Histograma

Histograma. En estadstica, un histograma es una representacin grfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados. En el eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables, normalmente sealando las marcas de clase, es decir, la mitad del intervalo en el que estn agrupados los datos. Se utiliza cuando se estudia una variable continua, como franjas de edades o altura de la muestra, y, por comodidad, sus valores se agrupan en clases, es decir, valores continuos. En los casos en los que los datos son cualitativos (no-numricos), como sexto grado de acuerdo o nivel de estudios, es preferible un diagrama de sectores. Los histogramas son ms frecuentes en ciencias sociales, humanas y econmicas que en ciencias naturales y exactas. Y permite la comparacin de los resultados de un proceso.

Tipos de histograma

Diagramas de barras simples Representa la frecuencia simple (absoluta o relativa) mediante la altura de la barra la cual es proporcional a la frecuencia simple de la categora que representa. Diagramas de barras compuesta Se usa para representar la informacin de una tabla de doble entrada o sea a partir de dos variables, las cuales se representan as; la altura de la barra representa la frecuencia simple de las modalidades o categoras de la variable y esta altura es proporcional a la frecuencia simple de cada modalidad. Diagramas de barras agrupadas Se usa para representar la informacin de una tabla de doble entrada o sea a partir de dos variables, el cual es representado mediante un conjunto de barras como se clasifican respecto a las diferentes modalidades.

Polgono de frecuencias Es un grfico de lneas que de las frecuencias absolutas de los valores de una distribucin en el cual la altura del punto asociado a un valor de las variables es proporcional a la frecuencia de dicho valor. Ojiva porcentual Es un grfico acumulativo, el cual es muy til cuando se quiere representar el rango porcentual de cada valor en una distribucin de frecuencias.

En los grficos las barras se encuentran juntas y en la tabla los nmeros poseen en el primer miembro un corchete y en el segundo un parentesis, por ejemplo: [10-20)

Construccin de un histograma

Paso 1

Determinar el rango de los datos. Rango es igual al dato mayor menos el dato menor.

Paso 2

Obtener los nmeros de clases, existen varios criterios para determinar el nmero de clases (o barras) -por ejemplo la regla de Sturgess-. Sin embargo ninguno de ellos es exacto. Algunos autores recomiendan de cinco a quince clases, dependiendo de cmo estn los datos y cuntos sean. Un criterio usado frecuentemente es que el nmero de clases debe ser aproximadamente a la raz cuadrada del nmero de datos. Por ejemplo, la raz cuadrada de 30 ( nmero de artculos) es mayor que cinco, por lo que se seleccionan seis clases.

Paso 3

Establecer la longitud de clase: es igual al rango dividido por el nmero de clases.

Paso 4

Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los datos en relacin al resultado del PASO 2 en intervalos iguales.

Paso 5

Graficar el histograma: En caso de que las clases sean todas de la misma amplitud, se hace un grfico de barras, las bases de las barras son los intervalos de clases y altura son la frecuencia de las clases. Si se unen los puntos medios de la base superior de los rectngulos se obtiene el polgono de frecuencias.

El histograma de una imagen representa la frecuencia relativa de los niveles de gris de la

imagen. Las tcnicas de modificacin del histograma de una imagen son tiles para aumentar el contraste de imgenes con histogramas muy concentrados. Sea u una imagen de tamao NxN, la funcin de distribucin del histograma es:

Ejemplos de otros tipos de representaciones grficas: Hay histogramas donde se agrupan los datos en clases, y se cuenta cuntas observaciones (frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables cualitativas) las clases estn definidas de modo natural, p.e sexo con dos clases: mujer, varn o grupo sanguneo con cuatro: A, B, AB, O. En las variables cuantitativas, las clases hay que definirlas explcitamente (intervalos de clase). Se representan los intervalos de clase en el eje de abscisas (eje horizontal) y las frecuencias, absolutas o relativas, en el de ordenadas (eje vertical). A veces es ms til representar las frecuencias acumuladas. O representar simultneamente los histogramas de una variable en dos situaciones distintas. Otra forma muy frecuente, de representar dos histogramas de la misma variable en dos situaciones distintas. En las variables cuantitativas o en las cualitativas ordinales se pueden representar polgonos de frecuencia en lugar de histogramas, cuando se representa la frecuencia acumulativa, se denomina ojiva.

D i s t r i b u c i n d e fr e c u e n c i a s

La

distribucin

de

frecuencias

tabla

de

frecuencias

es

una

ordenacin en forma de tabla de los datos estadsticos , asignando a cada dato su frecuencia correspondiente.

Tipos de frecuencias
Frecuencia absoluta

La

frecuencia

absoluta

es

el

nmero

de

veces

que

aparece

un

determinado valor en un estudio estadstico.

Se representa por fi.

La suma de las frecuencias absolutas es igual al nmero total de datos, que se representa por N.

Para

indicar

resumidamente

estas

sumas

se

utiliza

la

letra

griega

(sigma mayscula) que se lee suma o sumatoria.

Frecuencia relativa

La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el nmero total de datos.

Se puede expresar en tantos por ciento y se representa por ni.

La suma de las frecuencias relativas es igual a 1.

Frecuencia acumulada

La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o iguales al valor considerado.

Se representa por Fi.

Frecuencia relativa acumulada

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un determinado valor y el nmero total de datos . Se puede expresar en tantos por ciento.

Ejemplo

Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas mximas :

32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.

En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la segunda hacemos el recuento y en la terce ra anotamos la frecuencia absoluta.

xi

Recuento

fi

Fi

ni

Ni

27

0.032

0.032

28

II

0.065

0.097

29

0.194

0.290

30

16

0.226

0.516

31

24

0.258

0.774

32

III

27

0.097

0.871

33

III

30

0.097

0.968

34

31

0.032

31

Este tipo de tablas de frecuencias se utiliza con variables discretas .

D i s t r i b u c i n d e fr e c u e n c i a s a g r u p a d a s
La distribucin de frecuencias agrupadas o tabla con datos

agrupados se emplea si las variables toman un nmero grande de valores o la variable es continua.

Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia

correspondiente.

Lmites de la clase

Cada clase est delimitada por el lmite inferior de la clase y el lmite superior de la clase.

Amplitud de la clase

La amplitud de la clase es la diferencia entre el lmite superior e inferior de la clase.

Marca de clase

La marca de clase es el punto medio de cada intervalo y es el valor que representa a todo el intervalo para el clculo de algunos parmetros.

C o n s t r u c c i n d e u n a ta b l a d e d a to s a g r u p a d o s

3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.

1 Se localizan los valores menor y mayor de la distribucin. En este caso son 3 y 48.

Se y

restan que

y sea

se

busca

un

nmero el

entero

un de

poco

mayor

que

la

diferencia establecer.

divisible

por

nmero

intervalos

queramos

Es conveniente que el nmero de interva los oscile entre 6 y 15.

