probabilidad de que
no haya terremotos en Chile en los 3 aos.



86

11. El Promedio mensual de incendios grandes en una ciudad es de
1.5. Utilcese la distribucin de Poisson para determinar la
probabilidad de que haya exactamente un incendio grande en
un periodo de dos meses.

12. La mesa conmutadora del Gran Hotel Emperador recibe un
promedio de 10 llamadas telefnicas por minuto. Utilcese la
distribucin de Poisson para determinar la probabilidad de que
lleguen exactamente 4 llamadas en un periodo de 30 segundos.

13. El nmero promedio de fallas en un rollo de un cierto tipo de
papel mural es de 2.5. Utilcese la distribucin de Poisson para
determinar la probabilidad de que un rollo tenga 4 o ms fallas.






87

UNIDAD III:
DISTRIBUCIN NORMAL, DISTRIBUCIN DE LA MEDIA MUESTRAL


CONTENIDOS PROCEDIMENTALES

Formula y soluciona problemas de las Distribuciones Normal y Muestral
aplicadas a su profesin.
Interpreta grficos de las Distribuciones respectivas
Formula preguntas relacionadas con su profesin , aplicaciones actuales y
futuras.
Elabora los datos de entrada y salida por computadora.


CONTENIDOS ACTITUDINALES

Evala adecuadamente las Distribuciones Relacionadas con sus usos . Asume
con actitud de colaboracin y respeto al grupo asignado
Valora con propiedad las implicancias para el desarrollo de su profesin de las
distribuciones estudiadas


CONTENIDOS CONCEPTUALES

TEMA N 10 DISTRIBUCION NORMAL
TEMA N 11 DISTRIBUCION DE LA MEDIA MUESTRAL
TEMA N 12 DISRRIBUCION DE LAS PROPORCIONES





88





































DISTRIBUCIN PARA VARIABLES
CONTINUAS



DISTRIBUCIN NORMAL

DISTRIBUCIN DE LA MEDIA
MUESTRAL Y
DE PROPORCIONES


89

TEMA N10

DISTRIBUCIN DE PROBABILIDADES PARA VARIABLES ALEATORIAS
CONTINUAS

Distribucin Normal

E13: Para la distribucin continua de probabilidad de la figura dada,
la probabilidad de que un embargue seleccionado al azar tenga un
peso neto entre 6000 y 8000 kilogramos es igual a la proporcin del
rea total bajo la curva que se encuentre bajo el rea sombreada.
Es decir se define que el rea total bajo la funcin de densidad de
probabilidad es igual a 1, y se puede determinar la proporcin de
esta rea que se encuentra entre dos puntos determinados.














Existen diversas distribuciones continuas de probabilidades
comunes que son aplicables como modelos a una amplia gama de
variables continuas en determinadas circunstancias. Existen tablas
de Probabilidades para esas distribuciones estndar para
determinar las reas bajo la curva de probabilidad para estas
distribuciones (con la distribucin normal).

La Distribucin Normal de Probabilidad

Es una distribucin continua de probabilidad que es al mismo
tiempo, simtrica y mesokrtica definidas en l capitulo 3. Se
describe a la curva de probabilidad que representa a la distribucin
normal como una campana.











f(x)
x
f(x)
Peso, Kg
2000 4000 6000 8000 10000 12000


90

Uso de las Tablas de Distribucin Normales

Las tablas de las probabilidades normales se basan en una
distribucin especfica: la Distribucin Normal Estndar.

Esta es una distribucin normal en la que u = 0 y o = 1. Cualquier
valor x de una poblacin con distribucin normal estndar
equivalente, z, mediante la frmula.
o
u x
Z

=
En el apndice 5 se obtienen las posiciones de rea para diversos
intervalos de valores para la distribucin normal estndar, en donde
el lmite inferior del intervalo es siempre la media.

Aqu se transforman los valores designados de la variable x en
valores normales estndar.

E14: Se ha ajustado el proceso de fabricacin de un tornillo de
precisin de manera que la longitud promedio de los tornillos sea u
= 13.0 cm.

Por supuesto, no todos los tornillos tienen una longitud exacta de 13
centmetros, debido a fuentes aleatorias de variabilidad. La
desviacin estndar de la longitud de los tornillos es o = 0,1 cm. y
se sabe que la distribucin de las longitudes tienen una forma
normal. Determine la probabilidad de que: un tornillo elegido al azar
tenga una longitud de entre 13,0 y 13,2 cm., e ilustre la proporcin
del rea bajo la curva normal asociada con este valor de
probabilidad.
De la figura (a)

E15: Del problema anterior Cul es la probabilidad de que la
longitud del tornillo exceda de 13,25 cm?. Ilustre la proporcin del
rea bajo la curva normal correspondiente a este caso.

E16: Del problema anterior, Cul es la Probabilidad de que la
longitud del tornillo este entre 12,9 y 13,1. Ilustre la proporcin de
rea bajo la curva normal correspondiente a este caso.


E17: Del problema E16, Cul es la probabilidad de que la longitud
de los tornillos se encuentren entre 12, 8 y 13,1 cm.? Ilustre la
proporcin del rea bajo la curva normal para este caso.









91

Solucin


u = 13,0
o = 0,1
P(12,8 s x s 13,1)

Si

o
u x
Z

=

De la figura:

0 , 2
1 , 0
0 , 13 8 , 12
1
1
=

=
o
u X
Z
0 , 1
1 , 0
0 , 13 1 , 13
2
2
+ =

=
o
u X
Z

P(12,8 s X s 13,1) = P(-2,0 s Z s +1,0) = 0,4772 + 0,3413 = 0,8185

E18: Del Prob. E16: Cul es la probabilidad de que la longitud del
tornillo este entre 13,1 y 13,2 cm.? Ilustre la proporcin del rea
bajo la curva normal muy importante para este caso.

E19:La Distribucin Normal de trabajadores de una Industria tiene u
= 50 aos y o = 5 aos, 20 % de los trabajadores estn bajo una
cierta edad. Cul es la edad?.

E20: La estatura media de los soldados de un regimiento es de 170
cm., 10% de estos soldados miden mas de 175 cm. Si tiene una
distribucin Normal. Cul es o?


TALLER 6
ACTIVIDAD APLICATIVA AUTOEVALUACIN

Distribucin Normal

14. La estatura de los soldados de un regimiento est distribuida
normalmente con una media de 69 pulgadas y una desviacin
estndar de 2 pulgadas.
a. Cul es la probabilidad de que un soldado mida mas de 72
pulgadas?
b. Cul es el porcentaje de soldados cuyas estaturas estn
entre 69 y 73 pulgadas?
c. Si para la realizacin de una cierta misin, un soldado debe
estar en el 20% de los de mayor estatura, Cul es la
estatura mnima para participar en esta misin?.
12,8
13,0 13,1
X
1
X
2




92


15. Un rodamiento es considerado defectuoso y por lo tanto es
rechazado si su dimetro es mayor que 2.02 pulgadas o menor
que 1,98 pulgadas. Cul es el nmero esperado de
rodamientos rechazados si los dimetros de una partida de
10,000 rodamientos estn distribuidos, normalmente con una
media de 2 pulgadas y una desviacin estndar de 0.01
pulgadas?.

16. Los puntajes finales en un curso de Psicologa estn distribuidos
normalmente con una media de 60 y una desviacin estndar
de 10.

a. Si el puntaje mnimo para aprobar es 48, Cul es el
porcentaje de fracasos?
b. Si han de aprobar el 80% de los estudiantes, Cul debe
ser el puntaje mnimo aprobatorio?

17. En una industria alimenticia se comercializa harina en paquetes
de PESO NETO 500 grs.. El proceso automtico de llenado
de los paquetes puede regularse de modo que la cantidad
media de harina por paquete puede ajustarse al nivel que se
desee. Suponiendo que la cantidad de harina por paquete se
distribuye normalmente con una desviacin estndar de 0,2
onzas.

a. A qu nivel debe ajustarse el llenado medio de modo que
solo el 0,001 de los paquetes tengan un peso neto inferior a
12 onzas?
b. A qu nivel debe ajustarse el llenado medio de modo que
solo el 0,05 de los paquetes tengan un peso neto superior a
12,4 onzas?.

18. El peso medio de una pia en una partida grande es de 5 libras.
El 10% de las pias pesan menos de 4 libras. Suponiendo que
los pesos estn distribuidos normalmente. Cul es la
desviacin estndar de la partida?.

19. Un estudio reporta los salarios iniciales anuales de los
contadores recientemente egresados, y los promediaba en
22500 soles, con una desviacin estndar de 2250 soles. Si los
salarios siguen una distribucin normal. Cul es la
probabilidad y los porcentajes de que un recin egresado gane:

a) ms de 21,000 soles
b) menos de 25000 soles
c) entre 24000 y 26000 soles
d) como mnimo 20000 soles?




93


SOFTWARE ESTADSTICO (Aplicacin por Computadora)

DISTRIBUCIN NORMAL

Caso Estudio 1:

LA TELEFNICA tiene un programa de entrenamiento para mejorar la calidad
de las habilidades de supervisin de los supervisores .Un estudio de los
participantes indica que el tiempo medio usado para completar el programa es
de 500 horas, y que esta variable aleatoria normalmente distribuida tiene una
desviacin estndar de 100 horas. Cul es la probabilidad de que un
participante elegido al azar requiera entre 500 y 650 horas para completar el
programa de entrenamiento?

SOLUCIN UTILIZANDO EL PROGRAMA ESTADSTICO MINITAB 15

1.- Abrir el Minitab. Clic en Graph

2.- Colocarse en el siguiente Men y opcin: GraphProbability
DistributionPlot: Ver grfica en clase

3.- Se despliega la ventana de ProbabilityDistributionPlots:
Clic en View Probability
Clic OK :Ver grfica en clase

4.- Seleccionar Distribucin Normal
Introducir los valores de la Media (Mean) y la Desviacin Estndar (Standard
deviation): Ver grfica en clase

5.- Clic en ShadedArea,
Seleccionar X Value, clic en Middle y proporcionar los valores de X1 Y X2.
Clic OK: Ver grfica en clase

6.- Minitab despliega la grafica de la distribucin normal con el valor de la
probabilidad sombreado: Ver grfica en clase

la probabilidad de que un participante elegido al azar se tome entre 500 y 650
horas para completar el programa de entrenamiento es de 0.433.

