Es
Es
POR
QU
ESTADSTICA?
ESTUDIAR
1.
2.
3.
CAMPOS DE APLICACIN?
Las
de calidad,
Deportes,
Administracin
de hospitales, etctera...
Qu es Poblacin?
Es
Ejemplo:
La
Qu es Muestra?
Es
Ejemplos:
De
El
Qu es Muestreo?
Es la tcnica para recoger una muestra a
partir de una poblacin o un subgrupo de
esta.
MTODOS DE
MUESTREO
Simple
Se clasifican
en :
Doble
Mltiple
7
Muestreo Simple
Es
poblacin
dada
para
el
propsito
de
inferencia
estadstica.
Puesto
Muestreo Doble
Bajo
Ejemplo:
Al
probar
la calidad de
un
lote
de productos manufacturados, si la primera muestra
arroja una calidad muy alta, el lote es aceptado; si arroja
una calidad muy pobre, el lote es rechazado. Solamente si
la primera muestra arroja una calidad intermedia, ser
requerir la segunda muestra.
Muestreo Mltiple
El
EJERCICIOS
Determinar cul es poblacin, y muestra.
1) Los miembros del Colegio de Ingenieros Comerciales del
Ecuador.
2)
a)
Respuesta: poblacion
b)
c)
Respuesta:poblacion
d)
e)
Respuesta : muestra
3)
Respuesta: muestra
Respuesta:poblacin
Qu son Datos?
Un
Ejemplo:
Son
QU ES UNA VARIABLE?
Es
13
La
Qu son Cualitativas o
Atributos?
Ejemplo:
Razas
Tipos de Cualitativas:
Ordenables:
16
Qu son Cuantitativas o
Numricos?
Se pueden medir y expresar con nmeros.
La
Ejemplos:
Saldo
17
Tipos de Cuantitativas:
Discretas:
Solo
puede
tomar
valores
aislados.
Se
EJERCICIOS
Defina cules son las variables cualitativas y cuantitativas.
1.
2.
R. cualitativa
Se llev a cabo un concurso de perros de raza en Guayaquil.
R. Cualitativa
3.
Comida Favorita.
R. cualitativa
4.
R. Cualitativa
5.
R. Ccuantitativatitativa
6.
R. Cuantitativa
7.
R. Cualitativa
8.
R. Cuantitativa
19
TIPOS DE VARIABLE
CUANTITATIVAS
Discretas
Se dividen :
Continuas
20
Discretas
Es
Ejemplos:
Nmero de hermanos, nmero de habitantes
menores de edad, nmero de aulas de la Facultad de
Educacin Fsica Deportes y Recreacin. (Ej: 10)
El nmero de habitaciones en una casa (Ej: 1,2,3,...,
etc.).
21
Continuas
Es
aquella
que
puede
tomar
valores
comprendidos entre 2 nmeros.
Pueden tomar cualquier valor dentro de un
intervalo especfico.
Ejemplos:
Estatura de una persona: 1.73 ; 1.85; 1.77
El tiempo de vuelo de Guayaquil a Japn: 14 horas
y media.
22
EJERCICIOS
Defina: Cules son las variables discretas y continuas?
1)
2)
3)
Respuesta: CcontinuasTINUA
6)
Respuesta: DdiscretasRETA
5)
Respuesta: continuasCONTINUA
4)
Respuesta: DdiscretasSCRETAS
Respuesta: DdiscretasRETA
Respuesta: DdiscretasCRETA
23
Descriptiva
La
Estadstica
se divide
en :
Inferencial
24
ESTADSTICA
DESCRIPTIVA
Es una ciencia que analiza una serie de datos y la utilizamos para recolectar,
organizar, resumir, presentar y analizar la informacin. Es la medida de
relaciones entre 2 o ms variables.
Se dedica exclusivamente al ordenamiento y tratamiento mecnico de la
informacin para su presentacin por medio de tablas y de
representaciones grficas, que son tiles para la explicacin de la
informacin.