En este caso, 48 - 3 = 45, incrementamos el nmero hasta 50 : 5 = 10 intervalos.

Se forman los intervalos teniendo presente que el lmite inferior de una clase pertenece al intervalo, pero el lmite superior no pertenece intervalo, se cuenta en el siguiente intervalo.

ci

fi

Fi

ni

Ni

[0, 5)

2.5

0.025

0.025

[5, 10)

7.5

0.025

0.050

[10, 15)

12.5

0.075

0.125

[15, 20)

17.5

0.075

0.200

[20, 25)

22.5

11

0.075

0.2775

[25, 30)

27.5

17

0.150

0.425

[30, 35)

32.5

24

0.175

0.600

[35, 40)

37.5

10

34

0.250

0.850

[40, 45)

42.5

38

0.100

0.950

[45, 50)

47.5

40

0.050

40

Un polgono de frecuencia es un grfico que se realiza a travs de la unin de los puntos ms altos de las columnas en un histograma de frecuencia (que utiliza columnas verticales para mostrar las frecuencias).

Los polgonos de frecuencia para datos agrupados, por su parte, se construyen a partir de la marca de clase que coincide con el punto medio de cada columna del histograma. Cuando se representan las frecuencias acumuladas de una tabla de datos agrupados, se obtiene un histograma de frecuencias acumuladas, que permite diagramar su correspondiente polgono.
CONCEPTOS. ESTADSTICA: Es una disciplina de las matemticas cuyo objetivo es analizar la informacin obtenida a fin de poder obtener un resultado mediante el mtodo de anlisis para la toma de decisiones. ESTADSTICAS: Son los resultados de los eventos que debern ser sujetos a un anlisis estadstico. POBLACIN: Es un conjunto entero de datos. Las poblaciones pueden ser de tipo finito o infinito. Ejemplo: Finito: Nmero de alumnos de un grupo. Infinito: Los nmeros. TOMA DE DATOS: Es un conjunto o una coleccin de datos que no han sido ordenados numricamente. Ejemplo: Un edificio tiene 15 apartamentos con el siguiente nmero de inquilinos: 2,1,3,5,2,2,2,1,4,2,6,2,4,3,1 DISTRIBUCIONES DE FRECUENCIAS. Estas pueden utilizarse cuando el nmero de datos es mayor que 30. Para ellos se recomienda utilizar el siguiente procedimiento: Se calcula el rango, el cual es igual al dato mayor menos el dato menor. Rango = Dato mayor - Dato menor. Se obtiene en forma aproximada el nmero de clases, el cual se divide el rango entre un valor arbitrario. Nmero de clases = ___Rango_____

X = valor arbitrario. Se ordenan las clases y se calculan las frecuencias absolutas y frecuencias relativas. MARCAS DE CLASE. Estas se obtienen sumando el limite real inferior mas el limite real superior y el resultado se divide entre 2. LIMITES REALES SUPERIORES E INFERIORES. Estos se obtienen sumando 0.5 a los limites superiores y restando 0.5 a los limites inferiores. LONGITUD TAMAO O ANCHURA DE CLASE (c). Este se obtiene restando el limite real superior menos el limite real inferior para cada clase. Ejemplo 1. Supongamos que las temperaturas en grados Fahrenheit medidas a las 6 de la tarde durante un periodo de 35 das son las siguientes: DATOS AGRUPADOS. 72 82 92 92 81 78 81 83 93 77 86 77 76 84 73 93 87 78 107 76 106 82 73 99 80 107 91 81 94 88 98 95 86 86 91

Hacer una distribucin de frecuencias. Rango= 107 - 72 = 35 Nmero de clases = Rango = 35 = 7 clases aproximadamente. X=5 5 DISTRIBUCIN DE FRECUENCIAS. Frecuen Limit Marc Limite Frecuen cia Frecuen Frecuen e a de Real cia Clas cia cia Real Relativa es Clas Superi Acumula Absoluta Relativa Inferi Acumula e or da or da 1 72-76 2 77-81 14.28% 8 22.85 1 37.1 79 76.5 81.5 % 3 3 20% 84 81.5 86.5 2 57.1 0 3

74

71.5

76.5

14.28

3 82-86

4 87-91

11.42 2 68.5 89 86.5 91.5 % 4 5 17.14 3 85.6 94 91.5 96.5 % 0 9 5.71 101. 3 99 96.5 91.4 % 5 2 2.85 10 101. 106. 3 94.2 % 4 5 5 3 5 5.71 10 106. 111. 3 99.9 % 9 5 5 5 6

5 92-96 97101 102106 107111

35 99.6% HISTOGRAMA Y POLGONO DE FRECUENCIAS. Es una representacin grfica mediante rectngulos cuyas bases corresponden a la longitud de la clase y las alturas a las frecuencias absolutas. HISTOGRAMAS: Se grafican en el eje horizontal las marcas de clase y en el eje vertical las frecuencias absolutas. POLGONO DE FRECUENCIAS: Es una representacin grfica que se obtiene en los puntos medios de los techos de los rectngulos, se unen con lneas rectas. POLGONO DE FRECUENCIAS RELATIVAS. Es una representacin grfica que se obtiene mediante las marcas de clase y las frecuencias relativas. DIAGRAMA DE PARETO. Es una representacin grfica en base a rectngulos, con la caracterstica de la mayor frecuencia absoluta hasta la menor. FRECUENCIAS ACUMULADAS. Estas se obtienen para cada una de las clases sumando la frecuencia absoluta de la clase actual mas la frecuencia o frecuencias absolutas anteriores. La grfica se llama OJIVA y esta se obtiene con los lmites reales superiores y las frecuencias acumuladas. MEDIDAS DE TENDENCIA CENTRAL. Entre las medidas de tendencia central ms comunes son: Media Aritmtica ( x ). Moda. Mediana. Las medidas de tendencia central son las que representan a un conjunto de datos. MEDIA ARITMTICA: Es aquella que se define como el promedio de un conjunto de datos. La media Aritmtica se obtiene tanto para datos agrupados como los no agrupados. DATOS NO AGRUPADOS:

Donde: X = Datos. N = Nmero total de datos. Ejemplo: 66, 100, 98, 96, 58, 94, 90 = 66, 100, 98, 96, 58, 94, 90 = 602 = 86. 77 DATOS AGRUPADOS:

Donde: X = Nmero de datos N = Nmero total de datos. f = Frecuencias absolutas. Ejemplo:

