Estadística I

Departamento de Ciencias Exactas
Facultad de Ciencias Empresariales
TEXTO DE
ESTADSTICA I
Autores:
Ing. Mgr. Carlos Valdivieso T.
Maestra en Productividad y Calidad - UPB
Lic. Roberto Valdivieso C.

Postgrado en Estadstica Matemtica - CIENES
Ing. Mgr. Oscar Valdivieso T.

Maestra en Administracin de Empresas - UPB
Cochabamba Bolivia
Ao 2005
PRLOGO
La importancia de la Estadstica
La Estadstica, desde sus inicios ha permitido el desarrollo de diversas ciencias; es por esa
cualidad que ha sido llamada la sierva de las ciencias.
En el mundo globalizado, las empresas tienen la exigencia de ser competitivas o desaparecer.
Los temas como la planificacin estratgica y el desarrollo de ventajas competitivas son
fundamentales para afrontar este reto.
Por lo tanto el uso de la Estadstica como herramienta cobra una dimensin mayor, puesto
que tiene la potencialidad, mediante su ejercicio de lograr este objetivo.
Un poco de historia
Roberto Valdivieso Castelln, economista, a fines de la dcada del 70, realiz estudios de
postgrado en el CIENES, un centro dedicado a la enseanza de la Estadstica en Chile,
dependiente de las Naciones Unidas.
Regres a Bolivia y empez a desarrollar una metodologa para la enseanza de la
Estadstica en la UMSS, prctica, sencilla y enfocada a las distintas aplicaciones
empresariales e ingenieriles.
Durante estos ltimos 30 aos, ha dirigido grupos de enseanza en distintos mbitos
universitarios y de postgrado, obteniendo un valioso conocimiento y experiencia.
Desde 1997 sus hijos Oscar y Carlos, han continuado esta lnea, aportando nuevas ayudas
didcticas y metodologas de enseanza, que han enriquecido an ms el paquete educativo,
desde la enseanza en la UPB.
En los ltimos aos, la familia ha introducido a la metodologa de enseanza el uso de casos
reales, como fruto de su experiencia en asesora y consultora en distintos campos
empresariales, as como tambin en la tutora de prcticas de grupos estudiantiles.
Es de esta actividad continua, que nace la idea de desarrollar un texto para la enseanza de
la Estadstica.
Oportunidad para la realizacin de un texto de fcil aplicacin
La mayora de las empresas en nuestro mbito no aplican herramientas estadsticas en el
proceso de toma de decisiones. Por otro lado, existen pocos profesionales capacitados en el
rea de aplicacin de la Estadstica.
Para agravar la situacin, la formacin universitaria presenta deficiencias: conocimientos muy
bsicos, tericos y sin una metodologa adecuada de enseanza.
i
No se tiene conocimiento de la existencia de un libro para la enseanza, consultora,

investigacin y capacitacin en la Estadstica adecuado para lograr una aplicacin profunda a
los problemas de la empresa.
Todos estos antecedentes nos indican que hace falta un texto de Estadstica con
caractersticas distintas a los que existen en el mercado.
Necesidad de un texto completo y sencillo de comprender
Este volumen ha sido escrito por la necesidad de contar con un texto prctico, que ayude a
los estudiantes a entender de manera clara los conceptos, procedimientos, clculos, objetivos
y finalidad de la Estadstica General, en cualquier rea o nivel de preparacin en la que se
encuentren.
Su cualidad es presentar una estructura adecuada para abordar la Estadstica, de manera que
las distintas partes que la integran se complementen, conforme se avanza en su estudio
captulo por captulo, de manera precisa y lgica, con el objeto que el estudiante forme un
esquema mental que le ayude a aprehender con mayor facilidad.
Adems, su estructura y funcin permiten al profesor o docente encargado de ensearla,
hacer un seguimiento total de cada uno de los temas en particular, por las facilidades
didcticas que presenta cada uno de sus captulos, lo que le facilita construir un esquema que
le permite fluidez en la transmisin de conocimientos hacia los alumnos.
Los rboles de decisin incluidos en varios captulos, han sido diseados exclusivamente para
que el alumno pueda decidir rpidamente cuestiones propias de cmo abordar el proceso de
la investigacin estadstica, desde el planteamiento de hiptesis y objetivos, hasta la toma de
decisiones finales.
Por otro lado, el texto incluye distintos tipos de bloques de ejercicios: de clases, para que el
docente pueda explicar con ejemplos sencillos los conceptos y aplicaciones; propuestos,
para que el alumno pueda seguir practicando en su tiempo libre; para examen, para que los
estudiantes puedan verificar el grado de conocimiento y comprensin superior de la materia; y
estudio de casos, para que los formados puedan habituarse a utilizar la Estadstica en
situaciones reales que se dan en la empresa.
En consecuencia, consideramos que el texto ser un auxiliar de gran ayuda al encargado de
impartir esta materia, por la capacidad sencilla y escalonada de abordar la Estadstica y la
prctica de resolver sus problemas. Los planteamientos terico-prcticos son realizados paso
por paso, presentando ejemplos ilustrativos y fciles de comprender.
Una breve descripcin del contenido
El captulo 1 del texto presenta las definiciones ms importantes para comprender la
sistemtica de esta rama de la investigacin, exponiendo los primeros planteamientos lgicos
sobre lo qu es la Estadstica, su proceso y evolucin, divisin y otros conceptos importantes
relativos a la poblacin, muestra y la naturaleza de los rasgos que caracterizan a los
elementos de la poblacin.
ii
El captulo 2 aborda el problema que se plantea la Estadstica sobre las tcnicas de la

recopilacin de datos, tomando en cuenta las caractersticas de la poblacin o muestra, que
entran como parte bsica de una investigacin, de manera cientfica y ordenada. La
observacin, entrevista, cuestionario o el diseo de experimentos son los instrumentos que
proporcionarn la masa de datos sobre la poblacin sujeta a ser tratada estadsticamente.
El captulo 3 expone una pregunta importante que se plantea la Estadstica: Cmo se
pueden procesar los datos recopilados para su organizacin, presentacin, anlisis y decisin
cuantitativa? El texto ofrece un proceso adecuado de clasificacin de las caractersticas de la
poblacin y permite la eleccin del tipo de distribucin de frecuencia a utilizarse en cada caso.
El captulo 4 introduce al estudiante a las nociones de la inferencia estadstica, respondiendo
a la pregunta: Cmo se organiza y presenta la informacin recopilada mediante un
experimento aleatorio? A travs de la determinacin del espacio muestral, eventos de inters,
asignacin de probabilidades y formulacin de la variable aleatoria, se define la distribucin de
probabilidades.
Los captulos 5, 6, 7 y 8 responden a las siguientes incgnitas: Cmo se puede resumir la
informacin presentada en distribuciones de frecuencia o probabilidad? Mediante estadgrafos
de Tendencia Central (que fijan la posicin de la distribucin). Cmo se puede caracterizar
una distribucin? A travs de estadgrafos de Tendencia Central, Dispersin, Asimetra y
Curtosis (que definen la forma de la distribucin). Finalmente Cmo se pueden comparar dos
o ms distribuciones? Por medio de los estadgrafos de Comparacin.
Conformada la comprensin de la Estadstica de una variable, en el captulo 9 se desarrolla la
Estadstica de dos variables, por su importancia para generar la imaginacin de formular
hiptesis y desarrollar la habilidad de cruzar la informacin elaborada, como respuesta a los
objetivos de cualquier tipo de investigacin en el proceso de construir el conocimiento. Se
incluyen reglas para el clculo de probabilidades y distribuciones bidimensionales de
probabilidades.
El captulo 10 se ocupa de ensear de la manera ms sencilla posible, relacionando valores
de dos o ms variables, observados de manera histrica o experimental, el cmo obtener una
ecuacin que permita al investigador realizar predicciones confiables como base de la
planificacin, a travs del anlisis de regresin y correlacin.
La necesidad de comprender el comportamiento econmico y social de la empresa en el
contexto de la organizacin capitalista, nos ha inducido a presentar en el captulo 11 nociones
sobre las Series Temporales y las hiptesis de cmo actan las fuerzas que las componen.
Se presentan procedimientos para analizar y separar sus fuerzas en forma objetiva, de tal
modo que sus resultados proporcionen informacin que facilite la toma de decisiones en las
empresas sujetas a fluctuaciones diversas.
Finalmente en el captulo 12, con el fin observar cambios de los valores de una variable a
travs del tiempo, tales como en los precios de los bienes, produccin, costes, ventas,
utilidades, etc., se exponen las diversas maneras de construir nmeros ndices, realizar
operaciones tales como: cambio de base, empalme de series y determinacin de valores
reales mediante la deflactacin.
iii
ltimas palabras
El texto que se ofrece nace como fruto de una larga experiencia en la labor docente
universitaria, ejercitada en medio de diversos ambientes estudiantiles, unas veces en
Economa, Administracin, Mercadotecnia, Sociologa y Comunicacin, otras veces en
Ingeniera Industrial, Civil, Produccin, Qumica y Biologa, y otras tantas en Derecho,
Sicologa y Pedagoga, en los cuales los autores han tenido la oportunidad de ofrecer el
conocimiento sobre la Estadstica existente en muchos libros, el elaborado por su propia
experiencia, su personalidad didctica y el valioso aporte estudiantil, con excelentes
resultados para los formados.
Esperamos que el texto de Estadstica I que presentamos pueda ser de gran ayuda a los
estudiosos que tengan inters de usar esta rama cientfica para el beneficio de su entorno
profesional.
Los autores:
Carlos, Oscar y Roberto Valdivieso.
Universidad Privada Boliviana (UPB)
Cochabamba Bolivia
Ao 2005
iv
NDICE
PRLOGO i
NDICE DEL CONTENIDO v
CAPTULO 1. CONCEPTOS EN ESTADSTICA 1
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Introduccin 1
Evolucin del Contenido 1
Nociones de Estadstica 2
Poblacin: Finita e Infinita y Muestra 2
Caractersticas de la Poblacin 2
Niveles de Medicin 4
Series Estadsticas 4
Utilidad de la Estadstica 5
Breve Resea Histrica 6
La Confiabilidad de la Estadstica 8
Control de Lectura 10
CAPTULO 2. TCNICAS DE RECOLECCIN DE DATOS 12

1.
2.
3.
4.
5.
Introduccin 12
La Observacin 12
La Entrevista 14
El Cuestionario 20
El Diseo de Experimentos 26
Control de Lectura 32
Caso de Estudio 35
CAPTULO 3. DISTRIBUCIN DE FRECUENCIAS 36

1.
2.
3.
4.
5.
6.
Introduccin 36
Formas y Tipos de Distribucin de Frecuencias 36
Distribucin de Frecuencias de Atributos 37
Distribucin de Frecuencias de Variables 49
Aplicaciones a los Negocios y el Control de Calidad 62
rbol de Decisiones para Distribuciones de Frecuencias 67
Ejercicios de Clase 69
Ejercicios Propuestos 72
Ejercicios para Examen 76
Caso de Estudio 80
v
CAPTULO 4. DISTRIBUCIN DE PROBABILIDADES 84

1.
2.
3.
4.
5.
6.
Introduccin 84
Clases de Experimentos: Determinstico y Aleatorio 84
Experimento Aleatorio 84
Probabilidad 90
Variable Aleatoria 93
Distribucin de Probabilidades 94
CAPTULO 5. ESTADGRAFOS DE POSICIN 108

1.
2.
3.
4.
5.
6.
7.
8.
Introduccin 108
Media Aritmtica 108
Moda 118
Mediana 123
Media Armnica 131
Media Geomtrica 133
Seleccin del Estadgrafo de Posicin Adecuado 135
Teora de la Decisin. Aplicaciones de la Esperanza Matemtica 136
Caso de Estudio 161
CAPTULO 6. ESTADGRAFOS DE DISPERSIN 163

1.
2.
3.
4.
5.
6.
7.
8.
Introduccin 163
Recorrido 164
Varianza 164
Desviacin Estndar 165
Propiedades de la Varianza 167
Varianza Esperada 172
Otras Medidas de Dispersin 173
Teorema de Chevyshev 177
CAPTULO 7. ESTADGRAFOS DE COMPARACIN 184

1.
Introduccin 184
vi
2.
3.
Coeficiente de Variacin 184

Variable Tipificada o Estandarizada 185
CAPTULO 8. ESTADGRAFOS DE FORMA: ASIMETRA Y CURTOSIS 190

1.
2.
3.
4.
5.
Introduccin 190
Asimetra 190
Curtosis 191
Relacin Emprica entre Media, Mediana y Moda 193
rbol de Decisin para Estadgrafos 194
Caso de Estudio 200
CAPTULO 9. ESTADSTICA BIDIMENSIONAL 201

1.
2.
3.
4.
5.
6.
7.
Introduccin 201
Tipos de Distribuciones de Dos Variables, Atributos o Mixtas 201
Covarianza 188
Reglas de Composicin para el Clculo de Probabilidades 193
Clculo de Probabilidades Utilizando Diagrama de rbol 200
Generalizacin de las Reglas para el Clculo de Probabilidades 204
Distribuciones Bidimensionales de Probabilidades 207
CAPTULO 10.
REGRESIN Y CORRELACIN 220

1.
2.
3.
4.
Introduccin 220
Regresin y Correlacin Lineal 224
Regresin y Correlacin Lineal Mltiple 227
Regresin y Correlacin No Lineal 229
Caso de Estudio 239
CAPTULO 11. SERIES TEMPORALES O CRONOLGICAS 241

vii
1.
2.
3.
Introduccin 241
Componentes de las Series Temporales 242
Determinacin de los Componentes de una Series Cronolgica 243
Caso de Estudio 256
CAPTULO 12. NMEROS NDICES 257

1.
2.
3.
4.
5.
6.
7.
Introduccin 257
Nmeros ndices Simples 257
Nmeros ndices Complejos Sin Ponderar 258
Nmeros ndices Complejos Ponderados 260
Cambio del Periodo Base. Renovacin y Empalme 262
Nmeros ndices de Valor: Deflacin de Nmeros ndices Temporales
264
Otros Nmeros ndices y su Interpretacin 265
BIBLIOGRAFA 271
ANEXOS 273
Anexo 1:
Anexo 2:
Anexo 3:
Anexo 4:
Gua para el Trabajo Final 273

Tabla de Tamaos Muestrales 276
Ejemplo de Trabajo de Aplicacin Final 277
Utilizacin de las Herramientas Estadsticas del EXCEL 292
NDICE DE FIGURAS viii

Figura 1.5.1. Clasificacin de las caractersticas de la poblacin 3
Figura 1.7.1. Clasificacin de las series estadsticas 5
Figura 2.5.1. Partes de un sistema sujeto al diseo de experimentos 25
Figura 3.2.1. Formas y tipos de distribuciones de frecuencias 36
Figura 3.6.1. rbol de decisiones para distribuciones de frecuencias 68
Figura 4.3.1. Arboligrama de sacar 2 billetes con reposicin 86
Figura 4.3.2. Arboligrama de sacar 2 billetes sin reposicin 87
Figura 4.3.3. Arboligrama para tipos de bolsas extradas 88
Figura 4.4.1. Arboligrama del sexo de 3 nacimientos 91
Figura 6.7.1. Disposicin de los cuartiles en una distribucin 174
Figura 6.7.2. Disposicin de los centiles en una distribucin 175
Figura 6.7.3. Diagrama de caja y bigotes del plan de participacin de utilidades 177
viii
Figura 8.2.1. Tipos de asimetra de una distribucin 190

Figura 8.3.1. Grados de curtosis de una distribucin 192
Figura 9.2.1. Tipos de distribuciones de dos variables, atributos o mixtas 201
NDICE DE TABLAS ix
Tabla 3.3.1. Distribucin de frecuencias sobre candidatos a la presidencia 38
Tabla 3.3.2. Valor del segmento circular para candidatos a la presidencia 41
Tabla 3.3.3. Distribucin de frecuencias sobre causas de accidentes industriales 43
Tabla 3.3.4. Distribucin de frecuencias de la ocupacin en una planta de produccin 45
Tabla 3.3.5. Distribucin de frecuencias sobre las calificaciones de Estadstica 47
Tabla 3.4.1. Distribucin de frecuencias del dinero en efectivo de 5 estudiantes 49
Tabla 3.4.2. Distribucin de frecuencias del nmero de mascotas 50
Tabla 3.4.3. Distribucin de frecuencias del nmero de hermanos 52
Tabla 3.4.4. Distribucin de frecuencias del ingreso familiar mensual (cientos de Bs.) 55
Tabla 3.4.5. Densidades de frecuencia del ingreso familiar mensual 56
Tabla 3.4.6. Distribucin de frecuencias de la produccin de oro (kg/turno) 57
Tabla 3.4.7. Distribucin de frecuencias del nmero de vacas por granja 58
Tabla 3.4.8. Distribucin de frecuencias de ventas anuales (miles de $us.) 61
Tabla 3.5.1. Distribucin de frecuencias de tipos de defectos de cajas de cartn 64
Tabla 3.5.2. Distribucin de frecuencias ordenada de tipos de defectos de cajas de cartn 64
Tabla 3.5.3. Distribucin de frecuencias de ingresos (centenas de Bs.) 65
Tabla 3.5.4. Clculo del ndice de Gini 67
Tabla 4.3.1. Espacio muestral de sacar dos billetes con reposicin 86
Tabla 4.3.2. Espacio muestral de sacar dos billetes con reposicin 87
Tabla 4.5.1. Valores de la variable aleatoria: nmero de hombres recin nacidos 94
Tabla 4.6.1. Distribucin de probabilidades del sexo del recin nacido 94
Tabla 4.6.2. Distribucin de cuanta de la funcin: P(x) =
2x + 1
(x = 0, 1, 2, 3) 96
16
Tabla 4.6.3. Distribucin de cuanta de la binomial b(x, n = 5, p = 0.7) 97

Tabla 4.6.4. Distribucin de densidad de la funcin: P(x) =
2x + 1
para 0 x 3 100
12
Tabla 5.2.1. Clculo de la media aritmtica en distribuciones tipo II 110

Tabla 5.2.2. Transformacin de la tabla Tipo III a tipo II 110
Tabla 5.2.3. Transformacin de la distribucin de gastos diarios de tipo III a tipo II 111
Tabla 5.2.4. Clculo de la media de la distribucin de gastos diarios 111
Tabla 5.2.5. Distribucin de gastos diarios con subvencin de 2.5 Bs/da 113
Tabla 5.2.6. Distribucin de gastos diarios con subvencin del 20% diario 113
Tabla 5.2.7. Comprobacin de la cuarta propiedad de la media de la distribucin de gastos
diarios 114
Tabla 5.2.8. Distribucin de frecuencias de gastos diarios (Bs.) 115
er
Tabla 5.2.9. Distribucin de gastos diarios 1 grupo 115
Tabla 5.2.10. Distribucin de gastos diarios 2o grupo 116
Tabla 5.2.11. Distribucin de cuanta del nmero de seoritas de cabello largo 117
ix
Tabla 5.2.12. Esperanza matemtica (nmero de seoritas de cabello largo) 117

Tabla 5.3.1. Distribucin de gastos diarios de estudiantes de Ingeniera de Produccin 123
Tabla 5.5.1. Distribucin de frecuencias de la duracin de jabones 132
Tabla 5.6.1. Distribucin de frecuencias de tasas de inters 143
Tabla 5.8.1. Tabla de decisin con valores condicionales para la Empresa Maderera
Thompson 138
Tabla 5.8.2. Tabla de decisin con probabilidades y EMVs para la Empresa Maderera
Thompson 140
Tabla 5.8.3. Tabla de prdida de oportunidad para la Empresa Thompson 142
Tabla 5.8.4. Resultados del anlisis de sensibilidad de la maderera Thompson 143
Tabla 5.8.5. Decisin maximax de Thompson 144
Tabla 5.8.6. Decisin maximin de Thompson 144
Tabla 5.8.7. Decisin igualmente probable de Thompson 145
Tabla 5.8.8. Decisin segn el criterio de realismo de Thompson 145
Tabla 5.8.9. Decisin segn minimax de Thompson 149
Tabla 5.8.10. Distribucin de probabilidad de ventas diarias de donuts 148
Tabla 6.4.1. Distribucin de frecuencias de sueldos de obreros (Centenas de Bs.) 166
Tabla 6.4.2. Clculo de la desviacin estndar de la distribucin de gastos diarios 167
Tabla 6.5.1. Clculo de la intervarianza 171
Tabla 6.5.2. Clculo de la intravarianza 171
Tabla 6.6.1. Clculo de la varianza de la funcin f ( x ) =
1
(2x + 1)
16
x = 0, 1, 2, 3 172
Tabla 6.7.1. Distribucin de frecuencias de inversin en un plan de participacin de utilidades

176
Tabla 8.3.1. Distribucin de frecuencias de la estatura de un grupo de estudiantes 193
Tabla 9.2.1. Distribucin bidimensional (xi , yi) tipo I 202
Tabla 9.2.2. Distribucin bidimensional de utilidades vs. unidades vendidas 202
Tabla 9.2.3. Distribucin bidimensional tipo II 203
Tabla 9.2.4. Bidimensional horas de TV al da vs. edad de los nios (nij) 204
Tabla 9.2.5
Bidimensional horas de TV al da vs. edad de los nios (hij) 204
NDICE DE GRFICOS x
Grfico 3.3.1. Diagrama de barras sobre candidatos a la presidencia 39
Grfico 3.3.2. Diagrama rectangular sobre candidatos a la presidencia 40
Grfico 3.3.3. Diagrama circular de candidatos a la presidencia 42
Grfico 3.3.4. Diagrama de barras sobre causas de accidentes industriales 44
Grfico 3.3.5. Ojiva de la ocupacin en una planta de produccin 46
Grfico 3.3.6. Diagrama de barras sobre las calificaciones de Estadstica 48
Grfico 3.3.7. Ojiva sobre las calificaciones de Estadstica 48
Grfico 3.4.1. Densidad del dinero en efectivo de 5 estudiantes 50
Grfico 3.4.2. Diagrama acumulado del nmero de mascotas 51
x
Grfico 3.4.3. Diagrama de barras del nmero de hermanos 53

Grfico 3.4.4. Histograma de frecuencias del ingreso familiar (cientos de Bs.) 56
Grfico 3.4.5. Histograma de frecuencias del nmero de vacas por granja 59
Grfico 3.4.6. Ojiva del nmero de vacas por granja 60
Grfico 3.4.7. Ojiva de ventas anuales (miles de $us.) 60
Grfico 3.4.8. Histograma de frecuencias de ventas anuales (miles de $us.) 62
Grfico 3.5.1. Diagrama de Pareto de los tipos de defectos de cajas de cartn 65
Grfico 3.5.2. Curva de Lorenz para la distribucin de ingresos familiares 66
Grfico 4.6.1. Diagrama de barras para la funcin: P(x) =
1
(2x + 1) para x = 0, 1, 2, 3. 96
16
Grfico 4.6.2. Diagrama de barras de la binomial b(x, n = 5, p = 0.7) 98

Grfico 4.6.3. Histograma de probabilidades de: P(x) =
1
(2x + 1) para 0 x 3 100
12
Grfico 5.8.1. Anlisis de sensibilidad Empresa Maderera Thompson 143
xi
CAPTULO 1
CONCEPTOS EN ESTADSTICA
1. INTRODUCCIN
La Estadstica es usada en la mayor parte de las ciencias sociales (sicologa, ciencias de la
educacin, economa, administracin, mercadotecnia, finanzas, sociologa, etc.) y la ingeniera
(en todas sus ramas, incluyendo el control de calidad, simulacin, direccin de operaciones,
etc.). Su propsito es responder a la necesidad de un manejo prctico de sus mtodos en la
produccin cientfica y facilitar la comprensin y lectura de investigaciones realizadas. La
Estadstica segn Cortada y Carro es "una manera de pensar y tratar la problemtica de la
realidad de forma elaborada, consistente y exacta, dando criterios de decisin.
2. EVOLUCIN DEL CONTENIDO

La utilizacin de la estadstica se ha extendido por el equilibrio metodolgico entre la
investigacin terica y la estadstica, pero su contenido ha variado a travs del tiempo. Es
posible distinguir tres fases en su evolucin histrica:
a) Fase Enumerativa
Busca tcnicas, normas y procedimientos para efectuar un inventario de la poblacin y riqueza
de un territorio. Est ligada a la conciencia de soberana y a los primeros esfuerzos
administrativos de la autoridad poltica.
b) Fase Inductiva
Establece normas que permitan la organizacin y manejo de actividades del estado respecto al
uso de sus recursos existentes, para el establecimiento de la industria, comercio, ejrcito, etc.
As se puede confrontar la imagen real con la ideal, del funcionamiento del estado.
c) Fase Cientfica
A partir del estudio de juegos de azar y del clculo de probabilidades, la Estadstica desarrolla
normas para el manejo de grandes masas de datos, en el anlisis de la actividad social y para
estudiar fenmenos cuyas causas son complejas.
El proceso estadstico, sigue los siguientes pasos para estudiar los elementos de una poblacin:
Observacin del fenmeno en sus elementos.

Estudio de caractersticas y medicin de fenmenos observados en la poblacin considerada.
Confrontacin de la imagen real del fenmeno observado, con la imagen ideal terica.
Clculo de la seguridad de la medida y de su confrontacin.
3. NOCIONES DE ESTADSTICA
a) Concepto
1
La estadstica descriptiva se puede definir como la ciencia o conjunto de conocimientos que se

ocupa de la recoleccin, organizacin, presentacin, anlisis e interpretacin de los datos
numricos u observaciones.
b) Divisin
La Estadstica se divide en descriptiva e inductiva. La descriptiva analiza un determinado
colectivo sin sacar conclusiones de tipo mas general; es el conjunto de procedimientos para
organizar y resumir conjuntos de datos numricos u observaciones. La inductiva o inferencial es
la parte en que basndose en resultados obtenidos de una muestra a partir de una poblacin,
infiere, estima o induce leyes de comportamiento de la poblacin.
c) Definiciones humorsticas y crticas
Son aquellas que provienen de personas que no tienen ningn conocimiento del mtodo ni de
sus aplicaciones y xitos. No tienen ninguna resonancia sino para los que participan de esta
ignorancia. La ms clebre es la atribuida a Benjamn Disrael o Bismark: Hay tres clases de
mentiras: la mentira ordinaria, la mentira mal intencionada y la estadstica. A. Sauvy realiza una
crtica bastante concluyente y expresa que el lenguaje, la fotografa y otras formas de expresin
humana pueden ser tan o ms mentirosas que la Estadstica. Macauley deca: las cifras dicen
siempre lo que un hombre inteligente quiere que digan. Thiers pensaba que la estadstica es el
arte de precisar aquello que se ignora.
4. POBLACIN: FINITA E INFINITA Y MUESTRA

La Estadstica estudia colectivos o poblaciones y las relaciones entre ellos. La poblacin,
colectivo o universo es el total de elementos, cosas o personas que forman parte de la
investigacin. La poblacin puede considerarse por sus elementos como:
a) Poblacin finita. Conjunto numerable de elementos.
b) Poblacin infinita. Conjunto no numerable o forma lnea continua de puntos. Esta distincin
es terica ya que siempre se trata con poblaciones de nmeros finitos de
elementos.
La muestra es un subconjunto representativo de la poblacin. Se usa para realizar trabajos
empricos, en los que los universos no son manejables, para reducir costos y ahorrar tiempo, sin
disminuir la calidad de informacin.
5. CARACTERSTICAS DE LA POBLACIN
Son rasgos distintivos de los elementos de una poblacin. Pueden ser de carcter cualitativo o
cuantitativo, de ah la distincin en: variable o atributo.
a) Atributos. Son rasgos cualitativos de los elementos de una poblacin. Pueden ser:
Ordinales. Referente al sentido de jerarqua u organizacin de elementos. Ejemplo:
grados militares, cargos en una empresa, etc.
Nominales. Rasgos sin capacidad de ordenacin. Ejemplo: color de ojos, gusto, etc.
2
A las diferentes clasificaciones que pueden adoptar los atributos se les llaman modalidades o
categoras. Los atributos se designan con las primeras letras maysculas del abecedario (A, B,
C, etc.); a sus modalidades con las minsculas (a, b, c, etc.).
b) Variables. Son rasgos, caractersticas o propiedades cuantificables. Ejemplo: peso, edad,
altura, etc. Las variables pueden ser:
Discretas. Si entre dos valores consecutivos no puede introducirse otro. Ejemplo: el
nmero de mesas, sillas, casas, etc.
Continuas. Si entre dos valores consecutivos pueden introducirse infinitos valores.
Ejemplo: altura, peso, etc.
Las variables se designan con las ltimas letras maysculas del abecedario (X, Y, Z, etc.) y sus
valores con las minsculas (x, y, z, etc.).
Un resumen de la clasificacin de las caractersticas de la poblacin se muestra en la figura
1.5.1:
Figura 1.5.1. Clasificacin de las caractersticas de la poblacin
Discreta
Variables
(Valores)
Continua
Caractersticas
de la poblacin
Nominal
Atributos
(Modalidades)
Ordinal
Fuente: Elaboracin propia

Las variables tambin se pueden clasificar en:
Variables unidimensionales. Si slo recogen informacin sobre una caracterstica. Ejemplo:
edad de los alumnos de una clase.
Variables bidimensionales. Si recogen informacin sobre dos caractersticas de la
poblacin. Ejemplo: edad y altura de los alumnos de una clase.
Variables pluridimensionales. Si recogen informacin sobre tres o ms caractersticas.
Ejemplo: edad, altura y peso de los alumnos de una clase.
6. NIVELES DE MEDICIN
Las distintas caractersticas de la poblacin a investigar, deben ser medidas adecuadamente,
atendiendo a los siguientes niveles de medicin.
a) Nivel Nominal
Es el nivel ms primitivo, bajo y limitado de medicin. Hace referencia a los datos que solo
pueden clasificarse en categoras, sin intervencin de mediciones o escalas, solo mediante
conteos. Para este nivel no existe orden particular para los grupos. Las categoras o
modalidades se consideran mutuamente excluyentes y exhaustivas. Es el nivel de medicin para
atributos nominales.
b) Nivel ordinal
Tiene las caractersticas del nivel anterior, pero difiere en que las categoras pueden ordenarse
en una relacin mayor que. Es el nivel de medicin para atributos ordinales.
c) Nivel de intervalo
Incluye todas las caractersticas de la escala ordinal, pero adems la distancia entre valores es
de tamao conocido y constante. Es el nivel de medicin para variables discretas o continuas.
Ejemplo: Medicin de temperatura en la escala centgrada. En esta escala el punto cero es
arbitrario: 0 C; no significa que haya ausencia de temperatura, sino solo un estado de fro. Si se
registraron las siguientes temperaturas: 30 C y 60 C, puede decirse que en la segunda
oportunidad hubo una temperatura 30 C ms clida, pero no se puede afirmar que hizo dos
veces ms calor.
d) Nivel de razn (o cociente)
Es el nivel de medicin ms alto y sirve para variables discretas y continuas. Las principales
diferencias entre el anterior nivel y ste son:
1. Los datos de nivel de razn tienen un punto cero significativo.
2. La razn o cociente de dos nmeros es significativa.
Ejemplo: El dinero. Tener cero pesos tiene un significado: no tengo nada de dinero. Si una
persona gana 1000 $us y otra 4000 $us, la segunda gana 4 veces ms que la primera.
7. SERIES ESTADSTICAS
Son una coleccin de datos numricos resultantes de una serie de observaciones, clasificados y
ordenados con un determinado criterio, que no siempre considera el tiempo. Consideramos las
siguientes series estadsticas.
Series temporales o cronolgicas

Si los resultados se efectan en sucesivos instantes o perodos de tiempo. Denotan un flujo.
Ejemplo: cantidad de gasolina que consume un vehculo por unidad de tiempo.
Series atemporales
Las observaciones de una variable o atributo se efectan en un instante o periodo determinado.
Denotan stock o inventario, tambin llamadas de cross-section, es decir, de corte transversal,
indicando con ello la instantaneidad o falta de temporalidad. Ejemplo: cantidad de gasolina
consumida hasta una fecha determinada; agrupamiento de 10000 personas por estado civil.
Dentro de este gran grupo estn los siguientes subtipos:
a) Series de frecuencias
Si se estudia la repeticin de un fenmeno o de una caracterstica de los componentes de un
colectivo. El agrupamiento de los resultados de las observaciones da lugar a las llamadas series
estadsticas o distribuciones de frecuencias.
b) Series espaciales
Estn formadas por los valores que toma una variable en funcin del espacio geogrfico.
Ejemplo: nmero de habitantes o rea de los departamentos de Bolivia.
Un resumen de esta clasificacin se muestra en la figura 1.7.1.
Figura 1.7.1. Clasificacin de las series estadsticas
Temporales o Cronolgicas
Series
Estadsticas
Cualitativas
De Frecuencias
Atemporales
Cuantitativas
Espaciales
Fuente: Casa Aruta, E. 200 Problemas de Estadstica Descriptiva, 1965
8. UTILIDAD DE LA ESTADSTICA
Es muy comn el empleo de mtodos estadsticos en todas las reas funcionales de los
negocios:
En contabilidad, para seleccionar muestras con fines de auditoria y para comprender los
determinantes del costo.
En finanzas, para elegir entre carteras alternativas de inversin y detectar tendencias en las
5
medidas financieras a travs del tiempo.

En la administracin, para mejorar la calidad de los productos manufacturados o de los
servicios de alguna organizacin.
En mercadotecnia, para estimar la proporcin de clientes en la preferencia de productos y la
razn de sus preferencias. Para obtener conclusiones y determinar la estrategia publicitaria
que resultar ms til para aumentar las ventas de un producto.
En las compaas de seguros, para determinar las primas de seguro de vida o de incendio
mediante tablas estadsticas de siniestros.
En economa, para estudiar los planes de los consumidores y efectuar pronsticos de la
tendencia de las actividades econmicas.
En una empresa de electricidad, para proporcionar un buen servicio a la comunidad,
mediante la inspeccin de las variaciones estacionales de las necesidades de carga.
En sociologa, para auscultar la opinin pblica mediante encuestas, para determinar su
preferencia por un candidato presidencial o su posicin frente a determinados problemas
polticos, econmicos o sociales.
En la industria y otros campos, algunos ejemplos de la utilidad de la Estadstica son:
El astrnomo confecciona tablas numricas para determinar la posicin actual y futura de los
astros.
La semejanza entre los resultados observados y esperados en una experiencia gentica, se
determina estadsticamente.
El ingeniero Industrial, que no puede analizar cada ampolleta o fsforo fabricados, sin incurrir
en la destruccin del producto, controla su calidad mediante muestras tomadas al azar.
Los investigadores, determinan la significacin de ensayos agrcolas mediante
procedimientos estadsticos.
El bilogo aplica las leyes de Mendel, que son esencialmente estadsticas.
El gelogo usa mtodos estadsticos para determinar las edades de las rocas, o predecir las
reservas de petrleo y otros minerales.
El ingeniero civil determina la longevidad promedio de una construccin.
El ingeniero de sistemas determina la variabilidad del tiempo de procesamiento de unidades
computacionales.
A pesar de tratarse de campos y fines tan variados, gran parte de los mtodos utilizados son
bsicamente similares.
9. BREVE RESEA HISTRICA

Origen de la palabra
Los diversos vocablos que se citan como antecedentes del trmino Estadstica son los
siguientes:
Status (latn), que significa situacin, posicin, estado.

Statera (griego), que quiere decir balanza, ya que la estadstica mide o pesa hechos.
Staat (alemn), que se refiere a estado, como expresin de unidad poltica superior.
El trmino Estadstica es ampliamente escuchado y usado a diario por diversos actores de la

sociedad. Hay gran diferencia entre su sentido corriente (generalmente anteceder una citacin
de carcter numrico) y lo que la Estadstica significa como ciencia.
6
Inicios
Hay evidencias del uso de la Estadstica en organizaciones sociales antiguas. Por ejemplo, en
los monumentos egipcios hay testimonios de que las migraciones poblacionales eran seguidas
por medio de censos. La Biblia cita que Moiss hizo un censo de los israelitas en el desierto,
cuando se dirigan a la tierra prometida, despus de ser liberados por Dios de la esclavitud
egipcia (Nmeros 1:1-3; Nmeros 26:1-4). Tambin David realiz un censo (2 Samuel 24:1-2; 1
Crnicas 21:1-2), al igual que Esdras y Nehemas. En China, Confucio narra como un rey
llamado Yao, unos 3000 aos a.C. hizo levantar un recuento agrcola, industrial y comercial del
pas.
Especial mencin tienen los estudios Renta Vitalicia en el imperio romano, los cuales suponen
clculos de vida media a distintas edades; y los documentos sobre los Itinerarios, que describen
las distancias entre localidades y el desarrollo de vas de comunicacin. En los das del
nacimiento de Jesucristo, Augusto Csar (27 a.C. 14 d.C.) promulg un edicto de
empadronamiento, y debido al cual Jos y Mara subieron de Galilea a Judea, a la aldea de
Beln.
En la edad media se encuentran estadsticas ms sistematizadas. El clero se dedic a la
recopilacin, ordenacin y estudio de datos. Guillermo el Conquistador encarg la confeccin de
un registro de la propiedad inglesa para el cobro de impuestos, denominado irnicamente
Doomesday Book (Libro del juicio final), porque de l no se escapaba nadie.
Primera mencin
A mediados del siglo XVII en Alemania, se formaliz una disciplina para describir hechos
notables de estado. Ajustada a una estructura, Hermann Conrig (1600-1681) la introdujo en un
curso de ciencia poltica. Ms tarde Godofredo Achenwall (1719-1772) la consider como
disciplina independiente y la introdujo como una asignatura universitaria con el nombre de
ESTADSTICA.
Paralela y contempornea con la escuela alemana, en Inglaterra se desarroll la escuela de los
aritmticos polticos y en Francia la escuela probabilstica. Un miembro de los aritmticos
polticos fue Graunt (1620-1674) quien realiz investigaciones sobre poblaciones, surgiendo la
estadstica investigadora, la cual se opona a la corriente alemana, llamada estadstica
descriptiva.
La escuela probabilstica, nace con Blas Pascal (1623-1662) y Pedro de Fermat (1601-1665)
para resolver problemas en los juegos de azar propuestos por Antonio Gambaud, conocido
como el Caballero de Mer.
Estadstica moderna
Sealemos a Adolph Quetelet (1796-1874), quien fue el primero en aplicar mtodos modernos al
estudio de un conjunto de datos, y es considerado el padre de la Estadstica Moderna. Antonio
Cournout (1801-1877) integr las leyes de la teora de la probabilidad al anlisis estadstico.
La aparicin de la distribucin normal es un hecho muy importante en la Estadstica moderna. La
ecuacin de la curva de esta distribucin fue publicada por primera vez en 1733 por De Moivre,
pero debido a su incapacidad para aplicar sus resultados a observaciones experimentales su
trabajo permaneci indito hasta cuando Karl Pearson lo encontr en una biblioteca en 1924.
7
Sin embargo, Laplace (1749-1827) y Gauss (1777-1855) obtuvieron cada uno por su lado el
mismo resultado que haba obtenido De Moivre.
Florence Nightingale (1820-1910) y Francis Galton (1822-1911) aportaron con el desarrollo del
mtodo de regresin y correlacin.
Karl Pearson (1857-1936) fund el peridico Biomtrica, que influy profundamente en el
desarrollo de la Estadstica. Su obra cumbre fue la creacin de la distribucin Chi-Cuadrada.
Debido a que Pearson se ocup de muestras grandes, la teora no se ajustaba a muestras
pequeas. William Gosset (1876-1937), quien escriba con el seudnimo de Student dedujo la
distribucin t, solucionando el problema para el estudio de muestras pequeas.
Ronald Fisher (1890-1962) formul aplicaciones de la estadstica para la agricultura, biologa y
gentica. A l se debe el hallazgo de la distribucin F.
J. Neyman (1894) y E.S. Pearson (1895), presentaron una teora sobre la prueba de hiptesis
estadstica, entre 1936 y 1938. La teora estimul la investigacin y fueron varios los resultados
de uso prctico.
Finalmente mencionemos a Abraham Wald (1902-1950) quien present conquistas estadsticas
asociadas a la gentica, estadsticos escandinavos como Gram, Thiele, Charlier y Cramer; y
norteamericanos, entre los que sobresalen Hotelling, Wilks, Mood, etc.
10. LA CONFIABILIDAD DE LA ESTADSTICA

No siempre se hace buen uso de la metodologa estadstica en cuanto al anlisis de los datos,
unas veces por desconocimiento, otras por falta de tica y otras por descuido del investigador.
Un error muy comn es hacer conclusiones o inferencias del comportamiento de la poblacin

basadas en datos muestrales no representativos. Ejemplo: En las elecciones de 1936 en
Estados Unidos, una empresa realiz un sondeo por telfono y determin que el candidato
Alfred Landon aplastara a su contendor Franklin D. Roosevelt. Sin embargo, Roosevelt fue
el ganador con mucho margen. La muestra no fue representativa, ya que en esos aos de
depresin, slo las personas de ncleos econmicos superiores podan tener telfono.
Otro error es realizar conclusiones cuando no se tienen los suficientes datos. Ejemplo: Un
vendedor de seguros afirma que el 25% de sus llamadas resultarn en ventas efectivas, ya
que en sus primeras 4 llamadas realiz una venta. Su informacin sera ms confiable si de
las primeras 100 llamadas, 25 dieron fruto.
Otro, proviene de las diferencias en las definiciones. Ejemplo: En algunos pases, los que
trabajan determinado nmero de horas a la semana se consideran cesantes; en otros, se
incluyen como ocupados.
Otros errores son la medicin inadecuada o la mala clasificacin. Ejemplo: Un aumento de la
criminalidad puede deberse a que se persigue con mayor empeo a los delincuentes, o a
que se haya modificado la calificacin de los delitos.
Las comparaciones inadecuadas son tambin responsables de muchos resultados
incorrectos. Ejemplo: El mayor porcentaje de enfermos fallecidos en hospitales que en sus
casas, obedece a razones obvias.
Finalmente diremos que todo procedimiento estadstico puede emplearse de modo
engaoso o con interpretaciones deficientes de los resultados, sin embargo no es difcil
evitar tales engaos o falsas interpretaciones. Ejemplo: Un profesor encontr en un grupo de
8
escolares, alta correlacin entre la longitud del pie y la aptitud para escribir. Esto se debe a
que los escolares mayores pueden escribir mejor y tambin tienen los pies ms grandes.
CONTROL DE LECTURA
1. Cules son los pasos que sigue el proceso estadstico para estudiar los elementos de una
poblacin?
2. Qu es la Estadstica? (clasifquela en las dos divisiones importantes).
3. Qu diferencia hay entre una poblacin finita e infinita?
4. Clasifique las siguientes caractersticas de la poblacin como variables (discretas o
continuas) o atributos (nominales u ordinales). Luego clasifquelas de acuerdo a las series
estadsticas (temporales, atemporales o geogrficas). Tambin diga el nivel de medicin que
se usara en cada caso (nominal, ordinal, de intervalo o de razn).
a) Alumnos que aprobaron todas sus materias el anterior semestre en la UPB.
b) Nmero de kilmetros que una persona normal camina diariamente.
c) Grado de dificultad que los alumnos de la UPB tienen en Matemticas.
d) Preferencia en la vestimenta.
e) Calidad de grabacin de un CD.
f) Marcas de refrescos.
g) Tamao de una silla.
h) Nmero de personas matriculadas al final del perodo de inscripcin.
i) Flujo vehicular en la calle Heronas de Cochabamba.
j) Razas del mundo.
k) Grado de educacin.
l) Nmero de hijos promedio de las familias cochabambinas.
m) Consumo de agua diario.
n) Nmero de piezas producidas por una mquina industrial.
o) Peso promedio de una bolsa de cemento COBOCE.
p) Temperatura del horno de esmaltado de FABOCE.
q) Barriles por da de fuel oil producidos por una planta refinadora de petrleo.
r) Porcentaje de ausentismo en una fbrica.
5. En los siguientes incisos, haga un comentario sobre la veracidad de las oraciones. Sean
incorrectas o correctas, explique el por qu de su aseveracin.
a)
b)
c)
d)
La estadstica en su fase enumerativa estudia los juegos de azar y las probabilidades.

Cuando hablamos del nivel de medicin de intervalo, el cero es significativo.
Las series temporales denotan inventario.
En la vida real, toda poblacin es finita.
6. Indique otra variable, adems de la temperatura, que pueda medirse con el nivel de intervalo.
7. Averige por qu William Gosset escriba usando el seudnimo de Student.
8. Un peridico local informa que la tercera parte de las profesoras de una escuela estn
casadas con sus estudiantes. Hay algo errado en semejante afirmacin? Explique.
9. Una ciudad de EUA se ufanaba de que era la nmero uno en calidad de vida de sus
habitantes, ya que entre sus ndices estadsticos se poda constatar que su tasa de
10
mortalidad era extremadamente baja. Cul puede haber sido la causa para esta falsa
interpretacin?
10. Las autoridades de un distrito dijeron que la profundidad media de un lago cercano era de
un metro, y por lo tanto, no haba peligro de que nadie pudiera morir ahogado. Es
adecuada esta interpretacin?
11. Para estudiar los patrones de gasto de las familias de un grupo de ingresos determinados,
se realiza una encuesta durante las primeras tres semanas de diciembre. Cree que se
lograr resultados confiables?
11
CAPTULO 2
TCNICAS DE RECOLECCIN DE DATOS
1. INTRODUCCIN
Hay varias razones para obtener datos. Son necesarios para:
La entrada de una encuesta.

La entrada de un estudio.
Medir el desempeo de un servicio o un proceso de produccin en marcha.
Para evaluar la conformidad con los estndares.
Para formular estrategias alternativas en un proceso de toma de decisiones.
Para satisfacer la curiosidad.
Existen varias fuentes para la recopilacin de datos. Los recopiladores de datos son fuentes
primarias, los compiladores de datos se llaman fuentes secundarias.
1. Fuentes gubernamentales, industriales o individuales (fuente secundaria)
2. Diseo de experimentos (fuente primaria)
3. Estudio observacional (fuente primaria)
4. Entrevista (fuente primaria)
5. Cuestionario (fuente primaria)
Sin embargo, en la investigacin en ciencias sociales, existen tres mtodos principales
primarios de recoleccin de datos a partir de una muestra o poblacin: la observacin, la
entrevista y el cuestionario. Obtener datos por medio de experimentos no es muy usual en los
negocios, pero s en la ingeniera e industria. Cada uno de ellos se adapta a las exigencias de
las diferentes disciplinas, presentando ventajas y desventajas.
2. LA OBSERVACIN
2.1. Introduccin
Se ha dicho que la observacin es el procedimiento ms antiguo y moderno a la vez. Sirve a
un objeto ya formulado de investigacin, es planificada y controlada sistemticamente y
relacionada con proporciones ms generales.
Cualquier tcnica de observacin debe contar con los siguientes aspectos: precisin,
confiabilidad y validez de datos. Su control debe ser sistemtico. Una observacin no
estructurada sirve para comenzar los estudios y se requiere de una participacin natural o
espontnea, cuando se forma parte del grupo de observacin.
2.2. La Observacin como tcnica cientfica

Consiste en ver y or hechos y fenmenos que se desean estudiar.
12
2.3. Modalidades
a) Segn medios utilizados:
No estructurada. Tambin llamada observacin simple o libre. Consiste en reconocer y
anotar hechos sin recurrir a la ayuda de medios tcnicos.
Estructurada o sistemtica. Apela a instrumentos para la recopilacin de datos o
hechos establecidos de antemano, para saber qu aspectos se van a estudiar (cuadros,
anotaciones, dispositivos mecnicos).
b) Por la participacin del observador:
Participante. La participacin es real, es decir el observador integra la comunidad o
grupo. Puede ser: natural o artificial.
No Participante. El observador toma contacto con la comunidad o grupo, pero
permaneciendo alejado.
c) Por el nmero de observadores:
Individual. Es la que realiza una sola persona.
Grupal. Se realiza de varias formas:
Todos observamos lo mismo para prevenir distorsiones.
Cada uno observa un aspecto diferente.
d) Por el lugar donde se lleva a cabo:
En la vida real. Las situaciones se captan a medida que se van presentando.
En laboratorio. Cuando los hechos se crean artificialmente.
2.4. Instrumentos de observacin

Son los elementos que facilitan o amplan la observacin.
a) El Diario
Es el relato escrito cotidiano de las experiencias vividas y de los hechos observados.
b) El cuaderno de notas
Generalmente en forma de libreta, que el observador lleva con el objeto de anotar sobre el
terreno todas las informaciones, datos, inferencias, etc., que sean de inters para su
investigacin.
c) Cuadros de trabajo y esquemas
Son una forma de representacin grfica semejantes a planillas, con casilleros formados en
filas y columnas. Los mapas constituyen un auxiliar muy valioso para la investigacin.
13
d) Instrumentos mecnicos
Proveen una informacin objetiva de la realidad y adems exacta (la cmara fotogrfica,
filmadora y grabadora).
2.5. Ventajas y limitaciones

Ventajas. Los fenmenos se analizan con un carcter de totalidad. Los hechos se estudian
sin intermediarios.
Limitaciones. Es difcil distinguir entre hechos observados y la interpretacin personal.
Cada individuo tiene una forma distinta de observar.
2.6. Aplicaciones en los negocios

Los estudios observacionales se presentan en formas muy variadas en las empresas, todos
diseados para recopilar informacin en un medio grupal y ayudar en el proceso de toma de
decisiones. Un ejemplo:
Grupo focal. Sirve para una investigacin de mercado. Se aplica para obtener respuestas
no estructuradas a travs de preguntas abiertas: un moderador conduce la discusin y
todos los participantes responden a las preguntas.
Otros formatos ms estructurados, que involucran dinmicas de grupo para obtener

informacin y llegar a un consenso incluyen varios mtodos de sicologa industrial y del
comportamiento organizacional, como son:
Lluvia de ideas (brainstorming)

Tcnica Delphi
Mtodo de grupo nominal
Estas herramientas se han popularizado en los ltimos aos debido al impacto de la filosofa
de administracin de la calidad total (TQM) en las empresas. TQM hace hincapi en la
importancia del trabajo en equipo y el empoderamiento (empowerment) de los empleados, en
un intento por mejorar cada producto o servicio.
3. LA ENTREVISTA
3.1. Introduccin
La entrevista, es uno de los procedimientos ms utilizados en la investigacin social y como
tcnica profesional en otras reas. La usan el psiquiatra, psicoterapeuta, psiclogo, trabajador
social, etc. Se la utiliza tambin para informar, educar, orientar y motivar.
En cualquiera de sus modalidades, la entrevista consiste en que una persona (encuestador),
solicita informacin a otra (informante o sujeto investigado), para obtener datos sobre un
problema determinado. Presupone la existencia de dos personas y la posibilidad de
14
interaccin verbal. Como tcnica de recopilacin, va desde la interrogacin estandarizada,

hasta la conversacin libre; en ambos casos se recurre a una "gua" que puede ser un
formulario o bosquejo de preguntas para orientar la conversacin.
3.2. Modalidades
Segn el propsito profesional, la entrevista puede asumir las siguientes modalidades:
a) Estructurada. Toma la forma de un interrogatorio, las preguntas se formulan siempre en el
mismo orden y con los mismos trminos. Se la realiza en base a un formulario previamente
preparado y estrictamente normalizado.
b) No estructurada. Deja una mayor libertad a la iniciativa de la persona interrogada y al
encuestador, tratndose de preguntas abiertas que son respondidas dentro de una
conversacin, teniendo como caracterstica principal la ausencia de una estandarizacin
formal. Puede adoptar tres modalidades:
Focalizada. El encuestador tiene una lista de cuestiones a investigar derivadas del
problema general que quiere estudiar. En torno a ese problema se establece una lista de
tpicos en los que se centra la entrevista.
Clnica. Es una modalidad semejante a la anterior; pero difiere de sta en el enfoque.
No se trata de analizar la experiencia que han tenido varias personas, sino de estudiar
las motivaciones y sentimientos de las mismas. La gua de entrevista tiene preguntas
relacionadas con los sentimientos y actitudes que se van a estudiar.
No dirigida. El informante tiene completa libertad para expresar sus sentimientos y
opiniones. El encuestador tiene que animar a hablar de un determinado tema y
orientarlo, teniendo significacin sus sentimientos y opiniones.
3.3. Preparacin
La entrevista requiere de ciertas medidas para ser usada como mtodo de investigacin:
a)
Presentacin del encuestador. Seleccionadas las personas que han de ser

entrevistadas, conviene presentar al encuestador enviando una nota que anuncie su visita
y explique los motivos de la entrevista.
b) Oportunidad de la entrevista. Es importante conocer la distribucin del tiempo y las

ocupaciones de las personas que han de ser entrevistadas. Lo ms conveniente es
obtener cita de antemano, lo cual asegura que el trabajador ser atendido.
3.4. Principios directivos

Para el mejor desarrollo de la entrevista, se dan algunos principios directivos:
a) El contacto inicial
15
Por lo general, la nota o aviso anunciando la visita del encuestador es la nica medida previa
al primer contacto con el entrevistado. Tambin podra serlo la entrevista previa con los lderes
de la comunidad, cuando se la realiza.
Despus que el encuestador se presenta por primera vez, todo depende de las cualidades
personales. Es necesario que sea bien recibido en presencia de la persona que ha de ser
entrevistada. Ser el don de gentes su principal auxiliar, sin ser este el formalismo o la
amabilidad hipcrita.
Para iniciar la conversacin es aconsejable la charla amistosa sobre cualquier tema. Luego el
entrevistador deber explicar la finalidad y objeto de la encuesta, el nombre del organismo y
personas que lo patrocinan, la importancia para la comunidad y la necesidad e importancia de
la colaboracin personal del entrevistado. En este primer contacto se destacar el carcter
estrictamente confidencial y el anonimato de la informacin, si ese es el caso.
En este primer momento se debe crear un ambiente agradable para una comunicacin
positiva entre el entrevistador y el entrevistado.
b) Cmo formular las preguntas
Si se trata de una entrevista no estructurada, las preguntas sern planteadas dentro del
contexto general de una conversacin.
En una entrevista estructurada, la formulacin de las preguntas tendr un carcter ms
metdico, pero en ambos casos, deben ser formuladas de modo que cada una tenga
exactamente el mismo valor psicolgico para los interlocutores.
Pueden hacerse las siguientes recomendaciones para el modo de formular las preguntas:
Usar el cuestionario de manera informal. El encuestador no debe dar la impresin que la
entrevista es un interrogatorio o examen. Para esto, en sus palabras y gestos no debe
existir todo aquello que implique crtica, sorpresa, aprobacin o desaprobacin, tanto en las
preguntas formuladas como en las contestaciones del entrevistado.
Cada pregunta debe ser leda por el encuestador antes de formulada, en tono de voz
natural y de conversacin, evitando el tono de lectura o de interrogatorio. Por otra parte, la
mayor atencin estar centrada sobre el interrogado y no sobre el cuestionario.
Las preguntas deben ser formuladas exactamente como estn redactadas en el
cuestionario a todas las personas para evitar la influencia de las opiniones personales del
encuestador y la variacin de significaciones debido al cambio de palabras o giros (esta
recomendacin no vale para la entrevista no estructurada).
Las preguntas deben ser formuladas en el mismo orden del formulario para evitar el
contagio o contaminacin que puede producirse entre ellas.
Si el entrevistado responde a una respuesta que puede aplicarse ms adelante a otras
preguntas, el encuestador debe volver a formular la pregunta en su oportunidad,
16
aadiendo la frase: Si bien ya tratamos el tema.... En cambio, si la pregunta ha sido

previamente contestada en su totalidad, la repeticin es innecesaria.
Es conveniente utilizar frases de transicin al pasar de un tema a otro, como: bueno,
veamos ahora...; muy bien...; le parece que sigamos con...?. Estas expresiones de
descanso ayudan tambin a ubicar psicolgicamente al interrogado.
Debe dejarse constancia escrita de los cambios introducidos eventualmente en el
cuestionario. Si bien no deben introducirse cambios en el cuestionario, podra presentarse
algn motivo especial que los hiciera indispensables. Podra ser la alteracin del orden de
las preguntas, reemplazo de algunas palabras, formulacin de la pregunta en otros
trminos, etc. En cualquiera de los casos, el cambio producido debe ser anotado en el
cuestionario correspondiente y/o en el informe escrito, posteriormente.
Han de hacerse breves comentarios que ayuden a mantener la comunicacin, con
palabras que manifiesten al entrevistado que interesa y se da importancia a lo que l dice.
Por ejemplo: eso es...; claro...; si..., etc. y hacer algn comentario que sea una
manifestacin de inters, pero que no exprese ni aprobacin ni desaprobacin de la
opinin del entrevistado.
c) Cmo completar y obtener respuestas
Cuando se insiste sobre una pregunta para completar o aclarar la respuesta, una formulacin
inadecuada puede sugerir la respuesta. Debe cuidarse este aspecto, tanto en el tono como en
el nfasis de la pregunta. Una pregunta del tipo: No cree Ud. que sera mejor..., no puede
tener cabida en una entrevista. Hay otras formas de preguntar para que exista neutralidad,
como: Cul es la causa segn su opinin?; Qu quiere decir Ud. con esto?; No he
comprendido lo que Ud. quiere decir....
Se da otro problema cuando el entrevistado dice: no s, pero lo que en realidad pasa es que
no tiene ganas de pensar. En este caso el entrevistador debe motivar para ayudar a
responder, pero teniendo cuidado de no orientar o sugerir la respuesta. Podran usarse
expresiones de este estilo: Parece ser que esta es una cuestin sobre la cual de ordinario la
gente no piensa, pero deseara conocer su opinin acerca del asunto.
d) Cmo registrar las respuestas
La anotacin posterior a la entrevista presenta dos inconvenientes: los lmites de la memoria
humana, que no puede retener con fidelidad toda la informacin y la distorsin que se
produce por causa de los elementos subjetivos que se proyectan en la reproduccin de la
entrevista.
La anotacin directa mientras se desarrolla la entrevista es ms recomendable, para recoger
con fidelidad y veracidad la informacin que proporciona el entrevistado; mejor si se cuenta
con un grabador, pidiendo el consentimiento al interrogado.
No es imprescindible recoger fielmente todos los datos. Por el temor de perder una simple
informacin quiz de poco valor, se confunde, olvida, omite o tergiversan puntos ms valiosos
17
y esenciales.
Para una entrevista estructurada, son tiles las siguientes recomendaciones:
Disponer la cdula sobre una mesa o superficie lisa que permita hacer las anotaciones sin
dificultad.
Situar en una misma lnea visual a la cdula y al entrevistado, con el objeto de poder mirar
a una y a otro sin hacer grandes movimientos, centrando la atencin en el informante.
Comenzar a anotar apenas el entrevistado empieza a contestar o usar un punto de
exclamacin (!) cuando el tono de la respuesta as lo pide.
Anotar algunos gestos y actitudes del entrevistado que posean alguna significacin til
(encogimiento de hombros, entrecejo fruncido, etc.).
Utilizar las mismas palabras del entrevistado y evitar resumir o parafrasear las respuestas.
Incluir todo lo que atae al objetivo de la pregunta y anotar en sntesis las digresiones,
aunque stas no se refieran directamente al asunto.
e) Conclusin de la entrevista
El interrogatorio debe terminar en un clima de cordialidad. Cuando la ndole de la investigacin
requiere posteriores entrevistas, debe dejarse la puerta abierta para los prximos
encuentros. Por otro lado conviene terminar la entrevista cuando el interrogado mantiene
deseos de seguir hablando sobre el asunto, con lo cual queda establecido un eslabn para la
prxima ocasin: Bueno se ha hecho un poco tarde...; Qu le parece si seguimos
hablando de esto la semana que viene...?.
3.5. Ventajas de la entrevista

Hemos mencionado la importancia que ha tenido la entrevista como instrumento de la
investigacin social y medio para el desarrollo de las ciencias sociales. Se suelen sealar dos
razones principales de este xito:
Porque la entrevista es una tcnica eficaz para obtener datos relevantes y significativos
desde el punto de vista de las ciencias sociales.
Porque los datos obtenidos son susceptibles de cuantificacin y de tratamiento estadstico.
Estas son ventajas en relacin a otros procedimientos. Respecto de la tcnica de cuestionario,
presenta tambin una serie de ventajas:
Posibilidad de obtener mayor porcentaje de respuestas, en cuanto que es ms fcil no
responder a una carta, que rechazar a un encuestador.
Posibilidad de obtener una informacin ms precisa, puesto que en ciertas circunstancias,
el encuestador puede comprobar de inmediato discordancias en la informacin
suministrada o controlar la validez de las respuestas. Puede adems ayudar a expresar
adecuadamente un pensamiento, motivar una respuesta, etc.
Posibilidad de captar el sabor de las respuestas, reacciones, ademanes, gestos,
movimientos, tonos de voz, nfasis, etc. En este aspecto la superioridad de la entrevista es
evidente, puesto que permite aadir muchas observaciones que constituyen la
circunstancia de lo registrado.
18
No se requiere que la persona entrevistada sepa leer o escribir.