EJEMPLO
En un sondeo de opinin se encontr que el 49% de las personas en una
encuesta saban el nombre del Presidente de Bolivia. La estadstica 49
describe el nmero de cada 100 personas que saben la respuesta
25
ESTADSTICA
INFERENCIAL
Se refiere a los estudios que se hacen sobre una parte de la poblacin
(Muestra), con el fin de obtener ( inferir) conclusiones sobre las
caractersticas de inters de dicha poblacin.
EJEMPLOS:
Las cadenas de TV monitorean la popularidad de sus programas
contratando a empresas especializadas para muestrear las preferencias
de los televidentes.
El departamento de contabilidad de una empresa elegir una muestra
de facturas para verificar la exactitud de todas las facturas de la
compaa.
26
MEDIDAS DE
TENDENCIA CENTRAL:
MEDIA, MEDIANA Y
MODA
LA MEDIA
Es la suma de todos los valores observados, dividido
por el nmero total de observaciones para obtener un
promedio.
EJEMPLOS
= sumatoria
= media
N = nmero de elementos
X = valores o datos
Calcule la media de los siguientes nmeros:
10 , 11 , 12 , 12 , 13
1.Sumar las cantidades< 10 + 11 + 12 + 12 + 13
=58>
2. Dividir la suma por la cantidad de
elementos<58/5>
3. El resultado es la media <11.6>
LA MEDIANA
Con esta medida podemos identificar el valor que se
encuentra en el centro de los datos, despus que los
elementos han sido ordenados.
EJEMPLO
PAR
1,2,3,4,5,6
La mediana est entre 3 y 4.
IMPAR:
1,2,3,4,5
La mediana es el 3
LA MODA
La medida modal nos indica el valor que ms veces se
repite dentro de los datos.
EJEMPLO
Buscar la moda de:
5 12 9 5 8 7 1
Como la moda es el nmero que ms se repite, la moda es 5.
Buscar la moda de:
14 16 18 16 15 12
El 14 se repite 3 veces.
El 18 se repite 2 veces.
El 16 se repite 5 veces.
Por lo tanto, la moda es 16.
14
14
16
18 20 16 16
Buscar la moda de :
23 35 45 33 47 31 29 22
Como ningn nmero se repite, no tiene moda.
CONCLUSIN
En conclusin las Medidas de tendencia central, nos permiten
identificar los valores ms representativos de los datos, de
acuerdo a la manera como se tienden a concentrar.
La Media nos indica el promedio de los datos; es decir, nos
informa el valor que obtendra cada uno de los individuos si se
distribuyeran los valores en partes iguales.
La Mediana por el contrario nos informa el valor que separa los
datos en dos partes iguales, cada una de las cuales cuenta con el
cincuenta porciento de los datos.
La Moda nos indica el valor que ms se repite dentro de los datos.
MEDIDAS DE DISPERSION
Varianza
Desviacin estndar
MEDIDAS DE
DISPERSIN
Existen diversas medidas estadsticas de dispersin, pero
muchos autores coinciden en que las principales son:
Rango
Varianza
Desviacin estndar
Coeficiente de variacin
Conjunto 1
Conjunto 2
Media
Media
RANGO
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado
(Lmite superior) y el valor ms bajo (Lmite inferior).
FRMULA
Ejemplo 1.
Ante la pregunta sobre nmero de hijos por familia, una muestra de 12
hogares, marc las siguientes respuestas:
2 1 2 4 1 3
2 3 2 0 5 1
Calcula el rango de la variable
Rango 5 0 5
Ejemplo 2.
Hay dos conjuntos sobre la cantidad de lluvia (mm) en Taipei y Sel
en un ao.
Sel
Muestral
s2
2
(
x
x
)
i
i 1
n 1
Poblacional
2
(
x
)
i x
i 1
Solucin.