MODA: Es la medida de tendencia central que se define como el valor que se presenta con mayor frecuencia, es decir el ms comn. La moda para datos no agrupados presenta los siguientes casos: Caso 1: 2, 3, 3, 4, 4, 4, 5, 7, 8, 9. Moda = 4. Caso 2: 2, 5, 5, 6, 6, 7, 9, 16. Moda = 6, 5. Caso 3: 2, 4, 5, 6, 7, 8, 11. No existe Moda. La moda para datos agrupados presenta la siguiente formula:

Donde: L1 = Es el limite inferior de la clase que contiene la moda. 1 = Es la diferencia de la frecuencia modal menos la frecuencia de la clase contigua inferior. 2 = Es la diferencia de la frecuencia de la clase menos la frecuencia de la clase contigua superior. C = Es el tamao, longitud o anchura de clase. Ejemplo: 1=8-5=31=8-7=1 3 Moda = 76.5 + 5 = 76.5 + 3 (5) = 76.5 + 3.75 = 80.25 3+1 Moda = 80.25. MEDIANA: Es la medida que se define como el valor que divide a un conjunto de datos en dos partes iguales. La moda presenta los siguientes casos: Caso 1: (Conjunto impar). 2, 3, 4, 5, 7 , 7, 8, 9, 13 Mediana Mediana = 7 Caso 2: (Conjunto par ). 1, 3, 3, 6, 7, 8, 9, 15 6 + 7 = 13 = 6.5 2 Mediana = 6.5 Para calcular la mediana para datos agrupados se aplica la siguiente frmula: Mediana = L + N _ f C 2 fm Donde: L = Es el lmite real inferior de la clase que contiene la mediana. N = Es el nmero total de datos en el conjunto.

f =Es la suma de las frecuencias acumuladas inferiores sin contar la frecuencia de la clase que contiene la mediana. C = Es el tamao, longitud o anchura de la clase. *NOTA: La clase que contiene la mediana se obtiene contando las frecuencias absolutas, de arriba hacia abajo y viceversa localizndola donde nos de la mitad de N. Ejemplo: 35 - 13 Mediana = 81.5 + 2 5 = 81.5 + (17.5 - 13 ) = 77 Mediana = 81.5 + 3.21 = 84.71 RELACION EMPRICA ENTRE MEDIA ARITMTICA, MODA Y MEDIANA.

86.57 - 80.25 " 3 (86.57 - 84.71) 6.32 " 5.58 MEDIDAS DE DISPERSIN. DISPERSIN: Es el grado en que los datos numricos tienden a extenderse alrededor de un valor medio. 3 X 85 Entre las medidas mas importantes de dispersin se tienen AMPLITUD DE VARIACIN (RANGO). DESVIACIN MEDIA ABSOLUTA (D.M): Es la media aritmtica de los valores absolutos de las desviaciones con respecto a la media aritmtica. Para calcular las desviacin media para los datos no agrupados se utiliza la siguiente frmula:

N Donde: X = Datos = Media Aritmtica. | | = Valor absoluto. N = Nmero Total de Datos. Ejemplo: D.M = |66-86| + |100-86| + |98-86| + 96-86| + |58-86| + |94-86| + |90-86| 7 D.M = |20| + |14| + |12| + |10| + |28| + |8| + |14| =13.71

7 Para calcular la desviacin media para datos agrupados se utiliza la siguiente frmula:

Donde: X = Marcas de clase. f = Frecuencias Absolutas. = Media Aritmtica. N = Nmero total de datos en el conjunto. Ejemplo: D.M = 5|74-86.57|+8|79-86.57|+7|84-86.57|+4|89-86.57|+ 6|94-86.57|+2|99-86.57|+1|104-86.57|+2|109-86.57| = 35 D.M =|62.85|+|60.56|+|17.99|+|9.72|+|44.58|+|24.86|+|17.43|+|44.86|= 35 D.M = 282.85 = 8.08 35 DESVIACIN TIPICA O ESTNDAR: Se define como la raz cuadrada de la varianza. Para calcular las desviacin tpica para los datos no agrupados mayores de 30 se utiliza la siguiente frmula:

Para menores de 30:

Ejemplo:

Para calcular la desviacin tpica o estndar para datos agrupados se utiliza la siguiente frmula:

Donde: f1 = Frecuencia Absoluta. Ejemplo:

= 9.66 VARIANZA: Se define como la desviacin tpica o estndar elevada al cuadrado; su smbolo es 2. Ejemplo: 2 = (9.66)2 = 93.31 REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TIPICAS: Para una desviacin tpica el porcentaje es del 68.27%

 El porcentaje para 2 desviaciones tpicas es igual al 95.45%.

El porcentaje para 3 desviaciones tpicas es igual a 99.73%.

MODELO. El presidente de Ocean Airlines intenta hacer una estimacin de cuanto se tardar el Departamento de Aeronutica Civil en decidir acerca de la solicitud de la compaa sobre una nueva ruta entre la ciudad de Charlotte y Los Angeles. Los asesores del presidente han conseguido los siguientes tiempos de espera de las solicitudes hechas durante el ao anterior. Los datos estn en das desde la fecha de solicitud hasta la respuesta del D.A.C. 34 49 29 24 29 40 34 40 44 22 23 38 31 37 28 28 31 30 39 44 31 33 34 32 51 40 42 31 36 31 25 26 38 34 44 35 35 35 36 28 47 27 37 41 47 32 31 33 39 31

a) Construya ana distribucin de frecuencias utilizando 10 intervalos cerrados igualmente espaciados. Rango = 51 - 22 = 29 = 9.66 " 10 3 Frecuencia Frecuencia Absoluta 3 3 6 Relativa 6% 6% 12% Marca Limite de Real Limite Real Frecuencia Acumulada 3 6 12 Frecuencia Relativa Acumulada 6 12 24

Clases

Clase Inferior Superior 23 26 29 21.5 24.5 27.5 24.5 27.5 30.5

1 2 3

21 - 24 25 - 27 28 - 30

4 5 6 7 8 9 10

31 - 33 34 - 36 37 - 39 40 - 42 43 - 45 49 - 48 49 - 51

12 8 6 5 4 2 1

24% 16% 12% 10% 8% 4% 2%

32 35 38 41 44 47 50

30.5 33.5 36.5 39.5 42.5 45.5 48.5

33.5 36.5 39.5 42.5 45.5 48.5 51.5

24 32 38 43 47 49 50

48 64 76 86 94 98 100

50 100% Longitud = 3. HISTOGRAMA Y POLGONO DE FRECUENCIAS. DIAGRAMA DE PARETO. POLGONO DE FRECUENCIAS RELATIVAS. OJIVA. MEDIA.

3(23)+3(26)+6(29)+12(32)+8(35)+6(38)+5(41)+4(44)+2(47)+1(50)= 50 X = 34.76 MODA.