Caso Estudio 2

Una empresa Auditora realiza estudios especiales de Investigacin Cientfica,
dichos estudios se distribuyen normalmente con una duracin media de 820
horas (desde el inicio hasta el trmino de dichos estudios). Con una desviacin
estndar de 42 horas. Cul es la probabilidad de que un estudio elegido al
azar requiera entre 820 y 855 horas para concluirlo?




94

TEMA N11

DISTRIBUCIN DE LA MEDIA MUESTRAL

ORGANIGRAMA







































DISTRIBUCIONES MUESTRALES
De Medias Muestrales De Proporciones Muestrales
Distribucin Muestral
dela Media
Error Estndar
Muestral
De la Media
Aplicacin a
Distribucin Normal
Factor de Correccin
por poblacin finita
Teorema del
Limite Central
Regla de
proporciones
Muestrales.
Error Estndar de la
Proporcin.
Aplicacin a
Distribucin Normal
Factor de
Correccin
Por poblacin finita.
Teorema del Limite
Central.


95

Debi do a f actores como ti empo y costo, se esti man l os parmetros
pobl aci onal es desconoci dos por ej empl o l a medi a (u) exami nando
l a i nf ormaci n de l a muestra (
x
) de l a pobl aci n, l a cual debe ser
representati va de l a pobl aci n obj eto del estudi o.

Por ej empl o, si deseamos hal l ar el i nters haci a el estudi por
parte de l os estudi antes uni versi tari os de un f acul tad; en este caso
l a pobl aci n ms i mportante es l a recol ecci n de respuestas de l os
estudi antes de l a f acul tad sobre el i nt ers haci a el estudi o.
Aqu tomaremos una parte de est a pobl aci n (muestra), y l a
usaremos para normar el i nters de l os estudi antes haci a el
estudi o.

Si nos basamos en l as respuestas de mi embros de otras f uentes u
otras i nsti tuci ones obtendremos sobre todo respuestas sesgadas
(vi si n di storsi onada de l as acti tudes de l as acti tudes de l os
estudi antes en conj unto) o desvi adas a f avor del estudi o.


CONSIDERACIONES GENERALES

Si obtenemos muestras aleatorias de una poblacin, stas por su
naturaleza propia no se pueden predecir, slo se pueden hacer
afirmaciones probabilsticas sobre una poblacin cundo se usan
muestras representativas de la misma.

Para cualquier tamao de muestra n, tomado de una misma poblacin
con media (u), los valores de la media muestral x , varan de una muestra
a otra. Esta variabilidad sirve de base para la distribucin muestral.

Si estudiamos un estadstico como la media muestral ( x ), a partir de las
medidas en muestras aleatorias, tendremos que enlistar la distribucin
de los valores posibles de este estadstico asociados a su probabilidad
respectiva.


DISTRIBUCIN MUESTRAL DE LA MEDIA

E1: Si tenemos una poblacin de N=4, que indican los ingresos anuales
de 4 analistas de sistemas 10, 20, 30 y 40 (en miles de soles)
a.- Cal cul ar l a medi a de l a pobl aci n (u)
b.- La desvi aci n estndar pobl aci onal ( o)
c.- Si tomamos muestras aleatorias de tamao n=2 hacer una lista de
todos los pares posibles de las diferentes muestras de la media.


96

Para cada uno de los pares identificados, calcule la media muestral x
con su respectiva probabilidad, y demuestre que la media de todas las
medias muestrales posibles (u
x
) es igual a la media de la poblacin (u)
de donde se seleccionaron las muestras.


ERROR ESTNDAR MUESTRAL DE LA MEDIA (o
x
) S x
La Distribucinmuestral de las medias Muestrales tiene una desviacin
estndar, a esta desviacin estndar de la distribucin de todas las
medias Muestrales tambin se le denomina error estndar de la media
el cual mide la dispersin de las observaciones individuales (medias
muestrales) en torno a la media de las medias muestrales u
x
= u,
tambin indica la precisin de la media muestral.
Frmula del error estndar:
2
2
|
|
.
|

\
|
=

Ns
x
Ns
x
x o
donde:
o x = error estndar de la media
Como la frmula dada requiere mucho clculo aritmtico tambin
podemos hallar el error estndar as; para una poblacin tenemos:
n
x
o
o =

Error Estndar Esti mado
n
S
x S =


MUESTRAS DE POBLACIONES FINITAS FACTOR DE
CORRECCIN
Cuando se muestra a partir de una poblacin finita (no infinita) se debe
incluir un factor de correccin en la frmula para el error estndar de la
media como regla general, la correccin es despreciable y puede
omitirse cuando n < 0,05 N es decir cuando el tamao de la muestra es
menos del 5% del tamao de la poblacin.
Frmula del error estndar de la media incluyendo el factor de correccin
por poblacin finita:
1

=
N
n N
n
x
o
o


97


E2: Del primer ejemplo demostraremos que al utilizar las dos frmulas
del error estndar dadas, el resultado es el mismo.
INTERPRETACIN: las 6 medias Muestrales posibles tienen una media
= 25 = u
x
= u, las cuales tienden apartarse de 25 en 6,45.

E3: Un contador toma una muestra aleatoria de tamao n =16 de un
conjunto de N = 100 cuentas por cobrar. No se conoce la desviacin
estndar de los montos de las cuentas por cobrar para el total de las 100
cuentas. Sin embargo, la desviacin estndar de la muestra es S =
$57.00. Hallar el error estndar para la distribucin muestral de la Media.

Solucin


99
84
4
57
1 100
16 100
16
57
1
=

=
N
n N
n
s
s
x



13 , 13 ) 9211 , 0 ( 25 , 14 8484 , 0 25 , 14 ~ = =

En el ejemplo dado se estima el error estndar de la media con base en
la desviacin estndar muestral, y se requiere utilizar el factor de
correccin por poblacin finita por que no es cierto que n < 0,05 N, es
decir 16 > 0,05(100)

El error estndar de la Media ofrece la base principal para la inferencia
estadstica con respecto a la media de una poblacin que se desconoce.
En este captulo un teorema de la estadstica usado para hallar la
utilidad del error estndar de la media es:

TEOREMA DEL LIMITE CENTRAL DISTRIBUCIN NORMAL EN
DISTRIBUCIN MUESTRAL DE LA MEDIA

TALLER 8

E4: Un Contador Auditor toma una muestra de tamao n = 36 de una
poblacin de 1000 cuentas por cobrar. El valor promedio de las cuentas
por cobrar de la poblacin es u = $2600 con una desviacin estndar
poblacional de o = $450. Cul es la probabilidad de que la media
muestral sea inferior a $2500?

E5: Con referencia al ejemplo anterior. Cul es la probabilidad de que
la media muestral se encuentre a no ms de $150 de la media de la
poblacin?

E6: En un estudio para comparar la produccin promedio mensual en
miles de unidades producidas por COCA-COLA y KOLA REAL se
usar una muestra aleatoria de 20 y 25 trabajadores de c/u de las


98

empresas . Se sabe que la produccin por trabajador siguen una
distribucin normal. El promedio de la produccin de todos los
trabajadores de COCA_COLA es de 100 unidades y su desviacin
estndar es de 14.142, mientras que el promedio de la produccin de
todos los trabajadores KOLA REAL es de 85 unidades y su desviacin
estndar es de 12.247 unidades. Si y representan el promedio
muestral de la produccin de los 20 y 25 trabajadores respectivamente.
Encuentre la probabilidad de que el promedio de las unidades
producidas por los 20 trabajadores sea al menos 20 unidades ms que
el de los 25 trabajadores.
Solucin:
Datos:
1
= 100 unidades;
2
= 85 unidades ;
1
= 14.142 unidades;
2
= 12.247 unidades ; n
1
= 20 trabajadores; n
2
= 25 trabajadores;
= ?

Por lo tanto, la probabilidad de que el promedio de las unidades
producidas de la muestra de trabajadores de COCA-COLA sea al
menos 20 unidades ms que el de la muestra de los trabajadores de
KOLAREAL es 0.1056.






99

TEMA N 12

DISTRIBUCIONES MUESTRALES DE PROPORCIONES

Las distribuciones Muestrales de proporciones son usadas en muchos
casos, sobre todo cuando se trata de hallar si una observacin cumple o
no una determinada caracterstica.

Por ejemplo, los polticos no siempre desean saber cuantas personas
votarn por ellos, sino que porcentaje de la gente lo har, es decir en
lugar de medias Muestrales, nos encontramos con proporciones
Muestrales.

CALCULO DE UNA PROPORCIN MUESTRAL DE XITOS MEDIA
DE LAS PROPORCIONES MUESTRALES.

Utilizamos la siguiente frmula:
n
S
p =
donde :
p = proporcin muestral de xitos.
S = nmero de xitos en una muestra.
n = datos de la muestra.

E6: Un poltico entrevista a 500 sufragantes, si slo 200 de ellos votaron
por l, hallar la proporcin muestral de xitos.

Solucin
Sabemos: 40 , 0
500
200
= = =
n
S
P
Nota: Tal como estudiamos en distribucin muestral donde u
x
(media de
todas las medias Muestrales) = u(media de la poblacin).
En este caso: P = t
Donde:
P = media de las proporciones Muestrales.
t = proporcin de la poblacin.

CALCULO DEL ERROR ESTNDAR DE LA PROPORCIN

Utilizamos la siguiente frmula:
n
P
) 1 ( t t
o

=

TEOREMA DEL LI MITE CENTRAL DISTRIBUCIN NORMAL
PARA PROPORCI ONES MUESTRALES

La di stri buci n de proporci ones Muestral es se aproxi mar a
una Di stri buci n Normal cumpl i endo el Teorema del Lmi te


100

Central apl i cado a l a di stri buci n de proporci ones Muestral es.
Aqu se debe cumpl i r l o si gui ente:
n> 50 y
Tanto n t como n(1-t) son mayores que 5.

PARA UNA POBLACIN FINITA
Se debe cumplir que n > 0,10N, para utilizar el factor de correccin por
poblacin finita:

1
) 1 (


=
N
n N
n
P
t t
o

E7: Un mdico administra un medicamento a N = 5 pacientes. Los
resultados de cada paciente son respectivamente muere, vive, vive,
muere, muere. Hallar la media de todas las proporciones Muestrales, si
se toman muestras de tamao n = 2. Tambin hallar el error estndar de
las proporciones muestrales.