Primero es necesario obtener la media. En este caso
Ahora aplicamos la frmula correspondiente
(2 2.16)2 (1 2.16)2 (2 2.16)2 (4 2.16)2 (1 2.16) 2 (3 2.16)2 (2 2.16)2 (3 2.16)2 (2 2.16)2 (0 2.16)2 (5 2.16)2 (1 2.16)2
s
12 1
2
s2
21.6672
1.9697
11
x 2.16
Ejemplo 2.
A continuacin se muestran dos conjuntos de datos obtenidos a
partir de un experimento qumico que realizaron dos estudiantes
distintos. Calcular la varianza.
FRMULAS
(x )
i
i 1
Muestral
n
Poblacional
(x
i 1
x )2
n 1
Ejemplo 1.
Si retomamos el ejemplo 1 que corresponde a la varianza:
Calcula la desviacin estndar para los siguientes datos
2
Solucin.
Una vez que hemos calculado la media y la varianza, slo resta
calcular la raz cuadrada de la varianza.
x 2.16
s2
21.6672
1.9697
11
S 1.9697 1.4034
Ejemplo 2.
Considerando nuevamente el segundo ejemplo que estudiaste para calcular la
varianza, tenemos:
A continuacin se muestran dos conjuntos de datos obtenidos a partir de un
experimento qumico que realizaron dos estudiantes distintos. Calcular la
varianza.
Solucin.
Una vez que has calculado la media y la varianza, es necesario calcular la
desviacin estndar a partir de la obtencin de la raz cuadrada de la varianza.
Estudiante A
s2
91.6
9.16
10
S 9.16 3.026
Estudiante B
s2
76
7.6
10
S 7.6 2.756
COEFICIENTE DE VARIACIN
Muestral
Poblacional
S
CV 100%
x
CV 100%
Ejemplo 1.
En dos cursos los promedios que sacaron sus alumnos fueron 6.1 y
4.3 y las desviaciones estndar respectivas fueron 0.6 y 0.45
respectivamente. En qu curso hay mayor dispersin?
CV
S
100%
x
CVA
0. 6
(100%) 9.8%
6 .1
CVB
0.45
(100%) 10.4%
4.3
Solucin
Para responder esto, debemos obtener el coeficiente de variacin
aplicando la frmula
s2
i 1
f i ( xi x )
Muestral
Poblacional
2 i 1
fi ( xi )
N
n 1
i 1
i 1
f x
2
i i
fi xi2
N
x f
i 1
n 1
i i
Ejemplo 1.
Se han registrado durante 5 das, el nmero de viajeros que hacen
reservaciones a una agencia de viajes pero que no las hacen efectivas:
i
Nmero de viajeros
(xi )
Frecuencia
(fi)
12
13
14
15
16
Total
70
20
Medidas de posicin
CUARTILES
PERCENTILES
DECILES
Medidas de posicin
Anlogos a la mediana
MEDIDAS DE POSICIN
CUARTIL
55
Funcin PERCENTIL.EXC(matriz; k)
Devuelve un valor numrico. El percentil es una medida de posicin no
central.
Argumento matriz. Contiene la referencia a un rango de celdas con
valores numricos o
una matriz de nmeros.
Argumento k. Contiene un valor numrico mayor que 0 y menor
que 1. Indica cul es el valor de percentil que desea localizar.
56
Distribucin
De
Frecuencias
Para datos no
agrupados
Para datos
agrupados
57
La
Qu es clase?
Son
59
Lmites de la clase
Representan el tamao de cada clase, determinadas por dos valores que son el
lmite superior y el lmite inferior.
60
Qu es Frecuencia Absoluta?
Es el nmero de veces que aparece un
determinado valor en un estudio estadstico. Se
representa por fi.
Esta frecuencia tiene sentido calcularla para
variables cuantitativas o cualitativas ordenables.
61
Qu es Frecuencia Absoluta
Acumulada?