6 Moda = 30.5 + 3 = 30.5 + 1.8 = 32.3 6+4 MEDIANA. Mediana = L + N _ f C 2 fm

50 24 3 Mediana = 33.5 + 2 = 33.5 + 0.375 = 33.875 RELACION EMPRICA.

37.46 - 32.3 " 3 (34.76 - 33.875) 2.46 " 2.65 DESVIACIN MEDIA.

3|23-34.76|+3|26-34.76|+6|29-34.76|+12|32-34.76|+8|35-34.76|+ 6|38-34.76|+5|41-34.76|+4|44-34.76|+2|47-34.76|+1|50-34.76| = 50 35.28+26.28+34.56+33.12+1.92+19.44+31.2+36.96+24.48+15.24 = 50 D.M = 5.16 DESVIACIN TPICA O ESTNDAR.

="3(23-34.76)2+3(26-34.76)2+6(29-34.76)2+12(32-34.76)2+8(35-34.76)2 +6(3834.76)2+5(41-34.76)2+4(44-34.76)2+2(47-34.76)2+1(50-34.76)2 50 = 6.4298 VARIANZA. 2 2 = (6.4298)2 = 41.3423 REGLA EMPRICA PARA UNA, DOS Y TRES DESVIACIONES TPICAS. Para una desviacin tpica: X. 34.76 9.66 34.76 + 9.66=44.42 34.76 - 9.66= 25.1 Para dos desviaciones tpicas: X 2. 34.76 2(9.66)

34.76 + 19.32=54.08 34.76 - 19.32= 15.44 Para tres desviaciones tpicas: X 3. 34.76 3(9.66) 34.76 + 28.98=63.74 34.76 - 28.98= 5.78 CAPITULO II. DESCRIPCIN DE DOS CONJUNTOS DE DATOS. ANLISIS DE CORRELACIN. Es el grupo de tcnicas estadsticas empleado para medir la intensidad de la relacin entre dos variables. Se deben identificar la variable dependiente y la independiente. Ejemplo: Se est efectuando un proyecto de investigacin en una empresa para determinar si existe relacin entre los aos de servicio y la eficiencia de un empleado. El objetivo de estudio fue predecir la eficiencia de un empleado con base en los aos de servicio. Los resultados de la muestra son: Empleados A B C D E F G H Aos de Servicio Puntuacin de eficiencia X 1 20 6 8 2 1 15 8 Y 6 5 3 5 2 2 4 3 XY X2 Y2 Y 6 1 36 3.23

100 400 25 4.64 18 36 9 3.61 40 64 25 3.77 4 2 4 1 4 3.31 4 3.23

60 225 16 4.30 24 64 9 3.77

x = 61 y = 30 xy=254 x2 =795 y2=128 DIAGRAMA DE DISPERSIN. Es la grfica que representa la relacin entre dos variables de intereses. COEFICIENTE DE CORRELACIN. Es la medida de la intensidad de la relacin entre dos conjuntos de variables.

Para calcular el coeficiente de correlacin se utiliza la siguiente frmula:

Ejemplo:

r = .3531 ANLISIS DE REGRESIN. Es la tcnica empleada para hacer predicciones. Para ello se emplea la ecuacin de regresin mediante el mtodo de mnimos cuadrados; dicha ecuacin se le conoce como la ecuacin de estimacin de o de pronstico la cual se expresa: y' = a +bX donde: a = Coordenada de la interseccin con el eje y. b = Es la pendiente de la recta. x = Cualquier valor seleccionado para la variable independiente. y' = Es el valor pronosticado de la variable y para un valor seleccionado de x. Matemticamente se obtiene de la siguiente manera:

Ejemplo: b = 202 = .0765 2639 a = 3.75 - .0765 ( 7.625) = 3.16 COEFICIENTE DE DETERMINACIN (r2).

Se define como la proporcin de la variacin total en la variable dependiente y que se explica por o se debe a la variacin en la variable dependiente x. El coeficiente de determinacin se obtiene aplicando la siguiente frmula: r2 = Variacin total - Variacin no explicada. Variacin Total.

( y - y )2 ( y - y )2 5.0625 1.5625 0.5625 1.5625 3.0625 3.0625 0.0625 0.5625 7.6729 0.0961 0.3721 1.5129 1.7161 1.5129 0.09 0.5929

15.5 13.5659 r2 = 15.5 - 13.5659 = 0.1247 = 0.1247 15.5 ERROR ESTNDAR DE ESTIMACIN. Es aquel que mide la dispersin de los valores observados con respecto a la recta de regresin. El error estndar de estimacin se obtiene aplicando cualquiera de las siguientes frmulas.

Ejemplo:

1. " 13.5659 = 1.5036 6 2. " 128 - 3.166(30) - 0.0765(254) = 1.5049 MODEL0. Un analista de operaciones realiza un estudio para analizar la relacin entre la produccin y costos de fabricacin de la industria electrnica. Se toma una muestra de 10 empresas seleccionadas de la industria y se dan los siguientes datos: Empresa A B C D E F G H I J Miles de Unidades 40 42 48 55 65 79 88 100 120 140 Miles de $ 150 140 160 170 150 162 185 165 190 185 xy 6000 5880 7680 9350 9750 12798 16280 16500 22800 25900 y2 1600 1764 2304 3025 4225 6241 7744 10000 14400 19600 y2 22500 19600 25600 28900 22500 26244 34225 27225 36100 34225

777 1657 132,938 70,903 277,118 Determinar: Cual es la variable dependiente y cual la independiente. Hacer el diagrama de dispersin. El coeficiente de correlacin. La recta de regresin mediante el mtodo de mnimos cuadrados. El coeficiente de determinacin. El error estndar de estimacin. Determinar el costo que se tiene al producir 50,000 y 150,000 unidades. Variable dependiente: Miles de unidades. Variable Independiente: Miles de pesos. DIAGRAMA DE DISPERSIN.

c)

r = 1329,380 - 1287,489 = " [709030 - 603729][2771190 - 2745949] r = ___41891 = _41891__ = 0.8078 " (105301)(25541) 51860.32 d) y = a + bX b = 41891 = 0.3978 105301 a = 165.7 - (.3978) (77.7) = 134.7909 y= 134.7909 + 0.3978 X e) r2 = (0.8078)2 = 0.65254084 f) Syx = (277119) - 134.7909 (1657) - (.3978) (132.938) " 10 - 2 Syx = 10.53 g) 134.9909 + 0.3978(50) = 154.8809 134.9909 + 0.3978(150) = 199.6609 CAPITULO III. VARIABLES ALEATORIAS Y FUNCIONES DE PROBALIDAD. ESPACIO MUESTRAL: Es el conjunto de todos los resultados posibles de un experimento o muestra. EVENTO: Es el resultado de un experimento. Los eventos se clasifican en tres tipos: Simple. Mltiple. Imposible. VARIABLE OPCIONAL: Es aquella que est en funcin valorada numricamente, cuyo valor est regido por factores en los que interviene el azar. Las variables aleatorias se clasifican en dos tipos: Variables aleatorias continuas: Son aquellas en las que se considera si se puede asumir cualquier valor dentro de un determinado intervalo. Variables aleatorias discretas: Son aquellas que se consideran si los valores que se asumen se pueden contar.