Solucin
Las muestras posi bl es de tamao n = 2 y l a proporci n de
xi tos (vi ve), se i ndi can en l a tabl a si gui ente.
Se cumple tambin 5C2 = 10. M = muere, Vive = V.
Ns = N de muestras posibles = 10
Sabemos:
n
S
p =
Donde:
p = proporcin muestral de xitos.
S = proporcin de xitos en una muestra.
n = 2.
Muestra
Proporcin de
xitos P
M
1
V
2

M
1
V
3
M
1
M
4
M
1
M
5
V
2
V
3
V
2
M
4
V
2
M
5
V
3
M
4
V
3
M
5
M
4
M
5

0,5
0,5
0,0
0,0
1,0
0,5
0,5
0,5
0,5
0,0
E
P
= 4,0
40 , 0
10
4
= = =

Ns
P
P
donde:
p = proporciones.
p = media de todas las proporciones.
Ns = N de muestras posibles.


101

Es decir P (media de todas las proporciones ) es igual a u(media de la
poblacin) = 0,40.

Clculo del error Estndar de las Proporciones Muestrales.

3 , 0
1 5
2 5
2
) 6 , 0 )( 4 , 0 (
1
) 1 (
=


=
N
n N
n
P
t t
o

E8: Con referencia al problema E7. Si l mdico administra el
medicamento a muchos pacientes, de los cuales viven t = 45%. Si se
elige una muestra de 80 pacientes. Cul es la probabilidad que vivan
mas de 40?.

APLICACIN ESTADSTICA

Podr Pedro i r a Hawai ?

Clairol vende un producto popular ideado para que las personas
parezcan ms atractivas. Segn la empresa el 75% de todos los clientes
potenciales con quienes se establece contacto por correo, compran el
producto.

Pedro enva 200 cartas en las que ofrece vender el producto. Tiene que
hacer 160 ventas. Como mnimo para financiar el viaje que tiene
programado a Hawai.

Cul es la probabilidad de que lo consiga?


TALLER 9

ACTIVIDAD APLICATIVA AUTOEVALUACIN
DISTRIBUCIONES MUESTRALES

1. Se sabe que la vida til promedio de los focos de transparencias
es = 9000 horas, con una desviacin estndar de 500 horas.
Determine el valor esperado y el valor estndar de la distribucin
muestral de la media, con un tamao de muestra de n = 25.
Interprete el significado de los valores calculados.

2. Para una poblacin grande de saldos de cuentas que tienen
distribucin normal, se tiene un saldo promedio de = $
150,000.00, con desviacin estndar o = $ 35,000 cul es la
probabilidad de que una cuenta muestrada al azar tenga un saldo
que excede de $ 160,000.
3. Con referencia al problema anterior, cul es la probabilidad de
que la media de una muestra aleatoria de n = 40 cuentas exceda
de $ 160,000?



102

4. De un estudio contable se toma alzar una muestra de 500
empleados de un nmero mayor a ellos. Los trabajadores realizan
labores a destajo y se encuentran que el producto medio de pago
por cliente es de 2000 nuevos Soles, con una desviacin
estandarmuestral S=200 Nuevos Soles. Hallar el pago promedio a
destajo para todos los empleados de la empresa, con un intervalo
de confianza del 90%.

5. El banco de Crdito toma una muestra n = 600 de una poblacin
de 1200 clientes que cuentan con tarjeta de crdito, el valor
promedio de los crditos es de 3200 con una desviacin estandar
poblacional de 600 Nuevos Soles . Hallar la probabilidad de que la
media muestral sea superior a 3350 Nuevos Soles.

6. Para ilustrar el significado de la distribucin muestral de la media
se hace referencia a una poblacin altamente simplificada.
Suponga que una poblacin consta solamente de cuatro valores: 3,
5, 7 y 8. Calcule (a) la media de la poblacin , y (b) la desviacin
estndar de la poblacin o.

7.- Para la poblacin que se describi en el problema anterior,
suponga que se toma muestras aleatorias simples de tamao n =
2, de esa poblacin. En cada una de las muestras, antes de elegir
el segundo elemento muestral, no se reemplaza el primer elemento
escogido.
a) Hacer una lista de todos los pares posibles que puede
constituir una muestra.
b) Para cada uno de los pares identificados en (a), calcule la
media muestral X y demuestre que la media de todas las
medias muestrales posibles x es igual a la media de la
poblacin de donde se seleccionaron las muestras.

8. Para la situacin de muestreo que se describi en los problemas
anteriores, calcule el error estndar de la media determinando la
desviacin estndar de las seis medias muestrales posibles que se
identificaron en el problema anterior, con respecto a la media
poblacional . Despus calcule el error estndar de la media con
base en la o que se conoce y, tratndose de un muestreo en una
poblacin finita, utilice la frmula apropiada y verifique que los dos
valores del error estndar sean iguales.
9. Uno de los principales fabricantes de televisores compra los tubos
de rayos catdicos a dos compaas. Los tubos de la compaa A
tienen una vida media de 7.2 aos con una desviacin estndar de
0.8 aos, mientras que los de la B tienen una vida media de 6.7
aos con una desviacin estndar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la
compaa A tenga una vida promedio de al menos un ao ms que
la de una muestra aleatoria de 40 tubos de la compaa B.


103


UNIDAD IV

ESTIMACIN CON INTERVALOS DE CONFIANZA, PRUEBA DEHIPTESIS


ORGANIGRAMA





























ESTIMACIONES CON INTERVALOS
DE CONFIANZA PRUEBA
DE HIPOTESIS
Intervalos
De Confianza
Prueba
De Hiptesis
Estimacin
Puntual
Medias
Poblacionales
Distribucin
t de
Student
Medias
Poblacionale
s
Estadsticos
utilizados
Entre
Dos Medias
Poblacionales


104

CONTENIDOS PROCEDIMENTALES

Interpreta y aplica los intervalos de Confianza y Prueba de Hiptesis
Elabora un resumen de las principales aplicaciones en la toma de decisiones
de Empresa

Formula evidencias de las distintas formas de aplicar estas herramientas
estadsticas en el marco empresarial, contable y en el Desarrollo de Tesis.
En forma grupal determinan la regla de decisin en el Contraste de Hiptesis


CONTENIDOS ACTITUDINALES

Valora con propiedad, los resultados de la teora y problemas expuestos de
Intervalos de Confianza y Prueba de Hiptesis en su profesin.
Distingue los mtodos, procedimientos y tcnicas del Contraste de Hiptesis,
Acepta formar parte del grupo asignado con actitud de ayuda en el desarrollo
de los problemas.

CONTENIDOS CONCEPTUALES

TEMA N 13 INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL
TEMA N 14 DISTRIBUCION T DE STUDENT
TEMA N 15 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE
DOS MEDIAS POBLACIONALES
TEMA N 16 PRUEBA DE HIPOTESIS


















105














ESTIMACIONES CON INTERVALOS DE
CONFIANZA, PRUEBA DE HIPOTESIS

INTERVALOS DE CONFIANZA PARA
LA MEDIA POBLACIONAL,

DISTRIBUCIN T DE STUDENT
DIFERENCIA DE MEDIAS

PRUEBA DE HIPOTESIS
JI-CUADRADA


106

TEMA N 13
INTERVALOSDE CONFIANZA PARA LA MEDIA POBLACIONAL

En este captulo aprenderemos a determinar intervalos de confianza de medias
poblacionales, proporciones poblacionales prueba de hiptesis, errores Tipo I y
II as como intervalos de confianza y prueba de hiptesis con dos poblaciones.

Los intervalos de confianza son utilizados para tomar numerosas decisiones
relacionadas con la empresa; del mismo modo se estudiar la probabilidad de
que una hiptesis sea cierta.

Muchos problemas de las empresas exigen comparar dos poblaciones con el
objeto de tomar decisiones correctas, estas se tomarn en las circunstancias
en las cuales es esencial efectuar las comparaciones y el modo adecuado de
efectuarlas.

ESTIMACIN PUNTUAL INTERVALOS DE CONFIANZA.

E1: La duea de una tienda, elige una muestra de n = 500 clientes, si x
= 37,30 soles (consumo medio de la muestra); este valor seria la
estimacin puntual de la media poblacional.
Una estimacin de intervalo es la que define un intervalo dentro del cual
puede estar el parmetro desconocido.

La duea de la tienda puede pensar que el promedio (u) de la poblacin
puede estar entre 36 y 39 soles. Donde el intervalo suele ir acompaado
de una afirmacin sobre el nivel de confianza (95%) que se asigna a su
precisin. Por ello se llama intervalo de confianza.
Relacin de Estimadores Puntuales Utilizados:

Parmetros de Poblacin
Media, u
Diferencia entre las medias de 2 poblaciones u
1
u
2
I. Proporcin, t
Diferencia entre las propiedades de
dos poblaciones; t
1
- t
2

Varianza, o
2

Desviacin Estndar, o
x


2 1
x x


p

2 1
p p


s
2
s

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL
UTILIZANDO LA DISTRIBUCION NORMAL

E2: En una semana determinada, se elige al azar una muestra de 300
empleados de un nmero muy grande de ellos que trabajan en una
empresa manufacturera. Los trabajadores realizan una labor a destajo y
se encuentra que el promedio de pago por pieza trabajada es de x
=1800, con un desviacin estndar muestral de S = $140. Hallar el pago
promedio a destajo para todos los empleados de la empresa, con una


107

estimacin por intervalo que permite tener una confianza del 95% de que
ese intervalo incluye el valor de la media poblacional.


TALLER 10
ACTIVIDAD APLICATIVA AUTOEVALUACIN

E3: En una encuesta poltica obtienen volantes que votaran por su
partido en las prximas elecciones, en la cual se recopila una muestra
aleatoria de 550 volantes, de un conjunto de 2000; el promedio del gasto
es S/5250, con una desviacin estndar de S/2575, utilizando un
intervalo de confianza de 90%. hallar el monto promedio de gastos de
los 2000 volantes

E4: Si la desviacin Estndar o de la vida til de focos especiales es =
0,500, no conocemos el promedio de vida til. Si la distribucin de la
vida til de los focos es normal. Para una muestra de n =15, la vida til
promedio es x = 8900 hrs. Construir intervalos de confianza para
estimar la media de la poblacin.

a) Con el 95%
b) Con el 90% de confianza.

E5: Un analista de investigacin de mercados recopila datos de una
muestra aleatoria de 100 clientes, de un conjunto de 400 clientes que
adquirieron equipo especial. Las 100 personas gastaron un promedio x
= $ 24570 en la tienda, con una desviacin estndar de:

S = $6,600. Utilizando un intervalo de confianza del 95%. Estime:

a) El monto promedio de las compras para los 400 clientes.
b) El monto total en dlares para las compras realizadas por los 400
clientes.


TEMA N 14

INTERVALO DE CONFIANZA PARA LA MEDIA CON DESVIACIN
ESTANDAR (o) DESCONOCIDA DISTRIBUCIN t DE STUDENT.