Son aquellas que se obtienen de las sumas sucesivas
de las ( fi ) que integran cada una de las clases de una
distribucin de frecuencia de clase, esto se logra cuando
la acumulacin de las frecuencias ( Fi )se realiza
tomando en cuenta la primera clase hasta alcanzar la
ultima.
62
Qu es Frecuencia Relativa?
La frecuencia relativa porcentual se obtiene dividendo
la frecuencia absoluta y el nmero total de datos.
La frecuencia relativa se puede expresar en tantos por
ciento y se representa por hi.
63
Qu es Frecuencia Relativa
Acumulada?
Es el resultado de la suma de los distintos valores de la
frecuencia relativa, el total de estos valores nos dar como
resultado la unidad o el 100%.
Una distribucin de frecuencias relativas acumuladas expresa
la frecuencia acumulada de cada clase en relacin con toda la
muestra. El proceso de acumulacin puede basarse en un
principio de <<o mas>> o <<menor que>>.
64
Distribucin de Frecuencias No
Agrupados
Se emplea si las variables toman un nmero pequeo de
valores o la variable es discreta.
No se agrupan los valores en intervalos.
65
66
ORDENAR DATOS
1111
2222
3333
4444
5555
6666
777=
TOTAL
1
2
3
4
5
=
=
2
3
4
5
5
22=
8
3 3 3 3 3 3 3 3 3 3 3 = 17
4=
7
=
6
4
3
50
68
DISTRIBUCIN DE FRECUENCIAS
PARA DATOS NO AGRUPADOS
Xi
(Clases)
1
2
3
4
5
6
7
Total
(n)
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi Frecuencia
relativa
5
8
17
7
6
4
3
50
5
13
30
37
43
47
50
10
16
34
14
12
8
6
100%
(fi/n)*100
Hi
Frecuencia
relativa
acumulada
(Fi/n) *100
10
26
60
74
86
94
100
69
DISTRIBUCIN DE
FRECUENCIAS PARA
DATOS NO AGRUPADOS
Sea X la variable que representa el nmero total
que recorre un jugador en un partido de ftbol.
ORDENAR DATOS
1
2
3
4
5
6
7
8
9
111
22=
33=
444
55=
666
777
888
99=
TOTAL
4
3
3
4
3
66= 6
77= 6
=
4
3
36
71
DISTRIBUCIN DE FRECUENCIA
PARA DATOS NO AGRUPADOS
Xi
(Clases)
1
2
3
4
5
6
7
8
9
Total (n)
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi
Frecuencia
relativa
Hi
Frecuencia relativa
acumulada
% (fi/n)*100
% (Fi/n) *100
11
11
3
3
7
10
8
8
19
27
14
11
38
17
23
29
33
46
17
17
11
63
80
91
9
100%
100
6
6
4
3
36
36
72
DISTRIBUCIN DE
FRECUENCIAS PARA DATOS NO
AGRUPADOS
Sea X la variable que representa a nadadores durante una
competencia que se desarroll en la piscina olmpica de la ciudad de
Guayaquil mostraron sus dominios en los diferentes estilos.
73
ORDENAR DATOS
2 2 2 2 2 =
3 3 =
4 4 =
5 5 =
6 6 6 6 6 =
7 7 7 =
8 8 8 =
9 9 9 9 9 =
10 10 10 10 10 10
TOTAL
5
2
2
2
5
3
3
5
6
33
74
DISTRIBUCIN DE
FRECUENCIA PARA DATOS
X
f
F
hi
Hi
Frecuencia Frecuencia relativa
NO
AGRUPADOS
(clases) Frecuencia
Frecuencia
absoluta
i
absoluta
acumulada
10
2
2
2
5
3
3
5
6
Total (n)
33
4
5
6
7
8
9
relativa
acumulada
% (fi/n)*100
% (Fi/n) *100
100%
75
Distribucin de Frecuencias
Agrupadas
Conocida tambin como 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.