Ejemplo: Continua:

Estatura de una persona. Nmero de litros de agua en un estanque. Discreta: Nmero de muestra de un lote. Cantidad de alumnos de un grupo. Las probabilidades se utilizan para expresar cuan probable es un determinado evento. La probabilidad de que un evento ocurra est representada del 0 a 1. Ejemplo: Evento: Lanzamiento de una par de dados. Qu nmero sumado puede dar? Hallar la variable aleatoria. El espacio muestral. La probabilidad. La grfica en forma tcnica. Hacer la grfica de un experimento aleatorio con 100 lanzamientos. y compararla con la anterior. Variable Aleatoria 2 3 4 5 6 7 8 9 10 11 12 (1,1) (2,1),(1,2) (3,1),(2,2),(1,3) (4,1),(3,2),(2,3),(1,4) (5,1),(4,2),(3,3),(2,4),(1,5) (6,1),(5,2),(4,3),(3,4),(2,5),(1,6) (6,2),(5,3),(4,4),(3,5),(2,6) (6,3),(5,4),(4,5),(3,6) (6,4),(5,5),(4,6) (6,5),(5,6), (6,6) Espacio Muestral Probabilidad Clsica. 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Probabilidad en el experimento 1.66 6.66 10 12.5 15 17.5 11.66 10 9.3 4.16 2.5

d) Grfica en forma clsica. e) Grfica del experimento de 100 lanzamientos. FACTORIAL DE N. Para calcular el factorial de un nmero positivo se aplican la siguiente frmula: n! = n(n - 1) (n - 2) . . . 1 Ejemplos: 0! = 1 1! = 1 2! = 2 3! = 6 4! = 24 PERMUTACIONES Y COMBINACIONES. Una permutacin se representa nPr, es una ordenacin de n objetos tomados de r en r. Una permuta aplica la siguiente frmula: nPr = n! (n - r)! Ejemplo: r = 2 6P2 = 6! = 720 = 30 n = 6 (6- 2)! Una combinacin es una seleccin de n objetos o cosas seleccionadas de r en r. Una combinacin se obtiene con la siguiente frmula: nCr =_ n!___ r! (n - r)! Ejemplo: r=2 n=6 6C2 = 6!___ = 6!__ = 6 . 5. 4. 3. 2. 1 = 30 = 15 2!(6-2)! 2!.4! 2. 1 4. 3. 2. 1 2 Ejemplo: En cuantas formas puede una sucursal local en una sociedad programar a 3 conferencistas en 3 diferentes congresos, si los primeros estn disponibles en cualquiera de 5 fechas posibles. n = 5 nPr = n!__ r = 3 (n - r)! 5. 4. 3. 2. 1 = 60 Formas 2. 1

En cuantas formas diferentes puede un superior seleccionar un equipo de 5, de 8 personas que trabajan para el. n = 8 nCr =_ n!___ r = 5 r! (n - r)! 8!__ = 8. 7. 6. 5. 4. 3. 2. 1 = 336 = 56 Formas. 5!(8-5)! (5. 4. 3. 2. 1)(3. 2. 1) PRINCIPIO FUNDAMENTAL. Si un suceso o evento puede presentarse con cualquiera de las n1 formas distintas y si otro suceso ha ocurrido relacionado con el primero de las n2 distintas, entonces el nmero de formas en que ambos sucesos en orden especfico pueden presentarse ser n1 . n2 formas. Ejemplo: De cuantas formas pueden ordenarse 7 libros en un estante? Si es posible cualquier ordenacin. 3 libros determinados deben estar juntos. 2 libros determinados deben ocupar los extremos. a) 7P7 = 7!__ = 7. 6. 5. 4. 3. 2. 1 = 5040 (7-7)! 1 b) 5P4 . 3P3 = 5!_ 3!_ = 5. 4. 3. 2. 1 3 .2. 1 = 120 x 6=720 (5-5)! (2-2)! 1 1 c) 5P2 . 2P2 = 5!_ 2!_ = 5. 4. 3. 2. 1 2. 1 = 120 x 2=240 (5-5)! (2-2)! 1 1 Una clase de 9 nios y 3 nias. Hallar el nmero de posibilidades que tiene un profesor de elegir un comit de 4 integrantes. Tiene que haber 2 nios y 2 nias. Tiene que haber exactamente una nia. a) 12C4 = 12!_ = 12. 11. 10. 9. 8. 7. 6. 5. 4. 3. 2. 1 = 495 Formas. 4!(12-4)! (4. 3. 2. 1) (8. 7 .6 .5 .4 .3. 2. 1) b) 3C2 . 9C2 = (3) (36) = 108 Formas. c) 3C1 . 9C3 = (3) (84) = 252 Formas. Un granjero compra 3 vacas, 2 cerdos, 4 gallinas a un hombre que tiene 6 vacas, 5 cerdos y 8 gallinas. Cuntas elecciones puede hacer? 6C3 . 5C2 . 8 C4 = (20) (10) (70) = 14,000 formas. ESPERANZA MATEMTICA. Es la cantidad que un jugador espera ganar como media cada vez que juega. Si el valor de E es positivo se dice que el juego est a favor del jugador, si E es negativo esta en su contra y se dice que es una perdida.

Para calcular la esperanza matemtica de un cierto evento se aplica: E = W1P1 + W2P2 + . . . +WnPn Ejemplo: 1. Un jugador tira 2 dados, si la suma es de 7 11 gana 7 dlares, con cualquier otro resultado pierde 2 dlares. Determine el valor esperado del juego. E=? W1 = $7 E = (7) (8/36) - (2) (28/36) P1 = 6 + 2 = 8 36 36 56 - 56 = 0 36 36 W2 =-$2 P2 = 28 36 2. Si un hombre compra una papeleta de rifa en la que puede ganar un primer premio de 5,000 dlares un segundo premio de 2,000 dlares con probabilidades de .001 y .003. Cul sera el precio justo a pagar por la papeleta? E=? W1 = $5,000 E = (5000) (.001) - (2000) (.003) P1 = .001 W2 =-$2,000 P2 = .003 E = $5 + $6 = $11 3. Un juego consiste en tirar una moneda no-truncada 4 veces. Un jugador gana 3 dlares si sale 2 o mas veces cara, de cualquier otra forma el jugador pierde 4 dlares. Hallar el valor esperado E del juego. E=? W1 = $3 E = (3)(11/16) - (4)(5/16) P1 = 11/16 W2 =-$4 E = 33 - 20 = 13 P2 = 5/16 16 16 16 CAPITULO IV. FUNCIONES DE PROBABILIDAD. DISTRIBUCIN DE PROBABILIDAD: Es la distribucin de frecuencias relativas respecto a resultados del espacio muestral, seala la proporcin de veces en que la variable aleatoria tiende a obtener diversos valores. Considerando que la probabilidad de que un evento suceda o no suceda es igual a 1, para ello se aplica la siguiente frmula: 1 = p + q p = 1 - q q = 1 -p