Ofrece mayor flexibilidad, puesto que el encuestador puede aclarar y repetir las preguntas y
adaptarse ms fcilmente a las personas y circunstancias concretas.
3.6. Dificultades inherentes de la entrevista

Estas pueden provenir de la naturaleza misma de esta tcnica, la persona interrogada y el
encuestador.
a) Limitaciones inherentes a la entrevista
Pueden sealarse dos dificultades principales:
Limitaciones de la expresin verbal. La tcnica de la entrevista se apoya en las
posibilidades de expresin verbal y que la persona interrogada est capacitada para
informar sobre s misma. Pero esto es vlido slo para cierto tipo de cultura y para
personas de una determinada posicin social. En efecto, en ciertas culturas las palabras
tienen una funcin ms expresiva, pero menos instrumental para reflejar los pensamientos
y la accin. De manera semejante ocurre en grupos pertenecientes a la periferia (viejos,
personas muy rudas como los obreros de una fbrica, vagabundos, etc.).
La ausencia de secreto en las respuestas. Es propia de la entrevista e influye en ciertas
circunstancias sobre el entrevistado y sus respuestas. Aunque el entrevistador pueda
asegurar al entrevistado que no ser identificado en modo alguno, ste puede poner en
duda su buena fe, puesto que en muchas situaciones, el entrevistador conoce bien el
nombre del entrevistado, su direccin u otra informacin que podra servir para identificarlo.
Adems, siempre cabe la posibilidad de que pueda incluir esta informacin en el informe
final.
b) Limitaciones provenientes de la persona entrevistada
Pueden resumirse en lo siguiente:
El sujeto entrevistado est dispuesto a proporcionar la informacin solicitada?

Estando dispuesto, ha comprendido bien todas las preguntas?
Habiendo comprendido, responde con sinceridad?
Respondiendo con sinceridad, es capaz de expresarse adecuadamente?
c) Limitaciones provenientes del encuestador

El encuestador puede limitar de dos maneras, principalmente: por su aspecto personal y por
sus opiniones personales.
El aspecto personal del encuestador. Su presentacin fsica, indumentaria,
comportamiento, gestos y voz, tambin pueden ejercer influencia sobre las respuestas
dadas por el entrevistado. Son conocidas por todos las dificultades de comunicacin a que
puede dar lugar este factor.
Las opiniones personales del encuestador, ejercen de alguna manera influencia sobre el
19
entrevistado. Sobre esto hablamos anteriormente y todo lo dicho tiene valor con respecto a
la entrevista. En la prctica, resulta imposible una imparcialidad por parte del encuestador.
Con todo, resulta obvio que el encuestador debe hacer todo lo que est de su parte para
que sus ideas, opiniones o preferencias, no se transmitan o proyecten en la entrevista.
Finalmente cabe reconocer que, aparte de las limitaciones imputables a las personas que
intervienen en la entrevista, sta exige mayor cantidad de tiempo y por lo tanto, representa
mayores costos. Este inconveniente, por ser inherente a la propia tcnica, resulta insalvable.
A ello cabe agregar otros costos como los gastos de movilidad, viticos, etc.
4. EL CUESTIONARIO
4.1. Introduccin
En la entrevista, las respuestas son formuladas verbalmente y se necesita del entrevistador;
en cambio en el cuestionario, las respuestas son formuladas por escrito y no se requiere la
presencia del entrevistador.
4.2. Modalidades
La modalidad ms comn del cuestionario consiste en enviarlo por correo, de ah que se ha
propuesto llamar a esta tcnica encuesta postal. Otra modalidad tambin es la de los censos
que consisten en ir casa por casa preguntando a consumidores especficos.
4.3. Preparacin, redaccin y presentacin del cuestionario

a) Objetivos y cualidades del cuestionario
La finalidad del formulario es traducir los objetivos de la investigacin en preguntas
particulares. Suelen sealarse tres cualidades de todo formulario:
Adaptacin al objeto de investigacin.
Adaptacin a los medios.
Precisin de las informaciones en un grado de exactitud suficiente y satisfactoria para el
objetivo propuesto.
b) Tipos de formularios
Por lo general, suelen distinguirse dos tipos de formularios: el cuestionario y la cdula. El
cuestionario esta destinado a ser llenado por la persona interrogada sin la intervencin del
encuestador; la cdula en cambio, es llenada por el propio encuestador a medida que obtiene
las respuestas de las personas interrogadas.
c) Forma de preguntas
Preguntas abiertas. Son aquellas que el interrogado contesta con su propio vocabulario,
manifestando cuanto desea sobre el tema y sin hallar ningn lmite alternativo.
20
Preguntas cerradas o dicotmicas. Llamadas tambin limitadas o alternativas fijas. Solo

pueden ser contestadas por un si o un no.
Preguntas de eleccin mltiple. Se trata en cierto modo de preguntas cerradas, que
dentro de los extremos de una escala, permiten una serie de matices fijados anteriormente.
En ellas, las respuestas posibles ya estn dadas y estructuradas junto con las preguntas.
Dentro de estas existen dos tipos:
Preguntas con respuesta en abanico. Permiten contestar, sealando una o varias
respuestas presentadas junto con una pregunta.
Preguntas de estimacin. Introducen dentro del abanico de respuestas, diversos
grados de intensidad para un mismo tem.
d) Tipos de preguntas
Preguntas de hecho. Versan sobre cuestiones concretas y tangibles, fciles de precisar.
Ejemplo: Cuntos autos tiene?; Cul es su profesin?.
Preguntas de accin. Se refieren a actitudes o decisiones tomadas por el individuo.
Interrogan sobre una accin realizada y sobre algunos detalles de la misma. Ejemplo:
Sembr maz este ao?; Particip en programas de vivienda?, Con qu objeto?.
Preguntas de intencin. Tratan de averiguar lo que el individuo hara si eventualmente se
diera una determinada circunstancia. Ejemplo: Por qu partido votara usted si maana
hubiese elecciones?; Participara usted de una cooperativa agropecuaria?.
Preguntas de opinin. Aqu no se interroga al individuo sobre lo que hara en cierta
circunstancia concreta, sino sobre lo que piensa u opina acerca de algo. Ejemplo: Cul es
para usted la mejor marca de computadoras?; Qu Universidad le parece mejor?.
Preguntas de ndice o de test. Son aquellas que se utilizan con el fin de obtener
informacin sobre cuestiones que suscitan recelos en la persona interrogada o que
formuladas directamente entran dentro de la categora de preguntas socialmente
inaceptables. Mediante estas preguntas se trata de estudiar un fenmeno no de manera
directa, sino a travs de un sntoma o ndice. Ejemplo: en las encuestas sobre el nivel de
vida, en lugar de preguntar directamente: Cunto gana usted?, se suele colocar
preguntas ndices como: Posee usted automvil..., casa propia..., televisor?.
Preguntas rompe hielos. Son aquellos que dan habilidades y atributos para comunicarnos
antes de comenzar el cuestionario.
e) Eleccin de preguntas
Anlisis de las personas, factores, sin vueltas, preguntas concretas sobre el tema y sobre
necesidades. Las preguntas deben ser pre-codificadas con procedimientos de frecuencias
marginales y reales. Deben ser datos comparables, respuestas sin dificultad. No se toca
estados de nimo. Las respuestas deben ser annimas.
21
f) Modo de formular preguntas

Deben ser adecuadas al caso, claras, concretas y concisas. No se deben preguntar cosas que
uno no pueda responder. No debe dar lugar a interpretaciones de doble sentido. No se debe
sugerir respuestas.
g) Estructura y nmero de preguntas
No deben ser demasiadas (mximo 30), tampoco deben ser difciles.
h) Orden y prevencin de deformaciones
El orden debe ser lgico para prevenir inconvenientes. Se debe evitar la relacin
conservadora (seguir a los lderes).
i) Presentacin
El cuestionario debe ser presentado cumpliendo los siguientes requisitos:
Nota de presentacin. En ella se explicar la finalidad de la encuesta y los beneficios que
por la misma se desean alcanzar.
Pedido de cooperacin. En la misma nota de presentacin puede incluirse un prrafo
pidiendo la colaboracin individual.
Entidad organizadora. En la nota de presentacin o bien en el mismo cuestionario, debe
figurar el nombre de la entidad u organismo que realiza la encuesta.
Instrucciones para contestar. Todo cuestionario debe estar acompaado de
instrucciones, definiciones y notas explicativas, de manera que el que debe llenarlo sepa a
ciencia cierta lo que se le pregunta y de que manera debe responder.
Aspectos materiales y estticos. La hoja o folleto debe tener un tamao conveniente.
Una buena presentacin se beneficia con un papel de cierta calidad y suficientemente
resistente para soportar el inevitable manoseo al que ser sometido. Los papeles blancos o
de color claro facilitan la lectura.
4.4. Ventajas del cuestionario

Con iguales fondos se puede abarcar una mayor rea geogrfica y alcanzar un mayor
nmero de personas.
Menores gastos de personal, tanto en el adiestramiento como en el trabajo de campo.
Menor tiempo para llegar a un mismo nmero de personas.
Mayor libertad en las respuestas.
Menor riesgo de distorsiones.
4.5. Limitaciones del cuestionario

Riesgo de un elevado porcentaje de cuestionarios sin responder.
22
Exclusin casi sistemtica de quienes no saben leer o escribir.

Imposibilidad de ayudar al informante, cuando no ha comprendido las preguntas.
Recepcin tarda de muchos cuestionarios.
4.6. Ejemplo de una encuesta para un estudio de mercado

Se incluye aqu una encuesta para que el lector pueda observar la manera de cmo
configurarla de acuerdo a los objetivos de su investigacin.
ENCUESTA
Esta investigacin tiene como objetivo recopilar informacin sobre las preferencias de compra
de ternos, para la realizacin de una tesis de maestra en la Universidad Privada Boliviana. Le
agradecemos de antemano su colaboracin por llenarla siguiendo las instrucciones.
Datos personales
Marque con una cruz la respuesta verdadera o responda a las preguntas de desarrollo
1. Rubro de la empresa en la que trabaja:
q Servicios
q Comercial
q Industrial
Especificar
si
es
pblica
privada:
...............
2. Cargo que ocupa en la empresa:
q Dueo o Socio
q Gerente
q Jefe
q Supervisor
q Empleado
3. Edad:
q 20-25
q 26-30
q 31-35
q 36-40
q 41-45
q 46-50
q 51-55
q Ms
q 2001-2500
q Ms
4. Sexo:
q Masculino
q Femenino
5. Ingresos mensuales aproximados ($us):

q 100 - 500
q 501 - 1000
q 1001 - 1500
6. Profesin: ....................................................
q 1501 - 2000
Zona en la que vive: ....................................
Preferencias
7. Alguna vez ha comprado un terno?
q Si
q No
8. Si respondi NO, por qu?

q No alcanza el presupuesto
q No lo necesito
23
q Me regalan
q Me presto
q Otro: ...................................................................
Gracias por su colaboracin!
9. Con qu frecuencia compra un terno?

q Cada 6 meses
q Uno por ao
q Uno cada dos aos
q Ocasionalmente
10. Para qu ocasin compra un terno?

q Para vestirse a diario
q Para matrimonios
q Para bautizos
q Para cumpleaos
q Para reuniones en el trabajo
q Otros: ............................
11. Alguna vez regal un terno?

q Si
q No
12. Si lo hizo para que tipo de acontecimientos?

q Cumpleaos
q Da del Padre
q Matrimonio
q Bautizo
q Otro: ............................................
13. Qu otros artculos comprara adems de un terno cuando va a la tienda?

q Camisas
q Calcetines
q Ropa interior
q Corbatas
q Reloj
q Billetera
q Cinturn
q Pretinas
q Zapatos
q Ropa casual
q Otros: ....................................
14. Compra usted ternos o trajes formales para sus hijos?

q Si
q No
15. Si respondi No, por qu?

q No necesitan
q No tengo presupuesto
q No existe en las tiendas
q Otro: .................................................
16. Qu servicios le gustara obtener, si fuera un cliente exclusivo de alguna de las

empresas? (Enumere por orden de importancia los que considere)
q Trajes a medida y segn diseo
q Descuentos por planilla
q Descuentos por cantidad
q Atencin y asesoramiento cientfico
q Informacin de novedades en productos y marcas
q Crdito
q Otro: ..............................................
17. La vitrinas, la disposicin y el decorado de la tienda, influyeron en sus compras?
q Si
q No
Por qu? ....................................................................................
18. Influy en sus compras el servicio de atencin y asesoramiento cientfico personalizado?

q Si
q No
Por qu? ....................................................................................
19. De dnde compr sus ternos, cuntos ternos posee actualmente, de qu tipo son, son a
medida, cul es la caracterstica ms importante para usted y a qu precios? Llene por
favor la siguiente matriz.
24
25
Sastrera:
............................
............................
............................
Otro:
............................
............................
............................
Importado
Julios
El Corte Ingls
Almanza
Empresa
(Solo responder
en las empresas
que compr sus
ternos)
Imagen/
reputacin
de la
empresa
(Numerar por
orden de
importancia)
N de
ternos
26
1. ........................................... ..................
2. ........................................... ..................
3. ........................................... ..................
Caracterstica
(Colocar solo cuatro letras para
cada empresa por orden de
importancia: A=Calidad de la tela,
B=Excelente acabado,
C= Comodidad, D=Elegancia,
E=Colores de tela, F=Precio,
G=Entrega rpida,
H=Servicio adecuado, I=Liviano,
J=Otra-Especificar)
A medida?
(Responder
SI o NO)
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
..................
1. .........................................
2. .........................................
3. .........................................
4. .........................................
5. .........................................
6. .........................................
1. ...........................................
2. ...........................................
3. ...........................................
1. ...........................................
2. ...........................................
3. ...........................................
1. ...........................................
2. ...........................................
3. ...........................................
Tipo de terno
(Especificar si es A=Smoking,
B=Clsico con dos botones,
C=Clsico con tres botones,
D=Cruzado,
E=Otro-Especificar)
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
.............
Precio
aprox.
($us)
5. EL DISEO DE EXPERIMENTOS
5.1. Introduccin
En un experimento se ejerce un control estricto sobre los tratamientos. Ejemplo: en un estudio
para verificar la efectividad de un detergente para ropa, el investigador determinar qu
marcas son ms efectivas para limpiar ropa manchada al lavar las prendas bajo las mismas
condiciones, en lugar de realizar una encuesta a los consumidores sobre cul marca es la
mejor segn su opinin.
5.2. Conceptos
Un experimento es una prueba o ensayo. Un experimento diseado est constituido por una
serie de pruebas en las que se inducen cambios deliberados en las variables de entrada de
un sistema, para poder visualizar e identificar las causas de los cambios que se han producido
en la respuesta de salida.
El diseo de experimentos es un conjunto de tcnicas activas que manipulan el proceso
para inducirlo a proporcionar la informacin que se requiere para mejorarlo. Son tcnicas
estadsticas y de ingeniera o empresariales que permiten lograr la mxima eficacia de los
procesos de produccin o de servicios al menor costo.
Una unidad experimental es la muestra de artculos que es necesario producir en una
condicin de operacin del proceso para obtener, a partir de ellos, una medicin o dato
representativo de lo que all ocurre.
A continuacin presentamos en la figura 2.5.1, las distintas partes de las que se compone un
sistema que puede ser sujeto al diseo de experimentos.
Figura 2.5.1. Partes de un sistema sujeto al diseo de experimentos
Factores
controlables
x1
Entradas
x2
...
xp
Salida
Proceso
z1
z2
...
y
zq
Factores
incontrolables
Fuente: Montgomery, Douglas C. Diseo y Anlisis de Experimentos, 1991
27
Un sistema puede ser un proceso, combinacin de mquinas, mtodos, personas, productos,

etc. En todo proceso intervienen distintos tipos de variables o factores. Una entrada puede
ser: materias primas, productos en proceso, materiales, insumos, etc.
La salida (o variable de respuesta) es la caracterstica o propiedad del producto, cuyo valor
interesa mejorar, que en general determina algn aspecto de la calidad del producto, como
por ejemplo: dureza, color, costo, textura, etc (tambin se aplica a servicios).
Algunas variables son controlables: x1, x2, ..., xp, mientras que otras son incontrolables: z1,
z2, ..., zq (aunque pueden controlarse para los objetivos de una prueba). Los factores
controlables son variables de entrada que se pueden fijar en un punto o nivel de operacin a
voluntad, lo que hace posible que se pueda experimentar con ellos. Algunos factores que
generalmente se controlan son: temperatura, tiempo de residencia, cantidad de cierto reactivo,
velocidad, presin, etc. Los factores no controlables o de ruido son variables que no se
pueden controlar durante la operacin normal del proceso, como por ejemplo las ambientales:
luz, humedad, temperatura, partculas, ruido, etc.; el nimo de los operadores, la calidad del
material de los proveedores, y los diversos usos que el cliente le pueda dar al producto.
Los factores estudiados son las variables que se investigan en el experimento, para
observar cmo afectan o influyen en la variable de respuesta, pudiendo ser controlables o no.
Los diferentes valores que se asignan a cada factor estudiado se llaman niveles. Una
combinacin de niveles de todos los factores se llama tratamiento.
Siempre que se realiza un experimento, parte de la variabilidad del proceso no se podr
explicar por los factores estudiados, y que se debe a causas comunes o aleatorias, llamado
error aleatorio. Parte de este error, adems de ser el resultado del pequeo efecto de los
factores no estudiados, tambin lo es del error experimental, que se compone de los errores
que comete el experimentador en la planeacin y ejecucin del experimento. Se debe tratar
de que el error aleatorio sea el mnimo posible, ya que si es grande podra invalidar las
conclusiones del experimento.
5.3. Objetivos
Los objetivos de un experimento son:
1. Determinar las variables que influyen ms en la respuesta y.
2. Determinar los valores ptimos de las variables x, para lograr que y tenga los valores
deseados.
3. Determinar los mejores valores de las variables x, para lograr que la variabilidad de y
sea la menor.
4. Determinar los valores ptimos de las variables x, de forma de minimizar los efectos de
las variables incontrolables z. Cuando se logra esto, se dice que se tiene un proceso
consistente o robusto.
28
5.4. Proceso
Los mtodos de diseo experimental tienen su aplicacin en muchas disciplinas, ya que la
experimentacin es parte del mtodo cientfico.
El proceso que sigue un experimento es cclico, y es el siguiente:
Se quiere aprender algo acerca de cmo funciona un sistema.

Se planean una serie de actividades.
Se realizan conjeturas acerca del sistema.
Se realizan experimentos.
Se recogen datos o resultados a partir del sistema.
Se usan las conclusiones del experimento para realizar de nuevo conjeturas.
Se realizan nuevos experimentos.
Y as sucesivamente.
5.5. Uso de los mtodos estadsticos

Para que un experimento se realice eficientemente, es necesario utilizar mtodos cientficos
en su planeacin y ejecucin. Hay dos aspectos que hay que considerar en todo experimento:
el diseo del experimento y el anlisis estadstico de los datos.
El diseo estadstico de experimentos es el proceso de planear un experimento para obtener
datos apropiados, que pueden ser analizados mediante mtodos estadsticos, con objeto de
producir conclusiones vlidas y objetivas.
Para introducir un uso eficiente de la estadstica en la experimentacin, el investigador debe
tener en mente los siguientes aspectos:
1. Uso del conocimiento no estadstico del problema
Para disear un experimento es necesario el conocimiento de un especialista o profesional
con experiencia en el campo de aplicacin, ya que l elegir adecuadamente los factores ms
importantes y sus niveles, tamao de rplicas a usar, materiales necesarios, interpretacin de
resultados, etc. La Estadstica no puede sustituir este conocimiento.
2. Simplificar al mximo el diseo y anlisis
Si se planea el experimento adecuadamente, rara vez se tendrn experimentos complicados,
y por lo tanto se usarn tcnicas estadsticas simples y directas.
3. Reconocer la diferencia entre la prctica y la estadstica
El probar que un mtodo o una combinacin de factores produce un mejor rendimiento o
minimiza la variabilidad de un sistema, mediante experimentacin sujeta al anlisis estadstico,
no es suficiente a la hora de llevar esas condiciones a la prctica. El investigador luego
deber verificar por ejemplo si su implementacin es ms econmica que la anterior.
29
4. Reconocer el carcter iterativo de los experimentos

Se ha visto que la optimizacin de un sistema no se puede lograr mediante un solo
experimento, sino que es un proceso cclico, ya que son muchos los elementos a determinar:
factores importantes, sus intervalos, el nmero de niveles, las unidades de medicin y sus
resultados.
En general no se invierte ms del 25 a 30% de los recursos de la investigacin en el diseo
inicial, para luego realizar muchos otros experimentos, hasta llegar a la optimizacin final.
5.6. Principios bsicos

Hay tres principios en el diseo de experimentos:
1. Obtencin de rplicas
Rplica es una repeticin del experimento bsico. Esto permite al investigador:
Obtener una estimacin del error experimental y utilizar el anlisis estadstico. Esta
estimacin permite determinar si las diferencias observadas en los datos son
estadsticamente significativas.
Calcular de manera ms precisa el efecto de un factor, usando la media aritmtica de la
muestra como estimador del efecto.
2. Aleatorizacin
Es la piedra angular para fundamentar el uso de mtodos estadsticos en el diseo de
experimentos.
La aleatorizacin es la determinacin al azar que se realiza, tanto en la asignacin del
material experimental como en el orden en que se realizarn las pruebas.
Los mtodos estadsticos requieren que los datos muestrales hayan sido obtenidos
aleatoriamente. Por otra parte, al aleatorizar el experimento se cancelan los efectos de
variables extraas que pudieran presentarse, ya que se reparte de manera homognea en
todos los tratamientos.
3. Anlisis por bloques
Es una tcnica usada para aumentar la precisin del experimento. El bloqueo es nulificar o
tomar en cuenta en forma adecuada todos los factores que puedan afectar a la variable de
respuesta.
Un bloque es una parte del material experimental que es ms homogneo que todo el
material. Se realizan las comparaciones entre las comparaciones de inters del experimento
dentro de cada bloque, minimizando as el efecto de variables extraas.
30
5.7. Directrices o etapas

El procedimiento para disear y analizar un experimento con un enfoque estadstico es el
siguiente:
1. Comprensin y planteamiento del problema
En primer lugar no es fcil darse cuenta de si un problema necesita de la experimentacin, ni
disear un planteamiento claro del mismo. En la prctica se realiza una consulta a todo el
personal que forma parte del problema: cuerpo tcnico, responsables de la calidad,
manufactura, gerencia, marketing, personal operativo, etc. Un diseo claro y concreto
ahorrar mucho tiempo y dinero.
2. Eleccin de factores y niveles
El investigador deber fijar los siguientes elementos:
Factores importantes.
Intervalos en los que variarn dichos factores.
Niveles especficos para cada factor.
Control de los factores en los valores deseados.
Medicin de los valores de cada factor.
Para esto, se necesita conocer a fondo el proceso: experiencia, prctica y comprensin

terica.
3. Seleccin de la variable de respuesta
Se selecciona la respuesta o variable dependiente del problema de modo que sta provea
informacin til del proceso a investigar. La media aritmtica o la desviacin de la
caracterstica medida con frecuencia son la variable respuesta. Medir adecuadamente el error
estndar es vital en un experimento.
4. Eleccin del diseo experimental
En la eleccin es importante ajustarse a los objetivos del experimento. Luego es importarte
definir el tamao muestral (nmero de repeticiones), determinar si hay implicado un bloqueo o
existen restricciones de aleatorizacin.
5. Realizacin del experimento
No se debe subestimar la planeacin y control logstica, ya que los errores en el experimento
suelen anular su validez.
6. Anlisis de datos
Un experimento bien diseado deber ser susceptible de ser tratado estadsticamente. La
apreciacin no constituye un elemento de anlisis contundente, as que se recurre al anlisis
estadstico para obtener resultados objetivos.
31
Hay que tener en mente que el anlisis estadstico no puede aseverar nada, pero proporciona
los elementos para estimar parmetros con un grado de error o probabilidad.
7. Conclusiones y recomendaciones
Los datos extrados del experimento y evaluados mediante mtodos estadsticos deben ser
analizados e interpretados correctamente, para luego realizar decisiones acertadas. Para ello
son tiles los grficos.
5.8. Ventajas
La aplicacin del diseo de experimentos en el inicio del desarrollo de productos o procesos,
tiene las siguientes ventajas:
Mejora en el rendimiento
Variabilidad ms pequea y mejor estandarizacin.
Menor tiempo de desarrollo.
Menores costos a largo plazo.
32
CONTROL DE LECTURA
1. Indique qu modalidad se usara para la observacin de los siguientes hechos:
a) 15 alumnos de la UPB observaron la manera de resolver problemas de un gerente
experimentado usando para ello una cmara filmadora y para este fin fueron a la
empresa dnde trabajaba, que se encontraba en Chile y solo pudieron tener acceso por
un da.
b) Los alumnos de la UPB, quieren observar la vida cotidiana de un alumno x, como
representativo de su clase social.
c) Un alumno de la UPB observ el nivel de estrs de sus compaeros al dar un examen,
para lo cual us una cmara filmadora.
d) 5 promotores van al estadio Flix Capriles para ver a Wilsterman jugar, con el objetivo
de fichar algunos jugadores para clubes extranjeros.
e) Se film un documental del primer len nacido en cautiverio en Cochabamba. El
acontecimiento fue televisado por varios canales de televisin locales.
f) Como vendedor de productos farmacuticos, cuando estuve en un seminario sobre
ventas, pude observar en un experimento que realiz el disertante, que generalmente
los vendedores en el rubro no toman en cuenta el factor psicolgico del comprador, sino
solamente el aspecto tcnico del producto.
2. Indique cules son las ventajas y desventajas de la observacin.
3. Un periodista prestigioso de Bolivia, realiz una entrevista al Presidente de la Repblica. Su
primera pregunta fue la siguiente: No es verdad Sr. Presidente que usted fue cmplice de
asesinato del dirigente XX? Haga un comentario sobre la forma en que este periodista
est llevando la entrevista. Indique qu normas de la entrevista viol.
4. Diga qu mtodo de recopilacin de datos usara para las siguientes circunstancias:
a) Usted quiere conocer algunos datos sobre los productos que cierta compaa del Japn
est fabricando actualmente, como ser: tamao de empaque, mejora del diseo,
caractersticas fsicas, etc., adems de una apreciacin sobre el sector industrial en la
actualidad en este tipo de rubro.
b) Usted quiere contratar a un nuevo gerente de operaciones en su empresa.
c) Usted quiere conocer el gusto y preferencia de los alumnos de la UPB por las marcas de
cigarrillos que consumen.
33
d) Usted quiere incorporar a su empresa nuevos empleados para el departamento de

ventas que tengan un gran conocimiento y experiencia en el sector industrial de
petroqumicos.
e) Usted quiere saber si el empleado de su empresa Juan Prez, cumple o no su horario
asignado de trabajo de 8 horas diarias, y si realiza todas las tareas de su cargo.
f) Se quiere saber la opinin de los principales bancos del pas acerca del modelo
econmico que lanzar el prximo gobierno, y cules sern las consecuencias en su
rubro.
g) El gobierno quiere saber el nmero de industrias en el pas que se dedican desde este
ao a la exportacin de banano helado, baado en chocolate.
h) Se quiere determinar si dos mtodos de enseanza de economa general producen los
mismos o distintos resultados en dos grupos de estudiantes.
i) Se quiere saber si los vinos Kolberg pueden ser reconocidos por los consumidores
comparndolos con otros similares y si stos pueden afirmar cul es el mejor de entre
los que han probado.
5. Qu tipos de preguntas pueden formularse al realizar un cuestionario?
6. Qu diferencias existen entre el cuestionario y la entrevista?
7. En los siguientes incisos, haga un comentario sobre la veracidad de las oraciones. Sean
incorrectas o correctas, explique el por qu de su aseveracin.
a) Siempre que se realiza una observacin colectiva, todos observan lo mismo, para evitar
distorsiones de apreciacin.
b) La principal ventaja de la entrevista es la ausencia de secreto.
8. Clasifique las siguientes preguntas por su forma y tipo:
a) Qu edad tienes?
o Menos de 15 aos
o Ms de 15 aos
b) Si te ofrecen una beca para estudiar en el Tecnolgico de Monterrey, aceptaras?

o SI
o NO
c) Qu temas estudiaste para este control de lectura?
Nociones de estadstica:
o MUCHO
Caractersticas de la poblacin:
o MUCHO
Tcnicas para la recoleccin de datos: o MUCHO
d) Te gustara tomar una Coca Cola con menos gas?
o Si
o No
34
o POCO
o POCO
o POCO
o NADA
o NADA
o NADA
e) Cul es segn tu criterio la mejor vagoneta para Bolivia?

o Mitsubishi o Nissan
o Toyota
o Suzuki
o Otro
9. Suponga que se obtuvo la siguiente informacin sobre un estudiante cuando fue
admitido en el Hospital Boliviano Belga:
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
Sexo: masculino.
Dormitorio: Cuidados intensivos.
Ao que cursa: Segundo semestre.
Temperatura: 39.5 C.
Pulso: 70 latidos por minuto.
Presin sangunea: 130/80 mg/mm(g).
Tipo de sangre: B positivo.
Alergias a medicamentos: ninguna.
Diagnstico preliminar: herida de bala en el pecho.
Duracin estimada de estancia: un mes.
Qu tipo de mtodo de recopilacin de datos se us en cada pregunta para obtener la

informacin?
35
CASO DE ESTUDIO
ENCUESTA PARA EX ALUMNOS DE LA UPB
Suponga que ha sido contratado por la UPB para realizar una encuesta entre los ex alumnos
de las generaciones de 1998 a 2004 para determinar sus logros anteriores, actividades
actuales y aspiraciones futuras. Para esto, se necesita obtener informacin en las siguientes
reas: sexo del alumno, rea de especializacin, promedio general de licenciatura, metas
educativas adicionales (maestras, doctorados, diplomados, etc.), estado actual de empleo,
salario anual actual, nmero de puestos de tiempo completo que ha ocupado desde su
graduacin, salario anual esperado en 5 aos, afiliacin a un partido poltico, estado civil, etc.
Usted, como director de investigacin institucional debe escribir una propuesta que indique
cmo planea realizar la encuesta. Incluya en ella:
1. Objetivos (qu desea conocer y por qu) generales y especficos.
2. Una explicacin de cmo y cundo realizar la encuesta (sus planes de cmo obtener la
muestra de 100 ex alumnos de la lista de 500, considerando todas las generaciones).
3. El cuestionario (una secuencia organizada de preguntas), con instrucciones para quienes
respondan, que les ayuden a llenar el cuestionario.
4. Una explicacin de cmo planea probar la validez o ambigedad del cuestionario.
5. Una explicacin del tipo de muestreo que utilizar para la encuesta.
6. Una descripcin de los aspectos que consider para llevar a cabo la encuesta: costos de
realizacin de la encuesta, personal necesario y su capacitacin, tiempo requerido, etc.
36
CAPTULO 3
DISTRIBUCIN DE FRECUENCIAS
1. INTRODUCCIN
Los datos obtenidos mediante la aplicacin de las tcnicas de recoleccin conocidas deben ser
tabulados y luego organizados siguiendo un criterio determinado a fin de presentarlos en
cuadros de distribucin de frecuencias, de acuerdo a la caracterstica de la poblacin que est
siendo investigada, con el propsito de analizar la informacin, interpretarla y con base en ella
tomar mejores decisiones.
2. FORMAS Y TIPOS DE DISTRIBUCIONES DE FRECUENCIAS

La distribucin de frecuencias para atributos se presenta como dos tipos: para atributo nominal y
para atributo ordinal. La distribucin de frecuencias para variables, segn el nmero de
observaciones y valores diferentes que adopta la variable, puede presentarse como:
a) Distribucin de frecuencias tipo I. Si la distribucin de frecuencias corresponde a pocas
observaciones y pocos valores diferentes de la variable. Su presentacin no exige una
tcnica determinada, ya que, casi no son susceptibles de tratamiento estadstico, puesto que,
para que ste exista, es necesario un volumen masivo de observaciones.
b) Distribucin de frecuencias tipo II. Cuando son muchas las observaciones y pocos los
valores diferentes que adopta la variable.
c) Distribucin de frecuencias tipo IIII. Cuando el nmero de observaciones es grande y
tambin los valores diferentes que toma la variable observada.
Para un mejor entendimiento de las formas y tipos de distribucin de frecuencias, se desarrolla
un diagrama mostrado en la figura 3.2.1.
Figura 3.2.1. Formas y tipos de distribuciones de frecuencias
Nominales (Sin ordenacin)
Atributos
(cualitativos)
Ordinales (Se pueden ordenar)
Distribuciones
de
Frecuencias
Tipo I
Tipo II
Tipo III
Variables
(cuantificables)
Nmero de
observaciones
Pequeo
Grande
Grande
Fuente: Elaboracin Propia
36
Nmero de valores
diferentes
Pequeo
Pequeo
Grande
3. DISTRIBUCIN DE FRECUENCIAS DE ATRIBUTOS

3.1. Distribucin de frecuencias de atributo nominal
Las modalidades obtenidas para un atributo nominal se organizan teniendo en cuenta las
propiedades de una escala de medicin nominal.
Se designa con A el atributo. Sus diferentes modalidades se denotan con el smbolo: a i, para
i=1, 2, 3,..., n.
En lugar de un nombre o un smbolo para el atributo pueden utilizarse nmeros que permiten
distinguir el orden de posicin, categora o clase, pero sin tener en cuenta la diferencia entre
valores.
Ejemplo 1
Los datos recogidos por una encuesta aplicada a jvenes que son votantes para las elecciones
generales de 1997 sobre el candidato por el cual van a votar, se clasificaron de la siguiente
manera:
P
V
U
K
=
=
=
=
Paz Jaime
Velis Alejo
Urioste Miguel
Kuljis Ivo
B
P
G
D
=
=
=
=
Bnzer Hugo
Palenque Carlos
Galindo Eudoro
Duran Juan Carlos
B
D
P
P
B
P
D
U
K
B
Se obtuvo la siguiente informacin:

D
B
V
U
U
D
B
B
B
D
D
B
B
D
D
B
D
K
K
B
D
K
P
V
B
D
D
U
P
B
B
B
P
V
K
B
U
P
U
B
Organice y presente los datos en una distribucin de frecuencias.

Resolucin.
Los datos sin procesar no brindan ninguna informacin til evidente. Para obtener provecho de
ellos, se seguir el siguiente procedimiento:
Qu caracterstica de la poblacin se quiere investigar y de qu tipo es?: Atributo nominal: A
= Candidatos a la presidencia
Se fijan las modalidades: Las modalidades son candidatos: Paz, Bnzer, Duran, Kuljis,
Palenque, Urioste, Velis y Galindo. Representan los diferentes grupos, modalidades, clases o
categoras.
Para la distribucin de datos recogidos en las distintas clases o categoras se usa el principio
de exhaustividad (todos los datos deben estar contenidos en la tabla) y el de mutuamente
excluyentes (un dato no puede estar contenido en dos modalidades al mismo tiempo).
Luego se tabulan los datos en una distribucin de frecuencias adecuada, mediante el conteo
(ver tabla 3.3.1).
37
Tabla 3.3.1
Distribucin de frecuencias sobre candidatos a la presidencia
Atributo
Ai
a1 = P
a2 = B
*a3 = K
a4 = V
a5 = Pa
a6 = D
a7 = U
a8 = G
Frecuencia
absoluta
ni
n1 = 7
n2 = 17
n3 = 5
n4 = 3
n5 = 0
n6 = 12
n7 = 6
n8 = 0
n=ni = 50
Frecuencia
relativa
hi =
ni
(100)
n
h1 = 7/50*100 = 14%
h2 = 17/50*100 = 34%
h3 = 5/50*100 = 10%
h4 = 3/50*100 = 6%
h5 = 0/50*100 = 0%
h6 = 12/50*100 = 24%
h7 = 6/50*100 = 12%
h8 = 0/50*100 = 0%
hi = 100%
Razn de
comparacin
ri =
ni
n*
r1 = 7/5 = 1.4
r2 = 17/5 = 3.4
r3 = 5/5 = 1
r4 = 3/5 = 0.6
r5 = 0/5 = 0
r6 = 12/5 = 2.4
r7 = 6/5 = 1.2
r8 = 0/5 = 0
Fuente: Elaboracin propia.

(Nota: Se toma como modalidad de comparacin, el candidato Kuljis.)
La explicacin del contenido de la tabla es la siguiente:
La primera columna contiene las diferentes modalidades del atributo.
La segunda columna contiene los conteos, es decir el nmero de veces que las distintas
personas han votado por los distintos candidatos. A estos valores se los llama frecuencias
absolutas, y se los abrevia con ni. La suma de los ni es el total de los encuestados, y se la
denomina con la letra n.
La tercera columna es la expresin de la frecuencia absoluta en porcentaje, con respecto
al total de los encuestados, y a estos valores se los denomina frecuencia relativa, cuyo
smbolo es hi.
Por ltimo la cuarta columna contiene la razn de comparacin, r i, tomando como base de
comparacin el candidato o la modalidad objeto de la investigacin, r*.
Se procede a la lectura de datos (realizaremos la interpretacin tomando slo como ejemplo
un valor de cada columna):
n6 = 12; expresa: Existen 12 estudiantes que prefieren a Durn como presidente.
h6 = 24; expresa: El 24% de los estudiantes consultados apoyarn a Duran como
presidente.
r6 = 2.4; expresa: Por cada 10 personas que apoyan a Kuljis, 24 lo hacen por Durn.
Nota: La frecuencia relativa puede ser expresada en porcentaje o fraccin. La modalidad de
comparacin puede ser elegida de acuerdo al criterio y objetivo del investigador.
38
Presentacin grfica
Los paquetes de computacin brindan muchos formatos de grficos. El papel del investigador es
elegir el grfico que mejor se ajuste a sus objetivos o que muestre de manera adecuada la
informacin. Las grficas bien diseadas son ms sencillas y poderosas en mostrar los datos
comparadas a las tablas de distribucin de frecuencias. Por desgracia, la naturaleza impropia e
inadecuada de muchas presentaciones grficas, ms bien ha perjudicado la comprensin y
anlisis de las mismas.
Tufte, establece cinco principios para lograr la excelencia grfica:
Una presentacin bien diseada de los datos, que proporciona sustancia, estadsticas y
diseo.
Una grfica que comunica ideas complejas con claridad, precisin y eficiencia.
Una que proporciona al observador el mayor nmero de ideas en el menor tiempo y con el
mnimo de tinta.
Una grfica que casi siempre involucra varias dimensiones.
Una que dice la verdad acerca de los datos.
La informacin contenida en la presentacin de los datos organizados, correspondientes a las
modalidades de un atributo nominal, puede ser presentada en forma grfica, generalmente
utilizando diagrama de barras, diagrama rectangular y/o diagrama circular.
Diagrama de barras
Es un diagrama formado por barras, cuyo tamao est de acuerdo al valor de la frecuencia
absoluta o relativa de cada modalidad y cuyo ancho no interesa (ver grfico 3.3.1).
Grfico 3.3.1
Diagrama de barras sobre candidatos a la presidencia
17
18
16
14
12
12
ni
10
8
4
2
0
P
Pa
Candidatos
39
0
D
Su lectura:
Barra 3:
n3 = 5; expresa:
Existen 5 personas que prefieren a Kuljis para presidente del pas.
h3 = 10; expresa: El 10% de los estudiantes consultados prefieren a Kuljis como presidente del
pas".
Barra 2:
n2 = 17; expresa: Existen 17 personas que prefieren a Bnzer para presidente del pas.
h2 = 34; expresa: El 34% de los estudiantes consultados prefieren a Bnzer como presidente
del pas".
Diagrama rectangular
En una base cualquiera, la altura del rectngulo debe ser una dimensin igual al universo. En
ese cuadriltero, las distintas modalidades se representan por segmentos rectangulares cuya
altura corresponde al valor de la frecuencia absoluta o relativa (ver grfico 3.3.2).
Grfico 3.3.2
Diagrama rectangular sobre candidatos a la presidencia
12
P
Pa
24
6
10
34
14

Lectura:
El sexto rectngulo representa:
n6 = 12; expresa: Existen 12 ciudadanos que prefieren a Durn como presidente boliviano.
h6 = 24; expresa: El 24% de las personas encuestadas prefieren a Durn como presidente
boliviano".
40
El primer rectngulo:
n1 = 7; expresa:
Existen 7 ciudadanos que prefieren a Paz como presidente boliviano.
h1 = 14; expresa: El 14% de las personas encuestadas prefieren a Paz como presidente
boliviano".
Diagrama circular
Para obtener esta representacin grfica, se procede de la siguiente manera:
Se determina el nmero de grados de la circunferencia por unidad del universo, es decir se
divide (usando datos del ejemplo anterior) 360o entre n = 50, que es igual a 7.2o para la
frecuencia absoluta; y 360o entre 100 que es igual a 3.6o para la frecuencia relativa. En
trminos ms generales, tenemos:
o
o
G C Nmero de grados del crculo 360
=
=
n
Universo
n
(Para la frecuencia absoluta)
o
o
G C Nmero de grados del crculo 360
=
=
h
Cien porciento
100
(Para la frecuencia relativa)
El segmento circular correspondiente a cada modalidad, se obtiene multiplicando los grados por
unidad del universo, por la frecuencia correspondiente (no es necesario diferenciar frecuencia
absoluta de la relativa).
Ejemplo: Segmento circular para las modalidades (tabla 3.3.2):
Tabla 3.3.2
Valor del segmento circular para candidatos a la presidencia
Atributo
P
B
K
V
Pa
D
U
G
Absoluto
(7.2) * 7
(7.2) * 17
(7.2) * 5
(7.2) * 3
(7.2) * 0
(7.2) * 12
(7.2) * 6
(7.2) * 0
Relativo
(3.6) * 14
(3.6) * 34
(3.6) * 10
(3.6) * 6
(3.6) * 0
(3.6) * 24
(3.6) * 12
(3.6) * 0
Valor
50.4
122.4
36
21.6
0
86.4
43.2
0

Todos deben dar un total de 360o, y si se realiza la suma P+B+K+V+Pa+D+U+G se
constata que efectivamente suman los 360o que debe tener un crculo.
A continuacin se muestra en el grfico 3.3.3 el diagrama circular.
41
Grfico 3.3.3
Diagrama circular de candidatos a la presidencia
G
0%
U
12%
P
14%
D
24%
B
34%
Pa
0%
V
6%
K
10%

Lectura:
n7 = 6; expresa:
Existen 6 estudiantes que afirman su preferencia en Urioste para

presidente.
h7 = 12; expresa: El 12% de los estudiantes prefieren a Urioste como presidente del pas.
Conclusin: Con toda esta informacin, podemos afirmar que la encuesta de opinin a 50
estudiantes, da como resultado que los candidatos ms votados en las elecciones de 1997 para
la presidencia de Bolivia sern Bnzer, Durn y Paz.
Ejemplo 2
Un inspector de seguridad industrial, obtuvo la siguiente informacin de las causas principales
por las cuales ocurre un accidente grave en una empresa. Los datos se muestran a
continuacin:
D
S
M
D
O
O
D
S
S
M
S
M
M
D
D
D
D
O
S
O
O
F
S
D
S
M
D
F
D
F
S
D
O
M
D
O
S
O
O
S
Donde:
F = Fallas en las mquinas
D = Descuido del operario
M = Falta de mantenimiento de mquinas
S = Falta de material de seguridad
O = Mala operacin de mquinas
El inspector quiere saber cules son las causas ms comunes, por orden de importancia, para
42
que ocurra un accidente, con el fin de elevar un informe y recomendaciones a las empresas en
estudio.
Resolucin.
Atributo nominal: A = Causas principales de accidentes industriales.
Existen 5 modalidades o categoras.
Luego se tabulan los datos en una distribucin de frecuencias adecuada (ver tabla 3.3.3).
Tabla 3.3.3
Distribucin de frecuencias sobre causas de accidentes industriales
Atributo
*a1 = F
a2 = O
a3 = D
a4 = S
a5 = M
Frecuencia
absoluta
n1 = 3
n2 = 9
n3 = 12
n4 = 10
n5 = 6
n = 40
Frecuencia relativa
Razn de
comparacin
h1 = (3/40)100 = 7.5%
r1 = 3/3 = 1.0
h2 = (9/40)100 = 22.5% r2 = 9/3 = 3.0
h3 = (12/40)100 = 30.0% r3 = 12/3 = 4.0
h4 = (10/40)100 = 25.0% r4 = 10/3 = 3.3
h5 = (6/40)100 = 15%
r5 = 6/3 = 2.0
hi = 100%
Fuente: Elaboracin propia.

(Nota: Se tom como modalidad de comparacin, la causa menos probable)
Lectura de datos:
n3 = 12; expresa: Existen 12 empresas en las cuales la causa principal de accidentes se da
por descuido de lo operarios.
h3 = 24; expresa: El 30% de las empresas consultadas creen que la causa principal de
accidentes es debido al descuido de sus operarios.
r3 = 4; expresa:
Por cada 4 empresas que creen que la causa principal de accidentes es
debido al descuido de los operarios, hay una empresa que cree que los
accidentes son ocasionados por fallas en las mquinas.
Representacin grfica
Por medio de un grfico adecuado, el inspector puede observar fcilmente las causas ms
comunes y elevar su informe y recomendaciones (ver grfico 3.3.4)
Conclusin: El inspector de seguridad industrial concluye en su informe que las causas
principales de accidentes industriales en ese rubro son de mayor a menor:
D = Descuido del operario, S = Falta de material de seguridad, O = Mala operacin de mquinas,
M = Falta de mantenimiento de mquinas, F = Fallas en las mquinas
Grfico 3.3.4
Diagrama de barras sobre causas de accidentes industriales
43
14
12
12
10
10
8
ni
6
3
4
2
0
Ai

Sugerencias y recomendaciones: Se sugiere que las empresas procuren que sus operarios
tengan todas las comodidades y motivaciones para no descuidarse en su trabajo, les provean de
todos los materiales necesarios para su seguridad y realicen capacitaciones constantes sobre
operacin de mquinas.
3.2. Distribucin de frecuencias de atributo ordinal

Un atributo ordinal es una caracterstica de la poblacin que puede ser clasificada en grupos,
categoras o estratos, adems permite establecer posiciones relativas de mayor, menor o igual
sin reflejar distancias entre ellos.
Ejemplo, si consideramos las autoridades de las universidades como atributo nominal A i, sus
modalidades ai pueden permitirnos diferenciar grupos de autoridades como: Rectores, Vicerectores, Decanos, etc., donde evidentemente, ser Rector es mayor que ser Vice-rector o ser
Decano es menor que ser Vice-rector, pero sin limitar la magnitud de la distancia en esa
jerarqua de orden.
Ejemplo 1
Los datos recogidos sobre la ocupacin en una planta de produccin, son los siguientes:
T
A
I
O
I
O
O
T
O
G
A
A
A
I
T
O
T
O
O
T
G
T
O
I
A
O
G
O
O
T
O
T
O
A
I
A
A
O
A
A
Se procede de la siguiente manera.

Los datos corresponden a una distribucin de carcter ordinal. A = Funciones que cumplen
los trabajadores en una planta de produccin.
Las modalidades correspondientes son:
44
a1
a2
a3
a4
a5
=
=
=
=
=
Gerente = G
Ingeniero = I
Tcnico de produccin = T
Operario = O
Ayudante = A
Las modalidades permiten agrupar los datos en grupos o categoras, que expresan relacin de
mayor, igual o menor, pero sin expresar distancias entre los grupos.
La presentacin de los datos del atributo considerado, utilizando la escala ordinal, se la presenta
de la siguiente manera, donde existen dos nuevas columnas con respecto a la distribucin de
atributo nominal:
En la columna 5 se tiene la frecuencia absoluta acumulada, que puede ser de forma
ascendente o descendente, segn la conveniencia del investigador y se calcula acumulando
o sumando las frecuencias absolutas.
En la columna 6 se presenta la frecuencia relativa acumulada, que se calcula sumando las
frecuencias relativas.
A continuacin se muestra en la tabla 3.3.4, la distribucin de frecuencias apropiada.
Tabla 3.3.4
Distribucin de frecuencias de la ocupacin en una planta de produccin
Atributo
Ai
ai = G
a2 = I
a3 = T*
a4 = O
a5 = A
Frecuencia
absoluta
ni
n1 = 3
n2 = 5
n3 = 8
n4 = 14
n5 = 10
ni=n=40
Frecuencia
relativa
hi =
ni
* 100
n
h1 = 7.5
h2 = 12.5
h3 = 20
h4 = 35
h5 = 25
hi=h=100
Razn de
comparacin
ri =
ni
n*
r1 = 3/8 = 0.375
r2 = 5/8 = 0.625
r3 = 8/8 = 1
r4 = 14/8 = 1.75
r5 = 10/8 = 1.25
Frec. absoluta
acumulada
i*
N i* = ni
i=1
N1 = 3
N2 = 8
N3 = 16
N4 = 30
N5 = 40
Frec. relativa
acumulada
i*
H i* = hi
i=1
H1 = 7.5
H2 = 20
H3 = 40
H4 = 75
H5 = 100

Lectura de datos:
n3 = 8; expresa:
h5 = 25; expresa:
r1 = 0.375; expresa:
N3 = 16; expresa:
H4 = 75; expresa:
Existen 8 trabajadores que cumplen la funcin de tcnicos de planta.