76
Nmero de clases
deseados
2cn
Frmula:
C= # de clases
n= # de Observaciones
Ejemplo de 50 datos:
2cn
2c50
2650
77
CLCULO DE TABLA
1 2
2 2x2
=2
=4
3 2x2x2 = 8
4 2x2x2x2 = 16
5 2x2x2x2x2 = 32
6 2x2x2x2x2x2 = 64
7 2x2x2x2x2x2x2 = 128
8 2x2x2x2x2x2x2x2 = 256
9 2x2x2x2x2x2x2x2x2 = 512
10 2x2x2x2x2x2x2x2x2x2 = 1024
78
Intervalos de Clases
El intervalo de clases es el recorrido de los valores que se encuentran dentro de una clase. Para
determinarlo se resta el limite inferior de una clase con el limite superior de la clase siguiente.
Para construir la tabla de frecuencias el intervalo de clases se puede determinar con ayuda de la
expresin siguiente:
Ci
Valor
Valor
mximo (LS)
mnimo (LI)
Nmero de clases deseados
(Nc)
79
Marca de clase
Marca de clase
o
Punto Medio de
clase
LI + LS
2
80
clase
Marca
clase
Clase
50.15 59.74
59.74 69.33
69.33 78.92
78.92 -
de
LI + LS
2
Marca de Clase
54.95
64.54
74.13
81
DISTRIBUCIN DE
FRECUENCIAS PARA DATOS
AGRUPADOS
Sea X la variables que representa la estatura de los
jugadores del EMELEC. X genera el siguiente conjunto
de los datos numricos:
EJERCICIO 1:
1. Ordenarlos
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
1.32
1.50
1.55
1.60
1.60
1.60
1.70
1.70
1.70
1.72
1.72
1.80
1.82
1.90
1.70
83
EJERCICIO 1:
2. Determinar el lmite inferior y superior
LI= 1.32
LS= 1.90
3. Determinar el nmero de clases
2cn
2c15
2415
84
EJERCICIO 1:
5. Distribuir los datos en cada categora o clase
Clase
1.47
1.62
1.77
1.92
fi
Frecuencia
absoluta
1
5
6
3
15
Fi
Frecuencia
absoluta
acumulada
1
6
12
15
hi
Frecuencia
relativa
%
(fi/n)*100
6.67
33.33
40.00
20.00
Hi
Frecuencia
relativa
acumulada
Marca de
Clase
% (Fi/n)
*100
6.67
40.00
80.00
100.00
1.40
1.55
1.70
1.85
100.00
85
EJEMPLO 2
Un sondeo revela que varios atletas han aumentado de
peso, he aqu los datos obtenidos:
65.25
66.43
59.30
73.50
70.30
62.12
79.20
50.15
98.10
80.15
51.43
68.43
62.18
79.10
63.25
60.20
55.15
94.00
90.15
66.40
86
EJEMPLO 2
(CONTINUACIN):
1. Ordenarlos
2. Determinar el lmite inferior y superior
LI= 50.15
LS= 98.10
3. Determinar el nmero de clases
2cn
2c20
2520
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
16)
17)
18)
87
19)
20)
50.15
51.43
55.15
59.30
60.20
62.12
62.18
63.25
65.25
66.40
66.43
68.43
70.30
73.50
79.10
79.20
80.15
90.15
94.00
98.10
EJEMPLO 2
(CONTINUACIN):
5. Distribuir los datos en cada categora o clase
Clase
50.15
59.74
59.74
69.33
69.33
78.92
78.92
88.51
88.51
98.10
Hi
Frecuencia
relativa
acumulada
Fi
Frecuenci
a absoluta
acumulad
a
hi
Frecuencia
relativa
%
20.00
20.00
54.95
12
40.00
60.00
64.54
14
10.00
70.00
74.13
17
15.00
85.00
83.72
20
15.00
100.00
93.31
fi
Frecuencia
absoluta
20
(fi/n)*100
100
Marca de
Clase
% (Fi/n)
*100
88
EJERCICIO 3
A continuacin se presenta el nmero de minutos y segundos que le toma a
un grupo de futbolistas para ir desde su hogar hasta la cancha de
entrenamiento,.