p = Probabilidad de xito. q = Probabilidad de no xito. Las distribuciones de probabilidad se clasifican de 2 tipos: Binomial. LAS DISCRETAS. Poison. Hipergeomtrica. CONTINUAS. Normal. Distribuciones de probabilidad discretas: 1. Distribucin Binomial: Para calcular la probabilidad mediante esta distribucin de acuerdo a las caractersticas, se aplica la siguiente frmula. P(x) = _ n!___ px qn-x x! (n-x)! Donde: n = Nmero de ensayos. p = Proporcin de xito que se tiene en el evento. q = Proporcin de no-xito o de fracaso que se tiene en el evento. x = Es el nmero de veces que se obtiene al obtener xito. Ejemplo: 1. El 8% de las hamburguesas que se venden en un estadio de bisbol, se piden sin mayonesa. Si 7 personas ordenan hamburguesas encuentre la probabilidad de que: Todas las quieran con mayonesa. Solo 1 la quiera con mayonesa. Datos: p = .92% q = .08% n=7 x = 7 P(7) = 7!___ (.92)7 (.08)7-7 = 0.5578 7!(7-7)! x = 1 P(1) = 7!___ (.92)1 (.08)7-1 = 0.000001688 1!(7-1)! 2. El 90% de probabilidades de que un tipo particular de complemento funcione adecuadamente en condiciones de alta temperatura. Si el dispositivo en cuestin incluye 4 de esos componentes, determine la probabilidad de que: Todos los componentes funcionen adecuadamente y por lo tanto el dispositivo es operante. El dispositivo es inoperante por que falla exactamente 1 de los 4 componentes. El dispositivo es inoperante por que falla 1 o mas de los componentes.

Datos: p = .90% q = .10% x=4 a) x = 4 P(4) = 4!___ (.90)4 (.10)4-4 = 0.6561 4!(4-4)! b) p = 0.10% P(1) = 4!___ (.10)1 (.90)4-3 = .2916 q = 0.90% 1!(4-1)! x=1 c) p = 0.10% q = 0.90% x = 1, 2, 3,4 P(1, 2, 3, 4) = 4!___ (.10)1 (.90)3+ 4!___ (.10)2 (.90)4-2+ 1!(4-1)! 2!(4-2)! 4!__ (.10)3 (.90)4-3+ 4!__ (.10)4 (.90)4-4= 3!(4-3)! 4!(4-4)! 0.2916 +0.0486 + 0.0036 +0.0001 = 0.3439 Una familia tiene 6 hijos. Hallar la probabilidad de que sean: 3 nios y 3 nias. Menos nios que nias. Tomaremos 0.5 como la probabilidad de que un hijo sea nio. Datos: p = 0.5% nios. q = 0.5% nias. n = 6 hijos. a) x = 3 P(3)= 6!__ (0.5)3 (0.5)6-3= 0.3125 3!(6-3)! b) x =0, 1, 2 P(0,1, 2) = 6!___ (0.5)0 (0.5)6-0+ 6!___ (0.5)1 (0.5)6-1+ 0!(6-0)! 1!(6-1)! 6!__ (0.5)2 (0.5)6-2= .0152 + .09375 + .2343 = .3436 2!(6-2)! 2. Distribucin de probabilidad Poison: Esta distribucin tiene muchas aplicaciones y se utiliza como modelo para describir fenmenos, por ejemplo el nmero de errores en captura de datos, las imperfecciones en piezas recientemente pintadas, el nmero de partes defectuosas en ciertos embarques, el nmero de clientes que llegan a un banco a solicitar servicio, el nmero de errores que una secretaria comete por pgina, el nmero de accidentes que ocurren en un determinado tiempo, etc.

Esta probabilidad utiliza la siguiente frmula: P(x) = e- . x x! = Promedio de ocurrencia del suceso o evento. x = Nmero pedido de acuerdo a la probabilidad. e = Nmero de Euter ( 2.7172). Cuando la probabilidad es muy pequea se debe de contar el nmero de la poblacin, para ello el promedio de ocurrencia se obtiene: =N.P Ejemplo: 1. La seora Garca esta encargada de los prstamos de un banco. Con base en sus aos de experiencia, estima que la probabilidad de que un solicitante no sea capaz de pagar oportunamente sus prstamo es de .025, el mes pasado realizo 40 prstamos: Cul es la probabilidad de que 3 prstamos no se paguen oportunamente? Cul es la probabilidad de que al menos 3 prstamos se liquiden a tiempo? Datos: P = .025 N = 40 = (40)(.025)=1 cliente. x = 3 P(3)= e-1.13 = (.3678)(1) = .0613 3! 6 x = 3 o ms. P(0,1,2) = e-1. 10 + e-1. 11 + e-1 . 12 = 0! 1! 2! .3679+ .3679+ .3679 = .3679 + .3679 + .1839 = 0.9197 112 P(3 o ms) = 1 - q = 1 - 0.9197 = 0.0803 % Probabilidad pedida. 2. Los automviles que llegan a una salida de una carretera a razn de 2 por minuto. Cul es la probabilidad que en un minuto dado no lleguen automviles? Cul es la probabilidad e que al menos 1 automvil llegue durante un minuto especifico? Datos: = 2 autos / minuto. Probabilidad a) x = 0 P(0)= e-2.20 = (0.1353)(1) = 0.1353 pedida. 0! 1 b) x = 1 o ms. P(1 o ms) = 1 - q