El 25% de los trabajadores cumplen la funcin de ayudantes de
operarios.
Hay 37 gerentes por cada 100 tcnicos de produccin.
Existen 16 trabajadores que son a lo menos tcnicos superiores.
El 75% de los empleados son al menos operarios.
La representacin grfica de este tipo de distribucin de frecuencias, de manera que contenga la
45
misma informacin, puede efectuarse de 2 maneras:

Mediante un diagrama de barras, diagrama rectangular o diagrama circular, siguiendo el
procedimiento sealado para el caso de una distribucin de frecuencias de atributo nominal.
Mediante la ojiva. Este grfico corresponde a usar la informacin de la frecuencia absoluta
acumulada o de su correspondiente relativo acumulado (ver grfico 3.3.5).
Grfico 3.3.5
Ojiva de la ocupacin en una planta de produccin
45
40
40
35
Ni
30
30
25
20
16
15
10
0
G
Trabajadores

Lectura:
N3 = 16; expresa:
n4 = N4 - N3 = 14; expresa:
h4 = H4 - H3 = 35; expresa:
Existen 16 trabajadores que son tcnicos o de grado superior.

Existen 14 trabajadores que son operarios.
El 35% de los trabajadores son operarios.
Ejemplo 2
Las calificaciones de los estudiantes de Estadstica en su control de lectura fue la siguiente:
E
M
D
M
M
B
M
S
B
M
B
M
E
S
B
D
M
B
M
D
E
M
E
B
M
B
B
M
46
M
S
M
D
E
B
B
S
B
M
M
D
M
B
M
B
E
S
B
S
M
S
B
D
Donde:
E = Excelente
M = Muy bien
B = Bien
S = Suficiente
D = Deficiente
Presente los datos en una distribucin de frecuencias adecuada y realice conclusiones.
Resolucin.
Se debe clasificar y definir la caracterstica de la poblacin que se desea estudiar. Se trata de
un atributo ordinal: A = Calificaciones de los estudiantes de Estadstica.
Se realiza la clasificacin de las modalidades del atributo de mayor a menor o viceversa y el
conteo (ni), en una tabla (ver tabla 3.3.5).
Tabla 3.3.5
Distribucin de frecuencias sobre las calificaciones de Estadstica
Atributo
Ai
ai = E
a2 = M
a3 = B*
a4 = S
a5 = D
Frecuencia
absoluta
ni
n1 = 6
n2 = 18
n3 = 15
n4 = 7
n5 = 6
ni=n=52
Frecuencia
relativa
hi =
ni
* 100
n
h1 = 11.54
h2 = 34.61
h3 = 28.85
h4 = 13.46
h5 = 11.54
hi=h=100
Razn de
comparacin
ri =
Frec. absoluta
acumulada
i*
ni
*
n
r1 = 6/15 = 0.40
r2 = 18/15 = 1.20
r3 = 15/15 = 1.00
r4 = 7/15 = 0.47
r5 = 6/15 = 0.40
N i = ni
*
i=1
N1 = 6
N2 = 24
N3 = 39
N4 = 46
N5 = 52
Frec. Relativa
acumulada
i*
H i = hi
*
i=1
H1 = 11.54
H2 = 46.15
H3 = 75
H4 = 88.46
H5 = 100

Interpretacin:
Hay 18 estudiantes que obtuvieron en el control de lectura calificacin de Muy Bien.
Un 13.46% de los estudiantes obtuvieron una calificacin de Suficiencia en el control de
lectura.
Por cada 10 estudiantes que obtuvieron una calificacin de Bien, 4 obtuvieron calificacin de
Deficiente.
46 de los 52 estudiantes obtuvieron por lo menos (como mnimo) calificacin de Suficiente.
75% de los estudiantes obtuvieron una calificacin entre Bien a Excelente.
Se pueden realizar distintos grficos. Se optar por realizar el diagrama de barras con la
frecuencia absoluta y la ojiva (ver grficos 3.3.6 y 3.3.7)
47
Grfico 3.3.6
Diagrama de barras sobre las calificaciones de Estadstica
20
18
16
14
ni
12
10
8
6
4
2
0
E
Ai = Calificaciones

Grfico 3.3.7
Ojiva sobre las calificaciones de Estadstica
120
100
Hi
80
60
40
20
0
E
Ai = Calificaciones

Conclusin: Lo ms usual es que los estudiantes hayan obtenido notas muy buenas y buenas.
48
4. DISTRIBUCIN DE FRECUENCIAS DE VARIABLES

Los datos que corresponden a caracteres cuantitativos o variables de una poblacin se agrupan
en tipos de distribucin teniendo en cuenta el nmero de observaciones y los valores diferentes
de la variable (ver figura 3.2.1).
4.1. Tipo I
Las distribuciones de variable son de tipo I cuando el nmero de observaciones y los valores
diferentes de la variable son pocos. La organizacin de estos datos exige disponerlos en forma
ascendente o descendente. La presentacin de los datos se registra en una columna o en una
lnea, segn necesidades de su publicacin.
Ejemplo
El dinero en efectivo que llevan consigo 5 estudiantes de la carrera de Ingeniera Industrial, es
como sigue. Organice y presente los datos.
5
20
37
10
Resolucin
Se trata de una variable continua. X = Cantidad de dinero en efectivo.
Se dispone los datos en forma ascendente o descendente.
La presentacin de los datos anteriores se efecta en forma de una columna, como lo muestra
la tabla 3.4.1.
Tabla 3.4.1
Distribucin de frecuencias del dinero en efectivo de 5 estudiantes
xi
x1 = 3
x2 = 5
x3 = 10
x4 = 20
x5 = 37
La distribucin tipo I de una variable se denomina tambin, distribucin de frecuencia unitaria.
Las distribuciones tipo I no tienen representacin grfica, puesto que su frecuencia absoluta es
unitaria. Sin embargo, puede ser til el diagrama que muestra la densidad de las observaciones
en un rea especfica (ver grfico 3.4.1):
Grfico 3.4.1
Densidad del dinero en efectivo de 5 estudiantes
49
10
20
15
25
30
35
40
4.2. Tipo II
La distribucin de una variable, cuando son muchas las observaciones y pocos los valores
diferentes de la variable, forman la distribucin tipo II. La organizacin de los datos requiere de
la utilizacin de una escala de mediciones de intervalos o razn.
Ejemplo 1
Mediante una encuesta aplicada a los estudiantes de Ingeniera Industrial se pudo determinar el
nmero de animales domsticos que poseen cada uno. Con la informacin dada, se pide
organizar y presentar los datos.
3
3
3
1
2
0
2
3
7
2
0
2
4
4
5
6
4
2
2
3
1
4
0
5
2
2
1
4
1
1
4
3
3
3
2
2
4
2
3
0
Resolucin
Se trata de una variable. X = Nmero de animales domsticos, que es discreta.
Los grupos o categoras estn dados por los valores diferentes de la variable. Forman 8
grupos, desde 0 hasta 7, as que cumplen los requisitos de una distribucin tipo II.
La presentacin de datos se efecta de la siguiente manera (ver tabla 3.4.2):
Tabla 3.4.2
Distribucin de frecuencias del nmero de mascotas
Variable
x1 = 0
x2 = 1
x3 = 2
x4 = 3
x5 = 4
x6 = 5
x7 = 6
x8 = 7
Frecuencia
absoluta
n1 = 4
n2 = 5
n3 = 11
n4 = 9
n5 = 7
n6 = 2
n7 = 1
n8 = 1
n = 40
Frecuencia
relativa
h1 = 10.0
h2 = 12.5
h3 = 27.5
h4 = 22.5
h5 = 17.5
h6 = 5.0
h7 = 2.5
h8 = 2.5
h = 100
Frec. absoluta
acumulada
N1 = 4
N2 = 9
N3 = 20
N4 = 29
N5 = 36
N6 = 38
N7 = 39
N8 = 40 = n
50
Frec. relativa
acumulada
H1 = 10.0
H2 = 22.5
H3 = 50.0
H4 = 72.5
H5 = 90.0
H6 = 95.0
H7 = 97.5
H8 = 100 = h
Lectura:
n3 = 11; expresa:
h5 = 17.5; expresa:
N4 = 29; expresa:
H6 = 95; expresa:
Existen 11 viviendas donde hay 2 animales domsticos.

El 17.5 % de los hogares tienen 4 animales domsticos.
Existen 29 viviendas donde hay 3 animales domsticos o menos.
El 95% de los hogares tienen a lo ms 5 animales domsticos.
Nota: En esta distribucin tambin se puede determinar la razn de comparacin.

La representacin grfica de una distribucin tipo II de una variable, puede efectuarse mediante
un diagrama de barras, si la informacin que se utiliza es de la frecuencia absoluta o relativa o
mediante el grfico acumulado de frecuencias cuando la informacin disponible se refiere a los
valores de la frecuencia acumulada absoluta o relativa acumulada (ver grfico 3.4.2).
Grfico 3.4.2
Diagrama acumulado del nmero de mascotas
97.5
100
90
90
80
100
95
72.5
70
Hi
60
50
50
40
30
22.5
20
10
10
0
0
Xi

Lectura:
N5 = 36; expresa: Existen 36 viviendas donde hay a lo ms 4 animales domsticos.
H5 = 90; expresa: El 90% de viviendas a lo ms tienen 5 animales domsticos.
Nota: Se puede observar que la grfica representada es de una funcin definida a trozos o por
partes, debido al carcter de la variable del ejemplo, que es discreta. Generalmente las
distribuciones tipo II presentan este tipo de variable.
51
Ejemplo 2
A los estudiantes de Estadstica se les hizo la siguiente pregunta: Cuntos hermanos tienes?
Los datos recogidos son los siguientes:
2
1
1
4
4
2
4
3
6
3
2
2
7
7
1
1
7
4
1
2
5
5
2
3
4
3
5
4
3
4
3
3
2
1
6
2
1
0
4
5
0
3
2
6
5
4
4
4
3
3
2
3
Organice y presente los datos recogidos en una distribucin de frecuencias e interprete la

informacin obtenida.
Resolucin
Se debe clasificar y definir la caracterstica de la poblacin que se desea estudiar. Se trata de
una variable discreta: X = Nmero de hermanos.
Se realiza la clasificacin del tipo de distribucin para variable. Se trata de una distribucin
tipo II, porque hay muchos datos pero la variable adopta pocos valores distintos.
Se realiza la clasificacin de los valores de la variable y el conteo (n i) en la tabla 3.4.3.
Tabla 3.4.3
Distribucin de frecuencias del nmero de hermanos
Variable Frecuencia
absoluta
x1 = 0
n1 = 2
x2 = 1
n2 = 7
x3 = 2
n3 = 10
x4 = 3
n4 = 11
x5 = 4
n5 = 11
x6 = 5
n6 = 5
x7 = 6
n7 = 3
x8 = 7
n8 = 3
n = 52
Frecuencia
relativa
h1 = 3.85
h2 = 13.46
h3 = 19.23
h4 = 21.15
h5 = 21.15
h6 = 9.62
h7 = 5.77
h8 = 5.77
h = 100
Frec. absoluta
acumulada
N1 = 2
N2 = 9
N3 = 19
N4 = 30
N5 = 41
N6 = 46
N7 = 49
N8 = 52 = n
Frec. Relativa
acumulada
H1 = 3.85
H2 = 17.31
H3 = 36.54
H4 = 57.69
H5 = 78.84
H6 = 88.46
H7 = 94.23
H8 = 100 = h

Interpretacin
5 estudiantes de la clase tienen 5 hermanos.

El 19.23% de los estudiantes tienen 2 hermanos.
30 de los 52 estudiantes tienen como mximo 3 hermanos (entre 0 y 3 hermanos).
El 78.84% de los estudiantes tienen entre 0 y 4 hermanos.
52
El diagrama de barras adecuado para representar la distribucin del nmero de hermanos est
dado en el grfico 3.4.3.
Grfico 3.4.3
Diagrama de barras del nmero de hermanos
12
11
10
10
8
ni
11
4
2
0
0
Xi = Nmero de hermanos

Conclusin: En general los alumnos de Estadstica tienen entre 2 y 4 hermanos.
4.3. Tipo III

Un carcter cuantitativo de la poblacin se presenta en forma de distribucin tipo III, cuando las
observaciones efectuadas son muchas y tambin los valores diferentes de la variable. La
organizacin de los datos recogidos se efecta usando una escala de intervalos o de razn,
pudiendo ser la variable discreta o continua.
La organizacin de los datos, se efecta de la siguiente manera:
Se determina el recorrido de la variable. En smbolos: R x = VM x Vm x (Valor mayor menos
valor menor de la variable).
Se establece el nmero de grupos de la distribucin, segn necesidades de estudio u
observacin. Algunos textos sugieren que se use la siguiente ecuacin: n x =
embargo este valor slo puede ser indicativo y no una regla.
n , sin
Se determina el intervalo de cada clase, grupo o estrato, dividiendo el recorrido de la variable

entre el nmero de grupos:
53
ax =
R x VM x Vm x
Re corrido
=
=
nx
nx
Nmero de grupos
Esta es la forma de determinar la amplitud de clase correspondiente a una distribucin de

frecuencia de una variable para intervalos constantes.
Si la distribucin tipo III es con intervalos no constantes, cada amplitud de clase se establece
segn exigencias del estudio y/o a criterio del investigador.
a) Distribucin tipo III con intervalos no constantes
Ejemplo 1
Aplicando una encuesta a un grupo de 32 estudiantes sobre la situacin econmica familiar se
pudo determinar el ingreso mensual familiar en cientos de Bs. que perciben cada uno de stos,
presentados de la siguiente manera:
25
5
1.5
7.5
10
6
40.2
20.5
15
2
18
3.2
4
12.5
3.1
16.5
30
36.5
3.3
32.3
20
40
25
25.5
30
13.5
7.1
2.1
20
3.2
4.3
5.5
Ordene y presente los datos en un tipo de distribucin de frecuencias de intervalo no constante.

Resolucin
Se procede de la siguiente manera:
Se trata de una variable continua. X = Ingreso familiar mensual en cientos de Bs.
Se han efectuado muchas observaciones y se han registrado muchos valores diferentes de la
variable, por lo cual corresponde a una distribucin tipo III.
Se determina el recorrido de la variable. Rx = valor mximox - valor mnimox = 40.2 - 2 = 38.2
Los intervalos no constantes segn motivos de estudio son 4, definidos de la siguiente
manera:
2 - 4
Ingreso deficiente
4' - 10
Ingreso malo
10' - 26
Ingreso regular
26' - 40.2
Ingreso bueno
Nota: Cabe resaltar que los datos correspondientes a esta variable, tambin pueden ser tratados
como un atributo ordinal, si es que slo se toma en cuenta la clasificacin del ingreso, desde
deficiente, hasta bueno.
Nota: Si se hubiera optado por realizar intervalos constantes, al ser 32 datos, el nmero de
intervalos sugerido sera: n x =
en la tabla 3.4.4.
32 = 6 . La distribucin de frecuencias resultante es mostrada
Tabla 3.4.4
Distribucin de frecuencias del ingreso familiar mensual (cientos de Bs.)
54
Intervalo de
clase
Li-1 - Li
2-4
4' - 10
10' - 26
26' - 40.2
Frecuencia
absoluta
ni
n1 = 8
n2 = 7
n3 = 11
n4 = 6
n = 32
Frecuencia
relativa
ni
hi = * 100
n
h1 = 25
h2 = 22
h3 = 34
h4 = 19
h = 100
Frec. absoluta
acumulada
Frec. relativa
acumulada
N i* = ni
i =1
N1 = 8
N2 = 8 + 7 = 15
N3 = 15 + 11 = 26
N4 = 26 + 6 = 36
Marcas de
clase
H i* = h i
xi=
i =1
H1 = 25
H2 = 47
H3 = 81
H4 = 100
L i + L i 1
2
3
7
18
33.1

Lectura:
n3 = 11; expresa: Existe 11 familias que tienen un ingreso entre 1000 y 2600 Bs..
h1 = 25; expresa: El 25% de las familias tienen un ingreso deficiente que flucta entre 200 y
400 Bs..
N2 = 15; expresa: Existe 15 familias que ganan a lo ms 1000 Bs..
H3 = 81; expresa: El 81% de las familias tienen un ingreso regular o menor, es decir, tienen un
ingreso de 2600 Bs. o menos.
Nota: En el intervalo de clase despus del primero, el lmite inferior se diferencia del lmite
superior del intervalo anterior con un apstrofe, para expresar que es dicho lmite ms una
pequea fraccin. Esta diferenciacin de lmite se efecta para que la ordenacin de datos sea
exhaustiva y considere el principio de mutuamente excluyente.
Nota: La distribucin tipo III en general, guarda u oculta informacin respecto de la que
proporciona una distribucin de frecuencias tipo II. Por ejemplo, los valores de ingresos
familiares en el intervalo 4' - 10, son siete, pero no se determina cuales son dichos ingresos. Se
entiende as que la distribucin tipo III globaliza la informacin.
Nota: Cuando se utiliza la informacin de una distribucin de frecuencias tipo III para resumirla
mediante algn indicador de posicin y/o dispersin, los intervalos de clase deben transformarse
en marcas de clase que son la semisuma de los lmites de dichos intervalos.
A diferencia de la distribucin tipo II, que emplea el diagrama de barras para ser representado
grficamente utilizando frecuencias absolutas o relativas, en este caso se emplea el histograma
de frecuencias absoluta o relativa que est representado por reas.
En un sistema de ejes coordenados, los valores del intervalo de clase se representan en el eje
de las abscisas y en las ordenadas, los valores de la densidad de frecuencia. Para construir los
histogramas se procede de la siguiente manera:
Se determinan las densidades de frecuencia a fin de determinar las alturas de cada
cuadriltero.
Los intervalos de clase representan las bases.
El rea de cada cuadriltero es el valor de cada frecuencia absoluta o relativa.
Siguiendo el ejemplo, vamos a obtener las densidades de frecuencia para cada intervalo o clase
55
de la siguiente manera:
n i Frecuencia absoluta
=
ai
Amplitud de clase
Df n i =
Df h i =
h i Frecuencia relativa
=
ai
Amplitud de clase
En la tabla 3.4.5 se muestran las densidades de frecuencia para el ejemplo.

Tabla 3.4.5
Densidades de frecuencia del ingreso familiar mensual
Df ni =
ni
ai
Df hi =
Dfn1 = 4.0
Dfn2 = 1.2
Dfn3 = 0.7
Dfn4 = 0.4
hi
ai
Dfh1 = 12.5
Dfh2 = 3.7
Dfh3 = 2.1
Dfh4 = 1.3
Procedemos a realizar el histograma de frecuencias (ver grfico 3.4.4)

Grfico 3.4.4
Histograma de frecuencias del ingreso familiar (cientos de Bs.)
Dfni
3
0
0
10
20
30
40
Xi = Ingreso familiar
56
Ejemplo 2
Armando Reynolds, administrador minero de una Compaa, obtuvo informacin acerca de la
produccin de oro de la seccin de trabajo n 3 para los ltimos 35 turnos de trabajo. Los
valores estn dados en kilogramos de oro extrado por turno:
356
360
311
322
369
331
281
357
380
393
219
360
300
353
377
391
402
375
371
389
364
411
427
400
430
317
390
370
379
340
386
362
383
380
368
Si Reynolds considera que de 330 a 380 Kg. por turno es un buen intervalo esperado de
produccin,
a) Cuntos turnos de la seccin produjeron menos de lo esperado?
b) Cuntos lo superaron?
c) Cuntos cumplieron con la produccin esperada?
d) Si el porcentaje de turnos que cubren al menos la produccin esperada es como mnimo 80%,
Armando se sentir satisfecho de esta seccin y no tomar medidas para elevar la
produccin. Tomar medidas o no? Justifique su respuesta.
Resolucin
Se trata de una distribucin tipo III para variable continua con intervalos variables, ya que el
problema exige ciertos intervalos especficos. Se pueden obtener solo tres intervalos para
contestar las preguntas planteadas, como se muestra en la tabla 3.4.6.
Tabla 3.4.6
Distribucin de frecuencias de la produccin de oro (kg/turno)
Intervalo de Frecuencia
absoluta
clase
219 - 330
330' - 380
380' - 430
n1 = 6
n2 = 18
n3 = 11
n = 35
Frecuencia
relativa
h1 = 17.14
h2 = 51.43
h3 = 31.43
h = 100
Frecuencia Frecuencia
absoluta
relativa
acumulada acumulada
N1 = 35
H1 = 100
N2 = 29
H2 = 82.86
N3 = 11
H3 = 31.43

Respuestas:
a) 6 turnos produjeron menos de lo esperado (n1)
b) 11 turnos superaron la produccin esperada (n3)
c) 18 turnos produjeron segn lo esperado (n2)
d) Se observa que el porcentaje que cubren al menos la produccin esperada es de 82.86%
(H2), cumpliendo el mnimo de 80%. Armando no tomar medidas para elevar la produccin,
puesto que se sentir satisfecho de la seccin.
57
b) Distribucin de frecuencias de una variable tipo III con intervalos constantes

Ejemplo 1
Sea el nmero de vacas de una muestra de las granjas lecheras de Cochabamba dispuestas de
la siguiente manera. Organice y presente los datos en un tipo de distribucin adecuado.
5
20
20
10
22
29
15
14
13
12
9
17
17
4
15
8
6
27
3
15
4
7
18
13
11
32
16
13
30
5
18
26
21
2
21
30
Resolucin
Se trata de una distribucin tipo III, porque existen muchas observaciones y muchos valores
diferentes de la variable. Adems se trata de una variable discreta. X = Nmero de vacas por
granja.
Se determina el recorrido de la variable: Rx = VMx - Vmx = 32 - 2 = 30
Por razones de estudio se agrupan las granjas en cinco grupos, determinando as la amplitud
o intervalo de clase:
ai =
R x 30
=
=6
nx
5
Con la informacin anterior se presenta la distribucin de variable discreta tipo III (ver tabla
3.4.7).
Tabla 3.4.7
Distribucin de frecuencias del nmero de vacas por granja
Intervalo de Frecuencia
clase
absoluta
Li-1 - Li
ni
2-8
8' - 14
14' - 20
20' - 26
26' - 32
n1 = 9
n2 = 8
n3 = 10
n4 = 4
n5 = 5
n = 36
Frecuencia
relativa
hi
h1 = 25
h2 = 22
h3 = 28
h4 = 11
h5 = 14
H = 100
Frecuencia
absoluta
acumulada
Ni
N1 = 9
N2 = 9 + 8 = 17
N3 = 17 + 10 = 27
N4 = 27 + 4 = 31
N5 = 31 + 5 = 36
Frecuencia
relativa
acumulada
Hi
H1 = 25
H2 = 47
H3 = 75
H4 = 86
H5 = 100

Lectura de datos:
n3 = 10; expresa: Existen 10 granjas lecheras con un nmero de vacas entre 14 y 20.
h2 = 22; expresa: El 22% de granjas lecheras consultadas tienen un nmero de vacas que
flucta entre 8 y 14.
N4 = 31; expresa: Existen 31 granjas lecheras que tienen a lo ms 26 vacas.
H2 = 47; expresa: El 47% de granjas son pequeas y tienen a lo ms 14 unidades de
produccin lechera.
58
Se utilizan histogramas como grficos de dicha distribucin, cuando la informacin utilizada
corresponde a frecuencias relativas o absolutas. Si se utiliza los valores de frecuencias
acumuladas, el grfico correspondiente es una ojiva.
Cuando la distribucin es de tipo III y con intervalos constantes, la construccin de los
rectngulos que conforman el histograma de frecuencias, no requiere de la densidad de
frecuencia, sino de aplicar el siguiente convenio: Los intervalos constantes se consideran como
una unidad. Cada intervalo constante de clase representa la base del rectngulo y la altura es la
frecuencia absoluta o relativa correspondiente a cada grupo o clase (ver grfico 3.4.5)
Grfico 3.4.5
Histograma de frecuencias del nmero de vacas por granja
12
Forma de la
distribucin
10
ni
Polgono de
frecuencias
6
4
0
2
20
14
26
No. de vacas
32

Si se unen por medio de lneas los puntos medios superiores de cada rectngulo del histograma
se obtiene el polgono de frecuencias. Luego, siguiendo el polgono, se puede suavizar las
lneas mediante una curva continua, logrando la forma de la distribucin.
Ojiva
La ojiva se obtiene mediante un grfico acumulado de frecuencias absolutas o relativas. En el
eje x se usa los valores de los intervalos de clase y en el eje y los valores de frecuencias
absolutas o relativas (ver grfico 3.4.6).
Grfico 3.4.6
Ojiva del nmero de vacas por granja
59
36
35
31
30
27
Ni
25
20
17
15
10
5
0
0
2
12
17
22
27
32
N de vacas

La ojiva se forma uniendo con una lnea continua las esquinas superiores derechas de los
rectngulos formados para cada intervalo.
Conclusin: Lo ms usual es que las granjas de Cochabamba tengan entre 14 y 20 vacas.
Ejemplo 2
Se recopil informacin acerca de las ventas anuales, en miles de $us, de 50 pequeas tiendas
y se muestra en la tabla 3.4.7.
Grfico 3.4.7
Ojiva de ventas anuales (miles de $us.)
60
50
Ni
40
30
20
10
0
100
120
140
160
180
Li-1 - Li
60
200
220
Con la informacin de la grfica llene una tabla y encuentre n i, hi [%] y Hi.

Resolucin
La informacin que se tiene en la grfica se traduce en una distribucin de frecuencias tipo III
para variable continua (X = Ventas anuales en $us.), obtenindose los lmites de los
intervalos de clase (columna 1) y los Nis (columna 4), ya que la grfica mostrada presenta
una ojiva.
Luego se obtienen las frecuencias absolutas ni (columna 2) mediante la resta de las
frecuencias absolutas acumuladas. Luego, se obtiene mediante las frmulas establecidas los
dems valores, hi (columna 3) y Hi (columna 5).
Tabla 3.4.8
Distribucin de frecuencias de ventas anuales (miles de $us.)
Intervalo de
clase
100 120
120' - 140
140' - 160
160' - 180
180 - 200
200 - 220
Frecuencia
Absoluta
n1 = 6
n2 = 12 - 6 = 6
n3 = 20 - 12 = 8
n4 = 38 - 20 = 18
n5 = 48 - 38 = 10
n6 = 50 - 48 = 2
n = 50
Frecuencia
relativa
h1 = 12
h2 = 12
h3 = 16
h4 = 36
h5 = 20
h6 = 4
h = 100
Frecuencia
absoluta
acumulada
N1 = 6
N2 = 12
N3 = 20
N4 = 38
N5 = 48
N6 = 50
Frecuencia
relativa
acumulada
H1 = 12
H2 = 24
H3 = 40
H4 = 76
H5 = 96
H6 = 100

En base a la distribucin de frecuencias hallada conteste las siguientes preguntas:
a) Interprete mediante un ejemplo cada una de las columnas y construya el histograma de
frecuencias.
b) Encuentre la venta mas frecuente y explique su significado.
c) A qu nivel de medicin corresponde la informacin de la tabla?
Resolucin
a) La interpretacin es la siguiente:
Las ventas anuales de 8 tiendas estn entre 140 a 160 mil dlares.
El 12% de las tiendas venden anualmente entre 120 a 140 mil dlares de mercadera.
38 de las 50 tiendas tienen ventas anuales de por lo menos 180 mil dlares.
El 96% de las tiendas tienen ventas que oscilan entre 100 a 200 mil dlares al ao.
El histograma de frecuencias es mostrado en el grfico 3.4.8.
61
Grfico 3.4.8
Histograma de frecuencias de ventas anuales (miles de $us.)
20
18
16
14
ni
12
10
8
6
4
2
0
100 - 120
120' - 140
140' - 160
160' - 180
180 - 200
200 - 220
Li-1 - Li (X = Ventas anuales, miles de $us)

b) El rango de ventas ms frecuente entre las 50 pequeas tiendas es de 160 a 180 mil dlares
anuales.
c) La informacin de la tabla corresponde al nivel de medicin de razn.
5. APLICACIONES A LOS NEGOCIOS Y EL CONTROL DE CALIDAD

5.1. Diagrama de Pareto
El diagrama de Pareto es un recurso grfico que permite representar atributos que a menudo
proporciona ms informacin visual que los diagramas de barras y circular, en especial cuando
el nmero de modalidades es alto. Se usa mucho en el control estadstico de procesos y el
control estadstico de la calidad del producto.
Es un tipo especial de diagrama de barras, donde las modalidades se grafican en orden
descendente de frecuencias y se combinan con un polgono acumulado en la misma escala.
Alfredo Pareto (1848-1923) llev a cabo estudios sobre la distribucin de la riqueza en Europa.
Descubri que unos cuantos concentraban la mayor parte de la riqueza, en tanto que era muy
grande el nmero de pobres que posean muy poco. Joseph Juran se dio cuenta de que este
concepto era universal, por lo que se poda aplicar en diversos campos. Acu las frases
minora vital y mayora til.
El principio fundamental de esta tcnica grfica es tener la posibilidad de separar los pocos
vitales de los muchos triviales, lo que permite dirigir la atencin a las respuestas importantes.
62
Mediante los diagramas de Pareto se pueden detectar los problemas que tienen ms relevancia.
Por lo general, el 80% de los resultados totales se origina en el 20% de los elementos. Ejemplos
de tales minoras vitales son:
La minora de clientes que representan la mayora de las ventas.
La minora de productos, procesos, o caractersticas de la calidad causantes del grueso de
desperdicio o de los costos de reelaboracin.
La minora de rechazos que representa la mayora de quejas de la clientela.
La minora de vendedores que est vinculada a la mayora de partes rechazadas.
La minora de problemas causante del grueso del retraso de un proceso.
La minora de productos que representan la mayora de ganancias obtenidas.
La minora de elementos que representan al grueso del costo de un inventario.
Ejemplo
El gerente de operaciones de una planta empacadora de cereales indic que, segn su
experiencia, casi siempre hay nueve razones que dan como resultado la produccin de cajas de
cartn no conformes al final del proceso de empaque:
R = Cartn roto
G = Cartn abultado
C = Cartn agrietado
D = Cartn sucio
H = Agujeros en el cartn
I = Peso de empaque inadecuado
P = Error de impresin
U = Etiqueta ilegible
S = Tapa superior sin sello
Los datos sin procesar que se muestran a continuacin, representan una muestra de 50 cajas
de cartn no conformes, las cuales se tomaron de la produccin de la semana pasada:
U
S
S
I
G
G
U
U
S
S
U
S
D
U
C
S
U
U
D
U
H
G
S
G
D
D
C
S
S
D
D
S
D
S
S
R
U
P
U
S
I
D
R
S
S
U
R
S
D
U
Construya un diagrama de Pareto con estos datos y saque conclusiones.

Resolucin
Primero se organizan los datos en una distribucin de frecuencias de atributo nominal, donde
el atributo es: A = Tipo de defecto en cajas de cartn.
La distribucin de frecuencias para los tipos de defectos en cajas de cartn se muestra en la

tabla 3.5.1.
63
Tabla 3.5.1
Distribucin de frecuencias de tipos de defectos de cajas de cartn
Modalidades
Ai
R
G
C
D
H
I
P
U
S
Frecuencia
absoluta
ni
3
4
2
9
1
2
1
12
16
n = 50
Frecuencia
relativa
hi
6
8
4
18
2
4
2
24
32
h = 100
Fuente: Berenson Levine Krehbiel. Estadstica para Administracin, 2000
Luego, se ordenan las modalidades de mayor a menor frecuencia. Una vez realizada esta
distribucin, se acumulan las frecuencias en forma descendente.
Tabla 3.5.2
Distribucin de frecuencias ordenada de tipos de defectos de cajas de cartn
Modalidades
Ai
Frecuencia
absoluta
ni
S
U
D
G
R
C
I
H
P
16
12
9
4
3
2
2
1
1
n = 50
Frecuencia Frecuencia Frecuencia

relativa
absoluta
relativa
hi
acumulada acumulada
Ni
Hi
32
16
32
24
28
56
18
37
74
8
41
82
6
44
88
4
46
92
4
48
96
2
49
98
2
50
100
h = 100
Por ltimo se realiza el diagrama de Pareto (ver Grfico 3.5.1).
Conclusiones: Se determina que las tapas sin sello (S), las etiquetas ilegibles (U) y los cartones
sucios (D), representan el 74% de las razones de no conformidad. Las otras 6 razones
representan el restante 26%. Por lo tanto, el ingeniero de esta planta deber tratar de minimizar
estos errores en las cajas de cartn, para obtener menor porcentaje de no conformidades.
Grfico 3.5.1
Diagrama de Pareto de los tipos de defectos de cajas de cartn
64
100
90
80
74
hi, Hi
70
60
56
50
40
88
82
100
98
96
92
32
30
32 24
18
20
10
0
S
Tipo de defecto
5.2. Curva de Lorenz

Una aplicacin importante de una distribucin tipo III es la obtencin de la curva de Lorenz. Esta
curva es un indicador que permite determinar el grado de concentracin de la variable (si se
trata de ingresos familiares, impuestos, etc.) y tambin permite determinar la desigualdad de la
variable. Por otro lado se puede hallar el ndice de concentracin de Gini, que permite cuantificar
la dispersin de la concentracin.
Ejemplo
Sea la distribucin de ingresos de 40 familias en centenas de Bs, dada en la tabla 3.5.3.
Determine la curva de Lorenz, el ndice de concentracin de Gini e interprete adecuadamente
los resultados obtenidos.
Tabla 3.5.3
Distribucin de frecuencias de ingresos (centenas de Bs.)
Li-1 - Li
6.0 14.8
14.8 23.6
23.6 32.4
32.4 41.2
41.2 50.0
Totales
ni
9
13
12
4
2
40
xi
10.4
19.2
28.0
36.8
45.6
yi
93.6
249.6
3336.0
147.2
91.2
917.6
hyi
10.2
27.2
36.6
16.0
10.0
100.0
Hyi
10.2
37.2
74.0
90.0
100.0

Resolucin
El procedimiento es el siguiente (ver tabla 3.5.3):
65
hi
22.5
32.5
30.0
10.0
5.0
100
Hi
22.5
55.0
85.0
95.0
100.0
1.
2.
3.
4.
5.
6.
7.
Se calcula la marca de clase para definir un valor de la variable (por ejemplo ingresos).
Se determina el ingreso total por estratos, multiplicando la columna (2) por la (3): yi = x i * n i
Se calculan los valores porcentuales del ingreso total (hyi).
Se acumulan los valores del ingreso total (Hyi).
Se determina la frecuencia relativa (hi).
Se determina la frecuencia relativa acumulada (Hyi).
Se construye un cuadriltero (ver grfico 3.5.2). La base, o el eje x, registra los valores de las
frecuencias relativas acumuladas de la poblacin del nmero de familias (Hi).
8. La altura o el eje y, registra los valores acumulados del ingreso (Hyi). Se traza una diagonal en
el cuadriltero (diagonal principal), indicando que los ingresos estn distribuidos entre las
familias que conforman la poblacin de manera equitativa.
9. La lnea que resulta de representar los valores acumulados del ingreso de las familias,
respecto a la de los valores acumulados de la poblacin, es la curva de Lorenz.
10. La diferencia entre la diagonal principal del cuadriltero y la curva de Lorenz muestra la
forma desigual en que se distribuye el ingreso.
11. Se procede a realizar la grfica.
12. Se calcula el ndice de Gini.
Grfico 3.5.2
Curva de Lorenz para la distribucin de ingresos familiares
100
90
80
70
Hyi
60
50
40
30
20
10
0
0
10
20
30
40
50
60
70
80
90
100
Hi

Interpretacin.
El punto A significa: El 80% de las familias encuestadas, recibe el 68% de los ingresos. De otra
manera se puede decir que el 20% de las familias encuestadas, recibe el 32% de los ingresos.
66
Esto nos indica que no existe mucha desigualdad en la distribucin de los ingresos, y por lo
tanto no existe gran concentracin de los ingresos, es decir que estn repartidos ms o menos
equitativamente entre las familias encuestadas.
ndice de Gini
Para calcularlo se sigue el siguiente procedimiento, siguiendo el ejemplo anterior (ver tabla
3.5.4).
Tabla 3.5.4
Clculo del ndice de Gini
Li-1 - Li
6.0 14.8
14.8 23.6
23.6 32.4
32.4 41.2
41.2 50.0
Totales
Hyi
0.102
0.372
0.740
0.900
1.000
hi
0.225
0.325
0.300
0.100
0.050
100
Hi
0.22
0.55
0.85
0.95
1.00
Hyi-1 + Hyi
0.102
0.474
1.112
1.640
1.900
hi (Hyi-1 + Hyi)
0.02295
0.15405
0.33360
0.16400
0.09500
0.7696

La expresin para calcular el grado de concentracin tiene la siguiente frmula:
nx
IC = 1 h i ( H y i 1 + H y i )
i =1
Donde se debe suponer que H 0 = 0 y H y 0 = 0 y nx es el nmero de intervalos de la

distribucin.
IC = 1 0.7696 = 0.2304
Como el mximo valor que puede tener el ndice es de 1, el valor hallado indica que no existe
elevada concentracin de los ingresos.
6. RBOL DE DECISIONES PARA DISTRIBUCIONES DE FRECUENCIAS

A continuacin se muestra en la figura 3.6.1, un diagrama que resume todo lo expuesto en este
captulo. Puede ser muy til a la hora de elegir adecuadamente el tipo de distribucin de
frecuencia para organizar una serie de observaciones recopiladas y presentar mediante grficas
la informacin. La figura es de elaboracin propia
67
Variable
Cuantitativa
Caracterstica de
la poblacin
Cualitativa
Atributo
Aleatorio
Tipo de
experimento?
Nominal
Tipo II
Decimales
Continua
Discreta
Constantes
Tipo de valores?
Enteros
Tipo III
Intervalos?
Variables
Muchos-Pocos
Pocos-Pocos
Tipo I
Ordinal
Existe jerarqua?
Muchos-Muchos
Determinstico
Valores? - variables?
Si
No
68
Circular
Si
Circular
Circular
Si
Recta Numrica: Diagrama

de densidad de puntos
Si
Si
Diagrama de barras,
circular o rectangular
Si
Si
Pareto
Diagrama
acumulado
Si
Si
Densidad de
frecuencia
Si
Histograma
Si
Si
Si
Ojiva
FIGURA 3.6.1. RBOL DE DECISIONES PARA DISTRIBUCIONES DE FRECUENCIAS
EJERCICIOS DE CLASE
Atributo nominal
1. Realice la organizacin de datos recopilados mediante una encuesta informal al curso,
preguntando la carrera que estudian.
2. Una empresa posee un torno controlado por computadora cuyo desempeo estaba por debajo
del promedio. Segn el reporte de los operarios de la mquina, las causas para el bajo
desempeo eran las siguientes:
F = Fluctuaciones de corriente.
C = Controlador inestable.
E = Error del operador.
H = Herramienta gastada no cambiada a tiempo.
O = Otras causas menores.
Los datos recopilados son los siguientes:
F
C
O
C
O
C
F
C
H
C
H
F
E
C
E
C
O
F
E
C
F
O
E
C
E
E
C
C
E
O
C
C
C
C
E
E
E
C
C
C
C
C
C
E
F
E
C
E
Organice los datos en una distribucin de frecuencias adecuada y realice la grfica

correspondiente para indicar cul es la principal causa del bajo desempeo de la mquina.
Atributo ordinal
3. Realice la organizacin de datos recopilados mediante una encuesta informal al curso,
preguntando su opinin acerca de la calificacin que daran a la presidencia actual de Bolivia,
mediante una respuesta de opcin mltiple: Muy alta, Alta, Media, Baja y Muy baja.
4. Las siguientes respuestas fueron dadas por dos grupos de pacientes de un hospital, uno de
los grupos reciba un tratamiento nuevo y el otro un tratamiento normal; ambos para una
misma enfermedad. La pregunta que se les hizo fue: qu grado de malestar usted est
experimentando?
Ligero
Ninguno
Moderado
Ligero
Moderado
Ninguno
Grupo 1
Moderado
Severo
Ligero
Moderado
Ligero
Moderado
Severo
Ligero
Ligero
Ninguno
Ligero
Severo
Moderado
Severo
Ligero
Moderado
Severo
Severo
Grupo 2
Ligero
Ninguno
Moderado
Ligero
Moderado
Ligero
Severo
Moderado
Moderado
Severo
Moderado
Moderado
Sugiera mediante la presentacin adecuada de los datos, si el tratamiento nuevo es mejor

que el normal.
Variable tipo I
5. Realice la organizacin de datos recopilados mediante una encuesta informal a un pequeo
69
grupo en el curso (una muestra), preguntando cules son sus estaturas.

6. Para mejorar el torno controlado por computadora del ejercicio 2, se recabaron datos sobre
las desviaciones de la velocidad de corte con respecto al valor deseado y ajustado por el
controlador. Los siete valores observados de velocidad de corte velocidad deseada fueron:
3, 6, -2, 4, 7, 4, 3
Presente los datos en una distribucin de frecuencias adecuada y diga qu datos son los que
se deseara eliminar.
Variable tipo II
7. Realice la organizacin de datos recopilados mediante una encuesta informal a todo el curso,
preguntando cuntos cigarrillos fuman al da.
8. Los siguientes datos son el nmero de accidentes automovilsticos que ocurren en los 60
cruces ms transitados en cierta ciudad en un fin de semana de diciembre.
0
5
1
3
0
2
2
0
4
5
2
1
5
1
0
0
3
6
0
3
2
1
0
5
1
0
4
3
4
0
4
0
1
6
2
3
1
2
2
4
5
3
0
1
4
2
1
0
2
3
0
0
1
0
1
1
4
2
2
4
Agrupe estos datos de forma que muestre qu tan a menudo ocurre cada uno de los valores
y dibuje un diagrama de barras.
Variable tipo III con intervalos variables
9. Realice la organizacin de datos recopilados mediante una encuesta informal a todo el curso,
preguntando cunto dinero llevan en el bolsillo.
10. Una supervisora de mantenimiento de aeronaves realiz una inspeccin a una entrega
reciente de pernos por parte de un nuevo proveedor. Para ello envi 25 de estos pernos a
un laboratorio de pruebas para determinar la fuerza necesaria para romper cada uno de los
pernos. A continuacin se presentan los resultados en miles de libras-fuerza.
147.8 137.4 125.2 141.1 145.7
119.9 133.3 142.3 138.7 125.7
142.0 130.8 129.8 141.2 134.9
125.0 128.9 142.0 118.6 133.0
151.1 125.7 126.3 140.9 138.2
a) Organice los datos en una distribucin de frecuencias adecuada para contestar las
siguientes preguntas:
b) Qu fraccin de los pernos soport al menos 120000 libras-fuerza? Qu fraccin de
los pernos soport al menos 150000 libras-fuerza?
c) Si la supervisora sabe que estos pernos, cuando se utilicen en un aeronave, se vern
sujetos a fuerzas de hasta 140000 libras-fuerza, qu fraccin de la muestra se romper
estando en uso? Qu debera recomendar la supervisora a la compaa con respecto al
70
nuevo proveedor de pernos?

Variable tipo III con intervalos constantes
11. Realice la organizacin de datos recopilados mediante una encuesta informal a todo el
curso, preguntando cul es su peso.
12. Las siguientes son las millas por galn obtenidas por 40 tanques de gasolina llenos:
24.5
23.7
24.6
23.9
24.9
23.6
24.4
23.9
24.2
24.8
24.1
24.7
24.1
24.7
24.7
25.0
23.9
24.4
24.9
24.1
22.9
25.1
24.5
25.0
22.8
24.7
24.6
25.7
24.8
23.1
23.8
23.3
23.6
24.5
25.3
25.2
24.3
24.0
23.4
24.6
a) Agrupe estas cifras en una distribucin de frecuencias con intervalos constantes.

b) Presente los datos en un histograma de frecuencias.
c) Realice la ojiva.
71
EJERCICIOS PROPUESTOS
1. Supngase que despus de una encuesta sobre los sabores de los helados Dumbo se ha
establecido el siguiente orden de preferencia: granizado (G), dulce de leche (L), frutilla (F),
vainilla (V), chocolate (C), tumbo (T) y durazno (D). Entre 50 estudiantes de la UPB sobre
sabores de helado preferidos se dispone de la siguiente informacin:
D
F
G
T
L
C
G
D
D
C
G
T
V
C
G
L
C
C
F
F
C
G
F
L
G
G
V
G
T
T
T
D
G
C
L
V
T
C
G
G
G
C
L
F
F
L
L
V
C
C
Como administrador de la Heladera Dumbo, usted est muy interesado en este estudio,
puesto que con l, sabr qu sabores debe proveer a los consumidores de la UPB, pensando
en establecer una pequea heladera all.
a) Organice y presente los datos recogidos en una distribucin de frecuencias.
b) Determine el sabor ms frecuente y menos frecuente.
c) Represente grficamente. De lectura a los elementos diferentes del grfico.
2. En una empresa constructora, el departamento de obras est constituido por 40 trabajadores,
que cumplen las siguientes funciones: (I = Ingeniero, J = Jefe de obras, C = Capataz, O =
Obrero, A = Ayudante). La informacin elaborada permitir conocer la estructura de
ocupacin de dicha empresa. Usted es el gerente de personal de la empresa y est
queriendo hacer recortes de personal, pero para ello primero debe analizar la informacin:
O
J
A
J
A
O
O
C
C
C
O
A
O
C
I
O
O
O
J
A
A
I
O
A
I
O
A
O
O
A
A
J
A
J
C
O
C
C
O
A
a) Organice y presente los datos en una distribucin de frecuencias. Describa la distribucin

por sus elementos esenciales.
b) Represente grficamente las frecuencias simples y las acumuladas. De lectura a los
elementos diferentes del grfico.
c) Si el 50% de los trabajadores son capataces o de grado mas alto, Ud. despedir a un
capataz y un jefe de obras. Los despedir o no?
3. En un da determinado las horas de entrada en unas oficinas marcadas por un reloj de control
han sido las siguientes:
8:01 7:55 7:58 8:12 8:01 8:00 8:03 8:04 8:13 7:59 7:59 8:06
8:03 8:11 8:11 8:10 8:12 8:13 8:22 8:17 8:03 8:01 8:00 7:53
7:56 7:59 7:58 8:02 8:00 7:55 7:53 7:54 8:02 8:02 8:04 8:09
7:57 8:15 8:14 7:58 7:59 7:59 8:04 8:01 8:00 8:01 8:01
a) Organice y presente los datos en un tipo de distribucin de frecuencias adecuada.
b) Represente grficamente el histograma.
c) Si la frecuencia que ms se repite est por debajo de 8:05 usted, como jefe de personal de
la compaa, dar un bono a todos sus empleados por la puntualidad, caso contrario
72
reducir el sueldo de sus empleados en 10% por su impuntualidad. Cul es la decisin

que debe tomar?
4. En una fbrica de tornillos se ha tomado una muestra de su produccin considerando el largo
de ellos. Existen cajas de 50 tornillos de distinta longitud (medidos en cm.). Los resultados de
una de ellas es el siguiente:
2
6
4
3
5
a)
b)
c)
d)
e)
4
5
6
6
3
5
2
2
4
4
6
2
5
3
2
3
3
3
2
4
2
4
4
5
5
5
3
6
3
6
2
5
2
5
3
4
2
3
2
2
3
3
5
2
6
Organice y presente los datos en un tipo de distribucin.

Represente el grfico acumulativo de frecuencias.
Cul es el nmero de unidades de tornillos cuya longitud es de 3 cm. o menos?
Cul es el nmero de unidades de tornillos cuya longitud est entre 3 y 6 cm.?
Cul es el nmero de unidades de tornillos cuya longitud es al menos de 4 cm.?
5. Las lecturas de temperatura que dio una termocupla de un horno industrial en C., son:
16
25
34
43
52
61
Represente los datos en una distribucin de frecuencias adecuada.

6. En un estudio de dos semanas sobre la productividad de los trabajadores, se obtuvieron
datos sobre el nmero total de piezas aceptables que produjeron 100 trabajadores. Para
organizar los datos, se tabularon en una distribucin de frecuencias adecuada. Con el fin de
realizar algunas decisiones para elevar el nivel de productividad en la empresa, el
administrador a cargo pidi a su secretaria le proporcione los datos tabulados. Luego, se fue
a su casa para analizarlos, pero cuando vio la hoja, algunos datos no haban sido impresos
adecuadamente. Qu problema! Al da siguiente deba elevar un informe a gerencia para que
se tomen las medidas adecuadas y la decisin no poda esperar ni un da ms. He aqu la
tabla y los datos legibles.
Li-1 - Li
20 -
ni
4
Ni
hi
Hi
0.15
38
63
0.80
5
Totales
100
Adems, el administrador de personal memoriz algunos datos de la tabla, cuando los
observ en la computadora de su oficina:
La amplitud de las categoras era constante y tena un valor de 10. (ai = 10).
a) Si usted fuera el administrador a cargo, podra reconstruir la tabla con los datos legibles y
la informacin memorizada? Es su nica alternativa, intntelo!
73
b) Si el nmero de trabajadores que producen entre 20 y 40 piezas aceptables, es mayor a

15, entonces el administrador propondr a la gerencia dar un bono de productividad a los
trabajadores de la empresa de 20 Bs. por 55 piezas aceptables producidas. Empero si es
menor de 15, el bono quedar sin efecto. Los trabajadores recibirn el bono de
productividad? Justifique su respuesta.
7. De la siguiente frase: La representacin grfica no es ms que un medio auxiliar de la
investigacin estadstica, pues esta es fundamentalmente numrica, obtenga la distribucin
de frecuencias de las vocales.
8. Complete los datos que faltan en la siguiente distribucin:
xi
1
2
3
4
5
6
7
8
ni
4
4
7
5
7
Ni
hi
0.08
16
0.16
0.14
28
38
45
0.14
9. Los salarios mensuales (en cientos de bolivianos) de los 50 trabajadores de una empresa en
la que usted es el gerente tienen la siguiente distribucin de frecuencias:
19' - 25
10%
13' - 19
12%
1-5
32%
11' - 13
18%
5' - 11
28%
a) Realice la tabla de distribucin de frecuencias que corresponda al grfico.

b) Si el porcentaje de los trabajadores que ganan a lo ms 1300 Bs. es de por lo menos 77%,
entonces usted les elevar el sueldo en 50 Bs. Qu har usted? Cuntos trabajadores
se beneficiaran con el aumento, si lo hubiera?
10. Durante el ao de 1995, el consumo de petrleo en Estados Unidos era de 17.7 millones de
barriles por da. Los siguientes datos representan un anlisis porcentual de las fuentes de
consumo.
Fuentes de consumo
Energa elctrica
Transporte carretero
74
Porcentaje
de uso
1.4
53.4
Combustible para aviones

Plsticos y fertilizantes
Ferrocarriles, barcos y algunos
equipos para construccin
Otros
usos
para
casas,
industrias y negocios
Total
a)
b)
c)
d)
e)
8.5
10.2
4.8
21.7
100.0
Construya un diagrama de barras.