28.30 30.10
41.55
32.22
66.32
67.53
36.00
31.50 45.25
25.25
43.59
42.69
75.14
71.25
25.62 60.32
27.47
35.11
70.05
31.29
77.12
26.15 90.10
31.18
26.17
38.20
67.20
80.13
1. Ordenarlos
2. Determinar el lmite inferior y superior
3. Determinar el nmero de clases
4. Determinar el intervalo o amplitud
5. Distribuir los datos en cada categora o clase
89
EJERCICIO 3
(CONTINUACIN):
1. Ordenarlos
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
25.25
25.62
26.15
26.17
27.47
28.30
30.10
31.18
31.29
31.50
32.22
35.11
36.00
38.20
15)
16)
17)
18)
19)
20)
21)
22)
23)
24)
25)
26)
27)
28)
41.55
42.69
43.59
45.25
60.32
66.32
67.20
67.53
70.05
71.25
75.14
77.12
80.13
90.10
90
EJERCICIO 3
(CONTINUACIN):
2. Determinar el lmite inferior y superior
LI= 25.25
LS= 90.10
3. Determinar el nmero de clases
2cn
2c25
2525
91
EJERCICIO 3
(CONTINUACIN):
5. Distribuir los datos en cada categora o clase
Clase
25.25
38.25
51.25
64.25
77.25
38.25
51.25
64.25
77.25
90.25
fi
Frecuencia
absoluta
14
4
1
7
2
28
Fi
Frecuencia
absoluta
acumulada
14
18
19
26
28
hi
Frecuencia
relativa
Hi
Frecuencia
relativa
acumulada
%
% (fi/n)*100
(Fi/n) *100
50.00
14.29
3.57
25.00
7.14
50.00
64.29
67.86
92.86
100.00
100
92
Marca de
Clase
31.75
44.75
57.75
70.75
83.75
GRFICOS
Histogramas, polgono de frecuencias y ojiva
Otros grficos
93
HIPOTESIS
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros de una o ms
poblaciones.
HIPOTESIS NULA
HIPOTESIS ALTERNATIVA
EJEMPLO:
GRFICOS
REPRESENTACIONES GRFICAS
Histograma
100
HISTOGRAMA
Conjunto de barras
Eje X - Limites de clase
Eje Y - fi= Frecuencias no Acumuladas
Y
23
25
20
15
# vehiculos
10
5
17 18
8
4 2
Precios en miles
101
EJERCICIO DE HISTOGRAMA
Tabla de datos:
Pblico que asiste a un partido de ftbol.