Cuando hay que tomar una muestra pequea (n<30), la distribucin
normal no siempre es la adecuada; Aqu es donde utilizamos una
distribucin alternativa, llamada distribucin t de Student (o simplemente
distribucin t), la que debe cumplir las siguientes condiciones.
- La muestra es pequea.
- La o es desconocida.
- La distribucin debe ser normal.



108

As mismo, la distribucin t, tiene una media igual a cero, es simtrica
respecto de la media y se extiende de - a +.
Clculo del Estadstico (t)
Se calcula como el estadstico Z.
Su formula es:
x
S
u x
t

=

CALCULO DEL INTERVALO DE CONFIANZA PARA ESTIMAR LA
MEDIA DELA POBLACIN u PARA MUESTRAS PEQUEAS.

Despejando u de la frmula dada obtenemos:

n
S
t x S t x
gl
x
gl
=

Donde los grados de libertad gl<>df = n-1


TALLER 11
ACTIVIDAD APLICATIVA AUTOEVALUACIN

E5: Hallar t con un intervalo de confianza del 90, 95 y 99% y una
muestra de 20 observaciones.

E6: Un supervisor toma una muestra aleatoria de 12 sobres de cocoa en
una planta empaquetadora. El peso neto de los sobres de cocoa es el
que reporta la tabla siguiente:

Determinar:

a) El peso neto de la cocoa que se empaqueta en cada sobre.
b) La Desviacin EstndarMuestral.
c) Si el peso de la cocoa empaquetado tiene distribucin normal,
estimar el peso promedio por sobre de cocoa utilizando un intervalo
de confianza del 95%.

Gramos por
sobre
15,7 15,8 15,9 16,0 16,1 16,2
Nmero de sobres 1 2 2 3 3 1

Solucin

x por sobre N de sobres Total x X
2
por sobre X
2
Total
15,7
15,8
15,9
16,0
16,1
1
2
2
3
3
15,7
31,6
31,8
48,0
48,3
246,49
249,64
252,81
256,00
259,21
246,49
499,28
505,62
768,00
777,63


109

16,2

1
n = 12
16,2
Ex=191,6
262,44

262,44
Ex
2
=3059,46
Reemplazando en las frmulas:

a) gr x
n
x
x 97 , 15 97 , 15
12
6 , 191
= = = =



b)
) 11 ( 12
) ) 6 , 191 ( 46 , 3059 ( 12
) 1 (
) (
2
2 2

=

n n
x x n
S

. 15 , 0 15 , 0 0224 , 0 gr S = = =

c) |
.
|

\
|
= =
12
15 , 0
201 , 2 97 , 15 97 , 15
11
n
S
t S t x
x
gl


) 043 , 0 ( 201 , 2 97 , 15 97 , 15 =

15,88 a 16,06 grs.

INTERPRETACIN:
El peso promedio por sobre se encuentra ente 15,88 y 16,06 grs


TEMA N15

INTERVALO DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS MEDIAS
POBLACIONALES UTILIZANDO LA DISTRIBUCION NORMAL.

Existen numerosas ocasiones en que las empresas tienen que tomar
decisiones las cuales se centran en las diferencias que puedan existir
entre dos poblaciones, por lo cual se han desarrollado procedimientos
estadsticos cuyo objetivo es contrastar la diferencia entre dos medias
poblacionales o dos proporciones poblacionales.
Por ejemplo, existe una diferencia significativa entre la duracin media
de las bateras para autos fabricadas por BATERIAS CAPSA y las que
produce BATERIAS DELCO, as como la diferencia entre los niveles
salriales en dos empresas. Como se indico anteriormente en 8,1, el
estimador no sesgado de (u
1
u
2
) es ( 2
1
x x ). El intervalo de confianza
se construye de manera similar como se estima el de la media, as el
error estndar de la distribucin muestral que corresponde en este caso
es el de la diferencia entre medias. El uso de la distribucin normal se
basa en las mismas condiciones que para el caso de la distribucin
muestral de la media ( en este caso existen dos medias).
Frmulas para estimar la diferencia entre las medias de dos
poblaciones, con intervalos de confianza.



110

u
1
u
2
=
2 1
) ( 2 1
x x
z x x

o

u
1
u
2
=
2 1
) ( 2 1
x x
zS x x


Frmula del Error Estndar de la Diferencia entre dos medias.

Cuando se conocen l as desvi aci ones estndar de l as dos
pobl aci ones.

2 2
2 1 2 1
x x x x
o o o + =



Cuando no se conocen las desviaciones estndar de las dos
poblaciones, el error estndar estimado para distribucin normal es:

2 2
2 1 2 1
x x x x
S S S + =



En stas dos frmulas dadas como hemos visto anteriormente, podemos
incluir la posibilidad de utilizar los factores de correccin por poblacin
finita cuando sea apropiado.


E6: El salario anual promedio para una muestra de n = 30 empleados de
una empresa industrial grande es x = S/. 28000, con una desviacin
estndar de S/. 1400. En otra empresa grande, una muestra aleatoria de
n =40 empleados tiene un salario promedio anual de S/. 27000, con
desviacin estndar muestral de S = S/. 1000. Hallar el intervalo de
confianza del 99% para estimar la diferencia entre los niveles anuales de
salarios en las dos empresas.

Solucin

Sabemos:
Int. del 99% = ( 2
1
x x ) Z
2 1
x x
S


2 2
2 1 2 1
x x x x
S S S + =



En donde:

2
1
x x = S/. 28000 S/. 27000 = S/. 1000

Z = 2,58


60 , 255
477 , 5
1400
30
1400
1
1
1
= = = =
n
S
S
x




111


11 , 158
325 , 6
1000
40
1000
2
2
2
= = = =
n
S
S
x


55 , 300 ) 11 , 158 ( ) 60 , 255 (
2 2
2 1
= + =
x x
S

Reemplazando Tenemos:
Int. del 99% = S/. 1000 2,58 (300,55)
= 1000 775,4 a 1000 + 775,4
= 225 a 1775
Es decir: 225 s u
1
u
2
s 1775

INTERPRETACIN:
Puede estimarse que el salario anual promedio de la primera empresa
es mayor que el correspondiente a ala segunda en una cantidad que va
de S/. 225 a S/. 1775 con una confianza del 99% en una estimacin por
intervalo.

TALLER 12
ACTIVIDAD APLICATIVA AUTOEVALUACIN

E1: Una revista describa una prueba por Daniel S.A. para comparar la
eficacia de dos tipos de fertilizantes qumicos. Se trataron 50 hectreas
con cada uno de los tipos . Los incrementos de produccin por hectrea
de trigo dieron medias de
1
x = 14,2 litros para el fertilizante 1 y de
2
x =
17,5 litros para el fertilizante 2. Las desviaciones estndar de ambos
fertilizantes eran de
1
o =1,92 y
2
o =2,05. Calcular el intervalo de
confianza del 99% para estimar la diferencia de la eficacia en los dos
fertilizantes.

E2 Un contador toma una muestra de 49 clientes de una empresa
industrial que pagan al crdito donde el valor promedio de estos son
$1750 con un desviacin estndar de $630 , y en la otra empresa
comercial en una muestra de 64 clientes el promedio de personas que
pagan a crdito es de $1130 con una desviacin estndar muestral de
$570 .
calcular el intervalo de confianza del 99% para estimar la diferencia entre
la cantidad de clientes que pagan al crdito.

SOFTWARE ESTADISTICO (APLICACIN POR COMPUTADORA)

CASO ESTUDIO 1.
En una Empresa Auditora un contador toma una muestra promedio de 36
cuentas por cobrar diferentes de valor 2.6 mill. de soles. Encuentre el intervalo
de confianza del 95% para la media poblacional suponiendo que la desviacin
estndar de la poblacin es de 0,3 mill. de soles.

SOLUCION CON MINITAD 15


112

1. - Se colocan los datos.(Ver grafico en clase)
2. - Poner en stat-basic statics-1-sample z.(Ver grafico en clase)
3. - Colocar los datos.(Ver grafico en clase)
4.- Luego aparecern los resultados pedidos en la pregunta.(Ver grafico en
clase)
TEMA N16

PRUEBA DE HIPTESIS

Qu es una hiptesis?
- Hiptesis: enunciado acerca de una poblacin elaborada con el
propsito de ponerse a prueba.
- Ejemplos de hiptesis acerca de un parmetro de poblacin son:
- La media mensual de ingresos para contadores es $ 3625
- El 20 % de los delincuentes juveniles son capturados y sentenciados
a prisin.

Qu es una prueba de hiptesis?
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 y no debe rechazarse o si no es razonable y
debe ser rechazado.

Prueba de Hiptesis.















Prueba de significancia de una cola
Una prueba es de una cola cuando la hiptesis alterna, H
1,
establece una
direccin, como:
Paso 1: Plantear la hiptesis nula y alterna
Paso 2 : Seleccionar un nivel de significancia
Paso 3: Identificar el valor estadstico de prueba
Paso: 4 Formular una regla de decisin
Paso 5 : Tomar una muestra, llegar a una decisin
No rechazar la hiptesis nula Rechazar la hiptesis nula y
aceptar la alterna


113

H
0
: el ingreso medio de las mujeres es menor o igual al ingreso medio de
los hombres.
H
1
: el ingreso medio de las mujeres es mayor que el de los hombres.

Prueba de significancia de dos colas:
Una prueba es de dos colas cuando no se establece una direccin
especfica de la hiptesis alterna H
1
, como:
H
0
:el ingreso medio de las mujeres es igual al ingreso medio de los
hombres
H
1
: el ingreso medio de las mujeres no es igual al ingreso medio de los
hombres.

E1: Un Fabricante de Crispyun nuevo alimento para el desayuno, esta
preocupando por el peso medio de cereales que se envasa en sus cajas.
Estas anuncian un peso neto de 36 onzas. Si el fabricante desea realizar
la prueba de hiptesis aun nivel de significancia del 5%. Si se elige al
azar una muestra de x = 37,6 onzas y una desviacin estndar de S = 3
onzas. Determinar el sistema de hiptesis y realizar la prueba

Solucin

u = 36 onzas
o = 5%
x = 37,6
S = 3 onzas
n = 100
Ho: u = 36
H
1
: u = 36

Sabemos:

x
H
CR ZS u x =
= 36 (1,96)(0,3)
= 36 0,588
35,41 hasta 36,59

INTERPRETACIN.