Construya un diagrama circular.
Obtenga un diagrama de Pareto.
Cul de estas grficas es mejor en este caso? Por qu?
Qu fuentes abarcan la mayor parte del consumo de petrleo en Estados Unidos?
75
EJERCICIOS PARA EXAMEN

1. Se realiz una medicin en Comteco sobre la duracin (minutos) de las llamadas telefnicas,
tomando como muestra el perodo de medio da.
a) Reconstruya la tabla de distribucin de frecuencias, e interprete cada columna con un
ejemplo.
b) La compaa ha fijado la siguiente normativa: Si el 80% de las llamadas telefnicas han
durado a lo ms 50 minutos, no se cambiar la modalidad de pago (de costo por llamada a
costo por minuto). Caso contrario se proceder al cambio. Qu decisin debe tomar?
Datos adicionales: h3 + N 3 = 871
Tiempo [min]
0 -
ni
hi
Ni
Hi
50
ri
250
1
94
97
- 140
Totales
0.7
0.028
2. Se realiz una encuesta a un grupo de personas sobre el nmero de veces que acceden al
internet en un mes. Los resultados se muestran en la siguiente grfica:
1.8
1.33
1
0.6
0.75
0
0
10
20
30
40
50
60
Lamentablemente para los intervalos de 10 15 y para 35 60, no se tienen datos exactos

de la densidad de frecuencia.
a) Complete la siguiente tabla y luego la grfica.
Li-1 - Li
0-4
ni
ai
Dfni
hi
76
Ni
Hi
ri
0.6
32
1
totales
b) Interprete cada columna con un ejemplo.
c) Qu porcentaje de personas acceden al internet a lo ms 20 veces? Cuntas personas
acceden a lo menos 10 veces?
3. Una compaa que vende computadoras realiz una encuesta sobre el tiempo en aos en
que las personas renuevan sus equipos. Los datos recopilados son los siguientes:
3
3
3
3
3
3
1
1
4
3
3
7
1
2
3
4
3
3
3
5
3
3
2
5
1
3
4
4
3
2
2
3
4
3
2
2
5
4
3
6
a) Organice los datos en una distribucin de frecuencias adecuada.

b) Si por cada 100 personas que renuevan sus equipos en el lapso de 1 ao hay a lo ms 20
personas que lo hacen en 7 aos, la empresa aumentar la importacin de partes
electrnicas en un 20%. Si no, la empresa reducir sus importaciones en 10%. Cul es la
decisin que tomar?
c) Qu porcentaje de personas renuevan sus equipos a lo ms en el lapso de 4 aos?
Cuntas personas renuevan sus equipos a lo menos en 5 aos?
4. Usted, como gerente en una empresa de diseo grfico, mand a realizar una encuesta a las
tiendas sobre qu tipo de publicidad prefieren. Los datos obtenidos se muestran a
continuacin:
S
S
S
C
C
S
Donde:
S
A
P
S
S
S
P
C
C
S
P
P
T
A
T
T
S
S
P
S
P
A
A
T
T
P
A
S
S
A
S
S
C
S
S
S
P
C
S
A
P
A
A
S
P
P
T
S
S
T
P
S
S
S
P
S
P
P
S
T
A
A
T
A
P = Poleras
C = Carteles
T = Toldos
A = Afiches
S = Stickers
a) Organice la informacin en una distribucin de frecuencias adecuada.

b) Como gerente, a qu tipo de publicidad dar ms nfasis su empresa, si tomamos en
cuenta solo la publicidad de mayor preferencia?
5. A cada persona que se presenta como candidato para un trabajo de ensamble en Femco, se
le aplica una prueba de aptitud mecnica. Una parte de la prueba consiste en ensamblar un
77
armario con base en instrucciones numeradas. En la siguiente grfica se muestra los tiempos
que necesitaron cierto nmero de personas para ensamblar un armario.
45
42
40
40
35
35
30
26
Ni
25
20
15
12
10
5
0
Tiempo [min]
Complete la siguiente tabla de distribucin de frecuencias, e interprete cada columna con un

ejemplo. Use como base de comparacin el tercer intervalo.
Tiempo [min]
ni
hi
Ni
Hi
ri
Totales
6. Una compaa que distribuye energa elctrica est interesada en mejorar la eficiencia de uso
de este recurso en los hogares y lo contrata a usted para participar en la investigacin del
problema. Para comprender mejor el asunto, se decide investigar el consumo actual de
energa por familia. La siguiente distribucin de frecuencia representa el consumo promedio
de energa (en BTU) por hogar, durante un perodo de dos semanas, para una muestra
aleatoria de 90 hogares.
a) Reconstruya la tabla, sabiendo que la amplitud de los intervalos es constante.
b) La compaa considera que si lo ms frecuente es que en cada hogar se use como
mximo 8 BTU, el consumo de energa es aceptable, caso contrario se deber realizar
programas de concientizacin para el ahorro de este recurso. Que sugerira a la
compaa?.
Consumo de
energa
Nmero de
hogares
hi
78
Ni
Hi
2
8.89
27.78
68.89
78
8
98.89
19.2 - 21.6
Totales
90
7. En un cierto da, el departamento de limpieza de la ciudad de Cochabamba midi el peso, en

centenas de kilogramos, de la basura recolectada por los 40 camiones del departamento. Por
un descuido, los datos se borraron.
a) Reconstruya la tabla de distribucin de frecuencias, e interprete cada columna con un
ejemplo.
b) Halle la razn de comparacin, tomando como base el intervalo ms frecuente, e
interprete los resultados con un ejemplo.
n1 + 26 = h3
Datos adicionales: Rango = 10.2

Tiempo [min]
ni
hi
10
Ni
10
12
6
17.6 -
12.5
Totales
79
Hi
ri
CASO DE ESTUDIO1
SPRINGVILLE HERALD
ANTECEDENTES
Springville representa una amplia rea suburbana de cerca de 50 millas fuera de una gran
ciudad en el oeste de Estados Unidos. En esencia, esta zona era de uso agrcola antes de la
Segunda Guerra Mundial y experiment una expansin considerable en poblacin e industria
entre los aos 1950 y 1980, con poco crecimiento a partir de 1980. El Herald, es un peridico
que en sus inicios fue administrado por una familia, se publica en forma diaria y dominical desde
1957. Su circulacin actual es de 250000 ejemplares entre semana (lunes a sbado) y 300000
ejemplares el domingo, con crecimiento moderado desde 1980. El estado financiero de la
compaa es sano, pero en la actualidad los miembros de la alta gerencia estn ms concientes
de los costos y de la necesidad de mejorar la eficiencia en las operaciones.
FASE 1
Se form un equipo de trabajo con jefes de nivel corporativo y de departamento para analizar las
acciones y esfuerzos que tienden a mejorar la calidad. Estuvieron de acuerdo en que el primer
paso era establecer una misin para el peridico que comunicara en forma concreta los
objetivos tanto a los clientes como a los empleados.
Una vez que se estableci la misin con la ayuda de clientes y empleados de todos los niveles
de la organizacin, el equipo de trabajo se dedic a analizar qu reas de operacin deban
estudiarse en busca de oportunidades de mejora. Despus de muchas discusiones y sesiones
de lluvia de ideas, el equipo decidi por consenso que un rea crtica para el mejoramiento
estaba representada por los errores que se cometieron durante el llenado de rdenes para
anuncios (que significaban una importante fuente de ingresos) desde el momento en que se
ordenaba un anuncio hasta que apareca en el peridico. Por desgracia en ciertas circunstancias
se haban cometido errores, y se haban publicado anuncios incorrectos o en el da equivocado.
Estos hechos exigan un esfuerzo inmediato para satisfacer al cliente mediante una variedad de
estrategias a veces costosas, que incluan reembolsos y nuevas inserciones de anuncios otros
das. Los miembros de equipo descubrieron que se tena los datos relacionados con la
ocurrencia de estos errores en los informes peridicos que se generaban (por rutina) en el
departamento de produccin de anuncios. La tabla SH2.1 muestra uno de esos informes, que
incluye la cantidad de ocurrencias para cada tipo de error durante el ltimo ao calendario.
Ejercicios
a) Ordene las categoras de la tabla de mayor a menor frecuencia absoluta, obteniendo las
columnas de frecuencia relativa, frecuencia absoluta acumulada y relativa.
b) Construya una representacin grfica que considere apropiada y til para visualizar los datos
de la tabla.
c) Escriba un informe a la administracin acerca de la frecuencia de los distintos tipos de error
en los anuncios, que deberan ser tratados con prioridad (El 80% acumulado de los tipos de
errores ms frecuentes).
Este caso de estudio ha sido extractado del libro: Berenson-Levine-Krehbiel. Estadstica para Administracin. Segunda Edicin,
2001. Prentice Hall, Mxico.
80
Tabla SH2.1
Tabla de los errores en la produccin, composicin, poltica y ventas de anuncios
Tipo de error
Error de copiado
Diseo
Omisiones
Pegado
Mala reproduccin
Insercin errnea
Error al determinar el precio
Espacio no ordenado
Conteo
54
7
13
11
8
30
13
7
Tipo de error
Formacin
Velox
Anuncio equivocado
Fecha equivocada
Posicin equivocada
Error en el pegado manual
Tamao equivocado
Total
Conteo
53
28
25
14
45
5
6
319
Nota: No siga adelante hasta terminar los ejercicios de la fase 1.

FASE 2
En la primera reunin del equipo despus de obtener los datos de la tabla SH2.1, Bob Tatum, el
jefe de produccin de anuncios, sugiri que esta no era la forma ms adecuada de examinar el
problema. Dijo que la frecuencia de los errores no era el nico aspecto importante. Argument
que ciertos tipos de errores, aunque tal vez menos frecuentes, podan implicar costos mucho
mayores que otros. Por fortuna, tambin se tenan datos de costos para cada tipo de error. Los
datos para el ltimo ao se presentan en la tabla SH2.2.
Tabla SH2.2
Costos de errores de anuncios para el ltimo ao.
Tipo de error
Error de copiado
Diseo
Omisiones
Pegado
Mala reproduccin
Insercin errnea
Error al determinar el
precio
Espacio no ordenado
Cantidad
Miles de $
32.6
3.0
36.5
59.4
5.3
108.2
Tipo de error
13.0
Cantidad
Miles de $
Formacin
53.1
Velox
23.3
Anuncio equivocado
53.6
Fecha equivocada
35.9
Posicin equivocada
74.9
Error en el pegado
16.5
manual
Tamao equivocado
5.3
12.9
Total
533.5
Ejercicios
a)
b)
Ordene las categoras de la tabla de mayor a menor costo, obteniendo las columnas de
frecuencia relativa, frecuencia absoluta acumulada y relativa.
Construya una representacin grfica que considere apropiada y til para visualizar los
datos de la tabla.
81
c)
Escriba un informe a la administracin acerca de la frecuencia de los distintos tipos de error

en los anuncios, que deberan ser tratados con prioridad (El 80% acumulado de los tipos de
errores ms frecuentes).

FASE 3
Despus de analizar los datos de la tabla SH2.2 fue evidente que el error ms costoso era la
categora de error de insercin, el cul cost ms de 100000 dlares, o ms del 20% del costo
total de los errores en ese ao. Una mayor investigacin de los errores de esta categora los
subdividi en varios tipos que se presentan en la tabla SH2.3.
Tabla SH2.3
Frecuencia y cantidad en dlares de varios tipos de errores
de insercin en el ltimo ao
Tipo
Frecuencia
rea
de
composicin
Polticas
Ventas
Totales
10
Cantidad
Miles de $
12.8
16
4
30
88.7
6.6
108.1
Ejercicios
a) Ordene las categoras de la tabla de mayor a menor costo y frecuencia, obteniendo las
columnas de frecuencia relativa, frecuencia absoluta acumulada y relativa para las dos
variables.
b) Construya representaciones grficas que considere apropiada y til para visualizar los datos
de la tabla.
c) Qu accin recomendara para reducir este tipo de errores en el futuro?
FASE 4
Una de las funciones del departamento de sistemas de cmputo del peridico incluye el informe
de las actividades del sistema de la computadora central. En general, durante un da cualquiera,
el sistema debe procesar ms de 100 tareas diferentes. Los requerimientos de estas tareas
varan, desde trabajos muy pequeos que requieren una cantidad mnima de accesos a los
dispositivos de almacenamiento de datos (cartuchos), hasta trabajos grandes y complejos que
requieren acceso a ms de 200 cartuchos diferentes de almacenamiento de datos. Los datos
que se presentan en la tabla SH2.4 incluyen un arreglo ordenado del nmero de cartuchos de
datos que deben utilizarse por 111 tareas, en un da reciente.
Ejercicios
a) Presente los datos en una distribucin de frecuencias adecuada.
82
b) Represente la distribucin en un grfico adecuado.

Tabla SH2.4
Arreglo ordenado de la cantidad de cartuchos de datos
(que son accesados por cada tarea) en un da reciente
1
4
8
19
35
96
1
4
9
20
37
100
1
5
10
20
40
111
1
5
10
20
40
126
1
5
10
20
42
127
1
5
10
21
43
131
2
5
10
22
50
137
2
5
11
23
52
140
2
5
12
24
55
144
2
6
12
28
56
147
2
6
13
28
59
164
3
6
14
29
60
166
3
7
14
30
60
170
3
7
15
30
67
182
83
3
7
17
30
74
212
4
7
18
30
80
237
4
8
18
31
86
4
8
18
32
91
4
8
18
33
94
CAPTULO 4
DISTRIBUCIN DE PROBABILIDADES
1. INTRODUCCIN
La teora de las probabilidades tuvo su origen en los problemas relacionados con los juegos
de azar (dados, barajas, etc.). Mas tarde el concepto de probabilidad, convenientemente
modificado, se ha aplicado a los seguros y a los problemas de inferencia estadstica. Estos
ltimos poseen numerosas aplicaciones en la fsica moderna, la biologa, la agricultura, la
industria, las ciencias sociales y la economa. De aqu que la teora de las probabilidades
tenga hoy gran inters prctico y terico y constituya una rama importante de la matemtica,
ingeniera y de las ciencias sociales.
2. CLASES DE EXPERIMENTOS: DETERMINSTICO Y ALEATORIO

Un experimento es determinstico cuando, conocidas las condiciones en que se produce, los
resultados que se obtienen estn sujetos a dichas condiciones. En general, este tipo de
conclusiones corresponden al campo de la fsica y qumica. Por ejemplo: Combinando una
molcula de oxgeno (O) con dos de hidrgeno (2H), se obtiene la molcula de agua (H2O)
indefectiblemente, si se usa como catalizador una chispa elctrica.
Los datos para una variable pueden obtenerse no solo por experimentos determinsticos, sino
tambin mediante experimentos aleatorios. Un experimento aleatorio se define como aqul
que se puede producir de manera indefinida, con las mismas condiciones, sin la posibilidad de
determinar de antemano el resultado de una prueba, en observacin a dichas condiciones.
Ejemplo: fabricacin de un bien estndar o defectuoso, lanzar una moneda o un dado,
observar un nacimiento y ver el sexo, determinar el da en que una mquina va a fallar, etc.
En todos estos ejemplos no se puede saber el resultado preciso antes de realizar los
experimentos.
3. EXPERIMENTO ALEATORIO
3.1. Caractersticas
Un experimento aleatorio, tiene las siguientes caractersticas.
Se puede repetir de manera indefinida, esto asegura que los resultados sean simtricos y
que el elemento del experimento sea homogneo.
Los resultados del experimento son numerables y registrables.
No es posible determinar el resultado exacto de un experimento aleatorio antes de que
ocurra, pero si obtener una lista de los posibles.
Por el principio de la regularidad estadstica (Ley de los grandes nmeros) es posible
estimar la probabilidad de un resultado cualquiera del experimento cuando este se haya
realizado muchas veces.
84
3.2. Espacio muestral

Es el conjunto de resultados posibles o imaginables de un experimento aleatorio. Por ejemplo,
lanzar un dado genera el siguiente espacio muestral:
S = S (1, 2, 3, 4, 5, 6)
S = S (x N / 1 N 6)
Por extensin
Por comprensin
Los espacios muestrales pueden ser finitos o infinitos. Es finito cuando se trata de un conjunto
numerable, como por ejemplo los resultados posibles que existen al elegir un nmero de la
lotera de entre 100000 boletos. Es infinito cuando es continuo no numerable, como por
ejemplo los resultados posibles que se pueden dar al elegir una persona de entre todas las
que hay en el mundo.
3.3. Determinacin del espacio muestral

Dado un experimento aleatorio, los resultados posibles o imaginables a que da lugar dicho
experimento pueden determinarse utilizando:
El arboligrama (que es el mtodo ms verstil),

un cuadro de doble entrada (slo aplicable en el caso de dos intentos o ensayos),
aplicando nmeros combinatorios, permutaciones o variaciones (que tan solo entregan el
nmero de posibles resultados, pero no los resultados en s),
segn el caso del experimento.

Cualquiera de los instrumentos sealados son alternativos, con las restricciones descritas.
Ejemplo 1
Experimento aleatorio con reposicin o reemplazo
En el bolsillo de un estudiante hay billetes de 10, 20 y 50 bolivianos. Si se obtienen dos
billetes, uno tras otro, elegidos al azar, con reposicin. Qu resultados pueden obtenerse?
Se pretende determinar el espacio muestral.
Resolucin
Se observa el tipo de experimento: Se trata de un experimento aleatorio, porque es posible
efectuar la extraccin de dos billetes, uno tras otro elegidos al azar, de manera permanente
y bajo las mismas condiciones, observar los resultados y registrarlos.
Se determina el espacio muestral: Los resultados posibles o imaginables de dicho
experimento pueden ser obtenidos mediante un arboligrama, mostrado en la figura 4.3.1.
Para construirlo se debe preguntar: cules son los posibles billetes que se puede sacar en la
primera extraccin? La segunda pregunta: habiendo sacado un billete de 10, 20 o 50, qu
posibles billetes puedo sacar en la segunda extraccin?
85
Figura 4.3.1. Arboligrama de sacar 2 billetes con reposicin

1a extraccin
10
20
50
2a extraccin
10
10
20
50
20
10
20
50
50
10
20
50
S = { 10-10 ; 10-20 ; 10-50 ; 20-10 ; 20-20 ; 20-50 ; 50-10 ; 50-20 ; 50-50 }

Una segunda forma de obtener el espacio muestral, es empleando un cuadro de doble
entrada de la siguiente forma. En las columnas se registran los resultados de la primera
extraccin y en las filas, los de la segunda extraccin. El cuerpo de dicha tabla registra los
resultados posibles o imaginables, es decir el espacio muestral (ver tabla 4.3.1):
Tabla 4.3.1
Espacio muestral de sacar dos billetes con reposicin
1a
10
20
50
10
20
50
10 10
20 10
50 10
10 20
20 20
50 20
10 50
20 50
50 50

Ejemplo 2
Experimento aleatorio sin reposicin o reemplazo
En el bolsillo de un estudiante hay billetes de 10, 20 y 50 bolivianos. Si se obtienen dos
billetes, uno tras otro, elegidos al azar, sin reposicin. Qu resultados pueden obtenerse?
Resolucin
No se trata del mismo experimento aleatorio del ejemplo 1, porque en este caso se extraen
los billetes uno tras otro, pero sin reposicin.
Los resultados posibles o imaginables de dicho experimento pueden ser obtenidos
mediante un arboligrama (ver figura 4.3.2).
86
Aqu se realizan las mismas preguntas que en ejemplo anterior. Se observar que basta que
una condicin del experimento cambie, para que ste tenga otro espacio muestral.
Figura 4.3.2. Arboligrama de sacar 2 billetes sin reposicin
1a extraccin
2a extraccin
20
10
50
10
20
50
10
20
50
10
50
20
S = { 10-20 ; 10-50 ; 20-10 ; 20-50 ; 50-10 ; 50-20 }

Tambin se puede usar un cuadro de doble entrada de la forma que est mostrada en la tabla
4.3.2. Para ello se han omitido los resultados de la diagonal principal de la tabla.
Tabla 4.3.2
Espacio muestral de sacar dos billetes con reposicin
1a
10
20
50
10
20
50
X
20 10
50 - 10
10 20
X
50 - 20
10 50
20 50
X

Ejemplo 3
Una empresa fabrica bolsas de papel. El gerente de produccin quiere saber los posibles
resultados que obtendra si elige 3 bolsas de entre el total de la produccin del da y sabe que
algunas bolsas pueden tener 2 tipos de defectos: mala impresin del logotipo o que no tenga
el tamao adecuado (muy grande o muy chica con respecto al tamao estndar).
Resolucin
Es un experimento aleatorio, porque el gerente no puede saber cuntas bolsas

defectuosas puede obtener en tres extracciones.
87
El espacio muestral se puede determinar por medio de un arboligrama, suponiendo que es

un muestreo sin reposicin.
Para configurar el diagrama, las preguntas son: Si el gerente escoge una bolsa
aleatoriamente, qu tipo de bolsa puede obtener? Luego, habiendo extrado alguna de algn
tipo, en la segunda y tercera extracciones, qu tipo de bolsas puede obtener?
Se acuerda las siglas para cada tipo de bolsa y se construye el arboligrama mostrado en la
figura 4.3.3.
B = Bolsa sin defectos
DL = Bolsa con defectos en el logotipo
DT = Bolsa con defectos en el tamao.
Figura 4.3.3. Arboligrama para tipos de bolsas extradas
B
DT
DL
B
B
DL
DT
DT
DT
DL
DL
DT
DL
B
DL
DT
B,B,B
B,B,DL
B,B,DT
B
DL
DT
B,DT,B
B,DT,DL
B,DT,DT
B
DL
DT
B,DL,B
B,DL,DL
B,DL,DT
B
DL
DT
DT,B,B
DT,B,DL
DT,B,DT
B
DL
DT
DT,DT,B
DT,DT,DL
DT,DT,DT
B
DL
DT
DT,DL,B
DT,DL,DL
DT,DL,DT
B
DL
DT
DL,B,B
DL,B,DL
DL,B,DT
B
DL
DT
B
DL
DT
DL,DT,B
DL,DT,DL
DL,DT,DT
DL,DL,B
DL,DL,DL
DL,DL,DT

Note en este ejemplo que no se puede hallar el espacio muestral por un cuadro de doble
entrada. Tal vez la forma sera obtener un cuadro tridimensional, que es difcil de representar.
88
3.4. Eventos o sucesos aleatorios

Un evento es un subconjunto del espacio muestral.
Ejemplo: Si el experimento aleatorio consiste en lanzar al aire una moneda tres veces y
observar los resultados conjuntos, un evento puede ser:
E1 = obtener tres caras en 3 lanzamientos.
E1 = E (c c c)
Otro evento, obtener 3 sellos en tres lanzamientos: E2 = E (s s s), etc.
Un evento es un resultado o varios resultados de un espacio muestral en los que se est
interesado, con el propsito de estudiarlos o analizar los resultados.
3.5. Clases de eventos

a) Sucesos simples y compuestos
Los eventos o sucesos aleatorios pueden ser simples o compuestos, segn puedan o no
descomponerse en otros resultados del experimento. Ejemplo: al lanzar una moneda sale cara
o cruz, estos resultados son simples. Al lanzar una moneda 2 veces: cs, cc o ss, se originan
eventos compuestos.
b) Sucesos ciertos e imposibles
Un suceso es cierto cuando los resultados que se obtienen cumplen las condiciones del
experimento. Ejemplo: al lanzar una moneda, los sucesos ciertos son cara o cruz. El suceso
imposible se da cuando el resultado del experimento no cumple las condiciones esperadas.
Ejemplo: cuando la moneda cae de perfil.
c) Sucesos mutuamente excluyentes o no
Dos o ms sucesos son mutuamente excluyentes cuando la ocurrencia de uno de ellos
excluye la aparicin de los otros. Ejemplo: al lanzar un dado la aparicin de 5 excluye la
aparicin de 1, 2, 3, 4 y 6. Sin embargo, si se lanzan dos dados dos sucesos que no son
mutuamente excluyentes son el evento que sumen 10 y el evento que en uno de ellos
aparezca un 4.
d) Sucesos igualmente posibles o no
Dos o ms eventos son igualmente posibles cuando ninguno tiene mayor posibilidad de
ocurrencia que el otro. Ejemplo: al lanzar una moneda hay la misma posibilidad que salga cara
o sello si sta est bien hecha. Las monedas cargadas originan sucesos que no son
igualmente posibles.
89
e) Sucesos dependientes e independientes

Un suceso es dependiente de otro cuando la ocurrencia de uno afecta al resultado del otro.
Ejemplo: si se tienen 3 bolas rojas y una azul en una urna y en la primera extraccin se eligi
al azar una bola roja, el suceso que se extraiga una bola roja en la segunda extraccin es
dependiente de la primera. Sin embargo, si la bola roja extrada se repone a la urna, la
segunda extraccin ser independiente de la primera.
4. PROBABILIDAD
4.1. Introduccin
La probabilidad es una medida del riesgo o de la incertidumbre. Se dice que existe riesgo
cuando se conoce el espacio muestral y la probabilidad de aparicin de los sucesos. La
situacin que indica incertidumbre, desconoce la presencia del espacio muestral, la
probabilidad de los sucesos o ambos.
Por medio de la probabilidad, podemos medir si un suceso es probable e improbable: el
resultado de una eleccin presidencial, los efectos colaterales de un nuevo medicamento, la
durabilidad de una pintura para exteriores, etc.
La probabilidad puede clasificarse en tres tipos.
4.2. Probabilidad a priori o clsica

Es la manera ms antigua de medir el riesgo o la incertidumbre de un evento.
La probabilidad de ocurrencia o xito de un suceso simple A, es el nmero que se determina
mediante el cociente de los casos favorables de la ocurrencia del evento y el nmero de casos
posibles.
P( A ) =
n (A) Nmero de casos favorables al evento A

=
n
Nmero de casos posibles
En la aplicacin de esta regla, los trminos favorable y xito se aplican a cualquier clase de
resultado que el investigador est interesado. As, favorable puede significar que un televisor
no funcione, ya que el inters es detectar los que estn defectuosos.
Algunas propiedades que presentan los sucesos, al hablar de sus probabilidades a priori son:
La suma de probabilidades de dos sucesos independientes es: P (A U B) = P(A) + P(B)

La suma de probabilidades de dos eventos mutuamente excluyentes es: P(A) = 1 - P(A)
La probabilidad de cualquier evento presenta los siguientes valores: 0 P(A) 1
Cada resultado debe ser igualmente posible.
Se puede determinar la probabilidad de antemano.
90
Ejemplo 1
Cul es la probabilidad de sacar un as de un paquete bien revuelto de 52 cartas?
Resolucin
Bien revuelto significa que cada carta tiene la misma probabilidad de salir, de modo que se
puede aplicar el concepto clsico de probabilidad.
Dado que hay 4 ases entre 52 cartas, la probabilidad de sacar un as sera de:
P(sacar un as) =
4
1
=
= 0.077
52 13
Existe una probabilidad de que en 13 extracciones, una sea un as, o existe una probabilidad
del 7.7% de sacar un as al elegir una carta.
Ejemplo 2
Supongamos 3 nacimientos. Cul es la probabilidad de que nazcan 2 varones?
Resolucin.
Determinar el sexo del recin nacido, es un experimento aleatorio (Suponiendo que no se
cuenta con un ecgrafo).
Los resultados del experimento cuando se observa el nacimiento uno tras otro, en la
determinacin del sexo se los determina por medio de un arboligrama (Ver figura 4.4.1):
Figura 4.4.1. Arboligrama del sexo de 3 nacimientos
P. conjunta = P. Marginal * P. condicional
1
2
1
2
P. marginal
1
2
1
2
1
2
1
2
1
2
1
2
1
2
M
1
2
1
2
M
M
1
2
P. condicional
1
2
1
2
H
M
P. condicional
(12 )(12 )(12 ) = 18

(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
(12 )(12 )(12 ) = 18
1
S=S (HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM)

91
Se calcula la probabilidad del evento E1 de que hayan exactamente 2 nacidos hombres

(suma de tres probabilidades conjuntas).
P(E1) = P (H,H,M) + P (M,H,H) + P (H,M,H)
Para el anlisis de dichas probabilidades es necesario recurrir a eventos simples: Probabilidad
conjunta es la multiplicacin de una probabilidad marginal por varias condicionales.
1 1 1 1
P(H, H, M ) = P(H ) P(H / H ) P(M / H, H ) = =
2 2 2 8
1 1 1 3
P(E1 ) = + + =
8 8 8 8
La probabilidad de 2 nacidos hombres es de 3 veces en 8 nacimientos, o del 37.5%.

Nota: La probabilidad marginal siempre corresponde a un evento simple (por eso
corresponden a las primeras ramas del rbol. Ejemplo: P(H): probabilidad de que el recin
nacido sea hombre. La probabilidad condicional a un evento que depende de otro, por eso
corresponden a las segundas ramas del rbol y as sucesivamente. Ejemplo: P(H/H): la
probabilidad de que el segundo nacido sea hombre, dado que el primero fue hombre. La
probabilidad conjunta se refiere a eventos que se dan al mismo tiempo, y corresponden a los
eventos del espacio muestral. Ejemplo: P(H,H,M): la probabilidad de que dos recin nacidos
de tres, sean hombres.
4.2. Probabilidad a posteriori

Una desventaja del concepto clsico de probabilidad es su aplicacin limitada, ya que hay
muchas situaciones en las que no se pueden considerar las diversas posibilidades como
igualmente probables. Ejemplos: la posibilidad de si llover en un da determinado, si un
empleado obtendr un ascenso este mes en la empresa, si quisiramos pronosticar el
resultado de una eleccin o un partido de ftbol, o si quisiramos determinar si un ndice
burstil bajar o subir. Para estos casos, se usa el concepto de probabilidad a travs de la
frecuencia o probabilidad a posteriori. Se define de la siguiente manera:
Es la frecuencia relativa observada de un evento durante un gran nmero de intentos.
La fraccin de veces que un evento se presenta cuando las condiciones son estables.
Advertencia. Tiene una limitacin en su uso: Falla cuando los datos son insuficientes.
Ejemplo 1
Segn datos histricos se sabe que 20 de 100 taxis sufren choques muy fuertes al ao en
Cochabamba Cul es la probabilidad de que se suba a un taxi y ste sufra un choque muy
fuerte?
Resolucin
92
Esta es una probabilidad a posteriori, y se la calcula mediante la frecuencia relativa:
P(A) =
20
*100 = 20% . Existe una probabilidad del 20% de que el taxi al que se subi sufra
100
un choque fuerte.
93
Ejemplo 2
Si los registros del Lloyd Areo Boliviano demuestran que (en los ltimos 6 meses) 468 de 600
de sus jets de Cochabamba a Santa Cruz llegaron a tiempo, cul es la probabilidad de que si
este fin de semana Ud. est yendo a Santa Cruz, llegue a la hora correcta?
Resolucin
Ya que en el pasado,
468
600
= 0.78 de los vuelos llegaron a tiempo, entonces se puede decir que
hay una probabilidad del 78% de que el avin de este fin de semana llegue a tiempo.
4.3. Probabilidad subjetiva

Qu pasa con la probabilidad a posteriori si el evento ocurre muy pocas veces o una sola
vez? Ya no es un buen indicador de la ocurrencia del evento. As que hay una tercera
definicin de probabilidad que es la subjetiva.
Est basada en las creencias de las personas que efectan la estimacin.
Es la probabilidad asignada a un evento por un individuo, basada en la evidencia
disponible.
til cuando los eventos se presentan una vez o pocas veces.
Ejemplo
Un estudiante no realiz ningn esfuerzo en su preparacin para rendir su examen de
estadstica. No fotocopi el texto de la materia, no hizo las prcticas, no estudi los ejercicios
propuestos y no atendi al docente en las clases dirigidas. Por lo tanto, subjetivamente se
puede decir que tiene muy pocas probabilidades de pasar el examen.
5. VARIABLE ALEATORIA
Es una funcin que permite transformar los diferentes resultados del espacio muestral en
puntos del conjunto de los nmeros naturales. Puede ser continua o discreta.
Ejemplo
Supngase el espacio muestral del sexo de 3 recin nacidos (Ver la figura 4.4.1).
S = S (HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM)
Corresponde a la situacin de observar 3 nacimientos uno tras otro.
Si interesa el nmero de hombres recin nacidos se puede observar la siguiente relacin entre
la variable definida y el espacio muestral.
La variable aleatoria es discreta y estara definida como: X = Nmero de hombres recin
nacidos, generando as los valores de la tabla 4.5.1.
94
Tabla 4.5.1
Valores de la variable aleatoria: nmero de hombres recin nacidos
Casos del espacio
muestral
MMM
MMH, MHM, HMM
MHH, HMH, HHM
HHH
Valores de la variable aleatoria discreta: (Xi)

X1 = 0
X2 = 1
X3 = 2
X4 = 3
=> Los recin nacidos son todos mujeres

Significa 1 hombre entre los recin nacidos
Significa 2 hombres
Significa 3 hombres

Si dentro el espacio muestral, teniendo en cuenta la variable aleatoria definida, se define una
funcin de probabilidades que determine la ocurrencia de los diferentes valores de la variable,
se dice que se ha definido: P(x en A)
6. DISTRIBUCIN DE PROBABILIDADES
6.1. Introduccin
Sea un experimento aleatorio que permite definir un espacio muestral, sea x la variable
aleatoria y P(x) las probabilidades respectivas. La funcin de probabilidad se obtiene cuando
determinada una variable aleatoria para el espacio muestral, se dispone de las probabilidades
correspondientes producidas en el experimento aleatorio.
En el ejemplo anterior, la distribucin de probabilidades es la que se muestra en la tabla 4.6.1.
Tabla 4.6.1
Distribucin de probabilidades del sexo del recin nacido
Variable
xi
x1 = 0
x2 = 1
x3 = 2
x4 = 3
Casos del espacio

muestral
MMM
MMH, MHM, HMM
MHH, HMH, HHM
HHH
P(xi)
1/8
3/8
3/8
1/8

Esta tabla corresponde a una distribucin de probabilidades para variable aleatoria discreta.
6.2. Funcin de cuanta

a) Propiedades
La distribucin de probabilidades, cuando la variable es discreta, se denomina funcin de
cuanta y debe cumplir con:
95
Cualquier P(x) debe ser un nmero real.

La suma de las distintas probabilidades de los valores de la variable debe ser 1:
n
P(x ) = 1
i
x =1
En consecuencia, cualquier P(x) debe estar entre 0 P(x) 1 para
x = 0, 1, 2, ..., n.
Para determinar si una funcin es de cuanta debe cumplir con las condiciones anteriores.
Para evaluar la segunda condicin: La suma de la funcin de cuanta en el recorrido de la
variable debe sumar la unidad, es necesario incorporar una variable de trabajo k, tal que:
Si k = 1, entonces la funcin propuesta es de cuanta.

Si k 1, entonces debe corregirse la funcin de cuanta multiplicndola por dicha
constante.
Ejemplo 1
Sea la siguiente funcin de cuanta: f ( x ) = 2x + 1
Para x = 0, 1, 2, 3.
a) Determine si es o no una funcin de cuanta; si no fuera, entonces corrjala.

b) Halle la probabilidad de que x sea menor que 2.
c) Halle la funcin de distribucin y verifique el resultado anterior.
Resolucin
Se verifica que la funcin propuesta admite solo valores reales.
Debe cumplir la condicin: La suma de la funcin de cuanta en el recorrido de la variable
debe sumar la unidad". Para verificar esta propiedad se usa una variable constante "k:
k (1 + 3 + 5 + 7) = 1
k (16) = 1
k=
1
16
La funcin propuesta no es de cuanta porque no cumple la segunda propiedad. Por lo tanto

debe modificarse.
a) Entonces la nueva funcin es: P(x) =
2x + 1
para x = 0, 1, 2, 3.
16
b) Se pide: P( x < 2) = P( x = 0) + P( x = 1) =
1
3
4
+
=
= 0.25
16 16 16
Respuesta: Que la variable x tome un valor menor que dos, ocurre en un 25% de los casos.
c) Se halla la funcin de distribucin y se verifica.
3
Se sabe que:
1
(2x + 1 )
i =0 16
P (x ) = P (x i ) =
i= 0
96
1
4
* (2x + 1 ) =
16
x = 0 16
P (x < 2 ) =
donde:
La distribucin de cuanta se muestra en la tabla 4.6.2.

Tabla 4.6.2
Distribucin de cuanta de la funcin: P(x) =
xi
0
1
2
3
P(xi)
1/16
3/16
5/16
7/16
16/16
2x + 1
para x = 0, 1, 2, 3.
16
Pac(xi)
1/16
4/16
9/16
16/16

b) Representacin grfica
Las distribuciones de probabilidades para variable aleatoria discreta pueden ser
representadas mediante un diagrama de barras, circular o rectangular, usando los valores de
probabilidad para el eje y y los valores de la variable para el eje x. Tambin pueden ser
representadas mediante diagramas acumulados de probabilidades.
Diagrama de barras
Se muestra en el grfico 4.6.1 el diagrama de barras para la funcin del ejemplo anterior.
Grfico 4.6.1.
Diagrama de barras para la funcin: P(x) =
97
1
(2x + 1) para x = 0, 1, 2, 3.
16
50%
45%
40%
P(xi) [%]
35%
30%
25%
20%
15%
10%
5%
0%
0
2
xi
98
Ejemplo 2
Si la probabilidad de que cualquier elector registrado (seleccionado al azar de las listas
oficiales) vote en una eleccin determinada es de 0.70, cul es la probabilidad de que dos de
cinco electores registrados voten en la eleccin?
Se ha determinado que para resolver este problema se puede usar la siguiente funcin de
cuanta: f ( x ) = (0.7) x (1 0.7) 5 x para

x
signo ! significa factorial y puede
x!= (x 1)(x 2)( x 3)K (3)(2)(1)
5
5!
. El
x = 0, 1, 2, 3, 4, 5 , donde: =
x x!(5 x )!
ser
hallado
por
la
siguiente
ecuacin:
Resolucin
Primero se debe verificar si la funcin propuesta cumple las propiedades de una de

cuanta o no. Para ello se halla las probabilidades para cada valor de la variable y se
n
verifica si cumple:
P(x ) = 1.
i
x =1
5
f ( x = 0) = (0.7)0 (1 0.7)5 0 = 0.0024
0
5
f ( x = 2) = (0.7) 2 (1 0.7)5 2 = 0.1323
2
5
f ( x = 1) = (0.7)1 (1 0.7)5 1 = 0.0284
1
5
f ( x = 3) = (0.7)3 (1 0.7)5 3 = 0.3087
3
5
f ( x = 4) = (0.7) 4 (1 0.7)5 4 = 0.3602
4
5
f ( x = 5) = (0.7)5 (1 0.7)5 5 = 0.1681
5
k (0.0024 + 0.0284 + 0.1323 + 0.3087 + 0.3602 + 0.1681) = 1
k =1
Se verifica que es funcin de cuanta. La distribucin es la que se muestra en la tabla 4.6.3.

Tabla 4.6.3
Distribucin de cuanta de la binomial b(x, n = 5, p = 0.7)
X
0
1
2
3
4
5
Total
P(X)
0.0024
0.0284
0.1323
0.3087
0.3602
0.1681
1
99
Ahora si se puede calcular la probabilidad pedida, que no es otra cosa que la probabilidad
para x = 2: 0.1323
Existe una probabilidad de 13.23% de que de cinco personas elegidas al azar dos voten en la
eleccin.
La grfica de barras que corresponde a esta funcin de cuanta es observada en el grfico
4.6.2.
Grfico 4.6.2
Diagrama de barras de la binomial b(x, n = 5, p = 0.7)
0.40
0.35
0.30
P(X)
0.25
0.20
0.15
0.10
0.05
0.00
0
Numero de sucesos
Nota: A esta distribucin de cuanta se denomina distribucin binomial.
6.3. Funcin de densidad

a) Propiedades
La distribucin de probabilidades de una variable aleatoria continua, se denomina funcin de
densidad y debe cumplir con:
f(x) 0 para - < x <
La integral de la funcin en el recorrido de la variable debe ser igual a 1:
f ( x ) dx = 1
La evaluacin de una funcin de densidad se efecta determinando el cumplimiento de las

condiciones anteriores. La segunda condicin requiere incorporar la variable de trabajo k.
100
Se consideran las condiciones introducidas para el valor de k, a fin de determinar si la funcin

propuesta es de cuanta.
Ejemplo 1
f ( x ) = 2x + 1
Sea la siguiente funcin de densidad:
Para 0 x 3
a) Determine si es o no una funcin de densidad; si no fuera, entonces corrjala.

c) Halle la funcin de distribucin y verifique el resultado anterior.
Se verifica si la funcin propuesta admite solo valores reales.
Debe cumplir la condicin: La integral de la funcin en el recorrido de la variable debe ser
igual a 1.
Es decir:
Entonces:
1 = k * (2x + 1 ) dx = k * ( x 2 + x ) | = 9k + 3k = 12k
k=
1
12
a) La funcin propuesta no es de densidad porque no cumple la segunda propiedad. Por lo

tanto debe modificarse. Entonces la nueva funcin es:
P(x) =
b) Se pide:
f (x < 2 ) =
1
12
2x + 1
para 0 x 3
12
(2x + 1 ) dx =
6
= 0.5
12
Respuesta: Que "x" sea menor que 2 ocurre en el 50 % de los casos.

c) Se verifica as:
1
1
2
* (2x + 1 ) dx =
12 0
12
2
4
1
* (2x + 1 ) dx =
12
12 1
3
1
6
* (2x + 1 ) dx =
12 2
12
La distribucin de densidad resultante es mostrada en la tabla 4.6.4.
101
Tabla 4.6.4
Distribucin de densidad de la funcin: P(x) =
Li-1 - Li
0-1
1 - 2
2 - 3
2x + 1
para 0 x 3
12
f (x)
2/12
4/12
6/12
12/12=1

b) Representacin grfica
La representacin grfica de una distribucin de densidad se realiza mediante un histograma
de probabilidades (ver Grfico 4.6.3).
Histograma
Grfico 4.6.3
Histograma de probabilidades de: P(x) =
1
(2x + 1) para 0 x 3
12
60%
50%
P(xi) [%]
40%
30%
20%
10%
0%
0-1
1-2
2-3
Li-1 - Li

Ejemplo 2
Se ha descubierto que el tiempo de espera (en minutos) para que una persona pueda acceder
a conectarse a internet sigue la siguiente funcin de densidad:
f ( x ) = x 2 6x + 10
para
102
0.25 x 1.5
a) Determine la probabilidad que alguien espere menos de un minuto.

b) Determine la probabilidad que alguien espere por lo menos un minuto.
Resolucin
Primero se verifica si la funcin es realmente una de densidad, realizando la comprobacin

de la propiedad:
f ( x ) dx = 1 .
k
1.5
0.25
( x 2 6 x + 10) dx = 1
1.5
x3
k 3x 2 + 10x
=1
3
0.25
192
1355
k=
k
=1
1355
192
Se verifica que la funcin no era de densidad, y haba que corregirla, del siguiente modo:
f (x) =
192( x 2 6 x + 10)
1355
para
0.25 x 1.5
Ahora si se procede a determinar lo que se pide.

1
192( x 2 6 x + 10)
192 x 3
3x 2 + 10 x
dx =
= 0.7107
a) P( x < 1) =
0.25
1355
1355 3
0.25
Existe una probabilidad de 71.07% de que una persona se conecte al internet en menos de un
minuto.
1.5
b) P( x 1) =
1.5
192( x 2 6x + 10)
192 x 3
3x 2 + 10x = 0.2893
=
dx
1355
1355 3
Existe una probabilidad de 28.93% de que una persona espere para conectarse al internet un
minuto o ms tiempo.
103
EJERCICIOS DE CLASE
Experimento aleatorio y determinstico
1. Determine cules de los siguientes experimentos son determinsticos o aleatorios.
a) Un alumno realiza un examen de opcin mltiple, en el cual cada pregunta consta de 3
respuestas, de las cuales slo una es correcta. Cada pregunta es elegida mediante
bolos. El examen consta de 2 preguntas. Se sabe que el alumno no estudi para este
examen. Cul es la probabilidad de que responda correctamente las dos preguntas?
b) Una empresa que fabrica cereales de distinto tipo, quiere probar si su nuevo cereal es
significativamente diferente en sabor que los anteriores que ha producido. Para ello,
realiza una prueba con varios clientes. A cada uno se les da a probar 5 cereales, de los
cules uno es el nuevo. De 7 clientes, 6 acertaron al nuevo cereal. Cul es la
probabilidad de que de 3 clientes, uno acierte al nuevo cereal?
c) Se sabe que una mquina para envasar cierto producto lquido, no llena el 100% de las
latas con la cantidad de lquido debida: de 20 latas (que constituyen la produccin
diaria), 4 estn mal llenadas. Si se escogieron 4 latas al azar de la produccin del da de
hoy, qu probabilidad hay que encuentren por lo menos una que est mal llenada?
Determinacin del espacio muestral
2. Determine el espacio muestral de los experimentos de la pregunta 1, que sean aleatorios.
Determinacin de una distribucin de variable aleatoria discreta
3. Halle la distribucin de probabilidades para los experimentos de la pregunta 1 que sean
aleatorios y determine las probabilidades que se piden.
Funcin de cuanta
4. Sea la siguiente funcin de cuanta: f (x) = e x x = 0,1, 2,3, 4,5 , que determina la
probabilidad de la demanda diaria de un artculo que se vende a 2 $us. por unidad.
a)
b)
c)
d)
e)
f)
g)
Corrija la funcin, de modo que cumpla las propiedades de una funcin de cuanta.
Halle la distribucin de probabilidad.
Realice el diagrama de barras de probabilidades.
Realice el diagrama acumulado de probabilidades.
Halle la probabilidad de que la demanda del artculo sea de 4 unidades.
Halle la probabilidad de que la demanda del artculo sea de a lo ms 3 unidades.
Halle la probabilidad de que la demanda del artculo sea de al menos 2 unidades.
104
Funcin de densidad
5. Sea la funcin de densidad: f (x) = e
precio unitario de un artculo (en $us.).
a)
b)
c)
d)
e)
x
2
0 x 4,
que relaciona la probabilidad del
Corrija la funcin, de modo que cumpla las propiedades de una funcin de densidad.
Realice el histograma de probabilidades.
Realice la ojiva de probabilidades.
Halle la probabilidad de que el precio del artculo sea de al menos 3.5 $us.
105
1. D una lista de los posibles resultados que se consiguen al lanzar dos dados uno tras otro.
Dibuje el arboligrama y un cuadro de doble entrada.
2. Cules de los siguientes resultados son mutuamente excluyentes en el lanzamiento de
dos dados?
a) Un total de 5 y un 5 en un dado.
b) Un total de 7 y un nmero par de puntos en ambos dados.
c) Un total de 10 puntos y un 4 en un dado.
3. Una pastelera ofrece pasteles con decoracin especial para cumpleaos, bodas y otras
ocasiones. Tambin tiene pasteles normales en su tienda. En la tabla que sigue se
proporciona el nmero total de pasteles vendidos al da y las probabilidades
correspondientes.
N de pasteles Probabilidad
vendidos/da
12
0.25
13
0.40
14
0.25
15
0.10
a) Complete la tabla y diga de qu tipo de distribucin se trata.
b) Realice una grfica de la distribucin.
c) Cuntos pasteles vender al da, si tomamos en cuenta la mayor probabilidad?
4. Como se sabe, la respuesta a una pregunta de verdadero o falso es correcta o incorrecta.
Considere que un examen est formado por 4 preguntas de este tipo y un estudiante no
sabe nada sobre el tema.
a) Construya la tabla de distribucin de cuanta.
b) Cul es la probabilidad de que el estudiante responda todas las preguntas mal?
c) Cul es la probabilidad de que el estudiante responda por lo menos una bien?
5. Dada la siguiente funcin:
f ( x ) = 3x 2 + 5 x + 4
Para 0 x 3
a) Determine si es o no una funcin de densidad. Si no es, corrjala.

c) Halle la funcin de distribucin y grafquela.
d) Realice los pasos a) hasta c) para el caso de una distribucin discreta con x = 0, 1, 2, 3.
6. El Ministerio de Informaciones sobre asuntos polticos emite 17 de cada 20 noticias para
evitar la disminucin de imagen del gobierno que representa. Se seleccionan 3 noticias
emitidas por dicho Ministerio al azar.
106
a) Cul es la probabilidad de que se encuentren 2 noticias que vayan en desmedro de la

imagen del gobierno?
b) Cul es la probabilidad de que puedan encontrarse a lo ms 2 noticias que cuiden la
imagen del gobierno?
7. En Alke se acaba de recibir un embarque de 10 aparatos de TV. Poco despus de
recibirlos, el fabricante llam para informar que por descuido haban enviado tres aparatos
defectuosos. Se decidi probar dos de stos. Cul es la probabilidad de que ninguno de
los dos est defectuoso?.
8. Un profesor tiene un conjunto de 15 preguntas de opcin mltiple referente a Estadstica I.
Cuatro de estas preguntas se relacionan con distribuciones de probabilidades. Cul es la
probabilidad que al menos una de estas preguntas sobre distribuciones de probabilidad
aparezca en el examen de tres preguntas del prximo lunes?
9. En un da veraniego muy caluroso, 10% de los trabajadores de produccin de una empresa
estn ausentes del trabajo. Se van a seleccionar al azar 3 obreros para un estudio especial
a profundidad sobre el ausentismo.
a) Cul es la variable aleatoria en este problema?
b) Tal variable es discreta o continua? Por qu?
c) Cul es la probabilidad de seleccionar al azar 3 nombres de trabajadores y descubrir
que ninguno est ausente?
d) Represente la distribucin mediante una grfica.
10. Entre los quince solicitantes para tres puestos en un peridico, diez son graduados de
universidad. Si las selecciones se hacen al azar.
a) Determine la distribucin de probabilidad, definiendo la variable como el nmero de
graduados de universidad que solicitan los puestos.
b) Cul es la probabilidad de que los puestos sean cubiertos por menos de 2 graduados
de universidad?
11. El consejo directivo de su empresa est formado por 12 integrantes, 3 de los cuales son
mujeres. Se va a redactar un nuevo manual de polticas y procedimientos para la
empresa. Debe seleccionarse un comit de 3 en forma aleatoria entre el consejo, para
que escriban el manual.
a) Cul es la probabilidad de que todos los integrantes del comit sean hombres?.
b) Cul es la probabilidad de que al menos un elemento del comit sea mujer?.
c) Halle la probabilidad de que por lo menos 2 personas sean mujeres.
107

1. En La UPB, el jefe de Ciencias Exactas quiere contratar a docentes para que se hagan
cargo de los paralelos de Matemticas para Ingeniera II y para Matemticas II (ambas se
imparten en el mismo horario) en el prximo mdulo. Se han presentado 8 personas y
obtuvieron el mismo puntaje en la clase magistral: 2 son doctores, 5 son masters y uno es
licenciado en Matemticas.
a) Construya la distribucin de probabilidad, donde la variable aleatoria sea el nmero de
masters contratados para las ctedras.
b) Halle la probabilidad de que por lo menos una de las ctedras sea cubierta por masters.
c) Halle la probabilidad que ninguna de las ctedras sea cubierta por licenciados.
2. La duracin de una batera est dada por la siguiente funcin (en aos):
2
x x2
e
2
f ( x) =
Si se la instala correctamente y se le realiza un mantenimiento adecuado, la batera

generalmente dura 5 aos. El comerciante generalmente ofrece una garanta de un ao.
a) Construya la tabla de distribucin de probabilidad del tiempo de vida de una batera,
corrigiendo antes la funcin de densidad.
b) Cul es la probabilidad de que la batera falle despus de que el tiempo de garanta ha
fenecido?.
c) Hallar la probabilidad que la batera dure ms de 4 aos.
3. Un empresario quiere contratar a dos expertos en finanzas. Luego de entrevistar a 50
personas, aprob para el puesto a 8 de ellas: dos expertos de EUA, uno de Alemania, tres
de Bolivia y dos de Colombia. Si elige a las personas al azar:
a) Halle la probabilidad de contratar a lo ms un experto de Bolivia para el puesto.
b) Halle la probabilidad de contratar como mnimo a un experto de Alemania para el
puesto.
4. El tiempo de produccin en horas, para fabricar un zapato de vestir para varn est dado
por la siguiente ecuacin: f ( x) =
10
+ x 4 + 8 x 2 5 . Generalmente el tiempo de fabricacin
x3
de este tipo de zapato est entre 2 y 5 horas.

a) Pruebe si es funcin de densidad y halle su distribucin.
b) Cul es la probabilidad de que un empleado fabrique el zapato en ms de 3 horas?.
5. El docente de Estadstica tiene un problema de lmite de alumnos en su materia este
semestre. Tiene 40 alumnos y quiere transferir a 3 alumnos a la clase de la tarde. 30
alumnos no pueden asistir a la clase de la tarde por imposibilidad en sus horarios. Para
108
resolver este asunto, el docente elegir al azar de los 10 alumnos que no tienen excusa
para la transferencia. Sabe que en ese grupo existen 6 personas repitentes.
a) Presente la distribucin de probabilidades del nmero de repitentes.
b) Cul es la probabilidad de que el docente elija a por lo menos un repitente?.
6. Un estudiante se presenta a un examen oral, que consiste de 2 preguntas. El profesor
prepar el examen para que el alumno eligiera entre 5 preguntas de distribuciones
discretas de probabilidad, 3 preguntas de distribuciones de frecuencia y 4 de distribuciones
continuas de probabilidad.
a) Halle la probabilidad de que el alumno tenga que contestar al menos una pregunta
sobre distribuciones discretas de probabilidad.
b) Halle la probabilidad de que el alumno tenga que contestar 2 preguntas sobre
distribuciones de frecuencia.
109
CAPTULO 5
ESTADGRAFOS DE POSICIN
INDICADORES DE TENDENCIA CENTRAL
1. INTRODUCCIN
La informacin que contiene cualquiera de las distintas formas de distribucin de frecuencias o
probabilidades sobre los valores de una variable, es posible reducirla o condensarla utilizando
estadgrafos o indicadores de posicin central.
Ejemplo 1: Para describir la edad indicadora, en forma resumida, de los alumnos que hacen el
pre-universitario, se dice que tienen alrededor de 18 aos.
Ejemplo 2: Para describir la temperatura en Cochabamba se dice que el promedio es de 24oC,
es decir un clima templado.
Los principales indicadores de tendencia central son:
Media aritmtica
Moda
Mediana
Media armnica
Media geomtrica
Las distribuciones de frecuencia de atributos, si son de atributo nominal, pueden expresarse en

forma resumida usando la frecuencia o la moda, en cambio si son de tipo ordinal, la informacin
queda resumida mediante la moda o mediana. Las distribuciones de frecuencia de variable,
cualquiera fuese el tipo (I, II o III), pueden resumir la informacin usando cualquiera de los 5
indicadores antes mencionados.
2. MEDIA ARITMTICA
2.1. Definicin
Es un valor determinado en algn punto del recorrido de la variable. Este punto resulta ser el
centro de gravedad de la distribucin. En general se define como el valor que resulta de dividir
los valores registrados de la variable entre el nmero de ellos. Este valor llamado media
aritmtica se simboliza por:
n
x , M[ x ], =
x
i =1
108
x1 + x 2 + K + x n
n
2.2. Determinacin de la media aritmtica

a) Tipo I
La media en distribuciones tipo I se determina aplicando la definicin general.
Ejemplo
Sea el peso en kg. de 5 hombres:
70
65
75
80
71
Determine la media aritmtica, que equivale al peso medio.

Resolucin
Se sabe que: x =
Aplicando los valores del problema, se tiene:
x=
70 + 65 + 75 + 80 + 71 361
=
= 72.5
5
5
Conclusin: El peso medio de los 5 hombres es de 72.5 Kg.

Nota: La media aritmtica anterior se llama tambin: media aritmtica de distribucin no
ordenada o no ponderada.
b) Tipo II
En el clculo de la media aritmtica en distribuciones tipo II, se aplica la expresin anterior
aadiendo pesos o ponderaciones:
n
x=
ni
i =1
donde ni son las ponderaciones (ni = frecuencia absoluta).