Meses
Asistentes
Enero
100
Febrero
120
Marzo
140
Abril
80
180
140
120
120
100
80
60
Enero
Febrero
Marzo
Abril
102
EJERCICIO DE HISTOGRAMA
De los datos del ejemplo 1 obtenemos
16
Clase
25.25 - 38.25
38.25 - 51.25
51.25 - 64.25
64.25 - 77.25
77.25 - 90.25
fi
Frecuencia
absoluta
14
4
1
7
2
28
14
14
12
10
7
8
6
4
2
0
4
1
25.25 38.25 51.25 64.25
2
77.25
90.25 103.25
103
POLGONO
104
POLGONO
Conjunto de punto
Eje X Puntos medios, marca de clase, promedio
Eje Y fi = Frecuencias no Acumuladas
105
EJEMPLOS DE POLGONO
fi
Clase
16 - 23
23 - 30
30 - 37
37 - 44
44 - 51
Fi
hi
3
12
18
23
24
10
0.13
0.38
0.25
0.20
0.04
1
Hi
Frecuencia
Marca de
Relativa
clase
acumulada
0.13
19.50
0.51
26.50
0.76
33.50
0.96
40.50
1.00
47.50
8
Frecuencia
6
4
2
0
12.5 19.5 26.5 33.5 40.5 47.5 54.5
Marca de clase
106
EJERCICIO EN CLASE
fi
hi
Clase (PV)
Frecuencia
Absoluta
Frecuencia
Relativa
Punto Medio o
Marca de clase
50 60
60 70
70 80
80 90
4
5
6
2
0.20
0.25
0.30
0.10
55
65
75
85
90 - 100
3
20
0.15
1
95
107
OJIVA
108
OJIVA
Conjunto de Puntos
Eje X - Limites de clase superiores
Eje Y - Ni= Frecuencias Acumuladas
109
EJEMPLO
Clase
16 - 23
23 - 30
30 - 37
37 - 44
44 - 51
Fi <
fi
Fi >
Frecuencia
Frecuencia
acumulada
Absoluta
<
3
3
9
12
6
18
5
23
1
24
24
Frecuencia
acumulada
>
21
12
6
1
0
30
30
25
20
15
10
5
0
23
25
30
37
44
51
20
15
10
5
0
23
110
30
37
44
51
EJEMPLO
30
25
20
23; 21
15
10
24
37; 6
44; 1
51; 0
37
44
51
18
30; 12
5
03
23
23
30
111
EJERCICIO EN CLASE
fi
Clase
Frecuencia
Absoluta
50 60
60 70
70 80
80 90
4
5
6
2
90 - 100
3
20
Fi <
Fi >
Frecuencia Frecuencia
acumulada acumulada
>
<
4
16
9
11
15
5
17
3
20
0
112
CIRCULAR
113
CIRCULAR
Ventas
12%
9%
Una vez a la
semana
8%
3 - 4 veces a la
semana
13%
114
Ejercicio
5. Distribuir los datos en cada categora o clase
Clase
fi
Frecuencia
absoluta
Fi
Frecuencia
absoluta
acumulada
hi
Frecuencia
relativa
%
Hi
Frecuencia
relativa
acumulada
%
Marca de
Clase
(Fi/n) *100
(fi/n)*100
25.25 - 38.25
14
14
50.00
50.00
31.75
38.25 - 51.25
18
14.29
64.29
44.75
51.25 - 64.25
19
3.57
67.86
57.75
64.25 - 77.25
26
25.00
92.86
70.75
77.25 - 90.25
28
7.14
100.00
93.75
115
LINEAL
Nos permite expresar unidades de tiempo en el eje
horizontal
116
Homicidios
1986
21
1987
34
50
40
1988
26
1989
42
30
1990
37
20
1991
37
1992
44
10
1993
45
1994
40
1995
35
1996
30
28
19861987198819891990199119921993199419951996199719981999
117
El propsito del diagrama de Pareto es resaltar los valores individuales ms importantes y hacer notar
cmo el 20% de ellos suma generalmente el 80% del total acumulado, lo cual conocemos como la
regla del 80-20 o como principio de Pareto. Para crear un diagrama de Pareto debemos preparar los
118
FUNCIN COMBINAT
Devuelve el nmero de combinaciones para un nmero
determinado de elementos. Use COMBINAT para determinar
el nmero total de grupos posibles para un nmero
determinado de elementos. En esta funcin no importa el
orden de los datos.
FRMULA MANUAL
SINTAXIS
La sintaxis de lafuncin COMBINATes la siguiente.
La sintaxis de lafuncin COMBINATes la siguiente.
obligatorio
numrico,
que
FUNCIN PERMUTACIONES
Una permutacin es un conjunto o subconjunto de objetos
o de sucesos en el que el orden de los objetos es
importante.
Difiere en esto de las combinaciones en las que el orden de
los elementos no es significativo. Se utiliza esta funcin
para los clculos de probabilidad tipo sorteos.