Como la media muestral x = 37,6 la cual est sobre 36,59; entonces se
rechaza la hiptesis nula. Es improbable que u = 36, sol hay una
probabilidad del 2,5% de que una muestra diera un media mayor que
36,59.


TALLER 13
ACTIVIDAD APLICATIVA AUTOEVALUACIN

E2: Un contador piensa que el nmero medio de das necesarios para
realizar un trabajo debe ser u = 27. Si la media es menor que 27, el
contador teme que el trabajo se ejecute con descuido de calidad,
Rechazo
o/2 = 0,025
35,41 u
H
=36 36,59
95%


114

mientras que una media por encima de 27 puede dar lugar a unos
gastos innecesarios. Se eligen al azar 50 trabajos con objeto de probar
(contrastar esta afirmacin).

Se encuentra que la media es x =25,3 das, con una desviacin estndar
S = 2,1 das. El contador desea probar (contrastar) la hiptesis con nivel
de significancia del 1% (99% de confianza). Determinar el sistema de
hiptesis y realizar la prueba. Si rechaza la Hiptesis nula, el contador
tendr que volver a valorarel proceso de trabajo para garantizar que se
siguen procedimientos adecuados

Solucin

u = 27
n = 50
x = 25,3
S = 2,1
o = 1%
Ho: u = 27
H
1
: u = 27

Z = 0,99:2 = 0,4950 = 2,58
E3. El Administrador de una comunidad informa a una empresa que para
construir un centro comercial el ingreso promedio por hogar es de $3000. si los
ingresos siguen distribucin normal con S = $411.95, despus de un previo
estudio, se encuentra que el ingreso promedio por hogar para una muestra
aleatoria de 15 hogares es $2910.pruebe la hiptesis con alfa = 5%
E4. Si la vida til de las focos de una marca especfica es cuando menos
4200 hrs. La vida til promedio para una muestra aleatoria de n = 10
focos es 4000 = x hrs. con desviacin estndar muestral S = 200hrs.
Si tiene vida til D. normal probar la hiptesis con alfa = 5%
Solucin
n = 10 Ho: > 4200 hrs.
H1: < 4200
t
CRTICA
(gl = 9, x = 0,05) = -1,833
. 3 , 63
16 . 3
200
10
200
hrs
n
S
Sx = = = =
16 , 3
3 . 63
4200 4000 0
=

=
x S
x
CAL

t



Rechazo
o/2 = 0,005
26,23
u
H
=27 27,77
Ho:0,99
0,4950
HO
Acepta


115




t
CAL
= -3,16 t
CRITICO
= -1,833
Interpretacin: Se rechaza Ho, se acepta H
1
de que
1
< 4200
LA PRUEBA ESTADSTICA DE JI CUADRADA
PRUEBAS PARA LA INDEPENDENCIA DE DOS VARIABLES
CATEGRICAS (PRUEBAS PARA TABLAS DE CONTINGENCIAS)

Las pruebas de independencia implican dos variables categricas y lo que se
prueba es la suposicin de que las variables son estadsticamente
independientes. Pero el problema que nos interesa es saber si las dos
variables son estadsticamente dependientes o que estn relacionadas.
Como se trabaja con dos variables, se anotan las frecuencias observadas (f
o
) y
esperadas (fe) en una tabla de clasificacin doble o Tabla de contingencias.

Mediante la expresin r x c se definen las dimensiones de este tipo de Tablas,
en donde r indica el nmero de renglones (filas) y c el nmero de columnas.

Pero la Ji cuadrada nos permite tambin comparar dos atributos (variables)
para determinar si hay alguna relacin entre ellos. Consideremos, por ejemplo,
que un especialista en marketing quisiera determinar si hay alguna conexin
entre los niveles de renta de los consumidores y su preferencia por el producto
que l vende. Este procedimiento implicara comparar dos atributos: rentas y
preferencias. La comparacin de dos atributos para determinar si son
independientes se realiza analizando la diferencia entre frecuencias
observadas reales y frecuencias esperadas.

El clculo de la JI cuadrada (x
2
) para el anlisis de una tabla de contingencia
tambin es fcil de hallarla e interpretarla usando el programa apropiado de
alguno de los paquetes estadsticos como el SAS, Minitab, SPSS y otros.

PRESENTACIN: EJEMPLO PARA SER APLICAD CON LA PRUEBA
ESTADISTICA DE JI-CUADRADA

EJEMPLO DEL TIPO 1: Este es un ejemplo del formato mas resumido de
una tabla de contingencia donde se consideran las dos variables, se trata
de una tabla de contingencia de 2 x 2.

CUADRO 1

Ingresos
Jabn
Total
B1 B2
A 1 40 60 100
A2 110 90 200
HI


116

Total 150 150 300

En el Cuadro 1
Observamos en los totales de las filas (renglones) y columnas que:
150 + 150 = 300 personas
100 + 200 = 300 Personas
100 tienen ingresos A1, y
200 tienen ingresos A2
Tambin
150 usan jabn B1, y
150 usan jabn B2
Resultando:

CUADRO 2
Ingresos
Jabn
Total
B1 B2
A 1 100
A2 200
Total 150 150 300

Investigando (Por encuesta, entrevista)
Se encontr que 40 de los 100 tienen renta A1 y jabn B1, entonces sin
necesidad de investigar se halla automticamente que 100 40 60
Del mismo modo se determina los valores de 110 y 90
Utilizando fe =
n
f rf c

ygl = (r 1 ) (c 1)
Donde: fe = Frecuencia esperada
fr = Es la frecuencia total de una fila determinada
fe = Es la frecuencia total de una columna determinada
gl = Grados de libertad

fe
1
= 50
300
150 100
= =
x
n
frf c


fe
2
= 50
300
150 100
= =
x
n
frf c



fe
3
= 100
300
150 200
= =
x
n
frfc


fe
4
= 100
300
150 200
= =
x
n
frfc


Obtenemos:


117

CUADRO 3
Ingresos
Jabn
Total
B1 B2
A 1 40 (50) 60 (50) 100
A2 110 (100) 90 (100) 200
Total 150 150 300
PRUEBA DE HIPTESIS NULA DE INDEPENDENCIA PARA LOS DATOS
DE LA TABLA ANTERIOR UTILIZANDO UN NIVEL DE SIGNIFICANCIA DEL
5 %

FORMULADE JI CUADRADA:
X
2
=


e
e
f
f f ) (
0

Donde:
fe = Frecuencia esperada
f
0
= Frecuencia observada
Hiptesis nula = H
0
= No existe una relacin estadsticamente significativa
entre los ingresos de una persona y la clase de jabn que
usa. Por tanto son independientes.
Hiptesis alterna: H
A
= Existe una relacin estadsticamente significativa entre
los ingresos de una persona y la clase de jabn que usa por tanto son
dependientes.

gl = (r 1) (c 1) = (2 1 ) (2 1) = 1
X
2
=


e
e
f
f f ) (
0


X
2
= 6
100
) 100 90 (
100
) 100 110
50
) 50 60 (
50
) 50 40 (
2 2 2 2
=



En la tabla de la Ji cuadrada (X
2
), y para un nivel de significancia de 5 por
ciento hallamos 3.841 entonces como la estadstica de prueba de 6 excede el
valor crtico de 3.841. Por ello se rechaza la hiptesis Nula de independencia y
se concluye que existe una relacin estadsticamente significativa entre
los ingresos de una persona y la clase de jabn que usa.


TALLER 14

ACTIVIDAD APLICATIVA AUTOEVALUACION
ESTIMACIONES CON INTERVALOS DE CONFIANZA PRUEBA DE
HIPOTESIS
COMPLEMENTARIOS CON EL TALLER ANTERIOR.
INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL
UTILIZANDO LA DISTRIBUCIN NORMAL


118


1. Un fabricante desea estimar el nivel mensual medio de produccin de
su empresa, si toma una muestra de n = 100 y una media muestralde
x = 112 toneladas, con o = 50 toneladas y un intervalo de confianza
del 95%. Este promedio mensual ser.

2. Si la media muestral es 42,5, construir un intervalo de confianza del
90% para la media poblacional si n = 81 y o = 15,3.

3. Con la informacin del problema anterior, construir un intervalo de
confianza del 99%. Por qu es diferente?

4. Una muestra de 100 observaciones tiene una media de 16,3 cul
ser el intervalo de confianza de 95% si o= 3,7?

5. Construir el intervalo de confianza del 95% con la informacin del
problema anterior si ahora o = 5,7.
Explicar la diferencia.

6. Si la desviacin estndar S de la vida til de focos especiales es 500,
con distribucin normal, para una muestra de n = 15, la vida til
promedio x = 8900 hrs.

a) Constryase el intervalo de confianza del 95% para estimar la
media de la poblacin y compare ese intervalo con la respuesta
que obtuvo en el problema E3 (a).
b) Constryase el intervalo de confianza del 90% para estimar la
media de la poblacin y compare este intervalo con la respuesta
dada al problema E3(b).

7. El JaponsTaguchi invent el concepto de funcin de prdida de
calidad (FPC), que establece una relacin directa entre el costo de la
calidad y la varianza del proceso de produccin. IBM y otras
empresas norteamericanas han adoptado la enseanza de Taguchi
para reducir costos sin disminuir la calidad del producto. Una muestra
de medidas de costo para nuevo coprocesador de IBM ha arrojado
una prdida de 212,10 dlares con una desviacin estndar de 57,10
dlares.

a) Construir e interpretar un intervalo de confianza del 99% si el
tamao muestral era de 500 coprocesadores.
b) Construir e interpretar un intervalo de confianza del 99% si el
tamao muestral era de 100.
c) Explicar por que el segundo intervalo es ms extenso si el nivel de
confianza de los 2 es de 99%.

8. En una empresa constructora, un contrato establece que en un
determinado tipo de trabajo se debe gastar una media de 1150
dlares. Para ahorrar tiempo, el tribunal slo convoc a los directores


119

de 12 agencias gubernamentales para declarar en relacin con las
cuentas de gasto de la empresa. Si de las declaraciones se dedujo
una media de 1275 dlares y una desviacin estndar de 325 dlares
apoyara un intervalo de confianza del 95% la postura de la
empresa? (La cual fue causada por inflar los gastos de contratos de
construccin).
Las cuentas de los gastos siguen distribucin normal.

PRUEBA DE HIPTESIS

9. Un auditor desea probar el supuesto de que el valor promedio de toda
las cuentas por cobrar en una empresa determinada es 260 000 soles,
tomando una muestra de n = 36 y calculando la media muestral, desea
rechazar el valor supuesto de 260 000 soles solo si la media muestral lo
contradice en forma clara, por lo que debe (darse el beneficio de la
duda) al valor hipottico en el procedimiento de prueba. Hallar las
hiptesis nula y alternativa para esta prueba.