Tambin pueden utilizarse los hi (frecuencia relativa):
n
x = xi hi
i =1
Una manera fcil de determinarla es efectuando operaciones en la tabla de distribucin de

frecuencias de la siguiente manera:
109
Se multiplica la primera columna (xi) por la segunda columna (ni). Este producto se anota en
la tercera columna. La suma de dicho producto se divide entre el tamao de poblacin o
universo (ver tabla 5.2.1).
Tabla 5.2.1
Clculo de la media aritmtica en distribuciones tipo II
xi
x1
x2
:
xn
ni
n1
n2
:
nn
n
xi * ni
x1 * n 1
x2 * n 2
:
xn * n n
xi * ni

tal que: x =
ni
c) Tipo III
La expresin de clculo de la media aritmtica en una distribucin de frecuencias tipo II se
aplica tambin al caso de hallar dicho estadgrafo en una distribucin tipo III, si acaso esta
distribucin se la convierte a tipo II.
La transformacin mencionada se efecta de la forma en la que se observa en la tabla 5.2.2.
Tabla 5.2.2
Transformacin de la tabla Tipo III a tipo II
tipo III
Li-1 - Li
Lo - L1
L1 - L2
:
Ln-1 - Ln
transformada a
tipo II
xi = (Li + Li-1)/2
x1
x2
:
xn
ni
n1
n2
:
nn
ni = n
ni
n1
n2
:
nn
ni = n

Dicha transformacin se produce reemplazando los intervalos de clase por sus valores medios
o marcas de clase (semisuma de los lmites de cada intervalo).
Ejemplo
Los estudiantes de estadstica, normalmente distribuyen el dinero que traen para sus gastos
diarios de la siguiente manera (ver tabla 5.2.3). Halle la media aritmtica
110
Tabla 5.2.3
Transformacin de la distribucin de gastos diarios de tipo III a tipo II
.Li-1 - Li
1 - 5
5' - 13
13' - 21
21' 31
xi = (Li + Li-1)/2
3
9
17
26
ni
11
9
12
8
40
ni
11
9
12
8
40

Para hallar la media aritmtica en una distribucin tipo III, es necesaria transformarla en una
de tipo II (Como se realiz hace un momento).
En la distribucin tipo II se hace el clculo xi * ni en la columna 3 (ver tabla 5.2.4).
Tabla 5.2.4
Clculo de la media de la distribucin de gastos diarios
xi
3
9
17
26
ni
11
9
12
8
40
xi*ni
33
81
204
208
526

Se divide la suma de la columna (3) entre la suma de la columna (2).
x=
526
= 13.5 Bs.
40
Conclusin: Los alumnos de Estadstica en promedio tienen 13.15 Bs. para gastar diariamente.
Nota: La media aritmtica debe utilizarse cuando las distribuciones no tengan peso o
ponderacin en valores extremos.
2.3. Propiedades de la media aritmtica

Goza de las siguientes propiedades:
1ra Propiedad. La media aritmtica de una constante, es la constante misma.
En smbolos:
M[k ] = k
111
Demostracin:
M[k ] =
k ni
n
n veces
k + k +K+ k n k
=
=k
n
n
2da Propiedad. La media aritmtica de la variable ms una constante es igual a media

aritmtica de la variable ms la constante.
M[x + k] = x + k
En smbolos:
Demostracin:
M[x + k] =
(x + k) n
ni
k n
= x+k
3ra Propiedad. La media aritmtica de la variable multiplicada por una constante es igual a la
media aritmtica de la variable, multiplicada por dicha constante.
M[x k] = x k
En smbolos:
Demostracin:
M [k x ] =
k n
n
=k
ni
=kx
Ejemplo
El Centro de Estudiantes ha decidido aplicar una poltica de carcter social: subvencionar a los
estudiantes en sus gastos diarios mediante alguna de las dos alternativas:
a) Ofrecer a todos los alumnos la suma de 2.5 Bs. por da.
b) Darles el 20% de lo que tiene cada uno como gasto diario.
Cul de las dos alternativas recomendara usted?
Resolucin
Para comprender la aplicacin de las propiedades, se resolver aplicando las propuestas a la
distribucin.
a) Si se aplica la 1ra alternativa.
Calcule (xi + 2,5) * ni en la tercera columna (ver tabla 5.2.5)
112
Tabla 5.2.5
Distribucin de gastos diarios con subvencin de 2.5 Bs/da
xi+2.5
5.5
11.5
19.5
28.5
ni
11
9
12
8
40
(xi+2.5)*ni
60.5
103.5
234.0
228.0
626.0

Divida la suma total de la tercera columna entre la segunda columna.
x + 2. 5 =
626
= 15.65 Bs.
40
Si se aplica la propiedad el clculo es ms sencillo que el anterior: M [ x + k ] = x + k

Siendo que:
Entonces:
x = 13.5
k = 2.5
M [ x i + 2.5] = 13.15 + 2.5 = 15.65
Verifica el resultado obtenido.

b) Si se aplica la 2da alternativa a la distribucin.
Calcule (1.2 * x) * ni en la tercera columna (ver tabla 5.2.6).
Tabla 5.2.6
Distribucin de gastos diarios con subvencin del 20% diario
xi*1.2
3.6
10.8
20.4
31.2
ni
11
9
12
8
40
(xi*1.2)*ni
39.6
97.2
244.8
249.6
631.2

Divida la suma total de las columnas (3) y (2):
1. 2 x =
631.2
= 15.78 Bs.
40
Si se aplica la propiedad: M [ x * k ] = x * k
113
Siendo que:
x = 13.15
k = 1.2
Entonces:
M [1.2 x i ] = 1.2(13.15) = 15.78 Bs.

Conclusin: Aunque la segunda alternativa da una media superior a la primera, se recomienda
la primera alternativa, puesto que los pobres reciben igual que los ricos, en cambio en la
segunda alternativa los ricos reciben ms que los pobres, existiendo mayor desigualdad.
4ta Propiedad. La desviacin de los valores de la variable respecto de la media aritmtica en
promedio es igual a cero. Desde el punto de vista geomtrico, esta propiedad indica que la
media aritmtica es el centro de gravedad de la distribucin.
Si se denomina z a las desviaciones de la variable respecto de su media aritmtica, la
propiedad se expresa en smbolos de la siguiente manera:
Si
z = xi x
En efecto:
M [ z] =
M [ z] = M [ x i x ] = 0
entonces:
ni
(x
x) n i
n
ni
x ni
n
= x
xn
= xx =0
n
Prueba
Sea la distribucin original donde x = 13.15 Bs.
Para verificar la propiedad se determina zi = xi - x en la cuarta columna.
Se calcula zi * ni en la quinta columna (ver tabla 5.2.7).
Tabla 5.2.7
Comprobacin de la cuarta propiedad de la media de la distribucin de gastos diarios
xi
3
9
17
26
ni
11
9
12
8
40
xi*ni
33
81
204
208
526
zi = x i - x
- 10.15
- 4.15
3.85
12.85
zi * ni
- 111.65
- 37.35
46.20
102.80
0

5ta Propiedad. Si en una distribucin de frecuencias de una variable, se considera importante
distinguir dos o ms grupos de tamaos n1 , n2 ,..., nk tal que n = n1 + n2 +...+ nk , con medias
aritmticas x 1 , x 2 ,..., x k la media general de la distribucin se obtiene de la siguiente
manera:
114
x n + x 2 n 2 + Kx k nk
=
x= 1 1
n1 + n 2 + K n k
ni
i =1
Ejemplo
Sea la distribucin de frecuencias, de la cantidad de dinero que manejan los estudiantes, dada
en la tabla 5.2.8.
Tabla 5.2.8
Distribucin de frecuencias de gastos diarios (Bs.)
xi
3
9
17
26
ni
11
9
12
8
40

El Centro de estudiantes distingue 2 grupos distintos de tamao n1 = n2 = 20.
Determine la media de la distribucin a partir de la determinacin de las medias grupales.
Resolucin.
a) Determine la media aritmtica del primer grupo definiendo previamente su distribucin (ver
tabla 5.2.9.
Tabla 5.2.9
Distribucin de gastos diarios 1er grupo
x1i
3
9
n1i
11
9
20
x1i * n1i
33
81
144

Dividiendo los totales de la columna (3) entre la columna (2):
x1 =
114
= 5.7 Bs.
20
b) Defina la distribucin de frecuencia del 2do grupo y determine la media aritmtica (ver tabla
5.2.10).
115
Tabla 5.2.10
Distribucin de gastos diarios 2o grupo
x1i
n1i
17
26
12
8
20
x1i * n1i
204
208
412

Divida los totales de la columna (3) entre la columna (2):
x2 =
412
= 20.6 Bs.
20
c) Conociendo la media aritmtica de cada grupo y los correspondientes tamaos, la media

general se calcula de la siguiente manera:
x=
x1 n1 + x 2 n 2 5.7(20) + 20.76(20)
=
= 13.15 Bs.
n1 + n 2
20 + 20
Conclusin: La media general calculada, indica que por trmino medio, cada estudiante tiene
13.15 Bs. por da.
2.4. Esperanza matemtica

Indica el valor promedio que se desea obtener en una distribucin de probabilidades.
a) Funcin de cuanta
Si la distribucin probabilstica es una funcin de cuanta, la esperanza matemtica se obtiene
mediante la siguiente expresin:
n
E [ x ] = x i P(x i ) para x = 0,1, 2,K, n

i =1
Ejemplo
Sea la siguiente distribucin de probabilidad de variable discreta formada a partir del siguiente
experimento aleatorio:
En el curso existen 5 mujeres, 3 de las cuales tienen cabello largo y 2 de cabello corto. Se
quieren elegir al azar dos de ellas.
Halle la esperanza matemtica.
116
Tabla 5.2.11
Distribucin de cuanta del nmero de seoritas de cabello largo
xi
0
1
2
P(xi)
2/20
12/20
6/20
1

Resolucin
Se calcula xi * P(xi) en columna (3)
Tabla 5.2.12
Esperanza matemtica (nmero de seoritas de cabello largo)
xi
0
1
2
P(xi)
2/20
12/20
6/20
1
xi * P(xi)
0
12/20
12/20
24/20

Luego:
E[x] =
24
= 1.2
20
Conclusin: Al elegir al azar 2 seoritas de cabello corto y largo, se espera obtener en

promedio 1.2 seoritas de cabello largo.
b) Funcin de densidad
Si la expresin matemtica es de funcin de densidad, la esperanza matemtica se obtiene de
la siguiente manera:
E[x] =
x i f ( x i ) dx para x
Ejemplo
Sea la siguiente funcin de densidad: f ( x ) =
matemtica.
2x + 1
para 0 x 3 . Halle la esperanza
12
Resolucin
a) Se parte de la definicin de esperanza matemtica.
117
b) Se aplican los datos a la ecuacin anterior:

3
1
E [x ] = x (2x + 1 )
12
0
1 2 3
1 54
2
dx = 12 3 x + x = 12 3 + 9 = 2.15
0
Conclusin: El valor medio esperado en la distribucin es 2.15.

Nota: En general la media aritmtica o la esperanza matemtica, es un valor que se define
dentro el recorrido de la variable.
3. MODA
3.1. Definicin
La moda es el valor de la variable que responde a la frecuencia ms alta. Se dice tambin que
es el valor de la variable ms frecuente. Este estadgrafo de tendencia central se usa para
resumir la informacin en el caso de distribuciones de atributo nominal, ordinal y en el caso de
las variables discretas o continuas.
3.2. Determinacin de la moda

a) Tipo I
En las distribuciones tipo I, no existe posibilidad de hallar la moda, por que dicha distribucin se
dice que es de tipo unitaria.
b) Tipo II
En las distribuciones tipo II, la moda se determina aplicando la definicin.
Ejemplo
Sea la distribucin de dinero que llevan los estudiantes por da (ver tabla 5.2.8)
xi
3
9
17
26
ni
11
9
12
8
40
La moda de la cantidad de dinero es 17 Bs., por que es el valor de la variable que corresponde
a la frecuencia ms alta (n3 = 12).
Conclusin: Lo ms frecuente o usual es que los estudiantes tengan 17 Bs. para sus gastos
diarios.
118
c) Tipo III
La moda en distribuciones tipo III se halla de dos maneras:
1) Se transforma la distribucin tipo III en tipo II, cambiando la columna de intervalos con una
de marcas de clase y se aplica la definicin de la moda.
2) Se aplica una frmula emprica (Mo):
Si la distribucin tipo III es de intervalo no constante:
n i +1
a i +1
Mo = L i 1 +
(a )
n i +1 n i 1 i
+
a i +1 a i 1
donde:ai = Amplitud del intervalo de clase modal.
Li-1 = Frontera inferior de la clase modal.
El ndice "i" corresponde al orden de la frecuencia ms alta y Li-1 - Li al intervalo modal.
Si la distribucin tipo III es de intervalo constante, la moda se determina aplicando la
siguiente frmula emprica:
Mo = Li 1 +
n i +1
(a i )
n i +1 + n i 1
Ejemplo
Sea la distribucin tipo III sobre la cantidad de dinero que tienen los estudiantes por da (ver
tabla 5.2.8)
Fila i-1
Fila i
Fila i+1
Li-1 - Li
1 - 5
5' - 13
13' - 21
21' - 31
ni
11
9
12
8
40
Frecuencia ms alta
Halle la moda.
Resolucin
Se determina la frecuencia ms alta: n3 = 12, donde el intervalo modal es:
Li-1 - Li = 13 - 21
119
Se determinan las frecuencias vecinas y la amplitud de sus intervalos:

ni = 12
ni+1 = 8
ni-1 = 9
ai = 21-13 = 8
ai+1 = 21-13 = 10
ai-1 = 13-5 = 8
Se reemplazan los datos en la frmula emprica:
Mo = 13 +
8
10
8 9
+
10 8
(8) = 16.3
Conclusin: La cantidad de moda diaria es de 16.3 Bs. Lo ms usual es que los estudiantes
tengan 16.3 Bs. para sus gastos diarios.
3.3. Moda esperada

La moda en una distribucin de probabilidad, corresponde a aplicar las condiciones de un
mximo.
a) Funcin de cuanta
Si f(x) es una distribucin de cuanta, la moda se determina aplicando la definicin.
Ejemplo
Sea la funcin de cuanta del nmero de seoritas de cabello largo (ver tabla 5.2.11)
xi
0
1
2
P(xi)
2/20
12/20
6/20
1
Halle la moda esperada.

Resolucin
a) Se encuentra el valor de probabilidad ms alto: P(xi) = 12/20.
b) El correspondiente valor de la variable es la moda:
Moda = 1
Conclusin: Lo ms usual es elegir a una seorita de cabello largo entre dos, cuando tenemos
5 seoritas, de las cuales 3 son de cabello largo.
120
Si f(x) es una distribucin de densidad, se puede determinar la moda mediante tres
procedimientos:
1) Aplicando el mtodo para hallar un mximo absoluto en un intervalo.
Consiste de los siguientes pasos:
a) Halle las coordenadas de x de todos los puntos crticos de primer orden de la funcin en el
intervalo a x b (Un punto crtico es aquel que se obtiene igualando a cero o a no existe
la primera derivada de una funcin: f ' ( x ) = 0
b) Calcule f(x) en estos valores crticos y en los puntos extremos x = a y x = b.
c) Seleccione el valor mayor de f(x) obtenido en el paso 2. Este es el mximo absoluto, que
puede ser confirmado mediante el criterio de la segunda derivada: f ' ' ( x ) < 0 .
Ejemplo
Sea la siguiente funcin de densidad: f (x) =
3
( 2x 2 + 4x ) para 0 x 2 . Halle la moda.
8
Resolucin
a) Se determina la primera derivada y se iguala a cero para obtener los puntos crticos (se
toman en cuenta aquellos que se encuentran dentro el intervalo de la variable):
f '(x) = 4x + 4 = 0
x =1
b) Se calculan las ordenadas del punto crtico y de los puntos extremos:
x = 1 f ( x ) = 0.75
x = 0 f (x) = 0
x = 2 f (x ) = 0
c) Se elige el punto cuyo valor de su ordenada sea mayor. En este caso es el punto (1, 0.75).
Esa es la moda.
b) Se determina la segunda derivada para comprobar si el punto hallado es un mximo, mnimo
o punto de inflexin:
f ''(x) = 4
>0
Mximo
Conclusin: La moda es 1.
2) Aplicando la frmula emprica para intervalos constates o no constantes.
P i+1
a i+1
Mo = L i1 +
* ai
P i+1 + P i 1
a i+1 a i 1
Mo =
121
P i+1 * +
a i L i 1
P i+1 + P i1
Ejemplo
Sea la siguiente funcin de densidad: f (x ) =
1
(2 x + 1 )
12
para 0 x 3 . La distribucin
correspondiente se muestra en la tabla 4.6.4. Halle la moda.

Li-1 - Li
01
12
23
P(xi)
2/12
4/12
6/12
12/12
Resolucin
a) Se determina la fila de clase modal: Fila 3. (Porque esa fila es la que tiene la probabilidad
ms alta)
b) Se determinan los elementos de la frmula emprica para la moda de intervalos constantes:
Li-1 = 2
Pi-1 = 4/12
Pi+1 = 0
ai = 1
c) Se reemplazan los valores hallados en la frmula:
Mo =
0
(1) + 2 = 2
0 + 124
Conclusin: La moda es 2.
3) Transformando la distribucin tipo III en una tipo II mediante las marcas de clase y
aplicando la definicin de la moda.
Ejemplo
1
(2 x + 1 )
12
para 0 x 3 . Halle la moda. La
tabla es la 4.6.4.
Li-1 - Li
01
12
23
xi =
Li 1 + L i
2
P(xi)
0.5
1.5
2.5
2/12
4/12
6/12
12/12
Resolucin.
a) Se transforma la distribucin tipo III en tipo II como se ve en la tabla en la columna 2,
mediante marcas de clase.
122
b) El valor correspondiente de la variable para la probabilidad ms alta es la moda.

Conclusin: La moda es 2.5.
Nota: Se puede observar que existe diferencia entre el mtodo b) y el c). Esto se debe a que en
el ltimo se realiza una aproximacin.
Nota: En una distribucin de frecuencias o probabilidades, cuando existen dos o ms valores
que corresponden a la frecuencia ms alta, se dice que la distribucin es bimodal o multimodal.
El valor de una distribucin de frecuencias que corresponde a la frecuencia ms baja, se
denomina antimoda. Una distribucin de frecuencias, puede tener 2 o ms antimodas.
Ejemplo
Sea la distribucin de gastos diarios de estudiantes de ingeniera de Produccin dada en la
tabla 5.3.1 . Halle la moda.
Tabla 5.3.1
Distribucin de gastos diarios de estudiantes de Ingeniera de Produccin
xi
3
9
17
26
ni
12
9
12
7
40

Esta distribucin tipo II tiene dos modas:
Mo = 3 y Mo = 17
4. MEDIANA
4.1. Definicin
Es un valor de la variable que permite distribuir en dos partes igualmente proporcionales a la
distribucin de frecuencias. De otra manera se dice que la mediana es un valor que supera a
no ms de 50% de los valores observados. La mediana es un estadgrafo de ubicacin y
permite determinar si un valor cualquiera de la variable forma parte del primer o del segundo
grupo.
4.2. Clculo de la mediana

El procedimiento para su clculo es diferente segn el tipo de distribucin para el que se desea
hallar.
123
a) Tipo I
Se distinguen 2 casos:
1) Si el nmero de trminos de la distribucin es impar
Se ordenan los datos de la distribucin en forma ascendente o descendente.
El valor de la mediana corresponde al trmino central, es decir:
Me = x n +1
2
Ejemplo
Sea la cantidad de dinero que gastan diariamente 5 alumnos en el caf:
8
10
12
10
12
Halle la mediana.
Resolucin
Se ordenan los datos en forma ascendente:
5
Se busca el trmino central:
Me = x n +1 = x 5+1 = x 3 = 8
2
Conclusin: La mediana es 8, por que supera a no ms del 50% de valores menores y es

superado por no ms del 50% de valores superiores. El 50% de los alumnos gastan menos de
8 Bs. diariamente en el caf y el 50% restante gasta ms.
2) Si el nmero de trminos de la distribucin es par
Se ordenan los datos de la distribucin en forma ascendente o descendente.
El valor de la mediana es el promedio de los valores centrales previamente ordenados, es
decir:
xn + xn
Me =
+1
Ejemplo
Sea la cantidad de dinero que gastan diariamente 6 alumnos en el caf. Halle la mediana.
124
10
12
17
Resolucin
Se ordenan los datos en forma descendente:
17
12
10
Se determinan los valores centrales:
x n = x 6 = x 3 = 10
2
x n = x 6 = x4 = 8
2
+1
+1
La mediana es el promedio de los valores centrales:
Me =
10 + 8
=9
2
Conclusin: El valor 9 es la mediana, por que supera al 50% de los valores inferiores y es
superado por el 50% de los valores superiores o mayores.
Nota: En este caso puede observarse que cualquier valor en el intervalo 10 - 8, cumple con la
definicin de mediana.
b) Tipo II
El valor de la mediana en una distribucin tipo II, se determina tomando en cuenta el siguiente
procedimiento:
Se determinan los valores de la frecuencia absoluta acumulada (Ni).
Se calcula la mitad del universo (n/2) y se lo ubica entre dos valores de la frecuencia
absoluta acumulada, tal que en smbolos corresponde a la siguiente expresin:
N i 1
n
Ni
2
tal que si:

Ni > n/2, el valor xi correspondiente, es la mediana.
Si Ni = n/2, la mediana es: Me =
x i + x i+1
2
Ejemplo
Sea la cantidad de dinero que disponen diariamente los estudiantes de Ingeniera Industrial.
125
xi
3
9
17
26
ni
10
9
13
8
40
Halle la mediana.
Resolucin
Halle los valores de la frecuencia absoluta acumulada en la columna 3.
Fila i-1
Fila i
xi
3
9
17
26
ni
10
9
13
8
40
Ni
10
19
32
40
n
2
= 20
Calcule la mitad del universo:
n 40
=
= 20
2 2
Ubique el valor anterior entre dos consecutivos de la frecuencia absoluta acumulada:
N i 1 = 19
n
= 20 Ni = 32
2
Se observa que: n/2=20 < Ni=32, entonces: xi=17 es la mediana

Conclusin: El valor 17 es mediana por que supera al 50% de los valores inferiores y es
superado por el 50% de los valores superiores o mayores. El 50% de los estudiantes tienen
menos de 17 Bs. para gastar cada da y el 50% restante ms de esa cantidad.
Ejemplo
Vuelva a calcular la mediana en la misma distribucin transformada.
xi
3
9
17
26
ni
11
9
12
8
40
126
Resolucin
Halle los valores de la frecuencia absoluta acumulada en columna (3).
xi
3
9
17
26
Fila i
Fila i+1
ni
11
9
12
8
40
Ni
11
20
32
40
n
2
= 20
Calcule la mitad del universo:
n 40
= = 20
2 2
Ubique el valor anterior entre dos consecutivos de la frecuencia absoluta acumulada:
N i 1 = 11
n
= 20 N i = 20
2
Se observa que: n/2=20 = Ni=20

Entonces se determina xi=9 y xi+1=17, la mediana es: Me =
9 + 17
= 13
2
superado por el 50% de los valores superiores o mayores. El 50% de los estudiantes gasta
diariamente menos de 13 Bs. y el 50% restante ms de esa cantidad.
c) Tipo III
En este tipo de distribucin, la mediana se calcula utilizando una frmula emprica:
n
N i 1
2
Me = Li 1 +
(a i )
ni
donde: ai = Ancho del intervalo de clase mediana
Li-1 = Lmite inferior de la clase mediana.
Ejemplo
Sea la distribucin del dinero que manejan diariamente los estudiantes de Ingeniera Industrial.
127
Li-1 - Li
1 - 5
5' - 13
13' - 21
21' - 31
ni
11
9
12
8
40
Halle la mediana.
Resolucin
Halle los valores de la frecuencia absoluta acumulada en columna 3 y determine el valor n/2.
Fila i-1
Fila i
Li-1 - Li
1 - 5
5' - 13
13' - 21
21' - 31
ni
11
9
12
8
40
Ni
11
20
32
40
n
2
= 20
n 40
=
= 20
2 2
Conociendo Ni, defina el intervalo de la mediana como en los casos anteriores (Li-1 - Li) y
calcule la amplitud de clase.
Li-1 = 5
Ni = 11
ai = 8
ni = 9
Reemplace valores en la frmula emprica:
n
N i 1
20 11
(a i ) = 5 +
( 8) = 13
Me = Li 1 + 2
9
ni
superado por el 50% de los valores superiores o mayores.
4.3. Mediana esperada

La mediana esperada es el valor de la variable aleatoria que divide a una distribucin de
probabilidades en dos partes igualmente proporcionales.
a) Funcin de cuanta
El procedimiento para hallar la mediana esperada en una funcin de cuanta es el siguiente:
Se determina los valores de probabilidad acumulada.
128
Se ubica el valor 0.5 entre dos valores consecutivos de probabilidad acumulada:

Pac (x i 1 ) 0.5 Pac (x i ) , tal que si:
Pac (x i ) > 0.5
entonces
Pac (x i ) = 0.5
entonces
Me = x i
x + x i +1
Me = i
2
Ejemplo
Sea la siguiente funcin de cuanta: f (x) =
1
(2x + 1)
16
x = 0, 1, 2, 3 . Halle la mediana
esperada.
Resolucin
Halle la distribucin y sus probabilidades acumuladas:
Fila i
xi
0
1
2
3
P(xi)
1/16 = 0.0625
3/16 = 0.1875
5/16 = 0.3125
7/16 = 0.4375
16/16
Pac (xi)
0.0625
0.2500
0.5625
1.0000
0.5
Ubique 0.5 entre dos valores de probabilidad acumulada:
Pac (x i 1 ) = 0.25 0.5 Pac (x i ) = 0.5625

Se cumple que: Pac (x i ) = 0.5625 > 0.5
entonces
Me = x i = 2
Conclusin: La mediana esperada es 2. Hay una probabilidad del 50% de que el valor de la
variable adopte un valor menor a 2 y otro 50% que sea ms alto que 2.
La mediana esperada de una funcin de densidad puede ser calculada por tres mtodos:
1) Mediante la siguiente integral:
Me
Me
f (x) dx = f (x) dx = 2
Ejemplo
Sea la siguiente funcin de densidad: f (x) =
1
(2x + 1)
12
129
0 x 3 . Halle su mediana
esperada
Resolucin
Se calcula la integral:
Me
Me
1
1 2
1
1
2
0 12 (2x + 1) dx = 12 (x + x) 0 = 12 (Me + Me) = 2
Me 2 + Me 6 = 0
Se resuelve la ecuacin resultante: Me = 2
Me = 3
Conclusin: La mediana esperada de la distribucin es 2.

2) Mediante la siguiente frmula emprica para distribuciones tipo III:
Me = Li1 +
0.5 Pac (x i 1 )
(a i )
P(x i )
Ejemplo
Se usar el ejemplo anterior. Se procede de la siguiente manera:
Obtenga la tabla tipo III de distribucin de probabilidades y las probabilidades acumuladas:
Fila i
Fila i+1
Li-1 - Li
01
12
23
P(xi)
2/12 = 0.1667
4/12 = 0.3333
6/12 = 0.5000
12/12
Pac(xi)
0.1667
0. 5000
1
0.5
Ubique 0.5 entre dos valores de probabilidad acumulada: En este caso el valor coincide con
la de la fila 2, que se constituye en la fila de clase mediana.
Determine los valores de la frmula emprica:
Li-1 = 1
Pac(xi-1) = 2/12
P(xi) = 4/12
ai = 1
Reemplace los valores hallados en la frmula emprica:
2
0.5
0.5 Pac (x i 1 )
12 (1) = 2
Me = Li 1 +
(a i ) = 1 +
4
P(x i )
12
130
Conclusin: La mediana esperada es 2.

3) Mediante la transformacin de la distribucin tipo III en tipo II, seguido del
procedimiento para el clculo de la mediana para esa distribucin.
Ejemplo
Se seguir usando el mismo ejemplo.
Se transforma la distribucin tipo III en tipo II mediante las marcas de clase (columna 2) y se
obtienen las probabilidades acumuladas (columna 4):
Li-1 - Li
01
Fila i
12
Fila i+1 2 3
xi
0.5
1.5
2.5
P(xi)
2/12 = 0.1667
4/12 = 0.3333
6/12 = 0.5000
12/12
Pac(xi)
0.1667
0. 5000
1
0.5
Se ubica 0.5 entre dos valores de probabilidad acumulada: En este caso coincide con el
valor de la fila 2 que es la fila de clase mediana. Por lo tanto la mediana se halla por medio
de la siguiente frmula:
Me =
x i + x i +1 1.5 + 2.5
=
=2
2
2
Conclusin: La mediana esperada de la distribucin es 2.

Nota: Los tres mtodos coinciden en el valor calculado de la mediana esperada.
5. MEDIA ARMNICA
5.1. Definicin
Es un valor de la variable que se determina como el valor recproco medio de los valores
recprocos de la variable. Se la usa generalmente cuando se quiere determinar la tasa media
de uso de un producto.
5.2. Determinacin de la media armnica

a) Tipo I
Para una distribucin tipo I, la expresin de clculo es la siguiente:
H=
n
n
x
i=1
131
Ejemplo
Una empresa que produce jaboncillo de tocador, desea averiguar el tiempo medio de duracin,
sabiendo que los datos obtenidos de 3 consumidores (en das) que utilizan habitualmente dicho
jaboncillo, son:
30
20
25
Resolucin
Se trata de una tasa de uso del bien, en consecuencia no se resuelve mediante la media
aritmtica, sino mediante la media armnica, es decir:
H=
3
3
900
=
=
= 24.3 24
1
1
1 10 + 15 + 12 37
+
+
30 20 25
300
Conclusin: La duracin media del jaboncillo es de 24 das.

b) Tipo II y III
En una distribucin de frecuencia tipo II o III, la media armnica se calcula de la siguiente
manera:
H=
n
n
x
i=1
* (n i )
Ejemplo 1
Hecha una encuesta preguntando a 100 estudiantes lo que les acostumbra durar una pastilla
de jabn de una determinada marca, se han obtenido los resultados mostrados en la tabla
5.5.1. Halle la media armnica.
Tabla 5.5.1
Distribucin de frecuencias de la duracin de jabones
Duracin en
das
Li-1 - Li
5 10
10 15
15 20
20 25
xi
7.5
12.5
17.5
22.5
Nmero de
contestaciones
ni
24
46
19
11
100
132
Resolucin
Se trasforma la distribucin tipo III en tipo II, mediante las marcas de clase, como se ve en la
tabla (columna 2).
Se calcula la media armnica mediante la frmula:
H=
100
= 11.83 12
1
1
1
1
(24) +
(46) +
(19) +
(11)
7.5
12.5
17.5
22.5
Conclusin: La duracin media de la pastilla de jabn que usan los estudiantes es de 12 das.
Ejemplo 2
Suponga que una persona ha viajado de Cochabamba a Santa Cruz a una velocidad de 80
km/h. Y que ha efectuado el regreso a una velocidad de 60 km/h. A qu velocidad media ha
realizado el trayecto total de ida y vuelta?
Resolucin
La media aritmtica dara como respuesta:
x=
80 + 60
= 70 km / h
2
Este resultado es errneo.

El tiempo invertido en recorrer la distancia D entre Cochabamba a Santa Cruz (468 km.) sera
D
D
y al regreso
. La velocidad media en la ida y vuelta ser:
80
60
Velocidad =
dis tan cia

2D
2
=
=
= 68.57 km / h
D D
1
1
tiempo
+
+
80 60 80 60
La media armnica da la respuesta correcta.
6. MEDIA GEOMTRICA
6.1. Definicin
La media geomtrica es la raz ensima del producto de los valores considerados de una
variable representada por:
n
G = x1 * x 2 * . . . * x n = n xi
n
i =1
133
Generalmente es una mejor medida que la media aritmtica cuando los datos estn en
porcentajes o unidades relativas.
6.2. Determinacin de la media geomtrica

a) Tipo I
La definicin anterior se utiliza en caso de obtener la media geomtrica en la distribucin tipo I.
Ejemplo
En la banca comercial de nuestra ciudad en los ltimos dos aos se han registrado los
siguientes tipos de inters (expresados en porcentaje) para los ahorros a plazo fijo observados
en una muestra de 5 libretas. Halle la media de la tasa de inters.
14
12.5
9.3
11
13.5
Resolucin
Reemplazando los datos en la frmula se obtiene:
G = 5 14 *12.5*9.3*11*13.5 = 11.9
Conclusin: La tasa media de inters para los ahorros a plazo fijo es de 11.9 %.
b) Tipo II o III
En distribuciones tipo II y III, la media geomtrica se obtiene aplicando la siguiente definicin:
n
n1
1
n2
2
G = x * x *...* x
n
nk
k
= n x in i
i =1
Ejemplo
En la banca comercial de nuestra ciudad en los ltimos dos aos se han registrado los
siguientes tipos de inters (expresados en porcentaje) para los ahorros a plazo fijo observados
en una muestra de 40 libretas de familias (ver tabla 5.6.1). Halle el inters medio.
Tabla 5.6.1
Distribucin de frecuencias de tasas de inters
Inters
5-7
7 - 10
10 - 12
12 - 15
xi
5
8.5
11
13.5
Familias
2
5
25
8

134
Resolucin
Se transforma la distribucin tipo III en tipo II mediante marcas de clase (columna 2).
Se reemplazan los datos en la frmula:
G = 40 52 *8.55 *1125 *13.58 = 10.7

Conclusin: El inters medio de los depsitos a plazo fijo es de 10.7%.
6.3. Determinacin del incremento porcentual promedio

La media geomtrica tambin puede usarse para determinar el incremento porcentual promedio
en ventas, produccin u otras actividades o series econmicas de un periodo a otro. La frmula
es la siguiente:
Valor al final del periodo

G = n 1
1
Valor
al
principio
del
periodo
Ejemplo
La poblacin de un lugar en 1980 fue de 2 personas y el nmero estimado para 1990 fue de 22.
Cul es el incremento porcentual promedio anual estimado de esta poblacin?
Resolucin
Se cuenta cuantos periodos se tienen entre los aos. En este caso n = 11.
Se aplica la frmula:
22
G = 111 1 = 0.27
2
Conclusin: La media geomtrica del incremento anual en esta poblacin es del 27%.
7. SELECCIN DEL ESTADGRAFO DE POSICIN ADECUADO

Para elegir el estadgrafo de posicin que mejor se adecue a cada distribucin, se deben tomar
en cuenta las siguientes consideraciones:
Cuando la distribucin es simtrica o levemente asimtrica, cualquiera de los estadgrafos
es adecuado, prefirindose siempre la media aritmtica.
Cuando la distribucin es muy asimtrica, la media no debe usarse como representativa,
porque se ve afectada por valores extremos de la variable. Es mejor usar la mediana, ya que
no se ve afectada por valores extremos.
Si la distribucin es bimodal o multimodal, la moda no debe usarse como representativa.
Generalmente la moda se usa para distribuciones de atributo nominal u ordinal.
135
Si los datos estn en porcentajes, y stos se incrementan en forma multiplicativa, la mejor

medida de posicin es la media geomtrica.
Si se quiere hallar la media de la tasa de uso de un bien, es mejor usar la media armnica.
Si se comparan las tres medias que se han visto en el captulo: aritmtica, geomtrica y
armnica, dan valores de acuerdo a su magnitud del siguiente modo:
armnica (H) < geomtrica (G ) < aritmtica ( x )

La media aritmtica da mucho relieve a los elementos grandes de una serie estadstica, por el
contrario, las medias geomtrica y armnica destacan la influencia de los valores pequeos y
reducen la influencia de los valores grandes.
8. TEORA DE LA DECISIN. APLICACIONES DE LA ESPERANZA MATEMTICA1

8.1. Introduccin
En gran medida, el xito o el fracaso que experimenta una persona en la vida depende de las
decisiones que toma. La persona que administr el lanzamiento al espacio del trasbordador
espacial Callenger no est trabajando ms en la NASA. La persona que dise el nmero en
ventas Mustang, lleg a ser presidente de la Ford. Por qu y cmo esta gente realiz sus
respectivas decisiones? En general, qu es lo que involucra tomar buenas decisiones? Una
decisin puede marca la diferencia entre una carrera de xito y una de fracaso. La teora de la
decisin es un enfoque analtico y sistemtico para el estudio de la toma de decisiones.
Presentaremos los modelos matemticos ms usados para ayudar a los gerentes a tomar las
mejores decisiones.
Qu es lo que marca la diferencia entre una buena y una mala decisin? Una buena decisin
es aquella que est basada en la lgica, considera todos los datos disponibles y las posibles
alternativas, y aplica un enfoque cuantitativo de lo que se est describiendo. Ocasionalmente
una buena decisin desemboca en un resultado inesperado o desfavorable, pero si es
realizada apropiadamente, sta es an una buena decisin. Una mala decisin es una que no
est basada en la lgica, no usa toda la informacin disponible, no considera todas las
alternativas y no emplea apropiadamente tcnicas cuantitativas. Si realizas una mala decisin,
pero por suerte ocurre un resultado favorable, la decisin sigue siendo una mala decisin. Si
bien ocasionalmente buenas decisiones producen malos resultados, en el largo plazo, usando
la teora de la decisin se obtendrn resultados exitosos.
8.2. Los 6 pasos en la teora de la decisin

Sea que ests decidiendo sobre cmo conseguir un buen corte de cabello, construir una planta,
o comprar una nueva cmara, los pasos para realizar buenas decisiones son bsicamente los
mismos.
1 Esta porcin ha sido extractada totalmente del libro: Quantitative Analysis for Management. Render y
Stair, 1997.
136
Los 6 pasos son:

1.
2.
3.
4.
Definir claramente el problema.

Configurar una lista de posibles alternativas.
identificar los posibles resultados.
Configurar una lista de beneficios o ganancias para cada combinacin de alternativas y
resultados.
5. Seleccionar uno de los modelos matemticos de la teora de decisiones.
6. Aplicar el modelo y realizar la decisin.
Usaremos el caso de la Compaa Thompson como un ejemplo para ilustrar los pasos de esta
teora. Jhon Thompson es el fundador y presidente de la Compaa Maderera Thompson, una
firma rentable ubicada en Prtland, Oregon.
Paso 1. El problema que Jhon identific es expandir su lnea de productos, produciendo y

comercializando un nuevo producto; cabaas de almacenamiento para el patio trasero.
Paso 2. Thompson deber generar las alternativas que estn disponibles. En la teora de la
decisin, una alternativa est definida como un curso de accin o una estrategia que puede ser
escogida por el tomador de decisiones. Jhon decide que sus alternativas son construir: 1) Una
grande y nueva planta para producir las cabaas de almacenamiento, 2) una planta pequea, o
3) ninguna planta (esto es, tiene la opcin de no desarrollar la nueva lnea de producto.
Uno de los ms grandes errores que los tomadores de decisiones cometen es omitir algunas
alternativas importantes. Si bien, una alternativa particular puede ser juzgada como no
apropiada o de poco valor, puede convertirse en la mejor eleccin.
Paso 3. El tercer paso involucra identificar los posibles resultados de las varias alternativas. El
criterio para la accin est establecido para este momento. Thompson determina que hay
solamente dos posibles resultados: el mercado para las cabaas de almacenamiento puede ser
favorable, esto es, que haya una alta demanda para el producto, o puede ser desfavorable, es
decir una baja demanda para las cabaas.
Un error comn es olvidarse de algunos de los resultados posibles. Los tomadores de
decisiones optimistas tendern a ignorar los malos resultados, mientras que los
administradores pesimistas descartarn los resultados favorables. Si no se consideran todas
las posibilidades, no se podr realizar una decisin lgica y los resultados pueden ser
indeseables. Si no se piensa en lo peor que puede pasar, podrs disear otro automvil Edsel.
En la teora de la decisin, aquellos resultados sobre los cuales el tomador de decisiones tiene
poco o ningn control son llamados estados de la naturaleza.
Paso 4. Thompson tiene que expresar el beneficio resultante de cada posible combinacin de
alternativas y resultados. Puesto que en este caso l quiere maximizar sus ganancias, puede
usar el beneficio para evaluar cada consecuencia. Por supuesto, no toda decisin puede estar
basada en el dinero solamente cualquier medio apropiado de medir el beneficio es aceptable.
En la teora d ela decisin, llamamos a tales beneficios o recompensas valores condicionales.
John ha evaluado los beneficios potenciales asociados a los varios resultados. Con un mercado
favorable, piensa que una gran planta podra entregar un beneficio neto para la firma de
200000 $. Este dinero es un valor condicional porque la recepcin de este dinero est
137
supeditado a construir una gran planta y tener un mercado favorable. El valor condicional si el
mercado es desfavorable vendra a resultar en una prdida neta de 180000 $. Una pequea
planta entregara un beneficio neto de 100000 $ en un mercado favorable, pero una prdida
neta de 20000 $ si el mercado es desfavorable. Finalmente si no construye nada, en cualquier
mercado se obtendr un beneficio de cero.
La manera ms fcil de presentar estos valores es construyendo una tabla de decisin,
tambin llamada tabla de beneficios. La tabla de decisin para los valores condicionales de
Thompson es mostrado en la tabla 5.8.1.
Tabla 5.8.1
Tabla de decisin con valores condicionales
para la Empresa Maderera Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Estados de la naturaleza
Mercado
Mercado
Favorable ($) Desfavorable ($)
200000
-180000
100000
-20000
Todas las alternativas estn enlistadas en el lado izquierdo inferior de la tabla y todos los
posibles resultados o estados de la naturaleza a lo largo de la parte superior de la tabla. El
cuerpo de la tabla contiene los beneficios.
Pasos 5 y 6. Los ltimos dos pasos son seleccionar un modelo de la teora de decisiones y
aplicarlo a los datos para ayudar a realizar la decisin. La seleccin del modelo depende del
entorno en el cual se est operando y la cantidad de riesgo e incertidumbre involucrado.
8.3. Tipos de entornos para realizar una decisin

Los tipos de decisiones que la gente realiza depende de cunto conocimiento o informacin
tienen acerca de la situacin. Son definidos y explicados a continuacin tres tipos de entornos
para realizar una decisin.
Tipo 1: Decisin en condiciones de certeza
En este caso los tomadores de decisiones conocen con certeza las consecuencias de cada
alternativa u opciones de decisin. Naturalmente, ellos escogern la alternativa que maximice
su bienestar o en el cual se obtendr el mejor resultado. Por ejemplo, digamos que tengo 1000
$ para invertir en este ao. Una alternativa es abrir una cuenta que paga 6% de inters y otra
es invertir en bonos del tesoro nacional que paga 10% de inters. Si ambas inversiones estn
seguras y garantizadas, hay certeza de que los bonos del tesoro pagarn un alto retorno por mi
inversin. El retorno en un ao ser de 100 $ de inters.
138
Tipo 2: Decisin en condiciones de riesgo

En este caso el tomador de decisiones conoce la probabilidad de ocurrencia de cada resultado,
y pretende maximizar su bienestar esperado. Los modelos de la teora de la decisin para
problemas de negocios en este entorno, tpicamente emplea dos criterios equivalentes:
Maximizacin del valor monetario esperado y la minimizacin del las prdidas esperadas.
Tipo 3: decisin bajo condiciones de incertidumbre
En este caso el tomador de decisiones no conoce la probabilidad de ocurrencia de cada
resultado. Algunas veces es imposible evaluar la probabilidad de suceso de un nuevo producto
o empresa.
Veamos como una decisin en condiciones de certeza (entorno tipo 1) afectara a John
Thompson. Aqu asumimos que John conoce exactamente lo que pasar en el futuro. Si l
conoce con certeza que el mercado para las cabaas de almacenamiento ser favorable, qu
debera hacer? Si vemos la tabla de valores condicionales, l debera construir la planta
grande, que le entregar 20000 $ de beneficio.
Pocos administradores son suficientemente afortunados para tener informacin completa y
conocimiento acerca de los estados de la naturaleza en consideracin. La decisin bajo riesgo,
es una situacin ms realista.
8.4. Decisin en condiciones de riesgo

La decisin bajo condiciones de riesgo es una situacin de decisin probabilstica. Pueden
ocurrir varios posibles estados de la naturaleza, cada uno con una probabilidad dada. Veremos
uno de los mtodos ms populares: seleccionar la alternativa con el ms alto valor monetario
esperado. Tambin revisaremos los conceptos de informacin perfecta y prdidas de
oportunidad.
Valor monetario esperado
Dada una tabla de decisin con valores condicionales (recompensas) y valoraciones de
probabilidad para todos los estados de la naturaleza, es posible determinar el valor monetario
esperado (EMV) para cada alternativa, si la decisin podra ser repetida un gran nmero de
veces. El EMV para una alternativa es la suma de las recompensas posibles de la alternativa,
ponderadas por la probabilidad de que cada recompensa ocurra.
Suponga que John Thompson ahora cree que la probabilidad de un mercado favorable es
exactamente la misma que la probabilidad de un mercado desfavorable; es decir, cada estado
de la naturaleza tiene una probabilidad de 0.5. Qu alternativa debera entregar el ms grande
valor monetario esperado? Para determinar esto, John ha expandido su tabla de decisin de la
siguiente manera (ver tabla 5.8.2).
Sus clculos son:
EMV (planta grande) = (0.5)(200000) + (0.5)(180000) = 10000

EMV (planta pequea ) = (0.5)(100000) + (0.5)(20000) = 40000
139
EMV (no construir ) = (0.5)(0) + (0.5)(0) = 0

El mejor valor esperado resulta de la segunda alternativa, construir una planta pequea.
Entonces, Thompson debera proceder con el proyecto e implementar una planta pequea para
producir cabaas de almacenamiento. El EMV para la planta grande y la de no hacer nada son
10000 $ y 0 $, respectivamente.
Tabla 5.8.2
Tabla de decisin con probabilidades
y EMVs para la Empresa Maderera Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Probabilidades
Mercado
Mercado
200000
-180000
EMVs calculados
($)
10000
100000
-20000
40000
0
0.5
0
0.5
Valor esperado de informacin perfecta

John Thompson se contact con Scientific Marketing Inc., una empresa que propuso ayudar a
John a realizar la decisin de construir o no la planta para producir cabaas de
almacenamiento. Scientific Marketing dice que su anlisis tcnico le dir a John con certeza si
el mercado ser favorable o no para su producto. En otras palabras, cambiar su entorno, de
uno de decisin bajo riesgo a uno de certeza. Esta informacin podra prevenir que John
cometa un error muy caro. Scientific Marketing cobrar a Thompson por la informacin 65000
$. Qu le recomendaras a John? Debera contratar a la empresa para que realicen el
estudio de marketing? An si la informacin del estudio es perfectamente certera, vale la pena
pagar 65000 $? Cunto debera pagar? Si bien algunas de estas preguntas son difciles de
responder, determinar el valor de esa informacin perfecta puede ser muy til. Se calcula un
lmite superior de lo que estara dispuesto a pagar por esa informacin. En esta seccin, son
investigados dos trminos relacionados: El valor esperado de informacin perfecta (EVPI) y el
valor esperado con informacin perfecta. Estas tcnicas pueden ayudar a John a realizar la
decisin de contratar o no la empresa de marketing.
El valor esperado con informacin perfecta es el rendimiento esperado o promedio, en el largo
plazo, si tenemos informacin perfecta antes de que realicemos la decisin. Para calcular este
valor, escogemos la mejor alternativa para cada estado de la naturaleza y multiplicar estos
valores por la probabilidad de ocurrencia de cada estado de la naturaleza.
El valor esperado de informacin perfecta, EVPI, es la respuesta esperada con informacin
perfecta menos el resultado esperado sin informacin perfecta (llamada tambin, el mximo
EMV).
EVPI = Valor esperado con inf ormacin perfecta mximo EMV

140
Volviendo a los datos de la tabla anterior (tabla 2), Thompson puede calcular lo mximo que
debera pagar por la informacin, que es, el valor esperado de informacin perfecta (EVPI).
Seguiremos para ello 2 pasos. Primero, se calcula el valor esperado con informacin perfecta.
Luego, usando este resultado, se calcula el EVPI:
1. El mejor resultado para el estado de la naturaleza mercado favorable es construir una
planta grande con un beneficio de 200000 $. El mejor resultado del estado de la naturaleza
mercado desfavorable es no hacer nada, con un beneficio de 0 $. El valor esperado con
informacin perfecta es: 200000(0.5) + 0(0.5) = 100000 $. Entonces, si tuviramos
informacin perfecta, podramos esperar, en promedio, 100000 $ si la decisin podra ser
repetida muchas veces.
2. El mximo EMV es 40000 $, que es el resultado esperado sin informacin perfecta. Por lo
tanto el EVPI ser:
EVPI = 100000 40000 = 60000

Entonces, lo ms que Thompson estara dispuesto a pagar por la informacin perfecta es
60000 $. Esto por supuesto, est basado en la suposicin de que la probabilidad de cada
estado de la naturaleza es 0.5.
Prdida o costo de oportunidad
Un enfoque alternativo al de maximizacin del valor monetario esperado (EMV) es el de
minimizar la prdida de oportunidad esperada (EOL)La prdida de oportunidad, algunas veces
llamada arrepentimiento, se refiere a la diferencia entre el beneficio ptimo y el beneficio
actual recibido. En otras palabras, es la cantidad perdida por no elegir la mejor alternativa.
La mnima prdida de oportunidad esperada se inicia construyendo una tabla de prdida de
oportunidad y calculando el EOL para cada alternativa. Veamos como proceder con el caso de
la Maderera Thompson.
Paso 1. Se genera la tabla de prdida de oportunidad. Esto se puede hacer determinando la
prdida de oportunidad de no escoger la mejor alternativa para cada estado de la naturaleza.
La prdida de oportunidad para cualquier estado de la naturaleza, o cualquier columna, es
calculada sustrayendo cada resultado en la columna del mejor resultado de la misma columna.
Para un mercado favorable el mejor resultado es 200000 $ que corresponde a la primera
alternativa construir una planta grande. Para un mercado desfavorable, el mejor resultado es
0 $, que corresponde a la tercera alternativa, no hacer nada. La tabla 5.8.3 ilustra esas
comparaciones.
Paso 2. EOL se calculado multiplicando la probabilidad de cada estado de la naturaleza por el
valor de prdida de oportunidad apropiado.
EOL (planta grande) = (0.5)(0) + (0.5)(180000) = 90000

EOL (planta pequea ) = (0.5)(100000) + (0.5)(20000) = 60000
EOL (no construir ) = (0.5)(200000) + (0.5)(0) = 100000
Usando el EOL mnimo como el criterio de decisin, la mejor decisin debera ser la segunda
alternativa: construir una planta pequea.
141
Es importante notar que el mnimo EOL dar el mismo resultado que con el mximo EMV, y
que se cumplirn siempre las relacin siguiente: EVPI = Mnimo EOL .
Tabla 5.8.3
Tabla de prdida de oportunidad para la Empresa Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Probabilidades
EMVs
calculados
Mercado Favorable ($)
Mercado
($)
Desfavorable ($)
200000-200000=0
0-(-180000)=180000
90000
200000-100000=100000
0-(-20000)=20000
60000
200000-0=200000
0.5
0-0=0
0.5
Anlisis de sensibilidad
Determinamos que la mejor decisin para la maderera Thompson es construir una planta
pequea, con un valor esperado de 40000 $. Esta conclusin depende de los valores de las
consecuencias econmicas y de los dos valores de probabilidad para los mercados favorable y
desfavorable. El anlisis de sensibilidad investiga como puede cambiar nuestra decisin si los
datos del problema cambian. Investigaremos el impacto que puede haber en la decisin de la
maderera Thompson, por ocurrir un cambio en los valores de las probabilidades. Definimos lo
siguiente:
P = Pr obabilidad de un mercado favorable

Podemos ahora expresar los valores monetarios esperados (EMVs) en trminos de P:
EMV (planta grande) = 200000 P 180000 (1 P) = 380000 P 180000

EMV (planta pequea ) = 100000 P 20000 (1 P) = 120000 P 20000
EMV (no construir ) = 0 P + 0 (1 P) = 0
Graficando las ecuaciones resultantes (ver grfico 5.8.1), podemos observar que la mejor
decisin es no hacer nada, si la probabilidad de mercado favorable flucta entre 0 y 16.67%
(Punto 1); construir una planta pequea si la probabilidad flucta entre 16.67% (Punto 1) y
61.54% (Punto 2); y construir una planta grande si la probabilidad es mayor a 61.54% (Punto
2).
Los puntos 1 y 2 pueden ser calculados de la siguiente manera:
Punto 1:
EMV (nada ) = EMV (planta pequea )

0 = 120000 P 20000
20000
P=
= 0.1667
120000
142
Punto 2:
EMV (planta grande) = EMV (planta pequea )

380000 P 180000 = 120000 P 20000
380000 120000
P=
= 0.6154
180000 20000
Grfico 5.8.1
Anlisis de sensibilidad Empresa Maderera Thompson
250000
200000
150000
EMV
100000
50000
2
1
0
-50000 0
0.2
0.4
0.6
0.8
-100000
-150000
-200000
P
Los resultados de este anlisis de sensibilidad son desplegados en la tabla 5.8.4.