= 1 - 0.1353% Probabilidad pedida. 3. Supongamos que el 2% de la poblacin es zurda. Hallar la probabilidad de encontrar 3 o ms zurdos en 100 personas. Datos: P = 2% = .02 N = 100 = (100)(.02) = 2 P(0,1,2) = e-2. 20 + e-2. 21 + e-2 . 22 = 0! 1! 2! .1353(1) + .1353(2)+ .1353(4) = .1353 + .2706 + .3706 = 0.6765 112 Probabilidad 1 - q = 1 - .6765 = .3234 pedida. 4. A una construccin llegan camiones de carga a razn media de 2.8 camiones por hora. Obtenga la probabilidad de tener 3 o ms camiones que lleguen en un: Lapso de 30 minutos. Lapso de 1 hora. Lapso de 2 horas. Datos: P = 2.8 Camiones / minuto a) x = 0, 1,2 P(0,1,2) = e-1.4. 1.40 + e-1.4. 1.41 + e-1.4 . 1.42 = = 1.4 0! 1! 2! .2465(1) + .2465(1.4)+ .2465(1.96)=.2465 + .3451 + .2415 = .8331 112 Probabilidad pedida = 1 - .8331 = .1669 b) x = 0, 1,2 P(0,1,2) = e-2.8. 2.80 + e-2.8. 2.81 + e-2.8 . 2.82 = = 2.8 0! 1! 2! .0608(1) + .0608(2.8)+ .0608(7.84)= .0608 + .1702 + .2383 = .4693 112 Probabilidad pedida = 1 - .4693 = .5307 c) x = 0, 1,2 P(0,1,2) = e-5.6. 5.60 + e-5.6. 5.61 + e-5.6 . 5.62 = = 5.6 0! 1! 2! .0036(1) + .0036(5.6)+ .0036(31.36) =.0036 + .0207 + .0596 = .0823 112 Probabilidad pedida = 1 - .0823 = .9177 3. Distribucin de probabilidad Hipergeomtrica: Cuando la poblacin es finita y el muestreo se hace sin reemplazo, la probabilidad cambiar para cada nueva observacin, en tales circunstancias se tendr una distribucin Hipergeomtrica, est

debe estar formada por 2 grupos de individuos u objetos. Un primer grupo constituido por aquellos individuos que poseen las caracterstica de estudio; se representar N1; y el otro grupo estar conformado por los que no poseen la caracterstica y el nmero de sus elementos se representar con N2. La probabilidad mediante una distribucin Hipergeomtrica se obtiene:

Donde: x = Nmero de xitos el los n ensayos donde el muestreo es sin repeticin. Ejemplo: 1. Una empresa produce 100 unidades de las cuales 90 son buenas y 10 son defectuosas. Se toman 20 unidades sin remplazo; halle la probabilidad de que resulten 5 defectuosas. Datos: N1 = 10 N2 = 90 P(5) = 10C5 . 90C15 = (252)(4.58 x 1016) = 0.0215 N = N1 + N2 = 100 100C20 5.36 x 1020 n = 20 x=5 2. 15 de los 20 estudiantes de una grupo escolar estn insatisfechos con el texto que se emplea. Si una muestra aleatoria de 4 estudiantes es interrogada sobre el libro de texto. Determine la probabilidad: Exactamente 3. Al menos 3 estudiantes. Se muestren insatisfechos con el libro. Datos: N1 = 15 N2 = 5 N = N1 + N2 =20 n=4 Probabilidad a) x = 3 P(3) = 15C3 . 5C1 = (455)(5) = 0.4695 pedida

20C4 4845 Probabilidad b) x = 3, 4 P(4) = 15C4 . 5C0 = (1365)(1)= 0.2817 pedida 20C4 4845 3. Una caja contiene 30 baterias para radio de las cuales 5 son defectuosas. De la caja se escogen al azar 6 baterias; halle la probabilidad de que: 2 sean defectuosas. Ninguna sea defectuosa. Menos de 3 sean defectuosas. Datos: N1 = 5 N2 =25 N = N1 + N2 = 30 n=6 a) x = 2 P(2) = 5C2 . 25C4 = (10)(12650) = 0.2130 P.P 30C6 593775 b) x = 0 P(0) = 5C0 . 25C6 = (1)(177100) = 0.2982 P.P 30C6 593775 b) x = 0,1,2 P(1) = 5C1 . 25C5 = (5)(53130) = 0.4473 30C6 593775 P(0,1,2) = 0.2982 + 0.4473 + 0.2130 = 0.9585 P.P 4. Distribucion Normal: Esta distrbucion se aplica en muchos fenmenos naturales, los cuales para el clculo de la probabilidad se utiliza la curva simtrica llamada campana, la cual se expresa a continuacin: .5000 .5000 Para calcular la probabilidad mediante una distribucin normal se utiliza la siguiente frmula: Z=X-M Donde: M = Es la media aritmtica o promedio. = Desviacin tpica o estndar de la poblacin. X = Valor buscado de acuerdo a la probabilidad pedida. Z = Es el valor tpificado (rea bajo la curva). Ejemplo. 1. El nmero de das entre la facturacin y el pago de las cuentas a crdito en una gran tienda de departamentos, tiene uyna distribucin aproximadamente normal con una media de 18 das y una desviacin estndar de 4 das:

 Qu poblacin de las cuentas sern pagadas entre 12 y 19 das? Entre 20 y 23 das. En menos de 8 das. En 12 das o ms. Datos: M = 18 =4 x = Entre 12 y 19 . 0.5319 Z1 = 12 - 18 = -1.5 4 .4332 .0987 Z1 = 19 - 18 = 0.25 4 Z1= -1.5 Z2=0.25 P.P = 0.5319 x= Entre 20 y 23 0.2029 Z1 = 20 - 18 = 0.5 4 0.1915 0.3944 Z2 = 23 - 18 = 1.25 4 Z1= 0.5 Z2=1.25 P.P = 0.1915 - 0.3944 = 0.2029 0.9938 x= Menos de 8 0.0062 Z = 8 - 18 = -2.5 0.4938 .5000 4 Z= -2.5 P.P = 1 - 0.9938 = 0.0062 0.9332 x= 12 o mas Z = 12 - 18 = -1.5 0.4332 .5000 4 Z= -1.5 12 das o mas 2. El tiempo requerido para instalar un motor nuevo de un avin es distribuido con una media de 20 horas y una desviacin tpica de 1 hora. Cul es la probabilidad de que la siguiente instalacin toma:?