10.Con referencia al problema 9, determinar los valores crticos de la
media muestral para probar la hiptesis con un nivel de significancia del
5%. Sabiendo que a la desviacin estndar de las cuentas por cobrar es
o = 43 000.

11.Con referencia a los 2 problemas anteriores suponga que la x = 240
000.
Determine si se debe aceptar o rechazar la hiptesis nula.

12 Con referencia a los problemas anteriores partimos de la hiptesis
nula que la media de todas las cuentas por cobrar es de cuando menos
260 000 soles, probar la hiptesis con un nivel de significancia del 5%.























120








APENDICE II: DISTRIBUCION BINOMIAL


































121








APENDICE II: DISTRIBUCION BINOMIAL (CONT)

































122










123

APENDICE II: DISTRIBUCION BINOMIAL (CONT)


124

APENDICE II: DISTRIBUCION BINOMIAL (CONT)


125

APENDICE II: DISTRIBUCION BINOMIAL (CONT)


126

APENDICE II: DISTRIBUCION BINOMIAL (CONT)



127

APENDICE IV: DISTRIBUCION DE POISSON


128

APENDICE IV: DISTRIBUCION DE POISSON





129

APENDICE IV: DISTRIBUCION DE POISSON (CONT)




130

DISTRIBUCION DE POISSON (CONT)



131

APENDICE IV: DISTRIBUCION DE POISSON (CONT)



132

APENDICE IV: DISTRIBUCION DE POISSON (CONT)




133

APENDICE V: DISTRIBUCION NORMAL






134


APENDICE VI DISTRIBUCION t DE STUDENT


















































135

EJERCICIOS Y PROBLEMAS ADICIONALES

Aproximaciones.

0.9845 aproximar a milsimos:..
3.9855 aproximar a milsimos:..
1,445 aproximar a centenas con un decimal:

El Nmero de habitantes de cada una de 40 viviendas son:

5, 6, 1, 7, 3, 1, 4, 8, 2, 3,5,7,1,3,4,5,6,8,3,4,5,2,5,4
6,7,2,3,5,4,6,4,3,2,6,4,3,4,5,6.
Determinar su media aritmtica, su mediana y su moda.

3. Para la siguiente distribucin

CLASES FRECUENCIAS f

(Alturas cm.) (N Nios)


118-127 4
128-137 7
138- 147 16
148-157 19
158-167 5
168-177 6
178-187 3


Determine: a) Los lmites reales de clase.
b) Las frecuencias acumuladas relativas porcentuales.
c) La clase media
d) La curva de frecuencia acumuladas menor o igual.

4. Para la distribucin de frecuencia de la pregunta 3 determine:
a) La media aritmetica.
b) El decil 9.

5.- En la tabla se enlistan los tiempos requeridos para la conclusin de una
tarea de ensamble para una muestra de 30 empleados que presentaron su
solicitud de ascenso a un puesto de ensamble de precicin . Supongamos que
nos interesa organizar estos datos en cinco clases de igual tamao. Determine
el tamao del intervalo correspondiente, redondeando el intervalo a enteros y
elabore la distribucin de frecuencias para toda las clases y fijando en 9
minutos el limite nominal inferior de la primera clase.





136




137

Tiempos de ensamble de 30 empleados, en minutos
10 14 15 13 17 16 12 14 11 13 15 18 9 14 14 9 15 11
13 11 12 10 17 16 12 11 16 12 14 15.

6.- Elabore una distribucin de frecuencias acumuladas, con la distribucin
obtenida en la pregunta 1, empleando limistes exactos para identificar cada
clase e incluya en la tabla tanto frecuencias acumuladas como porcentajes
acumulados y trace la ojiva de porcentajes acumulados y determine:

a)En que punto percentil se encontrara un tiempo de ensambl de 15
minutos?

b)Cul es el tiempo de ensamble de 20 Percentil de la distribucin?


7.- Un experto en normas laborales observa, en una muestra, la cantidad de
tiempo requerida para la elaboracin de 10 cartas comerciales en una oficina,
con los siguientes resultados, enlistados en orden ascendente de acuerdo con
el minuto mas cercano: 5, 5, 5, 7, 9, 14, 15, 15, 16, 18. Determine a) Rango, b)
El Rango del 70% central y c) La desviacin media.

8.- Con la distribucin obtenida en la pregunta 1. Determine la media y la
varianza.

9.- Con distribucin obtenida en la pregunta 1 determine la coeficiente de
asimetra de Pearson

10.- Los pesos en libras de 40 estudiantes estn en la distribucin:


CLASES f
118 126 3
127 135 5
136 144 9
145 156 12
154 162 5
163 171 4
172 180 2

Determine: a) La desviacin estndar

b) El coeficiente de variacin

11.- Se tienen las Siguientes notas de 38 estudiantes:

1
5
1
7
1
4
0
8
1
0
1
5
1
3
1
8
1
1
0
9
1
2
1
5
1
7
1
0
1
7
1
0
0
5
1
9
0
8
1
0
1
5
1
3
1
2
0
9
1
6
1
2
0
9
1
0
0
8
1
1
1
4
1
6
1
3
1
2
2
0
0
8
1
2
1
0



138

Programe por MINITAB:
a) La construccin de un histograma
b) El calculo de la mediana

12.- de 50 focos, la probabilidad de que haya al menos uno quemado es 0.06;
de que al menos dos focos estn quemados es 0.02. Determina la probabilidad
de que:

a) Ningn foco quemado
b) Exactamente dos focos quemados

13.-La ventas por hora de una maquina automtica pueden ser de 5, 8, 11, 13,
15 o 20
Gaseosas de litro con las probabilidades de 0.4, 0.3, 0.1, 0.1, 0.005, 0.05
Respectivamente. Determine la venta esperada a liquidar de las 14:00 horas a
las 22:00 horas.

14.- Debido a la elevada tasa de inters, una empresa reporta que el 20% de
sus cuentas por cobrar estn vencidas. Si un contador toma una muestra
aleatoria de 6 de estas cuentas. Determine la probabilidad de cada uno de los
siguientes eventos con la distribucin Binomial:

a) Exactamente 3 cuentas estn vencidas
b) Exactamente el 100% de las cuentas estn vencidas

15.- Se ha determinado que el nmero de clientes que llegan cada hora a una
tienda tiene la distribucin de probabilidad que se muestra en la tabla:

Numero clientes X 0 1 2 3 4 5 6

Probabilidad P(X) 0.03 0.07 0.10 0.15 0.25 0.20 0.20

Calcule el nmero de clientes esperando promedio que llegue a la tienda por
hora.

16.- El promedio anual de incendios grandes es una ciudad es de 8. Utilice la
distribucin de Posicin para determinar la probabilidad de que haya
exactamente dos incendios grandes en un periodo de tres meses.

17.-Las remuneraciones de los trabajadores de una empresa se distribuyen
normalmente, con una media de S/1250.00 mensual y una desviacin
estndar de S/150.00. Determine que porcentaje de los trabajadores que tienen
sus remuneraciones entre S/900.00 y S/1500.00 mensuales.

18.- Durante una semana determinada, se estima que la probabilidad de que el
precio de una accin especifica aumente0 es 0.30, permanezca sin cambios es
0.20 y se reduzca es 0.50.
a) Determina la probabilidad de que el precio de la accin
aumente o permanezca sin cambio.


139

b) Determina la probabilidad de que el precio de accin cambie
durante la semana.

19.- El dimetro medio interior de una muestra de 300 tubos producidos por
una fabrica es de 0.530 pulgadas y la desviacin estndar es de0.0005
pulgadas. El uso de los tubos permitir una tolerancia de 0.522 a 0.538
pulgadas; de otro moto se considera defectuosos. Determina el porcentaje de
tubos defectuosos suponiendo que los tubos producidos se distribuyen
normalmente.

20.- En unas elecciones, una de los candidatos obtuvo el 45 % de los votos.
Halla la probabilidad de que en un muestreo de 300 votantes elegidos al azar,
saliera mayoria a su favor.

21.- Con referencia a la siguiente tabla determina la probabilidad que una
familia elegida al azar tenga ingresos,

a) Entre S/. 23000 y S/. 29999
b) Menores S/. 39999.5

Ingreso anual de 500
Familias

Categora Rango de Ingreso Numero de
Familia
1 Menor de S/. 1800 60
2 S/. 1800 S/. 22999 100
3 S/. 23000 S/. 29999 160
4 S/. 33000 S/. 39999 140
5 S/. 40000 y mas 40

22.- Si la probabilidad de que un individuo sufra una reaccin negativa ante
una inyeccin de cierto suero es 0.002.
Halla la probabilidad de entre 3000 individuos, ms de 3 de ellos sufran
reacciones negativas, suponiendo una distribucin de poisson?

23.-Las lmparas que fabrica cierta empresa tiene una vida media de 1500
horas y una desviacin estndar de 100 horas.
Halla la probabilidad de que una muestra aleatoria de 25 lmparas tenga una
vida media entre 1450 y 1600 horas?

24.- Cual es la probabilidad de que un elemento elegido entre un inventario de
cinescopios tenga una vida en almacn entre 3 y 9 semanas? Se sabe que las
vidas siguen una distribucin normal con una media de 5 semanas y una
desviacin estndar de 3 semanas.

25.- La distribucin normal del peso de los estudiantes de una universidad es
en promedio 65 Kg., con una desviacin estndar de 5 Kg.
Determina los pesos lmites del 90 % central alrededor del peso promedio?



140

26.- en un Bufete de abogados hay 6 socios. A continuacin se indica el
numero de casos que cada miembro llevo a la corta en el mes pasado.

Socios
Nmeros de
Casos
Ruud 3
Austin 6
Sass 3
Palmer 3
Wilhelms 0
Schueller 1

a) Determina la media y el error estndar poblacionales.
b) Determina la distribucin de muestreo de medias de tamao 2,
el valor medio y error estndar de las medias mustrales.

27.- Suponiendo que usted en un agente de compras de un supermercado y
que toma una muestra aleatoria de 12 alubias en una planta envasadora. el
peso neto de las alubias al vaci de cada lata aparece en la tabla. Determine:

a) El peso neto medio de las alubias envasadas en cada lata de
esta muestra.
b) La desviacin estndar de la muestra.
c) Suponiendo que los pesos netos por lata tiene una distribucin
normal, estime el peso medio por lata de alubias envasadas
con un intervalo de confianza de 90 %.