Tabla 5.8.4
Resultados del anlisis de sensibilidad de la maderera Thompson
Alternativa
No hacer nada
Construir planta pequea
Construir planta grande
Rango de valores de P
Menos de 0.1667
0.1667 0.6154
Ms de 0.6154
8.5. Decisin en condiciones de incertidumbre

El criterio EMV o EOL es usualmente apropiado, slo cuando puede ser evaluada la
probabilidad de ocurrencia de cada estado de la naturaleza. Cuando un administrador no puede
valorar la probabilidad del resultado con confianza o cuando no estn disponibles datos de
probabilidad, son requeridos otros criterios de decisin, como los de decisin en condiciones de
incertidumbre, que son:
1. Maximax
2. Maximin
3. Igualmente probable (Equally Likely)
143
4. Criterio de realismo
5. Minimax
Maximax
El criterio mximas encuentra la alternativa que maximiza el mximo resultado de cada
alternativa. Primero se debe localizar el mximo resultado entre cada alternativa, y entonces
escoger aquella alternativa con el valor mximo. Puesto que este criterio de decisin localiza la
alternativa con la ms alta ganancia posible, ha sido llamado un criterio de decisin optimista.
En la tabla 5.8.5 podemos observar que la eleccin maximax de Thompson es la primera
alternativa, construir una planta grande. Este es el mximo de los mximos valores dentro de
cada alternativa.
Tabla 5.8.5
Decisin maximax de Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Mercado
Mercado
200000
-180000
Mximo en la
fila ($)
100000
-20000
200000
(maximax)
100000
Maximin
El criterio maximin encuentra la alternativa que maximiza el mnimo resultado de cada
alternativa. Primero se localiza el mnimo resultado dentro de cada alternativa y luego se
escoge aquella alternativa con el mximo valor. Puesto que este criterio de decisin localiza la
alternativa que tiene la menor prdida posible, ha sido llamada el criterio pesimista de decisin.
La eleccin maximin de Thompson es no hacer nada y se muestra en la tabla 5.8.6. Es el
mximo de los mnimos valores entre cada alternativa.
Tabla 5.8.6
Decisin maximin de Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Mercado
Mercado
200000
-180000
Mnimo en la
fila ($)
-180000
100000
-20000
-20000
0
(maximin)
144
Igualmente probable (Equally likely) (Laplace)

El criterio de decisin igualmente probable, llamado tambin de Laplace o principio de razn
insuficiente, encuentra la alternativa con el ms alto resultado promedio. Primero se calcula el
resultado promedio para cada alternativa, luego se escoge aquella con el mximo valor. Este
enfoque asume que todas las probabilidades de ocurrencia para los estados de la naturaleza
son iguales, y entonces son igualmente probables.
La eleccin igualmente probable de Thompson es la segunda alternativa, construir una planta
pequea. Esta estrategia, mostrada en la tabla 5.8.7, es el mximo del resultado promedio de
cada alternativa.
Tabla 5.8.7
Decisin igualmente probable de Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Mercado
Mercado
200000
-180000
100000
-20000
Promedio de
la fila
($)
10000
40000
(Igualmente
probable)
0
Criterio de realismo (Criterio de Hurwicz)

A menudo llamado el promedio ponderado, el criterio de realismo es un acuerdo entre una
decisin optimista y pesimista. Primero se selecciona un coeficiente de realismo, , que
presenta valores entre 0 y 1. Cuando es cercano a 1, la decisin es optimista con respecto al
futuro, y cuando es cercana a 0, la decisin es pesimista. La ventaja de este enfoque es que
permite al tomador de la decisin construir sus percepciones personales acerca del optimismo
y pesimismo relativo. La frmula es como sigue:
Criterio de realismo = (mximo de fila ) + (1 )(mnimo de fila )

Tabla 5.8.8
Decisin segn el criterio de realismo de Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Mercado
Mercado
200000
-180000
100000
-20000
Criterio de
realismo
( = 0. 8 )
($)
124000
(Realismo)
76000
145
Si asumimos que Thompson estableci su criterio de realismo en 0.8, la mejor decisin podra
ser construir una planta grande. Como se observa en la tabla 5.8.8, esta alternativa tiene el
ms alto promedio ponderado:
0.8(200000) + 0.2(180000) = 124000

Minimax
El ltimo criterio de decisin est basado en la prdida de oportunidad. Mnimax encuentra la
alternativa que minimiza la mxima prdida de oportunidad entre cada alternativa. Primero se
encuentra la mxima prdida de oportunidad entre cada alternativa. Luego se escoge aquella
alternativa con el mnimo valor.
Tabla 5.8.9
Decisin segn minimax de Thompson
Alternativa
Construir una
planta grande
Construir una
planta pequea
No construir
Mximo en fila
Mercado
Mercado
($)
0
180000
180000
100000
20000
200000
100000
(Minimax)
200000
La tabla 5.8.9 muestra la prdida de oportunidad de Thompson. Podemos observar que la

eleccin minimax es la segunda alternativa, construir una planta pequea. El criterio minimiza
la mxima prdida de oportunidad.
8.6. Anlisis marginal con un gran nmero de alternativas y estados de la

naturaleza
Hemos considerado hasta ahora donde haban solamente pocas alternativas y estados de la
naturaleza. Qu pasa cuando tenemos un gran nmero de alternativas y estados de la
naturaleza? Por ejemplo, un gran restaurante es capaz de tener en inventario de 0 a 100
cartones de donuts. Por consiguiente la demanda podra estar en el rango de 0 a 100 cartones
por da. En este caso tenemos que analizar 101 alternativas posibles y estados de la
naturaleza. Esto podra requerir una tabla de decisin muy grande si usamos la aproximacin
de la teora de decisin discutida anteriormente. Cuando podemos identificar una prdida y
beneficio marginal, es posible usar el anlisis marginal para obtener la mejor decisin sin tener
que usar una tabla de decisin demasiado larga.
El anlisis marginal es una aproximacin de toma de decisin que puede ayudar a seleccionar
el nivel de inventario ptimo. Involucra dos nuevos trminos: beneficio marginal y prdida
marginal. Imaginemos que eres un distribuidor de peridicos. Cada diario te cuesta 19 centavos
y lo vendes en 35 ctvos., pero si no puedes vender el diario hasta el final del da pierdes todo
(el valor de salvamento es de 0). En este caso el beneficio marginal (MP) es la ganancia que
se obtiene por la venta de cada peridico adicional (35-19=16). La prdida marginal (ML) es la
causada por cada peridico que no se ha podido vender (19 ctvos.).
146
Cuando hay un nmero manejable de alternativas y estados de la naturaleza y conocemos sus

probabilidades, puede ser usado el anlisis marginal con distribuciones discretas. Cuando
tenemos un nmero muy grande de alternativas y estados de la naturaleza y los estados de la
naturaleza pueden ser descritos por distribuciones normales, es apropiado el anlisis marginal
con distribucin normal.
Anlisis marginal con distribuciones discretas
Encontrar el mejor nivel de inventario no es difcil cuando seguimos el procedimiento del
anlisis marginal. Dado cualquier nivel de inventario, deberamos aadir solamente una unidad
adicional a nuestro nivel de inventario si su beneficio marginal esperado iguala o excede a su
prdida marginal esperada. Esta relacin es expresada simblicamente a continuacin:
P = Probabilidad que la demanda sea igual o mayor a una oferta dada (o la probabilidad de
vender al menos una unidad adicional).
1 P = Probabilidad de que la demanda sea menor que la oferta
El beneficio marginal esperado es calculado multiplicando la probabilidad a la que una unidad
dada ser vendida mediante el beneficio marginal, P(MP). Similarmente la prdida marginal
esperada es la probabilidad de no vender la unidad multiplicada por la prdida marginal, o (1P)(ML)
La regla de la decisin ptima es:
P (MP) (1 P)(ML)
Con algunas manipulaciones matemticas bsicas, podemos determinar el nivel de P que nos
ayudar en la resolucin de problemas de anlisis marginal:
P(MP ) ML P( ML)
P(MP) + P (ML) ML
P(MP + ML) ML
ML
P
MP + ML
En otras palabras, si la probabilidad de vender una unidad ms es mayor o igual a
ML
,
MP + ML
podemos colocar en inventario la unidad adicional.

Los pasos son los siguientes:
1.
2.
Determine el valor de P para el problema.

Construya un diagrama de probabilidad y aada la columna de probabilidad acumulativa.
147
3.
Elija la orden de inventario de manera que la probabilidad de vender al menos una unidad
adicional sea ms grande que P.
Ejemplo
Caf du Pont es un popular punto de encuentro nocturno de New Orleans en el barrio Francs.
Su especialidad es caf y donuts; compra los donuts frescos diariamente de una gran
panadera industrial. El caf paga 4 $ para cada paquete (que contiene 2 docenas de donuts)
entregado cada maana. Cualquier paquete no vendido hasta el final del da es desechado, ya
que ya no son lo suficientemente frescos para los estndares del caf. Si es vendido un
paquete de donuts, el ingreso total es de 6 $. Por lo tanto el beneficio por paquete de donuts
es:
MP = beneficio m arg inal = 6 4 = 2 $
La prdida marginal es de 4 $, puesto que los donuts no pueden ser salvados al final del da.
De ventas pasadas, el administrador del caf estima que las ventas diarias seguirn la
distribucin de probabilidad mostrada en la tabla 5.8.10. La administracin entonces sigue tres
pasos para encontrar el nmero ptimo de paquetes de donuts que deben ordenar cada da.
5.8.10
Distribucin de probabilidad de ventas diarias de donuts
Ventas diarias
(paquetes de donuts)
4
5
6
7
8
9
10
Probabilidad de
ventas
0.05
0.15
0.15
0.20
0.25
0.10
0.10
1.00
Probabilidad
acumulada
1.00
0.95
0.80
0.65
0.45
0.20
0.10
Paso 1: Determinar el valor de P para la regla de decisin.
ML
4
=
= 0.66
ML + MP 4 + 2
Paso 2: Aadir una nueva columna a la tabla para reflejar la probabilidad de venta acumulada
de donuts
Paso 3: Elegir la orden de paquetes de tal modo que la probabilidad de vender al menos un
paquete adicional sea ms grande que P, que es la probabilidad de indiferencia o de equilibrio.
Si el Caf du Pont ordena 6 paquetes, los beneficios marginales sern ms grandes que sus
prdidas marginales.
0.8 0.66
148
Si son ordenados 7 paquetes, la probabilidad de vender 7 o ms paquetes no es mayor que

0.66. Entonces, las prdidas marginales esperadas sern mayores que el beneficio marginal
esperado.
La decisin ptima es ordenar 6 paquetes de donuts diarios.
149
EJERCICIOS DE CLASE
Media aritmtica
1. Halle la media aritmtica de los segundos ejemplos de ejercicios de clase, del captulo de
Distribucin de Frecuencias.
Propiedades de la media
2. El gerente de una empresa que fabrica papel desea analizar los sueldos que paga a sus
trabajadores. Para ello, los dividi en tres grupos. Los datos en $ para cada grupo se
muestran a continuacin:
Grupo 2:
Grupo 1:
Li-1 - Li
180-200
200-220
220-240
ni
3
4
8
15
Li-1 - Li
240-260
260-280
280-300
Grupo 3:
ni
11
15
10
36
Li-1 - Li
300-320
320-340
340-360
ni
9
6
4
19
a) Halle la media aritmtica de todos los trabajadores de la empresa.

Si se considera al grupo total de trabajadores:
b) Suponga que la media de los sueldos de los trabajadores hombres fue de 300 $ y la de
las mujeres de 254 $. Determine los porcentajes de hombres y mujeres empleados en la
empresa.
c) El gerente quiere analizar cual de las dos polticas siguientes implementar para todos
sus trabajadores de modo de elevar el sueldo promedio. Aydelo en su decisin!.
Aumento del sueldo en 100 Bs.
Aumento del 36.61% de su sueldo.
Media esperada
Funcin de cuanta
probabilidad de la demanda diaria de un artculo que se vende a 2 $us. la unidad.
a) Corrija la funcin, de modo que cumpla las propiedades de una funcin de cuanta y halle
la distribucin de probabilidad.
b) Cuntos artculos se espera vender en un da?.
150
Funcin de densidad
precio unitario de un artculo (en $us.).
x
2
0 x 4,
que relaciona la probabilidad del
a) Corrija la funcin, de modo que cumpla las propiedades de una funcin de densidad.
b) Determine la esperanza matemtica.
Moda
5. Halle la moda de los segundos ejemplos de los ejercicios de clase, del captulo de
Moda esperada
Funcin de cuanta
6. Determine la moda esperada del ejercicio 3 de este captulo, de los ejercicios de clase.
Funcin de densidad
7. Determine la moda esperada del ejercicio 4 de este captulo, de los ejercicios de clase.
Mediana
8. Halle la mediana de los segundos ejemplos de los ejercicios de clase, del captulo de
Mediana esperada
Funcin de cuanta
9. Determine la mediana esperada del ejercicio 3 de este captulo, de los ejercicios de clase.
Funcin de densidad.
10. Determine la mediana esperada del ejercicio 4 de este captulo, de los ejercicios de clase.
Media geomtrica
11. Los rendimientos anuales, en porcentaje de cuatro acciones de computadora son:
4.91
5.75
8.12
a) Obtenga la media geomtrica del rendimiento.

b) Obtenga la media aritmtica.
c) Cul de las medidas es la ms representativa?
151
21.60
12. Los porcentajes de aumento de ventas de un periodo a otro, de un sector industrial son los
siguientes:
Porcentaje de
ventas
05
5 10
10 20
20 - 50
Nmero de
empresas
10
15
7
3
Halle la media geomtrica.

13. Una compaa petrolera present estas estadsticas en su informe anual en lo referente a
produccin total de petrleo crudo y lquidos de gas natural (en miles de barriles por da):
para 1983, 864; para 1988, 1540. Cul es la media geomtrica del incremento porcentual
anual en produccin entre 1983 y 1988?
Media armnica
14. Una persona X compr para su pequeo departamento, focos de una sola marca, y quera
determinar cul es su duracin media (en das), para renovar con la misma marca o buscar
otra. Los datos que recopil son los siguientes:
N
Duracin
1
40
2
45
3
52
4
60
5
48
6
55
7
59
8
63
9
70
Un amigo suyo (persona Y) hizo tambin lo mismo. Los focos de su departamento, por
supuesto de otra marca, tenan una duracin media de 60 das. Le conviene cambiar de
marca de focos a la persona X?
15. Una encuesta sobre la duracin de cierta batera, en aos, arroj la siguiente informacin:
Duracin de la
batera
0 0.5
0.5 1
1 2
2 - 4
Halle la media armnica.
152
Nmero de
usuarios
40
100
250
35
1. En una empresa constructora, el departamento de obras est constituido por 40
trabajadores, que cumplen las siguientes funciones: (I = Ingeniero, J =Jefe de obras, C =
Capataz, O = Obrero, A = Ayudante). La informacin elaborada permitir conocer la
estructura de ocupacin de dicha empresa.
O
J
A
J
A
O
O
C
C
C
O
A
O
C
I
O
O
O
J
A
A
I
O
A
I
O
A
O
O
A
A
J
A
J
C
O
C
C
O
A
a) Organice y presente los datos en una distribucin de frecuencias. Describa la

distribucin por sus elementos esenciales.
b) Determine la mediana.
2. Se midi la resistencia a la compresin de 58 muestras de una aleacin de aluminio en
desarrollo como material para aeronaves.
66.4
69.2
70.0
71.0
71.9
74.2
67.7
69.3
70.1
71.1
72.1
74.5
68.0
69.3
70.2
71.2
72.2
75.3
68.0
69.5
70.3
71.3
72.3
68.3
69.5
70.3
71.3
72.4
68.4
69.6
70.4
71.5
72.6
68.6
69.7
70.5
71.6
72.7
68.8
69.8
70.6
71.6
72.9
68.9
69.8
70.6
71.7
73.1
69.0
69.9
70.8
71.8
73.3
69.1
70.0
70.9
71.8
73.5
a) Organice y presente los datos en un tipo de distribucin de frecuencias adecuada.

b) Halle la media, mediana, moda y ubquelos en un grfico.
3. En una fbrica de tornillos se ha tomado una muestra de su produccin considerando el
largo de ellos. Existen cajas de 50 tornillos de distinta longitud (medidos en cm). Los
resultados de una de ellas es el siguiente:
2
6
4
3
5
4
5
6
6
3
5
2
2
4
4
6
2
5
3
2
3
3
3
2
4
2
4
4
5
5
5
3
6
3
6
2
5
2
5
3
4
2
3
2
2
3
3
5
2
6
a) Organice y presente los datos en un tipo de distribucin.

b) Represente el grfico de frecuencias.
c) Halle los estadgrafos de posicin: media, mediana y moda y ubquelos en el grfico.
4. Las lecturas de temperatura que dio una termocupla de un horno industrial en C, son:
16
25
34
43
Calcule la mediana y la media aritmtica.

153
52
61
5. Se recopil informacin acerca de las ventas anuales de 50 pequeas tiendas de tornillos:

Ventas
(miles de $)
110
130
140
150
160
Total
N0 de
negocios
7
9
16
15
3
50
a) Encuentre la mediana, la media y la moda de las ventas y explique su significado.

b) Se pretende crear un nuevo impuesto y existen dos alternativas 1ra: 5 % de las ventas,
2da: 9 (miles de $ al ao). Encuentre el nuevo valor de la media con estas disminuciones
y recomiende la mejor alternativa para los propietarios.
6. Las tasas de crecimiento de la empresa Taquia durante los ltimos 5 aos son: 5.2%,
8.7%, 3.9%, 6.8% y 19.5% respectivamente.
a) Cul es la media aritmtica de la tasa anual de crecimiento?
b) Cul es la media geomtrica de la tasa anual de crecimiento?
c) Cul de las dos medias debera utilizarse para determinar la tasa anual de crecimiento?
7. Dos empresas presentaron muestras de alambre de cobre para su prueba. Las piezas de
muestra de cada empresa se probaron en cuanto a la resistencia a la tensin y los
resultados se organizaron en una distribucin de frecuencias. Despus se evaluaron la
media de cada distribucin.
Estadstico
Media aritmtica
Tamao de la muestra
Compaa Doma
500
100
Compaa Betz
600
80
Cul es la media aritmtica si se considera a las dos compaas juntas?

8. La media aritmtica de los salarios pagados a los empleados de una empresa ascendi a
700 $. La media aritmtica de los hombres y mujeres fue respectivamente de 800 $ y 630 $.
Determine la cantidad de hombres y mujeres empleados en dicha empresa si en total
existen 130 empleados.
9. Dada la siguiente funcin:
f(x) = 3 x2 + 5 x + 4.
Para 0 x 3
a) Determine si es o no una funcin de densidad. Si no es, corregirla.

b) Determine la esperanza matemtica, la mediana y la moda de la distribucin. D una
interpretacin de los resultados.
c) Realice los pasos a) hasta b) para el caso de una distribucin discreta para x = 0, 1, 2, 3.
10. Una pastelera ofrece pasteles con decoracin especial para cumpleaos, bodas y otras
ocasiones. Tambin tiene pasteles normales en su tienda. En la tabla que sigue se
154
proporciona el nmero total de pasteles vendidos al da y las probabilidades

correspondientes.
N de pasteles
vendidos/da
12
13
14
15
Probabilidad
0.25
0.40
0.25
0.10
Calcule la esperanza matemtica, la mediana y la moda de la distribucin.

11. En un estudio de dos semanas sobre la productividad, se obtuvieron datos sobre el nmero
total de piezas aceptables que produjeron 100 trabajadores. Se organizaron los datos en
una distribucin de frecuencias. Para elevar el nivel de productividad en la empresa, el
administrador de personal a cargo pidi a su secretaria le proporcione los datos. Luego, se
fue a su casa para analizarlos, pero cuando vio la hoja, algunos datos no haban sido
impresos adecuadamente. Qu problema! Al da siguiente deba elevar un informe a
gerencia para que se tomen las medidas adecuadas, y la decisin no poda esperar ni un
da ms.
He aqu la tabla y los datos legibles.
Li-1 - Li
20 -
ni
4
Ni
hi
Hi
xi
xi*ni
0.15
38
63
Totales
5
100
Adems, el administrador memoriz algunos datos de la tabla y estadgrafos hallados,

cuando los observ en la computadora de su oficina:
La amplitud de las categoras era constante y tena un valor de 10. (ai = 10).
El valor de la mediana era 54.8 (Me = 54.8).
El valor de la media era 54.9 (x = 54.9).
Si usted fuera el administrador a cargo, podra reconstruir la tabla con los datos legibles y
la informacin memorizada? Es su nica alternativa, intntelo! Caso contrario despedir a
su secretaria.
12. a) Halle la frecuencia correspondiente al tercer intervalo de la siguiente distribucin,
sabiendo que su media aritmtica es 11.50.
155
Li-1 - Li
4-6
6 - 10
10 - 16
16 - 20
20 - 30
ni
4
5
3
1
b) Halle la mediana y la moda de la distribucin.

13. La distribucin de frecuencias siguiente representa los pesos en kilogramos de una
muestra de paquetes transportados por una pequea compaa de paquetera area:
Li-1 - Li
10 -
ni
Ni
xi
xi*ni
14
23
n = 65
a) Los datos se borraron. Puede reconstruir la distribucin? La informacin que se pudo
recolectar es:
Las amplitudes son constantes e iguales a 2.

La mediana es 15.1739 y la moda es 15.0345
n3 es la mayor frecuencia.
n/2 se ubica entre N2 y N3.
b) Halle la media aritmtica de la distribucin.

14. Algunas caractersticas de un grupo de estudiantes de la UPB son las siguientes:
N de zapato
Gasto diario (Bs.)
37
5
38
6.5
40
9
39
10
40
7
42
4.5
43
8
44
7.5
40
40
41
50
40
6
a) Halle la media, mediana y moda para el nmero de zapato, y diga cul promedio es el
ms representativo.
b) Halle la media, mediana y moda para los gastos diarios, y diga cul promedio es el ms
representativo.
Ejercicios de teora de la utilidad
1.
Una compaa de reparto est considerando comprar un camin usado. Su vida de

servicio til est estimado en 3 aos con una probabilidad de 0.1; 4 aos con una
probabilidad de 0.4; 5 aos con una probabilidad de 0.3; y 6 aos con una probabilidad de
0.2. Cul es la vida til esperada para el camin usado?
156
2.
Una compaa de taxis est considerando disponer de tres marcas de autos A, B y C para
aadirlos a su flota. Los costos de operacin diarios para cada marca dependen de su
tasa de uso diario (demanda) como se muestra a continuacin.
Costos por da de
operacin ($)
Marca
A
B
C
a)
b)
c)
3.
Tasa de uso diaria

Baja
100
190
150
Moderada
200
200
190
Alta
300
220
230
Qu marca es la mejor de acuerdo al criterio minimax?

Qu marca es la mejor de acuerdo al criterio de razn insuficiente?
Si las probabilidades de una tasa de uso baja, moderada y alta son 0.5, 0.2 y 0.3,
respectivamente, cul es la mejor marca si se aplica el criterio del costo esperado?
Han sido considerados cuatro mtodos alternativos de manufactura para un nuevo

producto. La rentabilidad, la cual depende del mtodo de manufactura y el nivel de
aceptacin del consumidor, ha sido anticipado como se muestra a continuacin.
Beneficios
(Miles de $)
Mtodo de
fabricacin
I
II
III
IV
Probabilidad
a)
Proyeccin de la aceptacin del consumidor

Bajo
Moderado
Alto
Muy alto
100
175
250
100
0.25
200
300
300
300
0.35
300
400
350
400
0.20
600
500
425
450
0.20
Cul es el mejor mtodo de acuerdo a los siguientes criterios?

Valor esperado
Maximin
Mximax
Razn insuficiente
Minimax
b)
4.
Qu mtodo de manufactura debera ser seleccionado? Por qu?
Rick Miller acaba de abrir una nueva panadera en FRISCO, Colorado, llamada Morning
Fresh. Al desarrollar un anlisis econmico, Rick determin que el costo o prdida marginal
por cada docena de donuts vendidas es de 4 $. El beneficio marginal es aproximadamente
2.75 $ por docena. Por esta vez Rick est considerando tener en vitrinas 10, 15, 20, 25 o
30 docenas de donuts. La probabilidad de vender 10 docenas es del 10%., la de vender 15
docenas es de 20%. Hay una posibilidad del 30% de vender 20 o 25 docenas. Finalmente
hay una posibilidad del 10% de vender 30 docenas, que es la cantidad que Rick considera
como la ms alta que Morning Fresh es capaz de acomodar. Cul es su recomendacin
para Rick?
157
5.
Mara Rojas est considerando la posibilidad de abrir una pequea tienda de ropas sobre
la avenida Fairbanks, a pocas cuadras de la universidad. Est ubicada en un buen mall
que atrae a los estudiantes. Sus opciones son abrir una pequea tienda, una tienda de
tamao mediano, o no abrir nada. El mercado para una tienda para ropa puede ser bueno,
promedio o malo. Las probabilidades para las tres posibilidades son 0.2 para un mercado
bueno, 0.5 para un mercado promedio, y 0.3 para un mercado malo. La ganancia o prdida
neta para una tienda pequea y mediana para las varias condiciones del mercado estn
dadas en la siguiente tabla. Cul es su recomendacin para Mara Rojas?
6.
Cal Bender y Becky Addison se conocen desde la preparatoria. Hace dos aos entraron a
la misma universidad y ahora estn tomando cursos para graduados en el colegio de
negocios. Ambos esperan graduarse con un postgrado en finanzas. En un intento por
ganar un dinero extra y usar los conocimientos aprendidos de sus cursos de negocios, Cal
y Becky han decidido ver la posibilidad de iniciar una pequea compaa que proveer
servicios de dactilografa para estudiantes que necesitan artculos trimestrales u otros
reportes escritos de una manera profesional. Usando un enfoque de sistemas, Cal y Becky
han identificado tres estrategias. La estrategia 1 es invertir en un sistema de
microcomputadoras bastante caro con una impresora lser de alta calidad. En un mercado
favorable, podran obtener un beneficio neto de 10000 $ en los siguientes dos aos. Si el
mercado es desfavorable, pueden perder 8000 $. La estrategia 2 es comprar un sistema
menos caro. Con un mercado favorable, podran conseguir un beneficio de 8000 $. Con un
mercado desfavorable, incurriran en una prdida de 4000 $. Su estrategia final, la 3, es no
hacer nada. Cal es bsicamente un arriesgado, mientras Becky es adversa al riesgo.
a) Qu tipo de criterio de decisin debera usar Cal? Cul es la decisin de Cal?
b) Qu tipo de criterio de decisin debera usar Becky? Cul es la decisin de Becky?
c) Si Cal y Becky fueran indiferentes al riesgo, qu tipo de criterio de decisin deberan
usar? Cul debera ser su decisin?
158

1. El espesor de un recubrimiento conductor para tornillos, en micrmetros, tiene una funcin
de densidad: f(x) = 600 x-2 para 100 m < x < 120 m.
a) Calcule la media y la varianza esperadas del espesor de recubrimiento.
b) Si el costo del recubrimiento es de 0.5 dlares por micrmetro de espesor de pieza,
Cul es el costo promedio del recubrimiento por pieza?
2. La duracin de una batera est dada por la siguiente funcin (en aos):
2
x x2
e
2
f ( x) =
Si se la instala correctamente y se le realiza un mantenimiento adecuado, la batera

generalmente dura 5 aos. El comerciante generalmente ofrece una garanta de un ao.
Halle la duracin media de estas bateras.
3. Suponga que los gastos en movilidad en Bs./da de 40 estudiantes de Administracin son los
siguientes:
3
5
6
4
7
7
4
3
5
4
3
5
3
6
4
3
6
7
5
4
7
3
7
5
4
7
5
6
3
5
6
4
7
6
4
3
6
5
3
4
Si el Centro subvenciona a todos los la suma de 1.4 Bs. Esta es mejor cooperacin que un
aumento del 30%? Presente un informe estadstico para orientar a sus compaeros en
tomar una de las alternativas.
4. La secretaria de una empresa de envasado de alimentos olvid comprar el cartucho de tinta
para la impresora de su oficina y al imprimir la distribucin de frecuencias de los pesos del
contenido de un cierto nmero de latas (gr.) que fueron llenadas por una mquina
automtica que se crea que estaba descalibrada, muchos datos eran ilegibles. A
continuacin se muestra la distribucin:
Li-1 - Li
130 - 140
140 - 150
150 - 160
160 - 170
170 - 180
180 - 190
190 - 200
200 - 210
ni
hi
Ni
22.73
45
Hi
xi
xi*ni
270
81.82
96.97
159
585
a) El gerente a cargo deba tener esta informacin cuanto antes para tomar la decisin de
llamar a la compaa de mantenimiento para que realicen una recalibracin de la
mquina. Puede ayudarlo a reconstruir la tabla? Se sabe que la moda de la distribucin
es de 156.5217 gr. y la frecuencia absoluta ms alta est en el tercer intervalo.
b) Halle la media aritmtica y la mediana de la distribucin.
c) Qu medida usara para representar de manera adecuada a la distribucin? Si el
promedio elegido est entre 140 - 150 gramos o entre 160 - 170, el gerente llamar a la
compaa de mantenimiento. Por el contrario, si se encuentra entre 150 - 160, quiere
decir que la mquina est llenando correctamente. Cul es la decisin que debe tomar?.
d) Cul es el porcentaje de prdida que tendr la empresa en este lote, si cada lata llenada
incorrectamente se debe reprocesar antes de venderse, siendo el costo del reproceso de
1 $ y cada lata de alimento se vende a 5 $? Se considera que la lata ha sido llenada
correctamente si su peso est entre 150 - 170 gr.
160
CASO
SAFETY SIGHT COMPANY2
Safety Sight Company posee dos plantas que fabrican faros de bicicleta. La planta de
Edgewater ha estado trabajando con capacidad operacional plena en los aos recientes; La
planta en Garland ha estado cerrada en los 2 ltimos aos. La administracin anticip un gran
incremento para las luces de bicicleta, y han sido desarrollados ahora planes de produccin
futura. Los ingresos medios esperados por ventas de luces han sido estimados en 8 dlares
por unidad tomando en cuenta el periodo futuro previsible.
La planta de Edgewater ha estado operando un turno simple con costos fijos de 2.5 millones de
$ y con una capacidad de produccin de 500000 unidades al ao. Los costos variables
unitarios han sido de 1.60 $ para este rango de produccin. Se debera alcanzar un gran
volumen de produccin para arrancar con un segundo turno. Si aquello fuera logrado, se estim
que los costos variables unitarios deberan ser alguno de los tres: 6.3 $, 5.7 $ o 5.1 $ con
probabilidades de 0.09, 0.33 y 0.58, respectivamente. La capacidad de produccin en el
segundo turno debera alcanzar las 500000 unidades anuales.
Si se logran grandes volmenes de produccin, la planta en Garland podra ser reabierta. Los
costos fijos anuales exactos por la operacin de esta planta son desconocidos. Tres estimados
recientes son: 1.8 $, 1.65 $ y 1.55 $ millones con probabilidades de 0.4, 0.5 y 0.1,
respectivamente. El costo variable unitario esperado para la operacin del primer turno es de
1.60 $, que es el mismo que para la planta de Edgewater. La capacidad esperada del primer
turno de la planta de Garland es de 500000 luces por ao.
La administracin est considerando dos alternativas: operar la planta de Edgewater en dos
turnos, dejando cerrada la planta de Garland; u operar ambas plantas con un solo turno cada
una. La administracin est segura que cualquier alternativa proporcionar la capacidad para
obtener la nueva demanda esperada. Qu deber hacer?
2 Caso extractado del libro: Production and Operations Management (Concepts, Models and Behavior).
Everett E. Adam, Jr. & Ronald J. Ebert., 1989.
161
CASO
HARRYS HARDWARE CHRISTMAS TREE3
Harrys Hardware realiza negocios giles durante el ao, pero en la poca de navidad, Harrys
Hadware vende rboles de navidad para aumentar sus ganancias. Desafortunadamente no
todos los rboles se pueden vender al final de la temporada, y los que quedan son totalmente
desechados. Entonces, el nmero de rboles en inventario para una temporada dada es una
decisin muy importante. La siguiente tabla revela la demanda para rboles de navidad.
Demanda
50
75
100
125
150
175
200
Probabilidad
0.05
0.1
0.2
0.3
0.2
0.1
0.05
Harry vende cada rbol a 15 $, pero le cuesta solamente 6 $.

PREGUNTAS
1.
2.
3.
Cuntos rboles debera tener en inventario Harry?

Si el costo incrementa a 12 $ por rbol, cuntos rboles debe tener en inventario?
Harry piensa incrementar el precio de cada rbol a 18 $. Se asume que el costo por rbol
es de 6 $. Se espera que la probabilidad de vender 50, 75, 100 o 125 rboles sea de 0.25
en cada caso. Harry no espera vender ms de 125 rboles con este incremento en el
precio. Qu recomienda?
3 Extractado del libro: Quantitative Analysis for Management. Render y Stair, 1997.
162
CAPTULO 6
ESTADGRAFOS DE DISPERSIN
1. INTRODUCCIN
Los estadgrafos de tendencia central permiten resumir la informacin definiendo la posicin de
la distribucin de frecuencias, tanto para variables como para atributos. Sin embargo esta es
una caracterizacin parcial de dichas distribuciones. La caracterizacin se completa, cuando
adems de conocer la posicin tambin se conoce su forma.
Los estadgrafos que permiten conocer en forma resumida la forma de una distribucin se
denominan indicadores de dispersin. Adems de ello permiten evaluar la confiabilidad de un
estadgrafo de posicin.
An siendo la media aritmtica el promedio ms utilizado en la prctica, muchas veces puede
dar lugar a falsas interpretaciones. Esto ocurrir cuando no tenga suficiente grado de
representatividad, es decir, cuando los valores de la variable estn poco concentrados, o lo que
es lo mismo, muy dispersos a su alrededor. Entonces, poco podr decir la media sobre la
poblacin en estudio. Es necesario acompaar la media aritmtica con una medida del grado de
dispersin de los valores de la variable a su alrededor, de forma que, cuanto mayor sea esta
medida, menor ser el grado de representatividad de la media y viceversa.
Los principales son:
El recorrido.
La varianza y la desviacin estndar.
La amplitud y desviacin cuartlica.
La amplitud centlica.
Por ejemplo una caracterizacin completa de la temperatura de Cochabamba es: La temperatura

media es de 22 C, con una dispersin dada por la desviacin estndar de 12 C. Si la
dispersin es muy grande, entonces la temperatura media no ser un valor representativo.
Dependiendo qu medida de tendencia central se elige, deber ir acompaada con el
estadgrafo de dispersin adecuado. A continuacin se entregan estas relaciones:
Media aritmtica
Mediana
Desviacin estndar
Amplitud cuartlica o centlica
Para comprender mejor qu es lo que involucra que exista una variacin en los datos de una
serie estadstica, se describen aqu algunos aspectos importantes:
1. Cunto ms dispersos estn los datos, ms aumentar el rango, la desviacin estndar o la
amplitud cuartlica, y viceversa.
2. Si las observaciones son todas iguales (de manera que no hay variacin en los datos) todos
163
los estadgrafos de dispersin sern igual acero.

3. Las medidas de dispersin nunca son negativas.
2. RECORRIDO O RANGO
2.1. Definicin
Se determina por la diferencia entre el valor mximo y el valor mnimo observados de la variable.
R xi = VM xi Vm xi
Esta medida de dispersin simple es de clculo fcil, de uso comn y significacin concreta,
para expresar la variabilidad observada en la distribucin. Su uso es limitado cuando deben
efectuarse comparaciones debido a las unidades diferentes en que se expresan las variables.
Su desventaja es que solo toma en cuenta los valores extremos de la variable y no as todos
ellos.
Es eficaz y brinda un ayuda rpida para calcular la concentracin en distribuciones uniformes.
Por ejemplo, si una variable se distribuye uniformemente entre los lmites 5 y 12, presentar
mayor concentracin que otra que se distribuya tambin uniformemente entre los lmites 1 a 20.
Ejemplo
Halle el recorrido de la variable de los sueldos (Bs.) de 5 obreros de una fbrica:
850
700
900
750
950
Aplicando la frmula:
Rxi = VMxi - Vmxi = 950 - 700 = 250
Conclusin: El rango o campo de variacin de los sueldos de los 5 obreros es de 250 Bs.
3. VARIANZA
3.1. Definicin
La varianza de una distribucin de frecuencia se determina por el promedio del cuadrado de las
desviaciones de la variable.
n
(x x )
2
2
2
S = = V [x ] = M [z i ] =
i=1
3.2. Determinacin
a) Tipo I
La anterior frmula se aplica para el clculo de la varianza en las distribuciones tipo I. El clculo
de la varianza se facilita si se desarrolla convenientemente la expresin anterior:
164
(x
=
x )2
(x
=
2
i
2x i x + x )
n
x
=
2
i
x
=
2
i
x
2x
nx
+
=
n
xi
x
n
2
i
2x + x
Ejemplo
Nota: El ejemplo se desarrollar junto con el ejemplo para la desviacin estndar.
b) Tipo II y III
Si las distribuciones son de tipo II y III, la varianza se define de la siguiente manera:
n
2
2
2
S = = V [x ] = M [z i ] =
(x
x) * n i
i=1
El clculo de la varianza se efecta mejor con la siguiente expresin:
x
=
2
i
ni
xi ni
Ejemplo
Nota: Se desarrollar junto con el ejemplo para la desviacin estndar.
4. DESVIACIN ESTNDAR
4.1. Definicin
Es la raz cuadrada positiva de la varianza.
4.2. Determinacin
a) Tipo I
Para distribucin tipo I, la frmula de clculo es:
n
( x x)
S = = V (x ) =
S=
i=1
Ejemplo
165
x
n
2
i
xi
x
=
n
2
i
Halle la varianza y la desviacin estndar de los sueldos (centenas de Bs.) de 5 obreros de una
fbrica, con respecto a la media aritmtica:
8.5
7.0
9.0
7.5
9.5
Resolucin.
Se tabulan los datos en una distribucin de frecuencias tipo I (ver tabla 6.4.1).
Se halla la sumatoria de los valores de la variable (columna 1).
Se halla la sumatoria de los valores de la variable elevados la cuadrado (columna 2).
Tabla 6.4.1
Distribucin de frecuencias de sueldos de obreros (Centenas de Bs.)
xi
7.0
7.5
8.5
9.0
9.5
41.5
x2i
49.00
56.25
72.25
81.00
90.25
348.75

Se reemplazan los valores hallados en la frmula:
2
S2 =
348.75 41.5
= 0.86
5
5
S = 0.86 = 0.93
x=
41.5
= 8.3
5
Conclusin: El sueldo promedio de los obreros es de 830 Bs. con una dispersin de 93 Bs.
b) Tipo II
Si se trata de distribuciones tipo II y III, se utilizan las siguientes expresiones:
n
( x x)
i
S = = V [x ] =
* ni
S=
i=1
2
i
ni
xi ni
Ejemplo
Sea la distribucin del dinero de los estudiantes de la carrera de Ingeniera Industrial, que gastan
diariamente (ver tabla 6.4.2). Halle la V[x] y :
Tabla 6.4.2
Clculo de la desviacin estndar de la distribucin de gastos diarios
166
xi
3
9
17
26
ni
11
9
12
8
40
xi*ni
33
81
204
208
526
xi2*ni
99
729
3468
5408
9704

Resolucin:
Se hallan los valores xi*ni (columna 3) para determinar la media aritmtica.
x=
526
= 13.15 Bs.
40
Se obtienen los valores xi2*ni (columna 4) para determinar la varianza.
S2 =
9704
(13.15) 2 = 69.6775 Bs.2
40
S = 69.6775 Bs 2 = 8.35 Bs.

Conclusin: Los estudiantes gastan diariamente en promedio 13.15 Bs. con una dispersin de
8.35 Bs.
La distribucin se caracteriza por:
= 13.15 Bs.
S = 8.35 Bs.
que fija su posicin y

que fija la forma.
Como la desviacin es muy grande respecto a la media, la media no es representativa de la

distribucin.
5. PROPIEDADES DE LA VARIANZA
Las propiedades de la varianza son las siguientes:
1ra Propiedad. La varianza de una constante es cero.
En smbolos:
V [k ] = 0
Demostracin: V [ x ] = M [( x x ) 2 ] = M [(k k ) 2 ] = M [02 ] = 0

2da Propiedad. La varianza de la variable ms una constante es igual a la varianza de la
variable.
167
V[x + k ] = V[x ]
En smbolos:
Demostracin: V [ x + k ] = M [( x + k ) ( x + k )]2 = M [ x + k x k ]2 = M [ x x ]2 = V [ x ]
3ra Propiedad. La varianza de una variable por una constante es la varianza de la variable por la
constante al cuadrado.
V [k x ] = k 2 V [ x ]
En smbolos:
Demostracin: V [ k x ] = M [(kx k x ) 2 ] = M [ k 2 ( x x ) 2 ] = k 2 M [( x x ) 2 ] = k 2 V [ x ]
Ejemplo
Sea la distribucin de la cantidad de dinero que manejan los estudiantes de Ingeniera Industrial
y adems se sabe que el Centro de Estudiantes de esa carrera ha ofrecido:
a) Otorgar una subvencin de 2.5 Bs. a cada estudiante.
b) Ofrecer el 20% de su disponibilidad efectiva.
Cul de las dos polticas econmicas recomienda a sus compaeros y por qu?
Resolucin.
Es el mismo ejemplo desarrollado para hallar la media, varianza y desviacin estndar. Se
copian los valores hallados:
= 13.15 Bs.
S2 = 69.6775 Bs2
Empleando valores de la media y la varianza relativas a la variable ms una constante y a la
variable por una constante, se efecta un anlisis de las dos medidas de subvencin.
a) Aumentar a todos 2.50 Bs.
Se sabe que:
M [x + k] = 0 + k = 13.15 + 2.5 = 15.65 Bs.

V [x + k] = V [x] = 69.6775 Bs2.
b) Aumentar el 20% de los lquidos manejables.

Se sabe que:
k = 1.2 = 1 + 0.2
M [k * x] = 1.2 * (13.15) = 15.78 Bs.
V [k * x] = k2 * V [x] = (1.2)2 * (69.6775) = 100.34 Bs2.
Para comparar los resultados de las dos distribuciones es conveniente usar una medida de
comparacin, que se llama coeficiente de variacin: CV, que mide la dispersin relativa
porcentual con respecto a la media (Se estudiar esta medida con ms detalle en el siguiente
168
captulo).
a) Aumentar a todos 2.5 Bs.
CV =
s
8.35
*100 =
*100 = 53.34%
x
15.65
CV =
s
10.02
*100 =
*100 = 63.48%
x
15.78
b) Aumentar el 20%.
Respuesta: Examinado el valor de las medias conviene el aumento del 20% aunque sea
pequea la diferencia. Observando el valor de la varianza se determina que conviene aumentar
a todos 2.5 por la gran diferencia que existe entre dichos valores. La varianza en la primera
medida, indica que el aumento beneficia a todos sin variar la diferencia de ingresos. En la
segunda medida para un aumento mas o menos semejante, la varianza indica que las
diferencias se hacen ms profundas (pobres se hacen ms pobres y los ricos se hacen ms
ricos). En consecuencia por un sentido de solidaridad y evitar mayores desigualdades, conviene
que el Centro de Estudiantes aplique la primera medida.
Otra forma de determinar la mejor poltica es observar los coeficientes de variacin. El menor
coeficiente de variacin es el que siempre conviene.
4ta Propiedad. Cuando una distribucin de frecuencias requiere ser connotada por la
importancia de sus grupos, se dice que la varianza total debe ser explicada por la variacin entre
grupos (intervarianza) y la variacin dentro los grupos (intravarianza), tal que:
S2 = S2b + S2c (Intervarianza + Intravarianza)

k
(x
hi
x)2 n h i
Donde:
S2b =
Siendo:
xhi = La media de cada grupo.

nhi = El tamao de cada grupo.
k = El nmero de grupos que contiene la poblacin.
i =1
(Varianza de las medias)
S =
2
c
Siendo:
S
i =1
2
hi
nhi
(Media de las varianzas)
Shi2 = Varianza de cada grupo.
La utilidad que tiene la cuarta propiedad es muy grande. En general, se puede decir que si:
S2b > Sc2 , hay mayor variabilidad entre grupos que dentro de cada grupo. Por lo tanto los
grupos son distintos entre si, y constituyen estratos diferenciados de la poblacin.
169
S2c > S2b , hay mayor variacin dentro de cada grupo que entre grupos. Por lo tanto los grupos
son similares y pueden ser unidos en un solo grupo, que constituye la poblacin.
Esta propiedad constituye el fundamento del Anlisis de Varianza (ANOVA), que es muy
utilizada en el anlisis estadstico de experimentos.
Ejemplo
Sea la cantidad de dinero que disponen los estudiantes de Ingeniera Industrial por da:
xi
3
9
17
26
ni
11
9
12
8
40
Verifique que la varianza es igual a la suma de la intervarianza y la intravarianza.

Resolucin.
Se determina la media y la varianza general a fin de caracterizar la distribucin. Estos datos
son ya conocidos de los ejemplos anteriores:
= 13.15 Bs.
S2 = 69.6775 Bs2
Si dicha distribucin est formada por dos grupos igualmente importantes por su composicin
y de un tamao igual a 20, se debern caracterizar cada uno de dichos grupos.
1er Grupo:
n1i
11
9
20
x1i
3
9
x1i * n1i
33
81
114
S1 =
Se caracteriza as:
x1i2 * n1i
99
729
828
828 114
2
2
= 41.4 (5.7) = 41.4 32.49 = 8.91 Bs

20 20
x 1 = 5.7 Bs.
S12 = 8.91 Bs2.
170
2do Grupo:
n2i
12
8
20
x2i
17
26
x2i * n2i
204
208
412
x2i2 * n2i
3468
5408
8876
8876 412
2
2
S2 =
= 443.8 (20.6) = 443.8 424.36 = 19.44 Bs
20 20
2
Se caracteriza as:
x 2 = 20.6 Bs. S22 = 19.44 Bs2.
Con los valores anteriores se calcula la intervarianza y la intravarianza.

a) Intervarianza (ver tabla 6.4.3):
Tabla 6.5.1
Clculo de la intervarianza
nhi
20
20
40
xhi
5.7
20.6
xhi * nhi
114
412
526
xhi2 * nhi
649.8
8487.2
9137.0

2
9137 526
2
Sb =
= 55.5025 Bs
40 40
2
b) Intravarianza (ver tabla 6.4.4):

Tabla 6.5.2
Clculo de la intravarianza
Shi2
8.91
19.44
nhi
20
20
40
Shi2 * nhi
178.2
288.8
567.0

2
Sc =
567
= 14.175 Bs 2
40
Por lo tanto:
S2 = Sb2 + Sc2 = 69.6775 Bs2.
171
El bajo valor de la intravarianza Sc2 = 14.175 Bs2., indica que la variacin distribuible de dinero
dentro de cada grupo es homognea.
El alto valor de la intervarianza Sb2 = 55.5025 Bs2., expresa que la variabilidad de dinero en
efectivo entre los grupos es fuerte. En consecuencia la alta variabilidad total del dinero en
efectivo en la distribucin depende de la variabilidad entre los grupos.
En consecuencia los dos grupos tienen caractersticas diferentes en cuanto a su disponibilidad
diaria de dinero. En consecuencia la media de los dos grupos diferenciados es ms
representativa que la media del grupo total.
6. VARIANZA ESPERADA
En toda distribucin de probabilidad, a fin de caracterizarla, adems de hallar la esperanza
matemtica, es necesario determinar o analizar la varianza esperada.
6.1. Determinacin
a) Funcin de cuanta
Si se tiene una funcin de cuanta, la varianza esperada se define de la siguiente manera:
V[x] = (x i x) P(x i ) = x P(x i ) x i P(x i )

i =1
i =1
i =1
2
i
siendo: x = 0, 1, 2, 3, ... n.
Ejemplo
Sea la siguiente funcin de cuanta: f ( x ) =
1
(2x + 1)
16
x = 0, 1, 2, 3
Hallar la varianza y desviacin estndar esperadas.

Resolucin (ver tabla 6.6.1)
Tabla 6.6.1
Clculo de la varianza esperada de la funcin f ( x ) =
xi
0
1
2
3
P(xi)
1/16
3/16
5/16
7/16
16/16
xi*P(xi)
0
3/16
10/16
21/16
34/16
1
(2x + 1)
16
xi2*P(xi)
0
3/16
40/16
63/16
106/16
106 34
V[x] =
= 2.11
16 16
S = 2.11 = 1.45
172
x = 0, 1, 2, 3
x=
34
= 2.125
16
Si se tiene una funcin de densidad, la varianza esperada se define de la siguiente manera:
V [x ] = (x x ) f(x) dx = x f(x) dx x f(x) dx
siendo: - < x <
Ejemplo
esperada.
1
(2x + 1 )
12
para 0 < x < 3 . Hallar la varianza
Resolucin
3 1
1

V [x ] = x (2x + 1 ) dx x (2x + 1 ) dx
12

0
0 12
3
3
1 2x 3 x 2 3
1 x4 x3
= +
+
12 2 3 0 12 3
2 0
1 81
9
1
= + 9 18 +
12 2
2
12
=
Luego:
1 99
2025 2376 2025 351
*( )
=
=
= 0.609
12
2
576
576
576
E [x] = 1.875 (media)

V [x] = 0.609 (varianza)
S [x] = 0.78 (desviacin estndar)
Se observa que la esperanza matemtica no es una medida confiable para resumir la

informacin de la distribucin, ya que su dispersin es grande.
7. OTRAS MEDIDAS DE DISPERSIN

Estas medidas generalmente se utilizan juntamente con la mediana, cuando la media y la
desviacin estndar no son medidas representativas de la distribucin.
7.1. Amplitud cuartlica

a) Definicin
Los cuartiles son los valores de la variable que dividen a la distribucin en 4 partes
proporcionalmente iguales, como lo muestra la figura 6.7.1.
173
Figura 6.7.1. Disposicin de los cuartiles en una distribucin

A.C.
25%
25%
25%
Q1
Q2 = Me
25%
Q3

Nota: El segundo cuartil es igual a la mediana. A.C. es la amplitud cuartlica.
b) Determinacin para distribuciones tipo I y II
El procedimiento para distribuciones tipo I y II, se puede deducir fcilmente de la metodologa
seguida para el clculo de la mediana.
c) Determinacin para distribuciones tipo III
Se halla por medio de la siguiente ecuacin:
AQ = Q3 Q1
donde el r - simo cuartil, se determina mediante:
rn
N i 1
Q r = L i 1 + 4
(a i )
ni
Esta ecuacin es una general de la que se ha deducido la ecuacin para el clculo de la
mediana.
7.2. Desviacin cuartlica

La desviacin cuartlica es la mitad de la amplitud cuartlica:
D.Q. =
A.Q.
2
7.3. Amplitud centlica

a) Definicin
Los centiles son los valores de la variable que dividen a la distribucin en 100 partes iguales,
como se muestra en la figura 6.7.2.
174
Figura 6.7.2
Disposicin de los centiles en una distribucin
10%
C10
A.Cn
.
40%
10%
40%
Q2 = C50 = Me
C90

Nota: El cuartil 2 es igual al centil 50 y a la mediana. El cuartil 3 es igual al centil 75 y el cuartil 1
al centil 25. A.Cn. es la amplitud centlica.
Nota: Por medio de los centiles, el investigador puede no slo calcular los lmites del 80%
central de la distribucin, sino de cualquier porcentaje que sea adecuado para sus conclusiones.
b) Determinacin para distribuciones tipo I y II
En la prctica, debido a que para calcular centiles se deben dividir los datos en 100 partes, no
se realiza el clculo para distribuciones tipo I y II, que contienen pocos valores diferentes de la
variable.
Sin embargo, el procedimiento es similar que para el clculo de la mediana.
c) Determinacin para distribuciones tipo III
Se halla por medio de la siguiente expresin:
ACn. = C90 C10

donde el r - simo centil se calcula mediante:
rn
Ni1
100
Cr = Li1 +
(a i )
ni
7.4. Ejemplo
Una muestra de las cantidades quincenales invertidas en el plan de participacin de utilidades
de una compaa por parte de los empleados, se organiz en una distribucin de frecuencias
para su estudio (ver tabla 6.7.1).
Halle la amplitud cuartlica, la desviacin cuartlica y la amplitud centlica.
175
Tabla 6.7.1
Distribucin de frecuencias de inversin en un plan de participacin de utilidades
Li-1 - Li
30 35
35 40
40 45
45 50
50 55
55 60
60 65
65 70
ni
3
7
11
22
40
24
9
4
Ni
3
10
21
43
83
107
116
120

Resolucin
Para hallar los cuartiles y centiles se siguen los mismos pasos que para la determinacin de la
mediana.
Amplitud cuartlica:
90 83
30 21
A.Q. = Q3 Q1 = 55 +
(5) 45 +
(5) = 56.46 47.04 = 9.42
24
22
Conclusin:
Cuartil 1: El 25% de los empleados invierten menos de 47.04 dlares en el plan, mientras que
el 75% restante aportan ms de ese valor.
Cuartil 3: El 75% de los empleados invierten menos de 56.46 dlares en el plan, mientras que
el 25% restante aportan ms de ese valor.
Amplitud cuartlica: El 50% central de los trabajadores aportan al plan entre 47.04 y 56.46
dlares.
Desviacin cuartlica:
D.Q. =
Q3 Q1 9.42
=
= 4.71
2
2
Amplitud centlica:
108 107
12 10
A.Cen. = C90 C10 = 60 +

(5) 40 +
(5) = 60.55 40.91 = 19.65
9
11
Conclusin:
Centil 10: El 10% de los empleados invierten menos de 40.91 dlares en el plan, mientras
que el 90% restante aportan ms de ese valor.
Centil 90: El 90% de los empleados invierten menos de 60.55 dlares en el plan, mientras
que el 10% restante aportan ms de ese valor.
Amplitud centlica: El 80% central de los trabajadores aportan al plan entre 40.91 y 60.55
dlares.
176
7.5. Diagrama de caja y bigotes

En su forma ms simple, un diagrama de caja y bigotes proporciona una representacin grfica
de los datos, mediante el resumen de cinco valores: valor mnimo, cuartil 1, mediana, cuartil 3 y
valor mximo de la variable.
A continuacin en la figura 6.7.3 se muestra el diagrama de caja y bigotes del ejemplo anterior.
Figura 6.7.3. Diagrama de caja y bigotes del plan de participacin de utilidades
Valor menor
Q1
Me
Q3
Valor mayor
30
47.04
52.12
56.46
70
30
35
40
45
50
55
60
65
70

Se puede observar que la caja contiene el 50% central de los datos de la distribucin, con los
lmites expresados por el cuartil 1 y el cuartil 3. La mediana divide a la distribucin en dos partes
proporcionalmente iguales. Por otro lado, las lneas que van desde la caja hasta el valor mayor y
menor de la variable, son los bigotes.
El grfico indica que la distribucin est levemente sesgada a la izquierda, ya que el bigote
izquierdo es de mayor magnitud al derecho. Por otro lado la mediana est levemente cerca del
lado derecho de la caja, lo que confirma el sesgo.
8. TEOREMA DE CHEVYSHEV
Se puede decir que si la desviacin estndar de un conjunto de datos es pequea, los valores
se concentran dentro de la media y si es amplia, los valores se acumulan en forma esparcida
alrededor de la media. Esta idea se expresa ms formalmente por medio del teorema de
Chevyshev, en honor a un matemtico ruso: Para cualquier conjunto de datos y cualquier
constante k mayor que 1, el porcentaje de los datos que debe caer dentro de k desviaciones
estndar de cualquier lado de la media es de por lo menos: 1
de que por ejemplo, como mnimo, 1
dentro de dos desviaciones estndar.
1
. As, se puede estar seguro
k2
1
= 75% de los valores de una distribucin debe caer
22
177
EJERCICIOS DE CLASE
Varianza y desviacin estndar
1. Halle la media aritmtica de los segundos ejemplos, del captulo de Distribucin de
Frecuencias.
Propiedades de la varianza
2. El gerente de una empresa que fabrica papel desea analizar los sueldos que paga a sus
trabajadores. Para ello, los dividi en tres grupos. Los datos en $ para cada grupo se
muestran a continuacin:
Grupo 1:
Li-1 - Li
180-200
200-220
220-240
Grupo 2:
ni
3
4
8
15
Grupo 3:
Li-1 - Li
240-260
260-280
280-300
ni
11
15
10
36
Li-1 - Li
300-320
320-340
340-360
ni
9
6
4
19
a) Halle la media aritmtica y la varianza de todos los trabajadores de la empresa e indique si

vala la pena separarlos en tres grupos o no.
b) El gerente quiere analizar cual de las dos polticas siguientes implementar para todos sus
trabajadores de modo de elevar el sueldo promedio. Aydelo en su decisin!
Aumento del sueldo en 100 Bs.
Aumento del 36.61% de su sueldo.
Varianza esperada
Funcin de Cuanta
probabilidad de la demanda diaria de un artculo que se vende a 2 $us. la unidad. Halle la
varianza esperada.
Funcin de densidad
x
2
0 x 4 , que relaciona la probabilidad del

precio unitario de un artculo (en $us.). Halle la varianza esperada.
178
Otras medidas de dispersin

5. A cada persona que se presenta como candidato para un trabajo de ensamble en Femco, se
le aplica una prueba de aptitudes mecnicas. Una parte de la prueba consiste en ensamblar
un armario con base en instrucciones numeradas. En la siguiente distribucin de frecuencias
se tiene una muestra de los tiempos que necesitaron 42 personas para ensamblar el armario.
Tiempo (min)
Numero de
personas
4
8
14
9
5
2
42
1-4
4-7
7-10
10-13
13-16
16-19
a) Halle la mediana.
b) Encuentre la amplitud y desviacin intercuartlica e interprtelas.
c) Determine la amplitud centlica.
d) Entre qu valores se encuentra el 80% central de la distribucin?.
e) Realice un diagrama de caja y bigotes e interprete su significado.
179
1. Los sueldos en $us de 5 empleados de la Alcalda de Cochabamba son:
176
200
170
196
210
215
Halle la media, el recorrido y la desviacin estndar de la distribucin.