 19 o menos y 22 o ms horas. Entre 17 y 18 horas. Datos: M = 20 horas. = 1 hora. x= 19 o menos y 22 o ms. 0.8115 Z1 = 19 - 20 = -1 1 Z2 = 22 - 20 = 2 0.3413 0.4772 1 P.P=1 - 0.8185 = 0.1815 Z1 =-1 Z2 = 2 x = 17 y 18 0.0215 Z1 = 17 - 20 = -3 1 0.4987 0.4772 Z2 = 18 - 20 = -2 Z1= -3 Z2= -2 1 P.P = 0.4987 - 0.4772 = 0.0215 3. Suponga que se disea una prueba de inteligencia que tenga una distribucin normal con una media de 100 y una desviacin estndar de 15. Qu proporcin de personas tienen resultados inferiores a 115. Mayores a 130? Entre 85 y 115? Entre 70 y 130? Datos. M = 100 = 15 0.8413 x = menores a 115. Z = 115 - 100 = 1 .5000 .3413 15 Z=1 P.P=0.3413 0.9772 x = Ms de 130 Z = 130 - 100 = 2 .5000 .4772

15 Z=2 P.P = .9772 .6826 x = Entre 85 y 115 Z1 = 85 - 100 = 1 15 .3413 .3413 Z2 = 115 - 100 = 1 15 Z1=-1 Z2=1 P.P = .3413 + .3413 =.6826 x = Entre 70 y 130 .9544 Z1 = 70 - 100 = -2 15 .4772 .4772 Z2 = 130 - 100 = 2 15 Z1= -2 Z2= 2 P.P = .4772 + .4772 = .9544 El gerente de un club de natacion sabe por experiencia de aos pasados que el nmero de nios que cada miembro trae a la alberca en una sesin dada es una variable aleatoria con media de 3.1 y desviacin tpica de 0.56. Entre 200 miembros Cuntos se pueden esperar que traigan de 2 a 4 nios a las piscina en una sesin? Datos: M = 3.1 = 0.56 x = 2 a 4 .9213 N = 200 miembros. Z1 = 2 - 31 = -1.96 .56 .4750 .4463 Z2 = 4 - 31 = 1.61 Z1 = -1.96 Z2 = 1.61 .56 P.P = .4750 + .4463 = .9213 Nmero de nios = (200)(.9213) = 184.26 " 184 Nios. CAPITULO V DISTRIBUCIONES DERIVADAS DEL MUESTREO. ESTIMACIN DE PARMETROS. La estimacin de parmetros puede ser de 2 formas: Estimacin por intervalo. Estimacin por punto.

Estimacin por punto: Es la estimacin de un valor nico de un parmetro de la poblacin. Estimacin por intervalo: Es la estimacin que incluye un intervalo de valores posibles en el que se considera que est comprendido un parmetro de la poblacion. Para calcular el nivel de confianza deseado con respecto al Zc se tiene: Nivel de Confianza Zc 99.73% 99% 98% 96% 95.45% 95% 90% 80% 68.27% 50% 3 2.58 2.33 2.05 2 1.96 1.645 1.25 1 .6745

ESTIMACIN PARA MEDIAS ARITMTICAS DE ACUERDO AL TAMAO DE LA MUESTRA. Para calcular los intervalos de confianza para muestras grandes se utiliza la siguente frmula: X Zc _ "n Donde: X = Es la media aritmtica o promedio muestral. = Es la desviacin tpica o estndar de la poblacin (muestra). n = Es el tamao de la muestra. Zc = Es el valor buscado en la tabla de acuerdo al nivel de confianza deseado. Para calcular la estimacion de intervalos para muestras pequeas (menores de 30), se utiliza la siguiente frmula: X tc S_ "n Donde: X = Es la media aritmtica o promedio muestral. tc = Es el valor buscado en la tabla (t de student) y esta se busca de acuerda a los grados de libertad. S = Desviacin tpica o estndar de la muestra. n = Tama de la muestra. En el caso de utilizar la tabla T de student se utilizan los grados de libertad aplicando la soguiente frmula: V=n-1 Ejemplo: 1. Una psicloga de una industria, desea estimar la media de edad de cierta poblacin de empleadas. Extrae una muestra de de 60 mujeres de la poblacin. La muestra da

como resultado una media de edad de 23.67 aos. Sabe que la poblacin de edades tiene una desviacin tpica de 15 aos. Construya un intervalo de confianza: 96% 99% Datos: X =23.67 aos. =15 aos. n = 60 NC. a) 96% Zc= 2.05 27.6398 23.67 2.05 (15) = 23.67 30.75 = 23.67 3.9698 = "60 7.7459 19.70 b) 99% Zc= 2.58 28.6661 23.67 2.58 (15) = 23.67 _38.7 = 23.67 4.9961 = "60 7.7459 18.6739 2. Al final de cada llamada en una estacin telfonica se hace un reporte en el que se indica la duracin de la llamada. Una muestra aleatoria simple de 9 reportes da como resultado una media de duracin de llamada de 1.2 minutos con uan desviacin tpica o estndar de 0.6 minutos. Construya un intervalo de confianza: 95% 99% para la media de la poblacin. Datos: X =1.2 minutos. s =0.6 minutos n=9 V = 9 - 1 =8 Tc. a) 95% tc = 2.306 1.6612 1.2 2.306 (.6) = 1.2 _1.3836 = 1.2 0.4612 = "9 3 0.7388 2.5% 2.5% 95% 0 .025 .95 .975 1 b) 99% tc = 3.355

1.871 1.2 3.355 (.6) = 1.2 _2.013 = 1.2 0.671 = "9 3 0.529 .5% .5% 99% 0 .005 .99 .995 1 3. Las alturas de una muestra de 50 estudiantes mostraron una media de 174.5 cm y una desviacin tpica de 6.9 cm. determine un intervalo de confianza: 90% 98% Para la altra promedio de todos los estudiantes. Datos: X =174.5 cm. =6.9 cm. n = 50 NC. a) 90% Zc= 1.645 27.6398 174.5 1.645 (6.9) = 23.67 11.3505 = 23.67 1.0652= "50 7.0710 19.70 b) 98% Zc= 2.33 176.77 174.5 2.33 (6.9) = 23.67 16.077 = 23.67 2.2736 = "60 7.0710 172.23 Una mquina produce piezas metlicas de forma cilndrica. Se toma una muestra de piezas cuyos dimetros son: 1.01, 0.97, 1.03, 1.04, 0.99, 0.98, 0.99, 1.01, 1.03 centmetros. Encuentre: Un intervalo de confianza del 90%. Un intervalo de confianza del 99%. Para el dimetro promedio de piezas de esta mquina. Datos: X =1.0055 Sn-1 =0.02455 n=9 V = 9 - 1 =8

Tc. a) 90% tc = 1.860 1.0207 1.0055 1.860 (.02455) = 1.0055 0.0456 = 1.0055 0.0152= "9 3 .9903 5% 5% 90% 0 .05 .90 .95 1 b) 99% tc = 3.355 1.03296 1.0055 3.355 (.02455) = 1.0055 0.0824 = 1.0055 0.02746= "9 3 .97804 .5% .5% 99% 0 .005 .99 .995 1 47

HISTOGRAMA POLGONO DE FRECUENCIAS 8 7 6 5 1 2 3 4 79 MARCA DE CLASE 84 94 74 89 99 109 104

74 0

79

84

89

94

99

104

109

114

MARCA DE CLASE

X 23 26 29 32 35 38 41 44 47 50

MARCA DE CLASE 32 35 29 38 41 44 23 26 47 50

8 1/36 2/36 3/36 4/36 5/36 1/36 , x = 0, 1, . . . n si n " N1