Onzas por latas 15.7 15.8 15.9 16.0 16.1 16.2
Nmeros de latas 1 2 2 3 3 1

28.- Un contador piensa que el nmero medio de das necesarios para realizar
un trabajo debe ser U = 27 si la media es menor que 27, el contador teme que
l trabajo se ejecuta con descuido de calidad, mientras que una media por
encima de 27 puede dar lugar a unos gastos innecesarios.
Se Eligio al azar 50 trabajos con objeto de probar (contrastar esta afirmacin).
Se encuentra que la media es x = 26.7 das, con una desviacin estndar S
=2.1 das, el contador desea probar (contraste) la hiptesis con nivel de
significancia de 10% (90% de confianza). Determina el sistema de hiptesis y
realizar la prueba. Si rechaza la hiptesis nula, el contador tendr que volver a
valorar el proceso de trabajo para garantizar que se siguen procedimientos
adecuados.











141

0.00009
0.00008
0.00007
0.00006
0.00005
0.00004
0.00003
0.00002
0.00001
0.00000
X
D
e
n
s
i
d
a
d
34458
0.05
26234
Grfica de distribucin
Normal, Media=26234, Desv.Est.=5000

APLICACIN CON EL PROGRAMA DE MINITAB
DISTRIBUCION NORMAL

1. Un contador quiere saber el porcentaje de los costos de los insumos que
tiene una empresa en el proceso de produccin. El costo promedio esta
estimado en $ 26234 dlares anuales. Suponga que se aplica una
distribucin a los costos y que la desviacin estndar es de $ 5000
dlares. Cul es el porcentaje que se obtiene al tener costos
mayores a $ 3500 dlares?
Abrir el Minitab. Clic en Graph (Grafica).
Colocarse en el siguiente Men y opcin:
GraphProbabilityDistributionPlot (Grafica de distribucin de
Probabilidad).
Se despliega la ventana de ProbabilityDistributionPlots (parcelas de
distribucin de probabilidad).
Clic en View Probability (ver probabilidad).
Clic en Ok.
Seleccionar Distribucion Normal
Introducir los valores de la Media (mean), en este caso la Media es
de $ 26234 dlares
Y la desviacin estndar (Standarddesviation), este caso la
desviacin estndar es de $ 5000 dlares.
Al introducir estos datos tanto la Media y la desviacin estndar se
desplego una grafica.



















Double-click en Shaded Area (area sombreada).
SelccionarXvalue (valor X), adems hacer clic en cola a la y
proporcionar los valor de X, es decir $ 35000dlares.
Clic en Ok.


142

0.00009
0.00008
0.00007
0.00006
0.00005
0.00004
0.00003
0.00002
0.00001
0.00000
X
D
e
n
s
i
d
a
d
35000
0.03978
26234
Grfica de distribucin
Normal, Media=26234, Desv.Est.=5000
Minitab despliega la grafica de la distribucin normal con el
valor de la probabilidad sombreado. En este caso la grafica
muestra que la probabilidad es 0.03978 3.978%


















2. Un contador quiere saber el porcentaje de los costos de los insumos que
tiene una empresa en el proceso de produccin. El costo promedio esta
estimado en $ 26234 dlares anuales. Suponga que se aplica una
distribucin a los costos y que la desviacin estndar es de $ 5000
dlares.
Abrir el Minitab. Clic en Graph (Grafica).
Colocarse en el siguiente Men y opcin:
GraphProbabilityDistributionPlot (Grafica de distribucin de
Probabilidad).
Se despliega la ventana de ProbabilityDistributionPlots (parcelas
de distribucin de probabilidad).
Clic en View Probability (ver probabilidad).
Clic en Ok.
Seleccionar Distribucin Normal.

Introducir los valores de la Media (mean), en este caso la Media
es de $ 26234 dlares
Y la desviacin estndar (Standard desviation), este caso la
desviacin estndar es de $ 5000 dlares.
Al introducir estos datos tanto la Media y la desviacin estndar
se desplego una grfica.






143

0.00009
0.00008
0.00007
0.00006
0.00005
0.00004
0.00003
0.00002
0.00001
0.00000
X
D
e
n
s
i
d
a
d
35000
0.03978
26234
Grfica de distribucin
Normal, Media=26234, Desv.Est.=5000
0.00009
0.00008
0.00007
0.00006
0.00005
0.00004
0.00003
0.00002
0.00001
0.00000
X
D
e
n
s
i
d
a
d
20000
0.1062
26234
Grfica de distribucin
Normal, Media=26234, Desv.Est.=5000


















Double-click en Shaded Area (area sombreada).
SelccionarXvalue (valor X), adems hacer clic en cola a la y
proporcionar los valor de X, es decir $ 20000 dlares.
Clic en Ok.
Minitab despliega la grafica de la distribucin normal con el valor
de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es 0.1062 10.62%
















3. El rea de contabilidad de una empresa tiene registrada $25000 dlares
en promedio de cuentas por cobrar con una desviacin estndar de
$3000 dlares. Suponga que se hace distribucin normal. Cul es la
probabilidad por lo menos cobre $30000 dlares de las cuentas por
cobrar?


144

0.00014
0.00012
0.00010
0.00008
0.00006
0.00004
0.00002
0.00000
X
D
e
n
s
i
d
a
d
29935
0.05
25000
Grfica de distribucin
Normal, Media=25000, Desv.Est.=3000

Abrir el Minitab. Clic en Graph (Grafica).
Colocarse en el siguiente Men y opcin:
GraphProbabilityDistributionPlot (Grafica de distribucin de
Probabilidad).
Se despliega la ventana de ProbabilityDistributionPlots (parcelas de
distribucin de probabilidad).
Clic en View Probability (ver probabilidad).
Clic en Ok.
Seleccionar Distribucin Normal
Introducir los valores de la Media (mean), en este caso la Media es
de $ 25000 dlares
Y la desviacin estndar (Standard desviation), este caso la
desviacin estndar es de $ 3000 dlares.
Al introducir estos datos tanto la Media y la desviacin estndar se
desplego una grafica.


















DobleClic en Shaded Area (reasombreada).
SelccionarXvalue (valor X), adems hacer clic en cola a la y
proporcionar los valor de X, es decir $ 30000 dlares.
Clic en Ok.

Minitab despliega la grafica de la distribucin normal con el valor
de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es0.04779 4.779%





145

0.00014
0.00012
0.00010
0.00008
0.00006
0.00004
0.00002
0.00000
X
D
e
n
s
i
d
a
d
30000
0.04779
25000
Grfica de distribucin
Normal, Media=25000, Desv.Est.=3000



















4. El rea de contabilidad de una empresa tiene registrada $25000 dlares
en promedio de cuentas por cobrar con una desviacin estndar de
$3000 dlares. Suponga que se hace distribucin normal. Cul es la
probabilidad de que cobre entre $25000 dlares y 27500 dlares de
las cuentas por cobrar?

- Abrir el Minitab. Clic en Graph (Grafica).
- Colocarse en el siguiente Men y opcin:
GraphProbabilityDistributionPlot (Grafica de distribucin de
Probabilidad).
- Se despliega la ventana de ProbabilityDistributionPlots (parcelas
de distribucin de probabilidad).
- Clic en View Probability (ver probabilidad).
- Clic en Ok.
- Seleccionar Distribucin Normal
- Introducir los valores de la Media (mean), en este caso la Media
es de $ 25000 dlares Y la desviacin estndar (Standard
desviation), este caso la desviacin estndar es de $ 3000
dlares.


- Al introducir estos datos tanto la Media y la desviacin estndar
se desplego una grafica.







146

0.00014
0.00012
0.00010
0.00008
0.00006
0.00004
0.00002
0.00000
X
D
e
n
s
i
d
a
d
29935
0.05
25000
Grfica de distribucin
Normal, Media=25000, Desv.Est.=3000
0.00014
0.00012
0.00010
0.00008
0.00006
0.00004
0.00002
0.00000
X
D
e
n
s
i
d
a
d
25000
0.2977
27500
Grfica de distribucin
Normal, Media=25000, Desv.Est.=3000



















- DobleClic en Shaded Area (reasombreada).
- SelccionarXvalue (valor X), adems hacer clic en middle (medio) y
proporcionar los valor de X1 y X2, es decir $25000 y $27500
dlares respectivamente.
- Clic en Ok.
- Minitab despliega la grafica de la distribucin normal con el valor
de la probabilidad sombreado. En este caso la grafica muestra
que la probabilidad es 0.2977 29.77%
















5. El monto de dinero que se les pide en las solicitudes de prstamos en
Down River Federal Savings tiene una distribucin normal, una media de
$70,000 y un desviacin estndar de $20,000. Esta maana se recibi


147

una solicitud de prstamos. Cul es la probabilidad de que el monto
solicitado sea 80,000 o mayor?

La probabilidad acumulada es de


Rpta: z=0,50 entonces por la tabla de distribucin normal
es igual a 0,1915 de manera que 0,500-0,1915=0,3085 es la
probabilidad de que z sea mayor a 0,50 y por lo tanto de que x sea
mayor a 80,000.entonces 61,7% de los recibir en prestamos
los$80,000.

Abrir el Minitab, y clic en Graph.


Colocarse en el siguiente men y opcin:
GraphProbabilityDistributionPlot


148




Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK


SelccionarX Distributions normal
Introducir los valores de la media(Mean) y la desviacin estndar
(standardderivation)







149

Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x y x
Clic en OK


Minitab despliega la grafica de Minitab con el valor de la probabilidad
sombreada
0.000020
0.000015
0.000010
0.000005
0.000000
X
D
e
n
s
i
t
y
80000
0.3085
70000
Distribution Plot
Normal, Mean=70000, StDev=20000


6. Tel ComSatellite presta servicios de comunicacin a los negocios del
area metropolitana de Chicago los funcionarios de la compaa han
aprendido que la transmisin satlite promedio es de 150 segundos,
con la desviacin estndar de 15 segundos los tiempos parecen estar
distribuidos normalmente.

Para estimar de manera apropiada la demanda del cliente por sus
servicios y establecer una estructura de tarifa que maximice la
utilidades corporativas. TelCom debe determinar que tan probable es
que algunas llamadas se presentan. El director de servicios desea que
usted proporcione estimados de la probabilidad de que una llamada
dure entre 125 y 150 segundos.

Resolucin


150

Segundos
Segundos


=-1,67
Rpta : Z=-1,67 pero por la tabla de distribucin
da una rea de 0,4525. Por tanto la probabilidad de que una
transmisin dure entre 125 y 150 segundos es 45,25%








Solucion utilizando programa minitab 16

- Abrir el Minitab,y clic en Graph.