2. Sumando 4 a cada uno de los nmeros de la serie 2, 6, 5, 9, 1, se obtiene la serie 6, 10, 9,
13, 5. Compruebe que ambas series tienen la misma varianza y distintas medias.
3. Dada una serie de valores de X: 3, 2, 8, 1, compruebe que siendo y = 2 x + 5 , la media de la
serie Y es: y = 2 x + 5 y su varianza: S2 y = 4 S2 x .
4. Las edades de los 11 jugadores de un equipo de ftbol (A) son:
19, 35, 24, 30, 26, 27, 29, 21, 26, 24, 33
y las de los otros 11 jugadores de otro equipo (B):
29, 29, 32, 26, 31, 25, 23, 25, 30, 20, 24
Halle la intervarianza, la intravarianza y la varianza del grupo total. Determine si la intra o la
intervarianza influye ms en la variabilidad total de la distribucin.
5. En la distribucin que sigue se contaron los ingresos mensuales de empleados de tiempo
parcial.
Ingresos semanales
($us)
40 50
50 60
60 70
70 80
80 90
90 100
100 110
110 120
a) Cul es el primer cuartil?
b) Cul es el tercer cuartil?
c) Cul es la amplitud cuartlica? Interprtela
d) Cul es la desviacin cuartlica? Interprtela
e) Determine la amplitud centlica. Interprete su valor.
f) Realice un diagrama de caja y bigotes.
180
ni
8
16
24
48
22
14
11
7
6. Los sueldos y salarios de un grupo de 50 trabajadores (cientos de Bs.) tienen la siguiente

distribucin:
19 - 25
10%
1-5
32%
13 - 19
12%
11 - 13
18%
5 - 11
28%
a) Halle la media y la varianza de la distribucin. Cul es el sueldo mximo del 75% de los
trabajadores?.
b) Considere dos grupos de trabajadores (el primer grupo formado por 30 trabajadores y el
segundo por 20) y determine si es la intra o la intervarianza la que influye ms en la
variabilidad total de la distribucin.
181

1. En la banca comercial de nuestra ciudad en los ltimos dos aos se han registrado los
siguientes tipos de inters (expresados en porcentaje) para los ahorros a plazo fijo
observados en las libretas de 40 familias:
14
12.5 11 5 8.2 9.3 12 9.5 6.5 13
15 13 7.8 7 9
8 11 6.8 7.2 9
10.6 13
7.2 14 11.4 7
9 8.1 6
13.4 12 9 8
13 6.9 12 15 9
12 11.6
a) Organice y presente los datos en una distribucin de frecuencias de 5 grupos.

b) Caracterice la distribucin (Halle la media, mediana, moda y desviacin estndar).
c) Suponga que tiene un inters de parte de la asociacin de ahorristas comparar las tasas
de inters entre los tres primeros grupos y los dos ltimos grupos. Efecte el anlisis de
inter e intravarianza y emita su informe al respecto.
2. Se realiz una encuesta a 88 personas sobre la eficiencia en el consumo de gasolina, en
km/lt., de su auto. A continuacin se muestra la distribucin:
Li-1 - Li
ni
hi
Ni
Hi
xi
xi*ni
30
60
8
- 28
Totales
a) Debido a la crisis energtica del petrleo, el ministerio de gobierno deba tener esta
informacin cuanto antes para tomar la decisin de incrementar la eficiencia de los autos
de alguna manera. Puede ayudarlo a reconstruir la tabla?.
Q1 = 7.4
Me = 11.04
A.Cn. = 17.34.
y C10 = 4.76:
y Mo = 9.4194:
C90:
Fila 2
Fila 3
Fila 6
b) Si los autos que tienen una eficiencia entre 0 - 4 km/lt y entre 4' - 8, constituyen el 25% del
total, el ministerio exigir que estos autos salgan de circulacin. Si no, quiere decir que el
problema de los autos no afecta sustancialmente a la poltica de ahorro energtico. Cul
es la decisin que debe tomar el ministerio?.
c) Cul es el porcentaje de prdida del gobierno en esta muestra, si por cada auto que saca
de circulacin debe pagar a los propietarios 2000 $us., pero el ahorro energtico se
traduce en una ganancia por auto del 40% de lo que paga?
3. La secretaria de una empresa de envasado de alimentos olvid comprar el cartucho de tinta
para la impresora de su oficina y al imprimir la distribucin de frecuencias de los pesos del
contenido de un cierto nmero de latas (gr.) que fueron llenadas por una mquina automtica
182
que se crea que estaba descalibrada, muchos datos eran ilegibles. A continuacin se
muestra la distribucin:
Li-1 - Li
ni
hi
Ni
Hi
xi
135
xi*ni
140 20
9
410
Totales
66
a) El gerente a cargo deba tener esta informacin cuanto antes para tomar la decisin de
llamar a la compaa de mantenimiento para que realicen una recalibracin de la mquina.
Puede ayudarlo a reconstruir la tabla?
Q1 = 153.25: Fila 3
A.Q. = 21.75
C10 = 145.75: Fila 2
C90 = 187.7143: Fila 6
b) Halle la media aritmtica y la mediana de la distribucin e interprete los resultados.
183
CAPTULO 7
ESTADGRAFOS DE COMPARACIN
1. INTRODUCCIN
En muchos casos de distribuciones de frecuencias de una variable, stas no son comparables
utilizando la medias y la varianzas respectivas, por las distintas unidades en que estn
expresadas las variables. Entonces es necesario construir indicadores que no estn influidos por
dichas unidades. En este caso se construyen razones tales como el coeficiente de variacin y la
variable tipificada o estandarizada como instrumentos que permiten comparar entre
distribuciones de frecuencias de una variable.
2. COEFICIENTE DE VARIACIN
2.1. Definicin
El coeficiente de variacin permite expresar la dispersin de la distribucin de frecuencias por
unidad de media aritmtica. Este coeficiente se obtiene dividiendo la desviacin estndar entre
la media aritmtica. Se simboliza por el coeficiente CV y su expresin es:
CV =
s
x
En general este coeficiente se usa cuando los valores de las medias aritmticas y las varianzas
entre dos distribuciones no son iguales. Permite determinar la dispersin relativa porcentual o el
grado de homogeneidad de una distribucin. El mayor valor del coeficiente de variacin expresa
una mayor dispersin en la distribucin. Si se expresa en porcentaje sus valores van desde 0 al
100.
Ejemplo
Se va a comparar la variacin de los ingresos anuales de ejecutivos con la variacin en los
ingresos de trabajadores no calificados. Cmo procedera? Los resultados en miles de $, son:
Ejecutivos :
x = 500
s = 50
Trabajadores :
x = 12
s = 1.2
Resolucin
Se procede hallando los coeficientes de variacin de ambas distribuciones:
CVE =
50
*100 = 10%
500
CVT =
1.2
*100 = 10%
12
Conclusin: El grado de dispersin o variacin en los ingresos anuales de ejecutivos y

trabajadores no calificados es el mismo.
184
3. VARIABLE TIPIFICADA O ESTANDARIZADA

3.1. Definicin
Es el resultado de transformar una variable en otra utilizando un cambio de variable de manera
que su media aritmtica sea igual a cero y su varianza igual a uno. La variable tipificada (z)
resulta de dividir la desviacin de un valor de la variable respecto de su media aritmtica entre la
desviacin estndar.
zi =
xi x
s
Se puede comprobar que el cambio de variable z, hace que la media sea 0 y la desviacin uno:
x M [ x i ] M [x ] x x 0
1) M [z i ] = M x i
=
=
= =0
s
s
s
s
2
x 1
s
2) V [z i ] = V x i
=
V
[
x
]
=
=1
x
i
2
2
s s
s
La variable tipificada se usa para determinar la posicin relativa entre los valores
correspondientes a distribuciones de frecuencias diferentes.
La variable tipificada o estandarizada es un cambio de variable fundamental en la inferencia
estadstica, porque constituye la base del muestreo a travs del teorema central del lmite.
Ejemplo
En fsica, la nota media es 63 con una desviacin estndar de 12. En matemticas, la nota
media es de 75 con una desviacin estndar de 15. Un estudiante obtuvo en ambas materias
55. En cul de las dos materias tiene una mejor posicin relativa como estudiante?
Se determina para cada distribucin la variable tipificada.
a) Fsica z Fi =
55 63 8 2
=
=
= 0.67 (mejor)
12
12 3
b) Matemticas z M i =
55 75 20 4
=
=
= 1.33
15
15
3
Conclusin: El estudiante tiene una mejor posicin relativa como alumno en la materia de fsica.
185
EJERCICIOS DE CLASE
Coeficiente de variacin
Distribucin de frecuencia
1. Halle los coeficientes de variacin de los segundos ejemplos, del captulo de Distribucin de
Frecuencias.
Funcin de cuanta
probabilidad de la demanda diaria de un artculo que se vende a 2 $us. la unidad. Determine
el coeficiente de variacin.
Funcin de densidad
x
2
0 x 4 , que relaciona la probabilidad del

precio unitario de un artculo (en $us.). Determine el coeficiente de variacin.
Variable tipificada
4. En la UPB, todos los estudiantes que quieren ingresar deben vencer la prueba PAA (prueba
de aptitud acadmica). El puntaje mnimo para aprobar el test es de 1050. Hasta ahora el
puntaje medio es de 1150, con una desviacin estndar de 47 puntos. Jaime Casanova dio la
prueba y obtuvo una z = -0.4.
a) Puede ingresar a la UPB?
b) Su amigo, Jorge Lobo, obtuvo una calificacin de 1200. Qu alumno obtuvo una mejor
posicin relativa?
186
1. Un conjunto de 20 valores tiene una media igual a 50; otro conjunto de 20 valores tiene una
media igual a 30; la desviacin estndar de los 40 valores considerados conjuntamente es
igual a 10. Calcule el coeficiente de variacin del conjunto de los 40 nmeros.
2. Multiplicando por 2 cada uno de los valores de la variable x: 3, 2, 0, 5, se obtiene la serie y: 6,
4, 0, 10. Compruebe que ambas series tienen el mismo coeficiente de variacin.
3. Se recopil informacin acerca de las ventas anuales de 50 pequeas tiendas de tornillos:
Ventas
(miles de $)
110
130
140
150
160
Total
N0 de
negocios
7
9
16
15
3
50
a) Encuentre la media y la varianza.

b) Se pretende crear un nuevo impuesto y existen dos alternativas 1ra: 5 % de las ventas,
2da: 9 (miles de $ al ao). Encuentre el nuevo valor de la media y la varianza con estas
disminuciones y recomiende la mejor alternativa para los propietarios.
4. Determine cul de las distribuciones, A o B, tiene un mayor grado de dispersin.
Distribucin A
Li-1 - Li
ni
02
4
24
6
46
5
68
3
Distribucin B
Li-1 - Li
ni
4-8
10
8 - 12
12
12 - 16
14
16 - 20
20
20 - 24
21
5. Una distribucin A tiene una media aritmtica que es doble a la de una distribucin B, y una
desviacin estndar que es la mitad de la de B. Qu relacin existe entre sus grados de
dispersin?
6. Se ha determinado en un grupo de estudiantes que sus matrculas en decenas de Bs. es
como sigue:
8
9
7
4
12
Un segundo grupo tiene como gasto en matrcula los siguientes datos:
6
10
Qu posicin relativa tendr un gasto en matrcula del primer grupo de 90 Bs., frente a un
gasto de 70 Bs. del segundo grupo?
187
7. Un estudiante de Diseo Grfico defendi su tesis y obtuvo una calificacin de 84.2. La

calificacin media de una tesis en esta carrera es de 90.2 con una desviacin estndar de 10
puntos. Su hermano, que estudi Administracin de Empresas defender su tesis
prximamente. La calificacin media de las tesis de la carrera es de 95.5 con una desviacin
estndar de 23. Sus padres decidieron que al mejor de ellos le compraran un auto ltimo
modelo. Cul es la nota mnima que deber sacarse el hermano para recibir el premio?
(Trabajar con un decimal).
188

1. Dos grupos de estudiantes han obtenido en 5 materias las siguientes calificaciones:
El grupo A tiene :
30
70
100
60
90
El segundo B grupo:
50
80
90
70
60
Cul de los grupos tiene menor dispersin por unidad de media aritmtica?
2. Antes de construir la presa de Misicuni, el cuerpo de ingenieros de la Empresa ICE realiz
una serie de pruebas para medir el flujo de agua que pasa por el lugar de la presa. Los
resultados de la prueba se utilizaron para construir la siguiente distribucin de frecuencias de
amplitudes constantes:
Flujo de
agua (lt/min)
ni
Ni
hi
Hi
xi
7
60
49
41
11
Totales
Reconstruya la tabla, teniendo la siguiente informacin adicional:
Amplitud = 50
Fila 5 = Clase mediana y modal.
Mediana = 1212.069
Moda = 1222.778
Centil 10 = 1091.9048
Fila 2 = Clase del centil 10.
n5 + n6 = n - 147
Halle el coeficiente de variacin.
189
xi*ni
xi2*ni
CAPTULO 8
ESTADGRAFOS DE FORMA: GRADO DE CONCENTRACIN
ASIMETRA Y CURTOSIS
1. INTRODUCCIN
Las medidas de forma permiten conocer que forma tiene la curva que representa la serie de
datos de una distribucin de frecuencias. En concreto, podemos estudiar las siguientes
caractersticas de la curva:
a) Asimetra: mide si la curva tiene una forma simtrica, es decir, si respecto al centro de la
misma (centro de simetra) los segmentos de curva que quedan a derecha e izquierda son
similares.
b) Curtosis: mide si los valores de la distribucin estn ms o menos concentrados alrededor
de los valores medios de la muestra.
2. ASIMETRA
2.1. Definicin
La asimetra de una distribucin puede ser determinada mediante las siguientes reglas:
Si una distribucin de frecuencias es simtrica, se dice que no tiene sesgo o su sesgo es
nulo.
Se dice que una distribucin presenta sesgo positivo cuando la media es mayor que la
mediana o moda, debido a observaciones grandes.
Se dice que una distribucin presenta sesgo negativo cuando la media es la menor de los
tres promedios, por observaciones pequeas.
Un diagrama que muestra los diferentes grados de simetra es el representado en la figura 8.2.1.
Figura 8.2.1. Tipos de asimetra de una distribucin
Eje de simetra
Asimtrica Positiva
Eje de simetra
Curva simtrica
2.2. Determinacin
190
Eje de simetra
Asimtrica Negativa
La medicin de la asimetra se realiza mediante el coeficiente de Pearson:
C.A. =
3(x Me)
s
3 C.A. 3
donde: un valor positivo indicar que la distribucin tiene sesgo positivo.

un valor negativo indicar que la distribucin tiene sesgo negativo.
un valor de cero, indicar que la distribucin es simtrica.
Cuanto ms alejado est el valor del cero, ms asimetra tendr la distribucin.
Ejemplo
Las duraciones de estancia en el piso de cancerologa de un hospital, se organizaron en una
distribucin de frecuencias. La duracin media fue de 28 das, la mediana de 25 das y la modal
de 23 das. La desviacin estndar fue de 4.2 das. La distribucin es simtrica o asimtrica?
Se calcula el coeficiente de Pearson:
C.A. =
3(28 25)
= 2.14
4.2
Conclusin: La distribucin es medianamente asimtrica, con sesgo positivo.
3. CURTOSIS
3.1. Definicin
La curtosis mide el grado de agudeza de una distribucin. Analiza el grado de concentracin que
presentan los valores alrededor de la zona central de la distribucin.
Se definen 3 tipos de distribuciones segn su grado de curtosis:
Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de los valores
centrales de la variable (el mismo que presenta una distribucin normal).
Distribucin leptocrtica: presenta un elevado grado de concentracin alrededor de los valores
centrales de la variable.
Distribucin platicrtica: presenta un reducido grado de concentracin alrededor de los valores
centrales de la variable.
Un diagrama muestra de manera objetiva los distintos grados de curtosis (ver la figura 8.3.1)
Figura 8.3.1. Grados de curtosis de una distribucin

191
Eje de simetra
Eje de simetra
Eje de simetra
Leptocrtica
(Delgado)
Platicrtica
(Aplanado)
Mesocrtica
(Intermedio)
3.2. Determinacin
El Coeficiente de Curtosis viene definido por la siguiente frmula:
g2 =
1 n
(x x)4 ni
n i =1 i
1 n
2
n (x i x) n i
i =1
donde los resultados pueden ser los siguientes:

g2 = 0 (distribucin mesocrtica).
g2 > 0 (distribucin leptocrtica).
g2 < 0 (distribucin platicrtica).
Ejemplo
La distribucin de la estatura de un grupo de estudiantes (en pulgadas) es la que se muestra en
la tabla 8.3.1. Halle el coeficiente de curtosis de la distribucin.
Resolucin
Primero se halla la media aritmtica. Para ello se construye la columna 3 de la tabla:
x=
37.6
= 1.253
30
Luego se calcula el numerador y denominador de la frmula (columna 4 y 5) y se sustituyen los

valores:
1
(0.00004967)
30
g2 =
3 = 1.3947
2
1
30 (0.03046667)
192
Conclusin: Como el coeficiente es negativo, la distribucin es platicrtica.

Tabla 8.3.1
Distribucin de frecuencias de la estatura de un grupo de estudiantes
x i n i (x i x) 2 n i (x i x) 4 n i
xi
1.2
ni
1
1.21
4.84 0.00751111 0.00001410
1.22
4.88 0.00444444 0.00000494
1.23
2.46 0.00108889 0.00000059
1.24
1.24 0.00017778 0.00000003
1.25
2.5
1.26
3.78 0.00013333 0.00000001
1.27
3.81 0.00083333 0.00000023
1.28
5.12 0.00284444 0.00000202
1.29
3.87 0.00403333 0.00000542
1.2
0.00284444 0.00000809
0.00002222 0.00000000
1.3
3 3.9 0.00653333 0.00001423
Totales 30 37.6 0.03046667 0.00004967
4. RELACIN EMPRICA ENTRE MEDIA, MEDIANA Y MODA

Para distribuciones de frecuencias de forma campanoide, unimodales y moderadamente
asimtricas, se cumple que:
x Mo = 3(x Me)
Ejemplo
En Cochabamba existe una empresa que cra truchas en forma comercial. La gerencia est
interesada en la longitud y peso de las truchas y continuamente toma muestras de los
estanques. Una muestra del estanque n 42 revel que la longitud modal es 12 pulgadas y la
media de 12.9 pulgadas. Cul es la mediana aproximada de las longitudes?
Resolucin
Si se supone que la distribucin de la longitud de las truchas de ese estanque tiene forma
campanoide, es unimodal y moderadamente asimtrica, entonces la longitud mediana es:
12.9 12 = 3(12.9 Me)

Me = 12.6
5. RBOL DE DECISIN PARA ESTADGRAFOS

193
A continuacin se presenta un rbol que resume toda la informacin vertida en los captulos 5
8, que ayudar al investigador a decidir los estadgrafos adecuados para el resumen de las
distribuciones en las que est trabajando (ver figura 8.5.1 de elaboracin propia).
194
Variable
Cuantitativa
Caracterstica de
la poblacin
Cualitativa
Atributo
Aleatorio
Tipo de
experimento?
Tipo I
Ordinal
Nominal
Decimales
Continua
Discreta
Variables
Tipo de valores?
Enteros
Tipo III
Intervalos?
Constantes
Valores? - variables?
Muchos-Pocos Tipo II
Muchos-Muchos
Determinstico
Pocos-Pocos
Si
Existe jerarqua?
No
FIGURA 8.5.1. RBOL PARA ESTADGRAFOS
i =1
i =1
Me
1 195
Mo
2
f( x i ) dx
x + x i+1
Me = i
2
f (x) dx =
E [x ] =
Me = x i
i=1
Mo
n i+1
a i+1
Mo = L i1 +
(a i)
n i+1 + n i 1
a i+1 a i 1
n
Ni 1
Me = Li 1 + 2
(a i )
ni
E [x ] = x i P (x i )
+1
x i + x i+1
2
G = n x ini
Me =
Mo
i =1
G = n xi
Me =
xn + xn
n i+1
Mo = L i 1 +
(a i )
n i+1 + n i 1
n
H= n
ni
i=1 x i
Me = x i
x=
n
1
i=1 x i
x n
H=
Me = x n +1
x=
i =1
Mediana
Moda
Moda
Posicin
x 2i x i
n
n
AQ = Q3 Q1
V [x ] = x 2 f(x) dx [ x ]
AQ = Q3 Q1
i =1
AQ = Q3 Q1
AQ = Q3 Q1
x i 2 n i xi ni
n
n
V[x] = x i2P(xi ) [ x ]
S=
AQ = Q3 Q1
S=
AQ = Q3 Q1
Dispersin
s
x
s
x
s
x
s
x
s
x
s
x
CV =
CV =
CV =
CV =
CV =
CV =
Comparacin
C.A. =
C.A. =
C.A. =
C.A. =
C.A. =
C.A. =
3(x Me)
s
2
n (x i x) n i
i=1
3(x Me) g 2 =
1
s
1 n
(x x)4 n i
n i=1 i
2
n (x i x) n i
i=1
1 n
(x x)4 n i
n i=1 i
2
n (x i x) n i
i=1
3(x Me) g =
2
1
s
3(x Me)
s
Curtosis
1 n
(x x)4 n i
n i=1 i
3(x Me) g =
2
1
s
3(x Me)
s
Asimetra
EJERCICIOS DE CLASE
Asimetra
1. Halle el coeficiente de asimetra de los segundos ejemplos, del captulo de Distribucin de
Frecuencias.
Curtosis
2. Halle el coeficiente de curtosis de los segundos ejemplos de las distribuciones tipo III, del
captulo de Distribucin de Frecuencias.
Ejercicio adicional
3. En muchos procesos de manufactura hay un trmino llamadotrabajo en proceso (abreviado
WIP, por sus siglas en ingls de work-in-process) En una planta manufacturera de libros esto
representa el tiempo que se necesita para doblar, unir, coser, proteger con guardas, y
encuadernar las hojas que salen de la prensa. Los siguientes datos representan muestras de
20 libros en dos plantas de produccin y el tiempo de procesamiento (definido como el tiempo
en das contado desde que el libro llega a las prensas hasta que se empaca en cajas) para
estas actividades.
Planta A
5.62
11.62
5.29
7.29
16.25
7.50
10.92
7.96
11.46
4.42
21.62
10.50
8.45
7.58
8.58
9.29
5.41
7.54
11.42
8.92
Planta B
9.54
5.75
11.46 16.62
12.46 9.17
12.62
13.21
25.75
6.00
Para cada una de las plantas, calcule:

a) La media aritmtica.
b) La mediana.
c) Primer y tercer cuartil.
d) El rango intercuartlico.
e) La desviacin estndar.
f) El coeficiente de variacin.
g) El coeficiente de asimetra.
h) El coeficiente de curtosis.
i) Existen diferencias entre las dos plantas?
196
15.41
2.33
14.29 13.13 13.71 10.04

14.25 5.37 6.25 9.71
1. Una distribucin es moderadamente asimtrica. Calcule la moda sabiendo que su media es
igual a 3 y que la diferencia entre la media y la mediana es igual a -2.
2. Un estudio de las ventas netas de una muestra de pequeas empresas revel que las ventas
netas tienen una media de 2.1 millones de $, una mediana de 2.4 millones de $ y una moda
de 2.6 millones de $. La desviacin estndar de la distribucin es 500000 $.
La distribucin de las ventas netas es simtrica o asimtrica, de sesgo negativo o positivo?
3. En la distribucin que sigue se contaron los ingresos mensuales de empleados de tiempo
parcial.
Ingresos semanales
($us)
40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
90 - 100
100 - 110
110 - 120
ni
8
16
24
48
22
14
11
7
a) Determine el coeficiente de asimetra y d una interpretacin.

b) Determine el coeficiente de curtosis e interprete el resultado.
197

1. Un profesor de Ingls quiere evaluar el rendimiento de sus alumnos, utilizando tres mtodos
distintos de enseanza. Para ello, los implement en tres aos diferentes. Los puntajes para
cada curso se muestran a continuacin:
Ao 1998:
Li-1 - Li
70-80
80-90
90-100
Ao 1999:
ni
9
10
1
20
Ao 2000:
Li-1 - Li
70-80
80-90
90-100
Li-1 - Li
70-80
80-90
90-100
ni
1
15
9
25
ni
1
4
10
15
a) Compare la dispersin relativa de las tres distribuciones.

b) Compare el grado de asimetra de las tres distribuciones.
c) El profesor quiere saber si los tres mtodos de enseanza son distintos o iguales. Puede
ayudarlo a decidir?
d) Cul es el puntaje promedio de todos los alumnos que pasaron clases en el periodo
1998-2000?
Si se considera al grupo total de alumnos:
e) Suponga que la media de los puntajes de los alumnos menores de edad fue de 80 y la de
los mayores de edad fue de 90. Determine el porcentaje de alumnos menores y mayores
de edad.
f) El profesor quiere analizar el siguiente ao otros dos mtodos para aumentar el
rendimiento de sus alumnos. Segn sus estimaciones, el primer mtodo aumentar el
puntaje en 5 puntos y el segundo mtodo en 30 % del puntaje que sac cada alumno.
Qu mtodo le conviene implementar?
g) Determine el grado de curtosis de la distribucin.
2. En una fundicin se muestre un gran nmero de hornos con los siguientes resultados de
temperaturas:
Estadstico [C]
Media aritmtica
Mediana
Moda
Desviacin estndar
Desviacin
cuartlica
Desviacin media
Nmero de hornos
Lnea 1
238.1
240.0
241.5
3.0
1.9
Lnea 2
240.0
240.0
240.0
0.4
0.2
Lnea 3
242.9
240.0
239.1
3.9
2.2
1.0
100
0.1
150
1.7
250
a) Midiendo las dispersiones relativas, cul de las lneas tiene temperatura ms

homognea? Qu puede decir de la simetra de las tres lneas?
198
b) Encontrar la media de las temperaturas de toda la fundicin. Para mejorar la eficiencia se

propone aumentar las temperaturas en 50C o aumentar el 20% de su temperatura a cada
horno. Cul recomendara usted, si se desea mantener la variabilidad constante?
c) Hoy se registr en la lnea 1 una temperatura constante de 239 C, en la lnea 2 una de
242 C, y en la lnea 3 una de 243 C. Qu horno tuvo una temperatura relativa ms alta?
3. Cuatro fabricantes de focos de 100 watts, han reunido la siguiente informacin estadstica
sobre la vida til (horas) de sus productos:
Estadsticos
Media Aritmtica
Varianza
Mediana
Fabricante A
835.25
3135.14
891.25
Fabricante B
985.10
2063.44
970.33
Fabricante C
942.75
1878.56
949.00
Fabricante D
1097.72
2673.54
1087.00
Los fabricantes quieren formar una alianza. Han contratado a un asesor en Estadstica para
que les ayude en el tratamiento de los datos, su interpretacin y acciones a tomar. La
informacin que necesitan saber es:
a)
b)
c)
d)
Qu fabricante produce los focos con una vida til ms variable?

Qu distribucin de la vida til de los focos es ms sesgada?
Da lo mismo comprar los focos de cualquier fabricante?
Halle el coeficiente de variacin de la vida til del conjunto total de los focos de los
fabricantes.
e) Los fabricantes quieren contratar a un experto que les ayude a elevar la vida til de sus
focos. Se presentaron dos. Uno de ellos asegura que puede elevar la vida til de los focos
en 1%. El otro puede elevar la vida til de los focos en 10 horas. Qu experto ser
contratado?
2. El Banco BISA ha realizado un estudio sobre el tiempo (minutos) que esperan sus clientes
para realizar una transaccin. Los datos de una muestra se dan en la siguiente tabla:
Li-1-Li
ni
hi
Ni
Hi
xi
xi*ni
12.5
20
40
xi2*ni
Me = 18.75
Q1 = 15.625
Mo = 18.90625
Los tres en Fila 4
Q3 = 23 (Fila 5)
Amplitud = 5 (constante)
Media = 18.7
75
Totales
100
a) Complete la distribucin del tiempo de espera de los clientes del Banco BISA.
b) El gerente quiere tomar una decisin en base a los datos estadsticos. Por eso, ha decidido
que si el rango de tiempo de espera del 60% central de los clientes es mayor a 20 minutos, el
banco tendr que realizar un estudio de teora de colas para optimizar este proceso. Qu
decisin debe tomar el gerente?
CASO DE ESTUDIO
SPRINGVILLE HERALD
199
FASE 5
Walter Fairfax, jefe del departamento de servicios de cmputo, not que adems de la tabla y
grfica preparadas con base en la tabla SH2.4, con relacin a la cantidad de cartuchos que son
accesados, se necesitaran varias medidas descriptivas de resumen relativas a ubicacin,
variacin y sesgo para que los informes proporcionados a la administracin fueran ms tiles.
Ejercicios
a)
b)
c)
d)
Obtenga todas las medidas de tendencia central que considere necesarias.

Obtenga todas las medidas de variacin que considere necesarias.
Obtenga todas las medidas de comparacin, asimetra y curtosis que considere necesarias.
Cul es la medida de posicin y dispersin ms tiles en este caso?
200
CAPTULO 9
ESTADSTICA BIDIMENSIONAL
DISTRIBUCIN DE FRECUENCIAS DE DOS VARIABLES,
ATRIBUTOS O MIXTAS
1. INTRODUCCIN
Se ha estudiado hasta el momento los mtodos estadsticos que hacan referencia a
estadsticas de carcter cuantitativo de una sola variable o unidimensionales o de carcter
cualitativo, insistiendo particularmente en su representacin grfica y en la obtencin de
frmulas para el clculo de sus medidas ms representativas.
Determinada la poblacin correspondiente a un problema tcnico, econmico o social, los datos
correspondientes pueden ser organizados considerando dos o ms variables o atributos,
ampliando los conceptos hasta ahora utilizados para el caso de una sola variable o atributo.
Las parejas de valores, as obtenidas por observacin conjunta, podrn o no repetirse un
nmero determinado de veces.
La presentacin de los datos as elaborados, forman una distribucin bidimensional (si se trata
de atributos se denomina tabla de contingencia, y si se mezcla una variable con un atributo se
dice que es una bidimensional mixta) o ampliando el concepto a ms variables, forman una
distribucin multidimensional.
2. TIPOS DE DISTRIBUCIONES DE DOS VARIABLES, ATRIBUTOS O MIXTAS

Las mencionadas distribuciones segn el nmero de observaciones y valores diferentes
respecto a dos variables o atributos considerados, pueden ser de los siguientes tipos (ver figura
9.2.1).
Figura 9.2.1
Tipos de distribuciones de dos variables, atributos o mixtas
Variables o atributos
Nmero de
observaciones
Pequeo
Grande
Grande
Tipo I
Tipo II
Tipo III
Nmero de
valores diferentes
Pequeo
Pequeo
Grande
2.1. Distribucin bidimensional tipo I

Se da cuando las observaciones efectuadas y los valores diferentes de las dos variables o las
modalidades diferentes de los dos atributos, son pocos. La organizacin de dichos datos, si se
201
trata de variables, se efecta considerando valores ascendentes o descendentes y su

presentacin en general, se efecta tomando en cuenta dichos pares de valores registrados en
dos columnas de la forma general mostrada en la tabla 9.2.1, donde algunos valores de la
variable X pueden repetirse, pero con distinto valor de la variable Y, y viceversa:
Tabla 9.2.1
Distribucin bidimensional (xi , yi) tipo I
xi
x1
x2
x3
:
xr
yi
y1
y2
y3
:
ys
Fuente: Casa Aruta, Ernesto. Doscientos Problemas de Estadstica Descriptiva, 1965.

Ejemplo
Sea una variable bidimensional que relaciona unidades vendidas (miles de artculos) con
utilidades (miles de $us.) (ver tabla 9.2.2).
Tabla 9.2.2
Distribucin bidimensional de utilidades vs. unidades vendidas
xi
yi
(unidades) (Utilidades)
1
20
2
40
3
70
4
80
5
100
La informacin se lee de la siguiente manera:
Fila 1: Cuando la empresa vendi 1000 unidades obtuvo 20000 $us de utilidades.
Fila 5: Cuando la empresa vendi 5000 unidades obtuvo 100000 $us de utilidades.
2.2. Distribucin bidimensional tipo II

Esta distribucin se presenta cuando las observaciones son muchas y pocos los valores
diferentes de las variables (o las modalidades de los atributos).
Los datos se organizan en un cuadro de doble entrada, de manera que en las filas se registren
los valores diferentes de la variable xi y en la columna se registren los valores diferentes de la
variable yj. El cuerpo de dicha tabla de doble entrada registra las veces que se repite el par
(x i , yi ) . Este nmero se denomina frecuencia absoluta bidimensional y se simboliza por n ij.
202
El valor del universo, poblacin o colectivo, es la suma de los valores de frecuencia absoluta
bidimensional, tal que:
r
n = n ij
i=1 j=1
La disposicin general de un cuadro bidimensional tipo II, es la siguiente:

Tabla 9.2.3
Distribucin bidimensional tipo II
yj
xi
x1
x2
:
xr
Total
y1
Y2
...
ys
n11
n21
:
nr1
n12
n22
:
nr2
...
...
:
...
n1s
n2s
:
nrs
Total
n =
n ij
i =1 j =1

donde: n21 es el nmero de veces que se repite el par (x2 , y1).
Nota 1: En la distribucin de frecuencias de una variable bidimensional tipo II, si en lugar de los
valores nij, se escriben h ij =
n ij
n
, se dice que es una distribucin bidimensional de frecuencias
relativas.
Nota 2: La distribucin bidimensional expresada en frecuencias absolutas conjuntas, puede ser
escrita en forma de frecuencias absolutas conjuntas acumuladas bidimensionales, cuando los
nij se sustituyen por:
i*
j*
N i* j* = n ij
i=1 j=1
Nota 3: La distribucin bidimensional de frecuencias absolutas conjuntas acumuladas

bidimensionales se puede expresar mediante frecuencias relativas conjuntas acumuladas
bidimensionales, si Nij se sustituye por:
i*
j*
H i j = h ij
* *
i=1 j=1
203
Ejemplo
Frecuencias absolutas conjuntas:
Sea la siguiente distribucin bidimensional de frecuencias absolutas conjuntas (n ij) (ver tabla
9.2.4):
Tabla 9.2.4
Bidimensional horas de TV al da vs. edad de los nios (n ij)
yi
xi
5
7
9
Total
Total
8
1
4
13
4
3
5
12
2
6
7
15
14
10
16
40

donde:
x = edad de los nios

y = horas frente al televisor al da
Fila 1, columna 1: 8 de 40 nios tienen 5 aos de edad y ven 1 hora de televisin al da.
Fila 3, columna 2: 5 de 40 nios tienen 9 aos de edad y ven 3 horas de televisin al da.
Fila 2: 10 de 40 nios tienen 7 aos.
Columna 2: 12 de 40 nios ven 3 horas de televisin al da.
Frecuencias relativas:
De acuerdo a la nota 1, se determinar la distribucin bidimensional de frecuencias relativas
conjuntas (hij), expresadas en porcentaje (ver tabla 9.2.5):
Tabla 9.2.5
Bidimensional horas de TV al da vs. edad de los nios (h ij)
xi
yi
5
7
9
Total
Total
20.0
2.5
10.0
32.5
10.0
7.5
12.5
30.0
5.0
15.0
17.5
37.5
35.0
25.0
40.0
100.0

Fila 1, columna 1: El 20% de los nios tienen 5 aos de edad y ven 1 hora de televisin al
204
da.
Fila 3, columna 2: El 12.5% de los nios tienen 9 aos de edad y ven 3 horas de televisin al
da.
Fila 2: El 25% de los nios tienen 7 aos.
Columna 2: El 30% de los nios ven 3 horas de televisin al da.
Frecuencias absolutas acumuladas conjuntas:
De acuerdo a la nota 2, se determinar la distribucin bidimensional de frecuencias absolutas
acumuladas (Nij) (ver tabla 9.2.6):
Tabla 9.2.6
Bidimensional horas de TV al da vs. edad de los nios (Nij)
yi
xi
5
7
9
8
9
13
12
16
25
14
24
40

Fila 2, columna 2: 16 de 40 nios tienen entre 5 y 7 aos de edad y ven entre 1 y 3 horas de
televisin al da.
Fila 3, columna 2: 25 de 40 nios tienen como mximo 9 aos de edad y ven a lo ms 3
horas de televisin al da.
Frecuencias relativas acumuladas conjuntas:
De acuerdo a la nota 3, se determinar la distribucin bidimensional de frecuencias relativas
acumuladas (Hij), expresada en porcentaje (ver tabla 9.2.7):
Tabla 9.2.7
Bidimensional horas de TV al da vs. edad de los nios (Hij)
yi
xi
5
7
9
20.0
22.5
32.5
30.0
40.0
62.5
35.0
60.0
100.0

Fila 2, columna 2: 40% de los nios tienen entre 5 y 7 aos de edad y ven entre 1 y 3 horas
de televisin al da.
205
Fila 3, columna 2: 62.5% de los nios tienen como mximo 9 aos de edad y ven a lo ms 3
horas de televisin al da.
2.3. Distribuciones marginales

En toda distribucin de frecuencias bidimensional, cuando se considera una variable (xi) y se
prescinde de la otra (yj), se obtiene una distribucin marginal o distribucin de frecuencias de
una variable.
Ejemplo
Sea la distribucin marginal de xi y la distribucin marginal de yi (ver tabla 9.2.8):
Tabla 9.2.8
Distribuciones marginales de x y y
s
xi
n x i = n ij
j=1
x1
nx1 = n1j = n11 + n12 + . . . + n1s
x2
nx2 = n2j = n21 + n22 + . . . + n2s
xr
n xr = n rj = n r1 + n r2 + . . . + n rs
j=1
s
j=1
s
j=1
r
n = n ij
i=1 j=1
yi
ny j = n ij
i=1
r
y1
n y1 = n i1 = n11 + n 21 + . . . + n r1
y2
n y2 = n i2 = n12 + n 22 + . . . + n r2
yr
n ys = n is = n1s + n2s + . . . + n rs
i=1
r
i=1
r
i=1
n = n ij
i=1 j=1

206
Nota
Determinadas las distribuciones marginales, mediante relaciones de clculo conocidas pueden
determinarse cualquiera de los estadgrafos si se est caracterizando una variable:
de posicin (media aritmtica, mediana, moda, media armnica y media geomtrica).

de dispersin (recorrido, varianza, desviacin estndar).
de comparacin (coeficiente de variacin y variable tipificada o estandarizada).
de forma (asimetra y curtosis)
Si se est caracterizando un atributo ordinal, puede determinarse los estadgrafos:
de posicin (moda y mediana)
Si se est caracterizando un atributo nominal, puede determinarse los estadgrafos:
de posicin (moda)
Ejemplo
Sea la siguiente distribucin bidimensional de frecuencias absolutas (n ij):
yi
xi
5
7
9
Totales
donde:
Totales
8
1
4
13
4
3
5
12
2
6
7
15
14
10
16
40

y = horas frente al televisor al da
Muestre las distribuciones marginales.

Resolucin.
Prescindiendo de la variable y:
xi
5
7
9
Prescindiendo de la variable x:
ni
14
10
16
40
yi
1
3
7
ni
13
12
15
40
2.4. Distribucin bidimensional tipo III

Esta forma de distribucin se presenta cuando se han efectuado muchas observaciones y los
valores diferentes de la variable registrados son igualmente muchos.
207
Su organizacin, si se trata de presentar una distribucin de frecuencias tipo III con intervalos
constantes para las dos variables, requiere:
Calcular el recorrido de ambas variables.
Establecer el nmero de clases para cada variable.
Determinar la amplitud de clase para cada variable dividiendo el recorrido entre el nmero
de clases fijado.
Si la presentacin es con intervalos no constantes, se requiere:
Definir el recorrido de ambas variables.
Establecer los intervalos de clase y su nmero segn las exigencias del estudio o la
resolucin del problema.
Su presentacin general se efecta de la siguiente manera (ver tabla 9.2.9).
Tabla 9.2.9
Distribucin bidimensional tipo III
yj -1 - yj
xi -1 - xi
xo - x1
x1 - x2
x2 - x3
:
xr-1 - xr
Total
yo - y1
y1 - y2
y2 - y3
...
ys-1 - ys
n11
n21
n31
:
nr1
n12
n22
n32
:
nr2
n13
n23
n33
:
nr3
...
...
...
:
...
n1s
n2s
n3s
:
nrs
Total
n = n ij
i =1 j=1

Nota: Tambin puede expresarse en trminos de frecuencia relativa, frecuencia absoluta
acumulada y frecuencia relativa acumulada conjunta.
De la distribucin bidimensional tipo III se obtienen dos distribuciones marginales tipo III.
Las distribuciones marginales tipo III transformadas en distribuciones unidimensionales tipo
II, permiten mediante clculos conocidos, determinar estadgrafos de posicin central, de
dispersin, de comparacin o de forma.
Ejemplo 1: bidimensional de dos variables
En la UPB se hizo una encuesta a 50 estudiantes sobre el nmero de cigarrillos que consumen
al da (xi), y se los clasific por edades (yi). Los datos recopilados fueron los siguientes:
xi:
yi:
1
19
11
20
15
20
6
19
0
18
208
3
20
12
19
10
18
6
20
5
19
xi:
yi:
xi:
yi:
xi:
yi:
xi:
yi:
2
20
1
20
0
20
0
20
0
19
8
18
1
19
15
18
1
20
4
19
5
20
2
20
6
18
6
20
3
20
14
19
0
20
7
19
4
20
4
20
2
19
5
18
3
20
1
18
4
20
7
20
10
19
5
19
2
19
1
20
13
18
4
20
5
20
10
20
2
20
8
20
11
18
3
19
2
18
4
19
Organice los datos en un cuadro bidimensional de frecuencias acumuladas relativas H i,j (%), de
forma de poder contestar:
a) Qu porcentaje de los alumnos que tienen a lo ms 19 aos, consumen como mximo 10
cigarrillos?
b) Qu porcentaje de los alumnos, tienen como mximo 20 aos y consumen como mximo 5
cigarrillos?
Resolucin
Determine para cada variable si la distribucin es de intervalos constantes o no.
En este caso, como se debe contestar preguntas especficas, las dos variables son de
intervalos no constantes.
Defina el recorrido de ambas variables.
Rx = 15 - 0 = 15
Ry = 20 - 18 = 2
Establezca los intervalos de clase y su nmero segn las exigencias del estudio o la
resolucin del problema.
Para x:
Para y:
0-5
18
5 - 10
19
10 - 15
20
(Tipo III)
(Tipo II)
Realice el conteo para las dos variables y determine la distribucin bidimensional de

frecuencias absolutas conjuntas (nij)( ver tabla 9.2.10):
Tabla 9.2.10
Bidimensional consumo de cigarrillos diarios vs. edad (n ij)
xi
yi
0-5
5 - 10
10 - 15
Total
18
19
20
Total
4
3
3
10
10
3
2
15
18
5
2
25
32
11
7
50

209
Determine la distribucin bidimensional de frecuencias relativas conjuntas (h ij), en porcentaje

(ver tabla 9.2.11):
Tabla 9.2.11
Bidimensional consumo de cigarrillos diarios vs. edad (h ij)
yi
xi
0-5
5 - 10
10 - 15
Total
18
19
20
Total
8
6
6
20
20
6
4
30
36
10
4
50
64
22
14
100

Determine la distribucin bidimensional de frecuencias relativas acumuladas conjuntas (H ij),
en porcentaje (ver tabla 9.2.12):
Tabla 9.2.12
Bidimensional consumo de cigarrillos diarios vs. edad (Hij)
yi
xi
0-5
5 - 10
10 - 15
18
19
20
8
14
20
28
40
50
64
86
100

Resultados.
a) 40% de los alumnos tienen como mximo 19 aos y consumen como mximo 10 cigarrillos
al da.
b) 64% de los alumnos tienen 20 aos y consumen como mximo 5 cigarrillos al da.
Ejemplo 2: bidimensional mixta (variable y atributo)
En una fbrica se hizo un examen psicotcnico a los 22 operarios de su seccin de montaje,
clasificndolos a la vista de los resultados en buenos, normales y malos. Se observaron
tambin los errores cometidos por estos 22 montadores durante un cierto periodo de tiempo,
obtenindose la siguiente informacin:
errores
examen
errores
examen
0
B
2
N
2
B
3
M
1
N
2
M
0
B
3
M
3
N
0
N
Determine los cuadros adecuados, para contestar:

210
1
N
1
M
0
B
3
M
1
N
1
N
2
N
1
B
1
B
2
N
3
N
2
N
a) Cuntas personas cometieron 3 errores y obtuvieron una calificacin de malo?

b) Qu porcentaje de montadores obtuvieron una calificacin de normal y cometieron 1 error?
c) Cuntos trabajadores cometieron no ms de un error y obtuvieron una nota de bueno?
d) Qu porcentaje de personas obtuvieron en su examen una calificacin de por lo menos
normal y cometieron como mximo 2 errores?
Resolucin
Primero se debe tabular los datos en una distribucin de frecuencias absolutas conjuntas
(ver tabla 9.2.13). Se tiene un atributo ordinal: clasificacin del examen con tres
modalidades, y una variable discreta tipo II, con 4 valores diferentes de la variable; por lo
cual la bidimensional es mixta.
Tabla 9.2.13
Bidimensional clasificacin de examen vs. errores cometidos (n i,j)
Errores
cometidos
0
1
2
3
Totales
Clasificacin del examen

Buenos
Normales
Malos
3
1
0
2
4
1
1
4
1
0
2
3
6
11
5
Totales
4
7
6
5
22
Luego se procede a determinar los cuadros faltantes y a responder a las preguntas (ver
tablas 9.2.14-16).
a) Con el cuadro ni,j, se puede saber que tres montadores de los 22, cometieron 3 errores y
obtuvieron una calificacin de malo.
Tabla 9.2.14
Bidimensional clasificacin de examen vs. errores cometidos (h i,j)
Errores
cometidos
0
1
2
3
Totales

Buenos
Normales
Malos
13.64
4.54
0
9.09
18.18
4.55
4.54
18.19
4.54
0
9.09
13.64
27.27
50.00
22.73
Totales
18.18
31.82
27.27
22.73
100.00

b) Con el cuadro hi,j, se puede saber que el 18.18% de los montadores, obtuvieron una
calificacin de normal y cometieron 1 error.
211
Tabla 9.2.15
Bidimensional clasificacin de examen vs. errores cometidos (Ni,j)
Errores
cometidos
0
1
2
3

Buenos
Normales
Malos
3
4
4
5
10
11
6
15
17
6
17
22
c) Con el cuadro Ni,j, se puede saber que 5 de los 22 trabajadores cometieron no ms de un

error y obtuvieron una nota de bueno.
Tabla 9.2.16
Bidimensional clasificacin de examen vs. errores cometidos (Hi,j)
Errores
cometidos
0
1
2
3

Buenos
Normales
Malos
13.64
18.18
18.18
22.73
45.45
50.00
27.27
68.18
77.27
27.27
77.27
100.00
d) Con el cuadro Hi,j, se puede saber que el 68.18% de personas obtuvieron en su examen una
calificacin de por lo menos normal y cometieron como mximo 2 errores.
3. COVARIANZA
3.1. Definicin
El grado de dependencia o relacin entre las variables de una distribucin bidimensional, se
determina mediante la covarianza. Se define como la media del producto de las desviaciones
de los valores de cada variable respecto de su media aritmtica.
El signo de la covarianza define la naturaleza de la asociacin:
Si es positiva, se dice que existe relacin directa entre las variables (aumento o disminucin
en x implica aumento o disminucin en y).
Si es negativa, indica relacin inversa entre las variables.
Si es cero, no existe ninguna relacin entre las variables.
Cuanto ms alejado est el valor de la covarianza hallado de cero, la relacin entre las
variables ser ms intensa.
212
3.2. Determinacin
a) Tipo I
La covarianza se simboliza por el signo S xy y se define de la siguiente manera para
distribuciones tipo I:
n
(x
Sxy =
x )( yi y)
i =1
Para calcular la covarianza se acostumbra a presentar la frmula de forma ms prctica.

Desarrollando la frmula anterior, se tiene:
Sxy =
(x
x )( yi y)
n
Sxy =
x
n
yi
(x
yi y x i x yi + x y)
n
yx xy + xy =
Sxy =
x
n
n
yi
yi
yx =
yi
x
n
yi
x
n
y
n
nx y
n
x i yi

n
n
x i yi

n
n
Ejemplo
Sea una variable bidimensional tipo I que relaciona unidades vendidas (miles de artculos) con
utilidades (miles de $us.):
xi
yi
(unidades) (Utilidades)
1
20
2
40
3
70
4
80
5
100
Halle la relacin de asociacin entre las ventas y las utilidades de la empresa.
Resolucin
Con ayuda de la tabla bidimensional tipo I, se obtienen las sumatorias adecuadas, segn la
ecuacin para hallar la covarianza (ver tabla 9.3.1):
213
Tabla 9.3.1
Clculo de la covarianza en distribuciones tipo I: Utilidades vs unidades vendidas
xi
1
2
3
4
5
15
yi
20
40
70
80
100
310
xi*yi
20
80
210
320
500
1130

Se reemplazan los valores hallados en la frmula:
Sxy =
1130 15 310

= 40
5
5 5
Conclusin: Como el valor de la covarianza es positivo y est alejado del cero, se puede decir
que existe una relacin directa intensa entre las unidades vendidas y las utilidades de la
empresa.
b) Tipo II o III
La frmula de definicin para distribuciones tipo II es:
n
( x x) * ( y y ) * n
i
i =1
Sxy =
Para clculos:
Sxy =
yi n i
x i n i yi n i
n n
Ejemplo
Halle la covarianza de la siguiente distribucin bidimensional de frecuencias absolutas:
yi
Total
5
7
9
Total
8
1
4
13
4
3
5
12
2
6
7
15
14
10
16
40
xi
214
Donde:
y = horas frente al televisor
Resolucin
Se unidimensionaliza la distribucin (ver tabla 9.3.2).
Tabla 9.3.2
Clculo de la covarianza en distribuciones tipo II: horas de TV vs edad
xi
5
5
5
7
7
7
9
9
9
yi
1
3
7
1
3
7
1
3
7
ni
8
4
2
1
3
6
4
5
7
40
xi * ni
40
20
10
7
21
42
36
45
63
284
yi * ni
8
12
14
1
9
42
4
15
49
154
xi * yi * ni
40
60
70
7
63
294
36
135
441
1146

Se realizan los siguientes clculos: xi*ni, yi*ni, xi*yi*ni en las columnas (4), (5) y (6)
respectivamente.
Se reemplazan los valores hallados en la ecuacin:
Sxy =
1146 284 154
= 1.315
40 40 40
Conclusin: Como la covarianza es positiva, pero el valor es cercano a cero, se puede decir
que existe una relacin directa dbil entre la edad de los nios y las horas que ven televisin al
da.
c) Bidimensionales de atributos o mixtos
Si se tiene una tabla de contingencia, tambin se puede determinar el grado de asociacin
entre atributos o series mixtas.
Cuando entre dos atributos no existe ninguna influencia mutua, se dice que son
independientes. En caso contrario se dice que hay asociacin o dependencia.
Para fundamentar, aunque sea de una forma simple el razonamiento que sigue, vamos a
suponer una distribucin de dos atributos cada uno de los cuales toma dos modalidades
distintas (ver tabla 9.3.3):
215
Tabla 9.3.3
Distribucin bidimensional de atributos o mixtas
A
a1
a2
Total
n11
n12
n1i
n21
n22
n2i
ni1
ni2
n
B
b1
b2
Total

Evidentemente, si A y B son independientes, el nmero de los elementos que poseen las
modalidades b1 y a1 y el nmero de los elementos que poseen las modalidades b 1 y a2 han de
guardar la misma proporcin con respecto al total de a1 y con respecto al total de a2,
respectivamente. Algebraicamente:
n 11
n 21
=
n1i n 2i
i
de donde se puede escribir tambin que:
n 21
=
n 2i
i
n 11 + n 21
=
n 1i + n 2i
i
i1
y finalmente que:
n n
2i
n 21 =
i1
De otra forma, diremos que existir independencia entre dos modalidades a y b cuando:
n ab =
na nb
n
siendo aqu n ab el nmero de elementos que poseen las dos modalidades a y b conjuntamente,
na el nmero de los que poseen la modalidad a y nb el de los que poseen la modalidad b.
Tngase en cuenta que no es necesario que dicha igualdad se cumpla estrictamente: desde el
punto de vista estadstico, basta con que la diferencia entre los dos miembros sea
relativamente pequea.
La asociacin entre dos modalidades ser, de tipo positivo si:
216
n ab
na nb
>0
n
n ab
na nb
<0
n
y negativo si:
llamndose atraccin a la asociacin de tipo positivo, y repulsin a la asociacin de tipo

negativo.
En definitiva y resumiendo esquemticamente:
>
atraccin
na nb
n ab =
: independen cia
n
<
repulsin
Ejemplo
Se realiz una encuesta a 30000 habitantes de una determinada ciudad. Se obtuvo la siguiente
distribucin en cuanto a su estado civil y sexo (ver tabla 9.3.4).
Tabla 9.3.4
Bidimensional de estado civil vs sexo
Estado civil
Sexo
Masculino
Femenino
Total
Soltero
Casado
Viudo
Total
8052
8384
16436
5815
5989
11804
542
1218
1760
14743
15257
30000

Determine el tipo de dependencia entre las modalidades de ambos atributos.
Resolucin
Se realizan los clculos correspondientes, para cada combinacin de modalidades entre los
dos atributos.
(14743)(16436)
= 8077 (independie nte)
30000
(14743)(11804)
n M C (5815) =
30000
(14743)(1760)
n M V (542) =
= 865 (repulsin )
30000
n M S (8052) =
217
(15257)(16436)
30000
(15257)(11804)
n F C (5989) =
30000
(15257)(1760)
n F V (1218) =
= 895 (atraccin)
30000
n F S (8384) =
Conclusin: Existe independencia entre sexo de la persona y si es casado o soltero. Sin

embargo, existe repulsin entre sexo masculino y estado civil, viudo. Tambin existe atraccin
entre sexo femenino y estado civil, viuda. Eso quiere decir que es frecuente que existan ms
viudas que viudos.
Nota: El mtodo usado sirve nicamente para conocer la independencia o el tipo de asociacin
existente entre dos modalidades cualquiera, perteneciente cada una de ellas a un atributo
observado empricamente. Para conocer la existencia de independencia o asociacin entre dos
atributos es necesario recurrir a otro mtodo distinto que haga intervenir todas las frecuencias
absolutas conjuntas, que se denomina prueba de independencia de atributos Chi-Cuadrada,
pero que no se puede exponer aqu, por falta de nociones de Estadstica Inferencial.
4. REGLAS DE COMPOSICIN PARA EL CLCULO DE PROBABILIDADES

4.1. Generalidades. Probabilidad conjunta.
Sea un experimento aleatorio E que tiene un espacio muestral S, donde sus resultados
posibles se organizan atendiendo a dos criterios de ordenacin (xi, yj). La presentacin de estos
resultados se efecta en un cuadro de doble entrada, donde n ij indica el nmero de veces que
aparece el par (xi, yj); en consecuencia, una distribucin bidimensional de probabilidades se
presenta en la siguiente forma general:
yj
y1
y2
...
ys
n11
n21
:
nr1
n12
n22
:
nr2
...
...
:
...
n1s
n2s
:
nrs
Total
xi
x1
x2
:
xr
Total
n = n ij
i=1 j=1
donde:
P ij =
n ij Casos favorables
=
n
Casos posibles
Pij se lee como probabilidad del evento (xi, yj), que es la probabilidad conjunta; es decir la
probabilidad de que los sucesos xi y yi ocurran al mismo tiempo.
Utilizando la informacin de la tabla de eventos o sucesos, dispuestos en forma de una
distribucin bidimensional, se pueden determinar las siguientes reglas de composicin.
218
4.2. Probabilidad marginal

Si en la distribucin bidimensional de probabilidades se prescinde de uno de los criterios de
ordenacin (digamos yj) y estamos interesados en los eventos que resultan de considerar el
criterio de ordenacin xi, se habr definido la probabilidad marginal de xi, que se denota por el
smbolo P(xi) y su clculo se efecta de la siguiente manera:
s
P ( x i ) = P ( x i, y j ) =
j=1
n i1 n i2 n i3
n
+
+
+ . . . + is
n
n
n
n
P( x i ) = P ( x i , y 1 ) + P ( x i , y 2 ) + K + P( x i , y s )
Si se trata de la probabilidad marginal de yj, el clculo se efecta de la siguiente manera:
r
P ( y j ) = P ( x i, y j ) =
i=1
n1j n 2j n 3j
n
+
+
+ . . . + rj
n
n
n
n
P( y j ) = P ( x 1 , y j ) + P ( x 2 , y j ) + K + P ( x r , y j )
La distribucin marginal (o normal), es la probabilidad de ocurrencia de un evento simple.
4.3. Regla de adicin

Se busca determinar la probabilidad de la unin de dos sucesos. Segn que los sucesos sean
mutuamente excluyentes o no, la regla de la adicin se determina de las dos siguientes formas:
a) Regla de adicin para sucesos mutuamente excluyentes
P( x y ) = P ( x ) + P ( y )
donde x y y son sucesos mutuamente excluyentes y sus probabilidades son marginales.
b) Regla de adicin para dos sucesos cualquiera
P( x y ) = P ( x ) + P ( y ) P ( x , y )
siendo P(x, y) la probabilidad conjunta.
Nota: Para resolver problemas de adicin de eventos en general, debe utilizarse la regla
correspondiente a dos sucesos cualesquiera, salvo que se tenga como dato que los sucesos
sean mutuamente excluyentes.
Para entender mejor la regla de adicin de eventos se usan los diagramas de Venn
(investigador ingls, 1834-88), que son representaciones grficas de los resultados de un
experimento aleatorio. Para elaborar un diagrama de Venn, se representa al espacio muestral
por un rectngulo, mientras que los eventos aparecen como regiones dentro del rectngulo,
generalmente en forma de crculos.
219
Las regiones sombreadas de los cuatro diagramas de Venn de la figura 9.4.1, representan
respectivamente: el evento A, su complemento, la unin de los eventos A y B y la interseccin
de A y B (para sucesos que no son mutuamente excluyentes y para los que si son).
Figura 9.4.1. Diagramas de Venn
A
A
S
A
A y A son mutuamente excluyentes

A
AB
AB
A y B no son mutuamente excluyentes
AB
AB
A y B son mutuamente excluyentes
Fuente: Freund y Simon. Estadstica Elemental, 1994.