TIPOS DE PERMUTACIONES
Hay dos tipos de permutaciones:
Se permite repetir
Sin repeticin
FRMULA MANUAL
SINTAXIS
La sintaxis de lafuncin PERMUTACIONESes la siguiente.
CONCLUSIN
La combinacin es todo arreglo de elementos en donde no
nos interesa el lugar o posicin que ocupa cada uno de los
elementos que constituyen dicho arreglo.
UNIVERSIDAD DE GUAYAQUIL
Facultad de Ciencias Administrativas
Carpeta de Computacin
Tema:
Distribucin Binomial
Distribucin Binomial Negativa
Integrantes:
Morales Aguirre Gnesis
Jimnez Vsquez Anglica
SINTAXIS
obtener.
O ensayos: es el tamao de la muestra n
O prob_xito: probabilidad p de xito.
O acumulado: verdadero o falso. (si escribe verdadero: la distribucin
calcula la distribucin binomial acumulada desde x hasta cero; si
escribe falso: la distribucin binomial solo calcula el valor puntal x).
EJEMPLO
Puede ver que es el mismo resultado que obtuvimos con las tablas,
no obstante en algunos casos habr pequeas diferencias dado que
las tablas contiene solo valores de probabilidad de cuadro decimales
(es decir diezmilsimas) y en Excel usted puede pedirle que le
muestre los decimales que quiera (usando formatos).
la
de
se
APLICACIN EN EXCEL
OBSERVACIONES
Los argumentos nm_fracasos y nm_xitos se truncan a enteros.
Si uno de los argumentos no es numrico, NEGBINOMDIST devuelve
el valor de error #VALOR!
Si el argumento prob_xito < 0 o si probabilidad > 1,
NEGBINOMDIST devuelve el valor de error #NUM!.
Si los argumentos nm_fracasos < 0 o nm_xitos < 1, la funcin
NEGBINOMDIST devuelve el valor de error #NUM!.
Dnde:
x es nm_fracasos,
r es nm_xitos,
p es prob_xito y
q=1-p.
DISTRIBUCIONES DE
PROBABILIDAD:
Distribucin de Poisson y
Distribucin Hipergeomtrica
Distribucin Poisson
Distribucin
Hipergeometrica
Es una de las distribuciones de probabilidad discreta. Esta
distribucin se utiliza para calcular la probabilidad de una
seleccin aleatoria de un objeto sin repeticin. Aqu, el tamao
de la poblacin es el nmero total de objetos en el experimento.
=DISTR.HIPERGEOM(muestra_xito;n
m_de_muestra;poblacin_xito;nm_de_po
blacin)
Muestra xito = es el nmero de xitos en la muestra.
Nm_de_muestra = es el tamao de la muestra.
Poblacin xito = es el nmero de xitos en la poblacin.
Nm_de_poblacin = es el tamao de la poblacin.
Resumen
La distribucin de probabilidad de una variable aleatoria es
una funcin que asigna a cada suceso definido sobre la variable
aleatoria LA PROBABILIDAD DE QUE DICHO SUCESO
OCURRA.
DISTR.BINOM.N(nm_xito;ensayos;prob_xito;acumulado)
Mide el nmero de xitos en una secuencia de n ensayos independientes entre s
NEGBINOM.DIST(nm_fracasos; nm_xitos;prob_xito;acumulado)
Expresa la probabilidad de que haya un nmero de fracasos antes de que haya un nmero de
xitos.
Resumen
La distribucin de probabilidad de una variable aleatoria es
una funcin que asigna a cada suceso definido sobre la variable
aleatoria LA PROBABILIDAD DE QUE DICHO SUCESO
OCURRA.
POISSON( x; Media; Acumulado)
Expresa la probabilidad que un determinado nmero de eventos ocurran en un determinado
periodo de tiempo,
DISTR.HIPERGEOM(muestra_xito;nm_de_muestra;poblacin_xito;nm_de_
poblacin)
Se utiliza para calcular la probabilidad de una seleccin aleatoria de un objeto sin repeticin