- Colocarse en el siguiente men y opcin:
GraphProbabilityDistributionPlot



151


- Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK

- SelecionarDistribucion normal
Introducer los valores de la media(Mean) y la desviaciones andar
(standardderivation)


- Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x y x
Clic en OK



152



- Minitab despliega la grafica de minitab con el valor de la probabilidad
sombreada

0.030
0.025
0.020
0.015
0.010
0.005
0.000
X
D
e
n
s
i
t
y
125
0.4522
150
Distribution Plot
Normal, Mean=150, StDev=15


7. La compaa Grear Tire Company ha fabricado un nuevo neumtico
que ser vendido por una cadena nacional de tiendas de descuento.
Como este neumtico es un producto nuevo, los directivos de Grear
piensan que la garanta de duracin ser un factor importante en la
aceptacin de neumtico. Antes de finalizar la pliza de garanta, los
directivos necesitan informacin probabilstica acerca de x=duracin
del neumtico en numero de millas.
De acuerdo con las pruebas realizadas al neumtico. Los ingenieros de
Grear estiman que la duracin media en millas es millas y que
las desviaciones estndar es . Adems, los datos recogidos
indican que es razonable suponer una distribucin normal. Qu porcentaje
de los neumticos se espera que duren ms de 40000 millas?

Solucin



Para que x=40000, se tiene




153

Rpta: ,z=0,70 entonces por la tabla de distribucin normal es
igual a 0,7580 de manera que 1000-0,7580=0,2420 es la probabilidad de
que z sea mayor a 0,70 y por lo tanto de que x sea mayor a
40000.entonces 24,2% de los neumticos durara ms de 40000 millas.

Solucin utilizado el programa minitab 16

- Abrir el Minitab,y clic en Graph.








- Colocarse en el siguiente men y opcin:
GraphProbabilityDistributionPlot




154


- Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK



- SelecionarDistribucion normal
Introducir los valores de la media(Mean) y la desviacin estndar
(standardderivation)



- Clic en ShadedArea
Seleccionar x vakue, clic en ightTail.y proporcional los valores de x
Clic en OK


- Minitab despliega la grafica de minitab con el valor de la probabilidad
sombreada


155

0.00009
0.00008
0.00007
0.00006
0.00005
0.00004
0.00003
0.00002
0.00001
0.00000
X
D
e
n
s
i
t
y
40000
0.2420
36500
Distribution Plot
Normal, Mean=36500, StDev=5000


DISTRIBUCION MUESTRAL

1. Un asistente contable necesita conocer la probabilidad de que la media
muestral de los precios de carpetas sea mayor que 10.5 soles,
considerando que el tamao muestral es 25 y la poblacin es de 2000.
Sabiendo que los precios se distribuyen (poblacionalmente) con u = 10
soles con una desviacin estndar poblacional de o = 1.5 soles.

Solucin

La media muestral se distribuye con media=10 y desviacin= 1.5/5= 0.3
(formula)
Grafica
Grfica de distribucin de probabilidad
Ver probabilidad
Media 10, desviacin 0.3
rea sombreada. Valor de x
Cola derecha
Escribir 10.5
Aceptar

Respuesta: 0.04779= 4.779%



156

1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
X
D
e
n
s
i
d
a
d
10.5
0.04779
10
Grfica de distribucin
Normal, Media=10, Desv.Est.=0.3


2. Un supervisor necesita evaluar si los productos terminados no presentan
defectos en el momento de llevarlos al inventario. l sabe que el
porcentaje de fallas se distribuye normalmente con media 5 y desviacin
de 1 (ambos en porcentajes). Determine la probabilidad que una
muestra recogida al azar de los inventarios presente en promedio menos
del 4.5% de defectos, sabiendo que la muestra que se desea vender es
de tamao 16 y que la poblacin en el inventario es de 10000 productos.

Solucin

La media muestral se distribuye con media=5 y desviacin= 1/4= 0.25
(formula)

Grafica
Grfica de distribucin de probabilidad
Ver probabilidad
Media 5, desviacin 0.25
rea sombreada. Valor de x
Cola izquierda
Escribir 4.5
Aceptar

Respuesta: 0.02275= 2.75%


157

1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
X
D
e
n
s
i
d
a
d
4.5
0.02275
5
Grfica de distribucin
Normal, Media=5, Desv.Est.=0.25


3. Un analista de crediticio desea conocer la situacin financiera de un
grupo de potenciales clientes. Sabe que el promedio de ingresos de la
poblacin es de 2000 soles y se tiene una desviacin de salarios de 600
soles. Determine la probabilidad de que el salario promedio de un grupo
de 36 personas escogidas al azar de toda la poblacin (N= 1000 000)
sea superior a 2100 soles.

Solucin

La media muestral se distribuye con media=2000 y desviacin= 600/6=
100 (formula)
Grafica
Grfica de distribucin de probabilidad
Ver probabilidad
Media 2000, desviacin 100
rea sombreada. Valor de x
Cola derecha
Escribir 2100
Aceptar

Respuesta: 0.1587= 15.87%


158

0.004
0.003
0.002
0.001
0.000
X
D
e
n
s
i
d
a
d
2100
0.1587
2000
Grfica de distribucin
Normal, Media=2000, Desv.Est.=100


4. La empresa ABC recoge informacin acerca de sus clientes y determina
que en conjunto el volumen de ventas presenta un valor promedio de
4000 soles y una desviacin de 2400 soles y el nmero total de clientes
es de 4000. Sin embargo, en un incendio se quem mucha
documentacin y solo se pudo recoger esa informacin, un asistente
contable necesita determinar cul es la probabilidad de que las ventas
promedio hechas a 100 clientes escogidos al azar est entre 3900 y
4200 soles.

Solucin

La media muestral se distribuye con media=4000 y desviacin=
2400/10= 240 (formula)
Grafica
Grfica de distribucin de probabilidad
Ver probabilidad
Media 4000, desviacin 240
rea sombreada. Valor de x
Centro
Escribir 3900 4200
Aceptar

Respuesta: 0.4592= 45.92%


159

0.0018
0.0016
0.0014
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
X
D
e
n
s
i
d
a
d
3900
0.4592
4200 4000
Grfica de distribucin
Normal, Media=4000, Desv.Est.=240



5. Un estudio determin que el promedio de los activos de un grupo de
empresas que listan en la Bolsa de Valores de Lima asciende a 45
millones de soles con una desviacin de 9 millones. Se sabe que hay
169 empresas que listan en bolsa, determine la probabilidad que el
promedio de los activos de una muestra de tamao 25 est entre 42 y
44.5 millones.

Solucin

La media muestral se distribuye con media=45 y desviacin= (9/raz
(25))* raz ((169-25)/(169-1))= 1.667 (formula con factor de correccin)

Grafica
Grfica de distribucin de probabilidad
Ver probabilidad
Media 45, desviacin 1.667
rea sombreada. Valor de x
Centro
Escribir 42 44.5
Aceptar

Respuesta: 0.3462= 34.62%


160

0.25
0.20
0.15
0.10
0.05
0.00
X
D
e
n
s
i
d
a
d
42
0.3462
44.545
Grfica de distribucin
Normal, Media=45, Desv.Est.=1.667

6. Una empresa de contadores auditores realiza estudios de investigacin
,con una duracin media de 520 horas(desde el inicio hasta culminar
dichos estudios),si estn distribuidos normalmente con una desviacin
estndar de 37 horas Cul es la de que un estudio elegido al azar
requiera entre 520 a 570 horas para completarlo ?
- Abrir el minitab click en graph
- Colocarse en el siguiente Men y opcin :graphprobability
distributionplot


- Tenemos la ventana de probabilitydistributionplots
- Click view probability
- Clik en ok


161

- Seleccionar Distribucin Normal
- Introducir los valores de la media (mean)
- Introducir la desviacin estndar


- Click en shaded rea
-Seleccionar X value
-Click en centro
-Click en middle y proporcionar los valores de X1 Y X2
- Click en OK


- En minitab se despliega la grafica de la distribucin normal con el valor
de la probabilidad sombreada
0.012
0.010
0.008
0.006
0.004
0.002
0.000
X
D
e
n
s
i
d
a
d
580.9
0.05
520
Grfica de distribucin
Normal, Media=520, Desv.Est.=37


162

- Obtemos la probabilidad
















































163

FUENTES DE I NFORMACI N
Bsica
1. - Anderson, D., Sweeney, D. y Willians, T. (2008). Estadstica para
administracin y economa (10a. ed.). Mxico: Thomson Learning.
2.- Berenson, M.yLevine. D. (1991). Estadstica para administracin y
economa: conceptos y aplicacin. Mxico: McGraw-Hill.
3.- Kazmier,L. (2006). Estadstica aplicada a la administracin y a la economa
(4a. ed.). Mxico: McGraw-HiIl.
4.- Levine, R. (2004). Estadstica para administracin y economa(7a. ed.).
Mxico: Pearson Educacin.

Complementaria
5.- Anderson, D., Sweeney y D., Willians,T. (2009). Estadstica para
administracin y economa. Mxico: Thomson.
6.- Arnaldos, F. (2003). Estadstica descriptiva: para economa y administracin
de empresas. Madrid: Thomson Editores.
7.-Avila, R. (2000). Estadstica elemental. Lima: RA.
8.-Kohler, H. (1996). Estadstica para negocios y economa, Mxico:
Continental.
9.-Martnez, C. (2002). Estadstica y muestreo. Bogot: ECOE.
10.- Romero, F. (2000). Estadstica para ti: aplicada a la investigacin. Lima:
(s.n.).
11.- Spiegel, R. (2009).Estadstica (4a. ed.). Mxico: McGarw-Hill.
12.- Webster , A. (2000). Estadstica aplicada a los negocios y la economa.
Bogot: McGraw-Hill.

FUENTES ELECTRONICAS:
Curso virtual: estadstica (s.f.), de http://www.iific.edu.pe/

SOFTWARE ESPECIALIZADO:
MINITAB - SPSS EXCEL

LIBROS CUYA COMPRA SE EST SOLICITANDO A LA USMP:
1.-Fadil, Z. (2004). Estadstica general aplicada.: Fondo Educativo
Interamericano
2.-Hanke, J. y Reitsch, A. (2004). Estadstica para negocios. Madrid: McGraw-
Hill
3.-Levin, R. y Rubin, D. (2004). Estadstica para administracin y economa (7a.
ed.) Mxico: Pearson Educacin