El lector puede darse cuenta por qu en la suma de dos eventos que no son mutuamente
excluyentes, se debe restar la interseccin (se estara sumando dos veces el rea sombreada).
Ejemplo
En la figura anterior, si A es el evento en el que cierto estudiante asiste a un curso de clculo y
B es el evento en el que el estudiante est asistiendo a un curso de fsica, qu eventos estn
representados por las regiones sombreadas de los seis diagramas de Venn?
220
Resolucin.
Primer diagrama: Representa el evento en que el estudiante asiste al curso de clculo.
Segundo diagrama: El evento en que el estudiante no asiste al curso de clculo (asiste al de
fsica).
Tercer diagrama: El estudiante est asistiendo al curso de clculo o al de fsica.
Cuarto diagrama: El evento en el que asiste a los dos cursos a la vez (algo que no puede
ocurrir).
No se utilizan los dos diagramas del medio, ya que los eventos son mutuamente excluyentes,
suponiendo que los dos cursos estn programados a la misma hora y en las mismas fechas.
4.4. Probabilidad condicional

Dados dos sucesos o eventos xi, yj se define la probabilidad condicional cuando se busca
determinar la probabilidad del evento xi dado el evento yj; es decir, la probabilidad de que
ocurra un evento xi, ya que se sabe de antemano que ocurri el evento yi.
La probabilidad de un suceso determinado, condicionado a otro suceso se denota en smbolos,
de la siguiente manera:
P(x / y)
P(y / x)
y se lee:
y se lee:
"Probabilidad de x dado y".

"Probabilidad de y dado x".
Esta probabilidad se determina dividiendo la probabilidad conjunta entre la probabilidad

marginal:
P (x , y )
P (y )
P (x , y )
P (y /x ) =
P (x )
P (x /y ) =
Si P(y) > 0
Si P(x) > 0
4.5. Regla multiplicativa

a) Sucesos dependientes
Despejando las dos formas que expresan la probabilidad condicional y la probabilidad conjunta
se tiene:
o mejor:
P( x , y) = P( y) P(x / y)
(1)
P( y, x ) = P( x ) P( y / x )
P ( x , y ) = P ( y ) P( x / y ) = P( x ) P ( y / x )
(2)
(3)
La ecuacin (3) expresa la regla multiplicativa para dos eventos dependientes.
221
b) Sucesos independientes
Si
y
P( y / x ) = P2 ( y)
P( x / y) = P1 ( x )
(4)
(5)
Reemplazando (4) y (5) en (3), tenemos:
P( x , y) = P( x ) P2 ( y) = P1 ( x ) P( y)
que expresa la regla multiplicativa para dos sucesos independientes.
4.6. Probabilidad completa o total

Sea un atributo xi y un atributo yj compuesto por eventos mutuamente excluyentes:
y i = y1 , y 2 , K , y s
La probabilidad total o completa se da cuando se desea averiguar la probabilidad del evento x i
en base a sus intersecciones con los eventos del atributo yj.
s
P (x ) = P (x, y1) + P (x, y 2) + P (x, y 3) + . . . + P (x, y s) = P (x, y j)

j=1
Aplicando al segundo miembro la regla multiplicativa, se tiene:
P (x ) = P ( y1) *P (x / y1) + P ( y 2) * P (x / y 2) + . . . + P ( y s ) *P (x / y s )
s
= P ( y j ) * P (x / y j )
j=1
que expresa la regla de clculo para la probabilidad completa.
4.7. Teorema de Bayes

Permite determinar la probabilidad de las hiptesis yj dado el evento xi. Se expresa en forma de
una probabilidad condicional de la siguiente manera:
Aplicando la propiedad multiplicativa al numerador y la definicin de probabilidad total o
completa al denominador de la frmula de probabilidad condicional, se tiene la siguiente
expresin:
P (y j / xi ) =
P (xi , y j )
P (xi )
P ( y j ) * P (x i / y j )
s
P (y ) * P (x
j
j=1
222
/y j )
4.8. Ejemplo
Mediante el siguiente ejemplo se mostrar el clculo de probabilidades usando todas las reglas
anteriores.
Sea Ai = estrato de votantes: joven, adulto y viejo; Bj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribucin (ver tabla
9.4.1):
Tabla 9.4.1.
Bidimensional preferencia por partidos polticos vs. edad
Ai
Bj
J
A
V
Totales
MNR
MIR
MBL
Totales
2
7
6
15
6
3
7
16
4
5
0
9
12
15
13
40

Mediante reglas de composicin resolver las siguientes probabilidades:
1) Probabilidad de ser viejo o del MBL
Se trata de hallar la probabilidad de la unin de dos sucesos.
P(x y) = P(x) + P(y) - P(xy)
En trminos de las modalidades de la distribucin:
P(V MBL) = P(V) + P(MBL) - P(V, MBL)
La probabilidad buscada utilizando los datos de la distribucin, es:
P(V MBL) =
13 9
0 22
+
=
= 0.55
40 40 40 40
Conclusin: La probabilidad de ser viejo o del MBL es del 55%.

2) Probabilidad de ser adulto dado que se es del MNR.
Se trata de una probabilidad condicional:
P (x /y ) =
P (x , y )
P (y )

223
Si P(y) > 0
P (A /MNR ) =
P (A, MNR )
P (MNR )
donde: P(A, MNR) es la probabilidad conjunta y se lee en la tabla.
P (A, MNR ) =
7
40
y P(MNR) es la probabilidad marginal tal que:
P(MNR) =
15
40
Reemplazando valores:
7
7
P (A /MNR ) = 40 = = 0.47
15 15
40
Conclusin: La probabilidad de ser adulto dado que es del MNR es del 47%.
3) Verifique si la probabilidad marginal de ser del MIR es de 15/40.
Se trata de aplicar la probabilidad completa, donde:
3
P (x ) = P (x, y j )
j=1
3
P (x ) = P ( y j ) * P (x / y j )
j=1
En trminos de las modalidades:

P(MIR) = P(J)*P(MIR /J) + P(A)*P(MIR /A) + P(V)*P(MIR / V)
P (MIR ) = (
14 6
15 3
13 7
)( ) + ( )( ) + ( )( )
40 12
40 15
40 13
6
3
7 16
=
+
+
=
40 40 40 40
Conclusin: Por lo tanto se verifica que la probabilidad de ser del MIR no es 15/20 sino 16/40.
4) Verifique si la probabilidad de ser joven y del MIR es de 7/40.
Se trata de aplicar la regla multiplicativa:
P(x, y) = P(x) * P(y / x) = P(y) * P(x / y)
224

P(J, MIR) = P(MIR) * P(J / MIR) = P(J) * P(MIR / J)
Aplicando los datos de la distribucin de probabilidades:
P(J, MIR) = [ P(J, MIR) + P(A, MIR) + P(V, MIR) ] * [ P(J / MIR) ]
=[
6
3
7
6
16 6
6
+
+
] *[ ] =
* =
40 40 40
16
40 16 40
Conclusin: No es cierto que la probabilidad de ser joven y del MIR sea 7/40. Su resultado es
6/40.
5) Demuestre que la probabilidad de ser adulto dado que es del MBL es de 5/9.
Se trata del teorema de Bayes.
P (y j /x i ) =
P (x i y j )
P (x i )
P (y j ) * P (x i / y j )
s
P (y
) * P (x i / y j )
j=1
P (MBL, A )
P (MBL )
15 5
5
( )( )
5
P (A /MBL ) = 40 15 = 40 =
9
9 9
40
40
P (A /MBL ) =
Conclusin: Se verifica que la probabilidad de ser adulto dado que es del MBL es de 5/9.
5. CLCULO DE PROBABILIDADES UTILIZANDO DIAGRAMA DE RBOL

A veces es conveniente pasar la informacin que contiene una distribucin bidimensional a un
diagrama de rbol o viceversa. Se determinaron arboligramas en el captulo de Distribucin de
Probabilidades, como un mtodo para determinar espacios muestrales de experimentos
aleatorios.
Ejemplo 1
Sea Ai = estrato de votantes: joven, adulto y viejo; Bj = partidos que participan en elecciones:
MNR, MIR, MBL. Mediante encuesta se ha determinado la siguiente distribucin:
Pase la informacin probabilstica contenida en el cuadro de contingencia del ejemplo anterior a
un diagrama de rbol, usando las reglas de composicin descritas.
225
Resolucin
En primer lugar se dar un instructivo de lo que significa cada rama de un diagrama de rbol y
cmo hallar las probabilidades.
Las primeras ramas del rbol presentan sucesos aleatorios que tienen probabilidades
marginales. Se puede comenzar por cualquier clasificacin. Para diagramarlas debe hacerse
esta pregunta: Si se selecciona al azar una persona de entre las 40, cul es la clasificacin
de su edad?
Las segundas ramas de rbol son sucesos dependientes que presentan probabilidades
condicionales. Para diagramarlas debe hacerse la siguiente pregunta: habiendo determinado
la edad de la persona elegida al azar, de qu partido es?
En otras palabras se est determinando el espacio muestral del experimento aleatorio, es
decir el conjunto de sus posibles resultados y sus probabilidades respectivas.
Para hallar las probabilidades conjuntas en un diagrama de rbol se utiliza la regla
multiplicativa. Si se quiere hallar una probabilidad marginal que no se encuentra en las
primeras ramas, se utiliza la probabilidad total, y para hallar una probabilidad condicional
que no se encuentra en las segundas ramas se utilizar el teorema de Bayes.
Algunas caractersticas del diagrama de rbol son:
La suma de probabilidades conjuntas es 1.
La suma de probabilidades para sucesos mutuamente excluyentes es 1.
Se muestra a continuacin el diagrama de rbol (ver figura 9.5.1)
Figura 9.5.1. Arboligrama preferencia por partidos polticos vs. edad
P. marginales
12/40
15/40
P. condicionales
13/40
V
2/12
6/12
4/12
7/15
3/15
5/15
6/13
7/13
0/13
P. conjuntas
MNR
MIR
MBL
MNR
MIR
MBL
MNR
MIR
MBL
P(J, MNR) = P(J)*P(MNR/J) = (12/40)*(2/12) = 2/40

P(J, MIR) = P(J)*P(MIR/J) = (12/40)*(6/12) = 6/40
P(J, MBL) = P(J)*P(MBL/J) = (12/40)*(4/12) = 4/40
P(A, MNR) = P(A)*P(MNR/A) = (15/40)*(7/15) = 7/40
P(A, MIR) = P(A)*P(MIR/A) = (15/40)*(3/15) = 3/40
P(A, MBL) = P(A)*P(MBL/A) = (15/40)*(5/15) = 5/40
P(V, MNR) = P(V)*P(MNR/V) = (13/40)*(6/13) = 6/40
P(V, MIR) = P(V)*P(MIR/V) = (13/40)*(7/13) = 7/40
P(V, MBL) = P(V)*P(MBL/V) = (13/40)*(0/13) = 0

226
P. totales
P(MNR) = P(MNR, J)+P(MNR, A)+P(MNR, V) = (2/40)+(7/40)+(6/40) = 15/40
P(MIR) = P(MIR, J)+P(MIR, A)+P(MIR, V) = (6/40)+(3/40)+(7/40) = 16/40
P(MBL) = P(MBL, J)+P(MBL, A)+P(MBL, V) = (4/40)+(5/40)+(0/40) = 9/40
P. condicionales (Teorema de Bayes)
P(J/MNR) = P(MNR, J)/P(MNR) = (2/40)/(15/40) = 2/15
P(J/MIR) = P(MIR, J)/P(MIR) = (6/40)/(16/40) = 6/16
P(J/MBL) = P(MBL, J)/P(MBL) = (4/40)/(9/40) = 4/9
P(A/MNR) = P(MNR, A)/P(MNR) = (7/40)/(15/40) = 7/15
P(A/MIR) = P(MIR, A)/P(MIR) = (3/40)/(16/40) = 3/16
P(A/MBL) = P(MBL, A)/P(MBL) = (5/40)/(9/40) = 5/9
P(V/MNR) = P(MNR, V)/P(MNR) = (6/40)/(15/40) = 6/15
P(V/MIR) = P(MIR, V)/P(MIR) = (7/40)/(16/40) = 7/16
P(V/MBL) = P(MBL, V)/P(MBL) = (0/40)/(9/40) = 0
Ejemplo 2
El administrador de la unidad operativa de trnsito realiz un estudio sobre el nmero de
accidentes que hay en la ciudad con respecto a la edad del conductor. El arboligrama con las
probabilidades porcentuales est mostrado en la figura 9.5.2:
Figura 9.5.2. Arboligrama del nmero de accidentes vs. edad
88.24
21-41
0
1
42.39
4.22
2
90.07
39.87
41-61
7.00
0
1
2
0
61-71
6.72
2.96
2
227
El administrador quiere estimar cuantas personas de cada categora existirn, si este ao hay
4194 nuevos conductores.
Resolucin
En primer lugar, se pueden determinar las probabilidades del arboligrama que faltan, sabiendo
que la suma de probabilidades de eventos mutuamente excluyentes debe ser de uno.
P(61' 71) = 100 42.39 39.87 = 17.74

P(1/ 21 41) = 100 88.24 4.22 = 7.54
P( 2 / 41' 61) = 100 90.07 7.00 = 2.93
P(0 / 61' 71) = 100 6.72 2.96 = 90.32
Luego, se construye el cuadro bidimensional y se asignan variables a todas las categoras:
Edad/n accidentes
21-41
41-61
61-71
total
0
A
B
C
K
1
D
E
F
L
G
H
I
M
Total
N
O
P
4194
Haciendo uso de las reglas de clculo de probabilidades, se procede a hallar el valor de cada
variable.
Con probabilidades marginales:
P(21 41) = 0.4239 =
N
4194
N = 0.4239(4194) = 1778
De la misma manera se puede hallar el valor de O:
O = 0.3987(4194) = 1672
Restando del total se halla el valor de P:
P = 4194 1778 1672 = 744
Con probabilidades condicionales:
P(0 / 21 41) = 0.8824 =
A
A
=
N 1778
De la misma manera se procede para hallar el valor de D:

228
A = 0.8824(1778) = 1569
D = 0.0754(1778) = 134
Restando del total de personas de edad entre 21 a 41 aos, se obtiene G:
G = 1778 1569 134 = 75
Igualmente se hallan los valores para B, E y H:
B = 0.9007(1672) = 1506
E = 0.007(1672) = 117
H = 1672 1506 117 = 49
La fila restante, se puede hallar mediante el mismo mtodo:
C = 0.9032(744) = 672
F = 0.0672(744) = 50
I = 744 672 50 = 22
Por ltimo los totales de columna se obtienen sumando los valores de cada columna:
K = 1569 + 1506 + 672 = 3747

L = 134 + 117 + 50 = 301
M = 75 + 49 + 22 = 146
El cuadro bidimensional resultante est mostrado en la tabla 9.5.1:
Tabla 9.5.1
Bidimensional del nmero de accidentes vs. edad
Edad/n accidentes
21-41
41-61
61-71
total
0
1569
1506
672
3747
1
134
117
50
301
2
75
49
22
146
Total
1778
1672
744
4194

El administrador de la unidad operativa de trnsito puede saber aproximadamente cuntos
nuevos conductores tendrn accidentes este ao.
229
6. GENERALIZACIN
PROBABILIDADES
DE
LAS
REGLAS
PARA
EL
CLCULO
DE
Se han mostrado las reglas para el clculo de probabilidades cuando se tiene una distribucin
bidimensional. Sin embargo se puede presentar el caso en el que existan ya no dos sino tres o
ms clasificaciones. Para este tipo de problemas, se debern generalizar las reglas para el
clculo de probabilidades, para lo cual se considera un rbol que tiene tres ramificaciones o
eventos dependientes, cada uno de los cuales tiene dos resultados posibles (ver figura 9.6.1):
Figura 9.6.1. Arboligrama con tres ramificaciones
P. condicional
P. condicional
P(C/A)
P. marginal
P. conjuntas
P(E/A,C)
C
P(A, C, E) = P(A) + P(C / A) + P(E / A, C)
P(F/A,C)
P(A, C, F) = P(A) + P(C / A) + P(F / A, C)
P(E/A,D)
P(A, D, E) = P(A) + P(D / A) + P(E / A, D)
P(F/A,D)
P(A, D, F) = P(A) + P(D / A) + P(F / A, D)
P(E/B,C)
P(B, C, E) = P(B) + P(C / B) + P(E / B, C)
P(F/B,C)
P(B, C, F) = P(B) + P(C / B) + P(F / B, C)
P(E/B,D)
P(B, D, E) = P(B) + P(D / B) + P(E / B, D)
P(F/B,D)
P(B, D, F) = P(B) + P(D / B) + P(F / B, D)
A
P(A)
P(D/A)
P(C/B)
P(B)
B
P(D/B)

El lector puede darse cuenta qu pasara si existen 4 eventos dependientes (en la cuarta
ramificacin tambin se tendran probabilidades condicionales).
Regla de la suma:
La suma de tres eventos dependientes, por ejemplo de los tres primeros, ser:
P(A C E) = P(A) + P(C) + P(E) P(A, C) P(A, E) P(C, E) + P(A, E, C)

El uso de diagramas de Venn puede ayudar a visualizar y comprender de mejor manera la
relacin entre tres eventos. En la figura se puede observar que los crculos de tres eventos
dividen el espacio muestral en 8 zonas numeradas y es sencillo determinar si los eventos
correspondientes pertenecen a X o X, a Y o Y y a Z o Z (ver figura 9.6.2)
230
Figura 9.6.2. Diagrama de Venn para tres eventos
Y
2
1
4
3
6

Ejemplo 1
Si en el anterior diagrama, X es el evento de que servirn hamburguesas en el da de campo
de la compaa, Y es el evento de que se servir cerveza y Z es el evento de que se servir
una torta de chocolate, exprese con palabras los eventos que se representan por medio de las
siguientes zonas del diagrama de Venn:
a) Zona 3.
b) Zonas 1 y 2.
c) Zonas 4, 6, 7 y 8.
Resolucin.
a) Puesto que esta zona parte de Y y Z, pero no de X, representa el evento de que en el da de
campo se servir cerveza y torta de chocolate, pero no hamburguesas.
b) Ya que esta zona pertenece tanto a X como a Y, representa el evento de que se servirn
hamburguesas y cerveza
c) Dado que estas zonas son ajenas a Y, constituye el evento de que no se servir cerveza.
Ejemplo 2
Con base en el siguiente diagrama de Venn (ver figura 9.6.3), sea A el evento de que un
ejecutivo de alto rango de una compaa est en la cafetera de su empresa, B el evento de
que se encuentre en la oficina de otro ejecutivo y C el evento de que se encuentre jugando al
golf con un cliente. Halle la probabilidad de que una persona en un momento especfico lo
encuentre en alguno de esos tres lugares.
231
Figura 9.6.3. Diagrama de Venn para encontrar a un ejecutivo

A
B
0.24
0.06
0.19
0.04
0.16
0.11
0.09
C
S

Resolucin.
Siguiendo la ecuacin de la suma de tres eventos, se tiene:
P(A B C) = P(A) + P(B) + P(C) P(A, B) P(A, C) P(B, C) + P(A, B, C)

Reemplazando valores:
P(A B C) = 0.24 + 0.19 + 0.09 0.06 0.16 0.11 + 0.04 = 0.23

Respuesta: La probabilidad de que una persona encuentre al ejecutivo en alguno de los tres
lugares es del 23%.
Accin: Como la probabilidad es pequea, si una persona quiere encontrarlo lo ms lgico es
buscarlo en otros sitios, como su oficina o la sala de reuniones de la empresa.
7. DISTRIBUCIONES BIDIMENSIONALES DE PROBABILIDADES

Al igual que existen funciones unidimensionales de probabilidad de cuanta (cuando la variable
aleatoria es discreta) y de densidad (cuando la variable aleatoria es continua), tratadas en el
captulo de Distribucin de Probabilidades, tambin se presentan los casos de funciones
bidimensionales de probabilidades.
7.1. Funcin de cuanta conjunta y marginal

La observacin conjunta de dos variables aleatorias, ambas discretas, da lugar al concepto de
variable aleatoria discreta bidimensional: valores de la variable x y valores de la variable y, con
sus probabilidades de ocurrencia conjunta respectiva; es decir cada par de valores x i yj lleva
asociada la correspondiente probabilidad conjunta P ij. Estas variables suelen presentarse en
una tabla de doble entrada (ver tabla 9.7.1). La consideracin de los valores xi con sus
correspondientes probabilidades de ocurrencia independiente de los valores de y, da lugar a la
distribucin marginal de la variable x. Los mismo ocurre con la variable y.
232
Tabla 9.7.1
Funcin de cuanta conjunta
yj
y1
y2
...
ys
Total
P11
P21
:
Pr1
Pi1
P12
P22
:
Pr2
Pi2
...
...
:
...
P1s
P2s
:
Prs
Pis
P1j
P2j
:
Prj
xi
x1
x2
:
xr
Total
ij
=1
i =1 j=1

Nota 1: Tambin se puede dar una distribucin de probabilidades para atributos o mixtos.
Nota 2: Las distribuciones marginales, cuya denominacin deriva del simple hecho de que se
encuentran en los mrgenes de la tabla de doble entrada, como cualquier otra distribucin
unidimensional, son susceptibles de tratamiento estadstico individual.
Ejemplo
Se realiz una encuesta a 30000 habitantes de una determinada ciudad. Se obtuvo la siguiente
distribucin en cuanto a su estado civil y sexo.
Estado civil
Sexo
Masculino
Femenino
Total
Soltero
Casado
Viudo
Total
8052
8384
16436
5815
5989
11804
542
1218
1760
14743
15257
30000
Determine la distribucin bidimensional conjunta y marginal de ambos atributos.

Resolucin.
Para hallar las probabilidades conjuntas, simplemente se divide cada frecuencia absoluta
conjunta entre el total de encuestados. Para hallar las probabilidades marginales, se suman
las probabilidades conjuntas halladas (ver tabla 9.7.2).
Tabla 9.7.2
Bidimensional de probabilidades de estado civil vs sexo (Pi, j)
Estado civil
Sexo
Masculino
Femenino
Total
Soltero
Casado
Viudo
Total
26.84
27.95
54.79
19.38
19.96
39.35
1.81
4.06
5.87
49.14
50.86
100.00

233
Interpretacin:
PM,S = 26.84, significa: Existe una probabilidad del 26.84% de que una persona elegida al azar
sea de sexo masculino y soltero.
PV = 5.87, significa: Hay una probabilidad del 5.87% de que la persona elegida al azar sea
viuda.
PF = 50.86, significa: La probabilidad de que una persona elegida al azar sea de sexo femenino
es de 50.86%.
7.2. Funcin de densidad conjunta y marginal

Una distribucin de probabilidad, cuando corresponde a una variable aleatoria continua
bidimensional (tambin llamada superficie de frecuencia), requiere cumplir con las dos
condiciones siguientes:
a) f (x, y) 0
b)
f (x, y) dx dy = 1 ;
para:
Luego: 0 f (x, y) 1
La probabilidad que el par (x,y) sea para a1 x b1 ; y para a 2 y b 2 , se expresa de la
siguiente manera:
P(a1 x b1; a 2 y b 2 ) =
b1
a1
b2
a2
f (x, y) dx dy
La distribucin bidimensional de probabilidades de variable aleatoria continua tiene dos

distribuciones marginales:
f 1 (x ) =
f (x, y ) dy
distribucin marginal de "x"
f 2 (y ) =
f (x, y ) dx
distribucin marginal de "y"
La distribucin de probabilidad acumulada para la variable aleatoria bidimensional continua:

x o y0
F (x o, y o ) =
f (t , t
1
) dt1 dt 2
donde t1 y t2 son variables auxiliares de trabajo.

Para expresar la probabilidad de que la variable xi est en el par (x1, y1) y que la variable yj est
en el par (x2, y2) en trminos de la funcin de distribucin, se procede de la siguiente manera:
234
Se usa un sistema de ejes coordenados, donde en el eje de las abscisas se representan

valores de xi y en el eje de ordenadas los valores de yj .
En cada eje se representan los valores del par (a1,b1) y del par (a2,b2).
Se obtiene un cuadriltero con los siguientes puntos de coordenadas que se observan en el
grfico 9.7.1.
Grfico 9.7.1
rea bajo la funcin de densidad de probabilidad
yj
b2
(a1, b2)
(b1, b2)
(a1, a2)
(b1, a2)
a2
a1
b1
xi

Las reas diferentes en el grfico permiten determinar la probabilidad:
P(a1 < x < b1 ; a2 < y < b2) = F(b1 , b2) - F(b1 , a2) - F(a1 , b2) + F(a1 , a2)
b1
b2
a1
a2
f (x, y) dx dy
Conocida la forma de clculo de una probabilidad conjunta y de la probabilidad marginal es

posible definir la probabilidad condicional:
f (x, y )
f 2 (y )
f (x, y )
(2 ) f (y /x ) =
f 1 (x )
(1 ) f (x /y ) =
si f 2 (x ) > 0
si f 1 (x ) > 0
Ejemplo 1
Suponga que la funcin de densidad de probabilidad conjunta para las variables no negativas x
e y es f (x, y) = xe x e y . Halle la probabilidad que 0 x 1 y 0 x 2 .
Resolucin
La integral a resolver es la siguiente:
235
P(0 x 1; 0 y 2) =
0 0
xe x e y dy dx
Se resuelve primero la integral interna:
e y dy = e y 0 = e 2 + 1 =
1
e2 1
+
1
=
e2
e2
Se reemplaza la integral interna y se resuelve la integral externa:

2
1
e2 1 1 x
e2 1
x 1
x
= e 1 xe x e x 1
=
+
xe
dx
xe
e
dx
e2 0
e 2
0
0
0
e 2
e2 1
e 2 1 2 e 2 1 e 2
1
2e
1
+
=
2
e 2 e + 1 = e 2 e = 0.2285

Conclusin: La probabilidad conjunta que 0 x 1 y 0 x 2 es del 22.85%.

Ejemplo 2
Suponga que x representa el tiempo (en minutos) que una persona pasa con un agente
mientras elige una pliza de seguro de vida e y el tiempo que el agente emplea en hacer el
papeleo una vez que el cliente se ha decidido. Usted acuerda encontrarse con un agente de
seguros para suscribir una pliza de seguro de vida. Si la funcin de densidad de probabilidad
conjunta de x e y es:
1 30x 10y
f (x, y) =
e e
300
Halle la probabilidad de que la operacin requiera ms de media hora.
Resolucin.
Se quiere hallar: P(x + y > 30) = 1 P(x + y 30)
Se dibuja la inecuacin y se plantea la regin de integracin:
Regin:
30
y = 30 x
0 x 30
0 y 30 x
R
30
236
Se plantea la integral:
P(x + y 30) =
30
30 x
1 30x 10y
e e dy dx
300
Se resuelve:
10 30 30x 10y
=
e e
300 0
30 x
30
1 30 30x x10
dx = e e
1 dx
30 0
30
x
x

30
1 30 2x 90
1 30 2x 90
= e 30 dx e 30 dx = e 30 + 30 e 30
0
30 0
30 2
1
1 1
+ 3 + 1 = 0.4730
2e 2e e
La probabilidad buscada es:
P(x + y > 30) = 1 P(x + y 30) = 1 0.4730 = 0.5269

Respuesta: La probabilidad de que la operacin completa requiera ms de media hora es de
52.69%.
Accin: Si usted no tiene disponibilidad de media hora, entonces vuelva a programar su cita
para obtener una pliza de seguro de vida.
8. APLICACIONES A LOS RBOLES DE DECISIN Y TEORA DE LA UTILIDAD1

8.1. Introduccin
Los problemas con pocas alternativas y estados de la naturaleza pueden ser analizados
usando tablas de decisin. Ahora iremos un paso ms adelante en la exploracin de la teora
de la decisin, introduciendo los tpicos de rboles de decisin, valoracin de probabilidades y
teora de la utilidad.
8.2. rboles de decisin

Cualquier problema que puede ser presentado en una tabla de decisin, tambin puede ser
ilustrado grficamente en un rbol de decisin. Tomemos otra visin al caso de la compaa
maderera Thompson. Podemos recordar que John Thompson estaba tratando de decidir si le
convena expandir su operacin construyendo una nueva planta para la produccin de cabaas
1 Esta porcin ha sido extractada totalmente del libro: Quantitative Analysis for Management. Render y
Stair, 1997.
237
de almacenamiento. Un rbol de decisin simple para representar la decisin de John es

mostrado en la figura 9.8.1.
Beneficios
Nodo de estado de
la naturaleza
EMV=10000 $
Mercado favorable (0.5)
200000 $
Nodo de decisin
1
Construir planta
grande
Mercado desfavorable (0.5)

-180000 $
Construir planta
pequea
2
100000 $
-20000 $
No hacer nada
EMV=40000 $
0$
Figura 9.8.1. rbol de decisin de Thompson

Note que los beneficios estn localizados en el lado derecho de cada una de las ramas del
rbol de decisin. Las probabilidades son localizadas en parntesis a continuacin de cada
estado de la naturaleza. Los valores monetarios esperados para cada nodo de estado de la
naturaleza estn calculados y localizados en sus respectivos nodos. El EMV del primer nodo es
10000 $. Esto representa la rama del nodo de decisin de construir una planta grande. El EMV
para el nodo 2, construir una planta pequea, es 40000 $. No construir nada, por su puesto
tiene un beneficio de 0 $. Es escogida la rama que tiene el nodo de estado de la naturaleza que
contiene el mayor EMV. En el caso de Thompson, se escoge construir una planta pequea.
Una decisin ms compleja para la maderera Thomspon
Cuando se necesita realizar una secuencia de decisiones, los rboles de decisin son
herramientas mucho ms poderosas que las tablas de decisin. Digamos que John Thompson
tiene que realizar dos decisiones, y la segunda depende del resultado de la primera. Antes de
decidir si construir una nueva planta, John tiene la opcin de llevar a cabo su propio estudio de
investigacin de mercado, a un costo de 10000 $. La informacin de su estudio podra ayudarlo
a decidir si construir una planta grande, pequea o no hacer nada. l reconoce que este
estudio de mercado no le proveer una informacin perfecta, pero puede ayudarlo un poco de
cualquier manera.
El nuevo rbol de decisin de John est representado en la figura 9.8.2. Observemos
cuidadosamente a este rbol mucho ms complejo. Note que todos los resultados poribles y
alternativas estn incluidas en su secuencia lgica, esta es una de las fortalezas al usar rboles
de decisin para realizar decisiones. El que los usa est forzado a examinar todas las posibles
soluciones, incluyendo las desfavorables, y tambin a realizar decisiones en una manera lgica
secuencial.
238
Segunda
decisin
106400 $
190000 $
-190000 $
Planta
grande 63600 $
Planta
3
pequea
Primera
decisin
49200 $
Resultado 106400 $
favorable
(0.45)

90000 $
-30000 $
No hacer nada
-10000 $
-87400 $
190000 $
-190000 $
1
Resultado
desfavorable
(0.55)
Con estudio
Planta
grande 2400 $
Planta
5
pequea
2400 $

90000 $
-30000 $
No hacer nada
-10000 $
49200 $
200000 $
-180000 $
10000 $
Sin
estudio
Planta
grande
6
40000 $
Planta
pequea
40000 $

100000 $
-20000 $
No hacer nada
0$
Figura 9.8.2. rbol de decisin completo para la maderera Thompson

Examinando el rbol, vemos que el primer punto de decisin de Thompson es si llevar a cabo o
no el estudio de mercado de 10000 $. Si escoge no hacer el estudio (La parte baja del rbol),
puede construir una planta grande, pequea o no hacer nada. Este es el segundo punto de
decisin de John. El mercado puede ser favorable (0.5 de probabilidad) o desfavorable (0.5) si
construye. Los beneficios para cada consecuencia posible estn listados en el lado derecho.
De hecho, la porcin ms baja del rbol de decisin es idntica al rbol de decisin simple
mostrado en la figura 1. Por qu es as?
La parte superior de la figura refleja la decisin de llevar a cabo un estudio de mercado. El
estado de la naturaleza del nodo 1 tiene dos ramas. Hay un 45 % de posibilidades que los
resultados del estudio de mercado indicarn un mercado favorable para las cabaas de
almacenamiento. Tambin hay una probabilidad de 0.55 que los resultados de la encuesta
sean negativos.
El resto de las probabilidades mostradas en parntesis en la figura son probabilidades
condicionales. Por ejemplo 0.78 es la probabilidad de un mercado favorable para las cabaas
dado un resultado favorable del estudio de mercado. Por supuesto, se podra esperar encontrar
una alta probabilidad de un mercado favorable dado que la investigacin indic que el mercado
era bueno. No se debe olvidar, que hay una posibilidad de que la encuesta de mercado de
239
10000 $ no resulte beneficiosa o aun no entregue informacin confiable. Cualquier estudio de

mercado est sujeto a error. En este caso, hay un 22% de probabilidad de que el mercado para
las cabaas sea desfavorable dado que los resultados de la encuesta son positivos.
Note que hay un 27% de probabilidad de que el mercado para cabaas sea favorable dado que
los resultados de la encuesta resulten negativos. Hay una probabilidad mucho ms alta de 0.73
que el mercado sea desfavorable dado que el estudio de mercado fue negativo.
Finalmente, cuando observamos la columna de los beneficios, vemos que el costo del estudio
de mercado (10000 $) ha sido sustrado de cada una de las 10 ramas de arriba. Una planta
grande con un mercado favorable debera normalmente arrojar un beneficio neto de 200000 $,
pero debido a que fue realizado un estudio de mercado, ste se reduce a 190000 $. Se
procede de manera similar en las otras 9 ramas.
Con todas las probabilidades y beneficios especificados, podemos comenzar a calcular el valor
monetario esperado de cada una de las ramas. Comenzamos por el final, o del lado derecho
del rbol y trabajamos hacia atrs hacia el origen. Cuando terminemos, la mejor decisin ser
conocida.
1. Dado un resultado favorable en la encuesta:
EMV (nodo 2) = EMV(planta grande / estudio positivo )

EMV (nodo 2) = 0.78(190000) + 0.22(190000) = 106400
EMV (nodo 3) = EMV(planta pequea / estudio positivo )
EMV (nodo 3) = 0.78(90000) + 0.22(30000) = 63600
El EMV de no construir una planta es 10000 $ para esta rama. Entonces, si el resultado de la
encuesta es favorable, debera construir una planta grande.
2. Dado un resultado negativo en la encuesta:
EMV (nodo 4) = EMV (planta grande / estudio negativo )

EMV (nodo 4) = 0.27(190000) + 0.73(190000) = 87400
EMV (nodo 5) = EMV(planta pequea / estudio negativo )
EMV (nodo 5) = 0.27(90000) + 0.73(300000) = 2400
El EMV de no construir una planta es 10000 $ para esta rama. Entonces, dado un resultado
negativo en el estudio de mercado, John debera construir una planta pequea, con un valor
esperado de 2400 $.
3. Continuando en la parte superior del rbol y movindose hacia atrs, calculamos el valor
esperado de llevar a cabo el estudio de mercado.
EMV (nodo1) = EMV(Re alizar estudio )

EMV (nodo1) = 0.45(10640) + 0.55(2400) = 49200
240
4. Si la encuesta de mercado no es llevada a cabo:
EMV (nodo 6) = EMV (planta grande)

EMV (nodo 6) = 0.50(200000) + 0.50(1800000) = 10000
EMV (nodo 7) = EMV (planta pequea )
EMV (nodo 7) = 0.50(100000) + 0.50(20000) = 40000
El EMV por no construir es 0 $.
Entonces, construir una pequea planta es la mejor eleccin, dado que el estudio de mercado
no ha sido realizado.
5. Puesto que el valor monetario esperado de llevar a cabo la encuesta es 49200 $ versus un
EMV de 40000 por no llevar a cabo el estudio, la mejor eleccin es buscar informacin del
mercado. Si los resultados de la encuesta son favorables, John debera construir una planta
grande; pero si la investigacin es negativa, debera construir una pequea.
En la figura 2, los valores esperados han sido localizados en el rbol de decisin. Note que los
pares de lneas // cruzando una rama indica que la alternativa ha sido eliminada. Esto es
debido a que su EMV ha sido ms bajo que la mejor alternativa.
Valor esperado de la informacin muestral
Con el estudio de mercado que llev a cabo, John Thompson sabe que es mejor decisin
construir una planta grande si el estudio es favorable o una planta pequea si la encuesta
resulta negativa; pero John sabe que realizar un estudio de mercado no es gratis. Sera bueno
saber cul es el valor verdadero de realizar el estudio de mercado. Una forma de medir el valor
de la informacin del mercado es calcular el valor esperado de la informacin muestral (EVSI).
valor esperado de la mejor Valor esperado
de la mejor
decisin con inf ormacin
EVSI =
muestral asumiendo
decisin sin
inf ormacin muestral
que no hay cos to
En el caso de John, su EMV debera ser 59200 $ si no se hubiera sustrado los 10000 $ del
estudio de cada beneficio. El EMV de no obtener la informacin muestral es de 40000 $.
Entonces:
EVSI = 59200 40000 = 19200

Esto significa que John podra haber pagado hasta 19200 $ por un estudio de mercado y an
salir adelante. Puesto que slo le cost 10000 $, la encuesta vali la pena.
241
8.3. Estimacin de probabilidades mediante anlisis bayesiano

Hay muchas maneras de obtener los datos de probabilidad para un problema como el de
Thompson. Los valores (0.78, 0.22, 0.27, 0.73 en la figura 9.8.2) pueden ser evaluados por un
administrador basado en su experiencia e intuicin; pueden ser estimados de datos histricos o
ser calculados de otros datos disponibles usando el teorema de Bayes. Ahora discutiremos la
ltima opcin.
El enfoque del teorema de Bayes establece que el tomador de decisiones no conoce con
certeza qu estado de la naturaleza ocurrir. Esto permite al administrador revisar sus
valoraciones de probabilidad iniciales. Las probabilidades revisadas, son llamadas
probabilidades posteriores.
Calculando probabilidades revisadas
En el caso de la maderera Thompson, hicimos la suposicin de que eran conocidas las
siguientes cuatro probabilidades condicionales:
P(MF / positivo ) = 0.78

P(MD / positivo ) = 0.22
P(MF / negativo ) = 0.27
P(MD / negativo ) = 0.73
Mostraremos cmo John Thompson podra derivar esos valores con el teorema de Bayes.
De discusiones con especialistas en investigacin de mercados de una universidad local, John
sabe que las encuestas especiales, tal como es la suya, puede ser positiva (es decir, predecir
un mercado favorable) o negativa (predecir un mercado desfavorable). Los expertos le han
dicho a John que, estadsticamente, de todos los nuevos productos que tienen mercado
favorable (MF), las encuestas de mercado son positivas y predicen xito correctamente un 70%
de las veces. 30% de las veces las encuestas predicen falsamente resultados negativos o un
mercado desfavorable. (MD). Por otro lado, cuando haba un mercado desfavorable para un
nuevo producto, 80% de las encuestas predecan correctamente resultados negativos. Las
encuestas predecan incorrectamente resultados positivos el restante 20% de las veces. Estas
probabilidades condicionales son resumidas en la tabla 9.8.1. Hay una indicacin de la
precisin de la encuesta que John est pensando como garanta.
Tabla 9.8.1
Probabilidades condicionales para la maderera Thompson
Resultados de la encuesta
Positivo (predice mercado
favorable para el producto)
Negativo (predice resultado
desfavorable para el producto)
Mercado favorable (MF) Mercado desfavorable (MD)
P(positiva / MF) = 0.70
P(positiva / MD) = 0.20
P(negativa / MF) = 0.30
P(negativa / MD) = 0.80
242
Recordemos que sin ninguna informacin de mercado, los mejores estimados de John de un
mercado favorable o desfavorable son:
P(MF) = 0.50
P(MD ) = 0.50
Estas son llamadas como probabilidades iniciales.
Con todo esto podemos realizar un diagrama de rbol de la siguiente manera:
0.70
Positivo
MF
0.5
0.30
0.20
Negativo
Positivo
0.5
MD
0.80
Negativo
Podemos ahora calcular las probabilidades posteriores o revisadas de Thompson. stas son
las inversas de las probabilidades de la tabla 9.8.1.
Primero se calculan las probabilidades totales de obtener un resultado positivo en la encuesta y
la de obtener un resultado negativo:
P(Positivo ) = 0.5(0.7) + 0.5(0.2) = 0.45

P( Negativo) = 0.5(0.3) + 0.5(0.8) = 0.55
Ahora se calculan las probabilidades mediante el teorema de Bayes:
P(MF / positivo ) =
0.5(0.7)
= 0.78
0.5(0.7) + 0.5(0.3)
P(MD /positivo ) =
0.5(0.2)
= 0.22
0.5(0.7) + 0.5(0.3)
P(MF / negativo ) =
0.5(0.3)
= 0.27
0.5(0.3) + 0.5(0.8)
P(MD / negativo ) =
0.5(0.8)
= 0.73
0.5(0.3) + 0.5(0.8)
243
Estas probabilidades se pueden resumir en el siguiente arboligrama:
0.78
MF
Positivo
0.45
0.22
0.27
MD
MF
0.55
Negativo
0.73
MD
Las probabilidades posteriores ahora proveen a John Thompson estimados de cada estado de
la naturaleza si los resultados de la encuesta son positivos o negativos.
8.4. Teora de la utilidad

Hemos usado el EMV para realizar decisiones. En la prctica, sin embargo, el uso del EMV
puede conducir a malas decisiones en muchos casos. Por ejemplo, suponga que es el feliz
propietario de un cartn de lotera. Despus de 5 minutos una simple moneda puede ser
lanzada, y si sale cruz podras ganar 5 millones, pero si sale cara, podras no ganar nada. Justo
un momento antes, una persona rica te ofrece 2 millones por tu boleto. Vamos a asumir que no
tienes dudas sobre la validez de la oferta. La persona te dar un cheque certificado por la
cantidad, y ests absolutamente seguro que el cheque tiene fondos.
Un rbol de decisin es mostrado en la figura 9.8.3. El EMV dice que deberas retener tu
boleto, pero qu deberas hacer realmente? Solo piensa, 2 millones asegurados versus un
50% de probabilidad de no obtener nada. Haz la suposicin que t eres lo suficientemente
codicioso para retener tu boleto, y luego pierdes. Cmo lo explicaras a tus amigos? Acaso
no debera ser suficiente 2 millones para estar confortable por un tiempo?
Aceptar la
oferta
2000000 $
Cruz (0.5)
0$
Rechazar la
oferta
Cara (0.5)
5000000 $
EMV=2500000 $
Figura 9.8.3. rbol de decisin para el boleto de la lotera

244
La mayora de la gente vendera su boleto por 2 millones. La mayora de nosotros de hecho,

estara dispuesta a hacerlo por una cantidad mucho menor. En cunto podemos soltar el
boleto, por supuesto, es algo que tiene que ver con preferencias personales. Las personas
tienen diferentes sentimientos acerca de buscar o evitar el riesgo. El EMV no es una buena
forma para realizar ese tipo de decisiones.
Medida de la utilidad y construccin de una curva de utilidad
La valoracin de la utilidad, se inicia asignando al peor resultado una utilidad de 0 y al mejor
resultado una utilidad de 1. Todos los dems resultados tendrn un valor de utilidad entre 0 y 1.
Para determinar las utilidades de los dems resultados, se considera un riesgo estndar. Este
riesgo es mostrado en la figura 9.8.4.
p
Alternativa 1
1-p
Mejor resultado
Utilidad 1
Peor resultado
Utilidad 0
Otro resultado
Utilidad ?
Alternativa 2
Figura 9.8.4. Riesgo estndar para la valoracin de la utilidad

En la figura 4, p es la probabilidad de obtener el mejor resultado, y 1-p es la probabilidad de
obtener el mejor resultado. Para valorar la utilidad de cualquier otro resultado involucra la
determinacin de la probabilidad, p, que hace que seas indiferente entre la alternativa 1, que es
el riesgo entre el mejor y el peor resultado, y la alternativa 2, que es obtener el otro resultado
de forma segura. Cuando eres indiferente entre las alternativas 1 y 2, las utilidades esperadas
para esas dos alternativas deben ser iguales. Esta relacin est mostrada como:
Utilidad esperada de la alternativa 2 = Utilidad esperada de la alternativa 1

Utilidad de otro resultado = p(1) + (1 p)(0) = p
Ahora, todo lo que tenemos que hacer es determinar el valor de la probabilidad p, que hace que
seas indiferente entre las alternativas 1 y 2. Para establecer esta probabilidad debes estar
conciente que la valoracin de la utilidad es completamente subjetiva. Esto es un valor
establecido por el tomador de decisin que no puede ser medida en una escala objetiva.
Veremos un ejemplo.
Jane Dickson quiere construir una curva de utilidad que revele su preferencia por su dinero
entre 0 y 10000 $. Una curva de utilidad es una grfica que relaciona el valor de la utilidad
versus el valor monetario. Ella puede invertir su dinero en una cuenta de banco o puede invertir
el mismo dinero en un bien inmueble.
Si el dinero es invertido en el banco, en tres aos Jane debera tener 5000 $. Si invierte en
bienes races, despus de tres aos ella podra no tener nada o 10000 $. Jane sin embargo, es
muy conservadora. Si bien hay un 80% de probabilidad de conseguir 10000 $ de los bienes
245
races, Jane podra preferir tener su dinero en el banco, dnde est seguro. Lo que Jane hizo
aqu es asegurar su utilidad de 5000 $. Cuando hay un 80% de probabilidad (esto significa que
p es 0.8) de conseguir 10000 $, Jane es indiferente entre poner su dinero en bienes races y
ponerlo en el banco. La utilidad de Jane de 5000 $ es entonces igual a 0.8, que es la misma
que el valor para p. Esta valoracin de la utilidad est mostrada en la figura 9.8.5.
P = 0.8
Invertir en
Bienes races
10000 $
U=1
1-p = 0.2
0$
U=0
Invertir en el
banco
5000 $
U = p = 0.8
Figura 9.8.5. Utilidad de 5000 $
Utilidad
Otro valor de la utilidad puede ser valorado de la misma manera. Por ejemplo, cul es la
utilidad de Jane para 7000 $? Cul es el valor de p que hara que Jane sea indiferente entre
7000 $ y el riesgo que podra resultar de 10000 $ o 0 $? Para Jane, existe una probabilidad del
90% de conseguir los 10000 $. Por otro lado, ella preferira tener los 7000 $ asegurados.
Entonces, su utilidad para 7000 $ es 0.9. La utilidad de Jane para 3000 $ puede ser
determinada de la misma manera. Si haba un 50% de probabilidad de obtener los 10000 $,
Jane debera ser indiferente entre tener 3000 $ asegurados y tomar el riesgo de ganar 10000 $
o nada. Entonces la utilidad de 3000 $ para jane es 0.5. Por supuesto, este proceso puede
continuar hasta que Jane ha valorado su utilidad para tantos valores monetarios como ella
quiera. Sin embargo, estas valoraciones son suficientes para determinar una idea de los
sentimientos de Jane hacia el riesgo. De hecho, podemos graficar estos puntos en una curva
de utilidad, como se muestra en la grfico 9.8.1.
1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.9
0.8
0.5
0.3
0.2
0.1
0
0
0
1000 2000
3000
4000
5000
6000
7000
8000 9000 10000
Valor m onetario
Grfico 9.8.1. Curva de utilidad para Jane Dickson
246
La curva de utilidad de Jane es tpica de un adverso al riesgo. Un adverso al riesgo es un

tomador de decisiones que consigue la menor utilidad o satisfaccin de un riesgo grande y
tiende a evitar situaciones en las que pueden ocurrir grandes prdidas. A medida que el valor
monetario incrementa en su curva de utilidad, la utilidad se incrementa a una tasa menor.
Utilidad
El grfico 9.8.2 ilustra a una persona que es un buscador del riesgo, en oposicin a una que es
adversa al riesgo. Este tomador de decisiones consigue ms utilidad de un gran riesgo y ms
alto beneficio potencial. A medida que el valor monetario se incrementa en su curva de utilidad,
la utilidad incrementa a una tasa ascendente. Una persona que es indiferente al riesgo tiene
una curva de utilidad que es una lnea recta. La forma de la curva de utilidad de una persona
depende de la decisin especfica que est siendo considerada, el trasfondo psicolgico de la
persona, y los sentimientos acerca del futuro. Puede darse que tengas una curva de utilidad
para algunas situaciones y curvas muy diferentes para otras.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
2000
4000
6000
8000
10000
Valor monetario
Adverso al riesgo
Buscador del riesgo
Indiferente al riesgo
Grfico 9.8.2. Preferencias frente al riesgo

La utilidad como criterio para tomar decisiones
Despus que la curva de utilidad ha sido determinada, los valores de utilidad de la curva son
usados para realizar decisiones. Los valores o resultados monetarios son reemplazados con
los valores apropiados de la utilidad y entonces es desarrollado el anlisis de decisin usual.
Veamos un ejemplo.
Mark Simkin ama el riesgo. El decide jugar un juego que consiste en lanzar una chincheta al
aire. Si el punto sobre la chincheta est orientado al cielo, Mark gana 10000 $. Si el punto
sobre la chincheta est abajo, pierde 10000 $. Debe Mark jugar el juego (alternativa 1) o no
(alternativa 2)?
Las alternativas 1 y 2 son desplegadas en el rbol mostrado en la figura 9.8.6. Como se puede
observar la alternativa 1 consiste en participar en el juego. Mark cree que hay 45% de
probabilidad de ganar 10000 $ y un 55% de perder 10000 $. La alternativa 2 es no participar en
el juego. Qu debe hacer Mark? Por supuesto, esto depende de la utilidad de Mark hacia el
dinero. Como establecimos previamente l ama el riesgo. Usando el procedimiento descrito
247
anteriormente, Mark es capaz de construir una curva de utilidad mostrando su preferencia hacia
el dinero. Esta curva aparece en el grfico 9.8.3.
Tachuela con punto arriba (0.45)
Alternativa 1
Jugar
10000 $
Tachuela con punto abajo (0.55)
-10000 $
Alternativa 2
No jugar
0$
Figura 9.8.6. Orientacin de la decisin de Mark Simkin

0.6
Utilidad
0.5
0.4
0.3
0.3
0.2
0.15
0.1
0.05
0
0
-20000
-10000
10000
20000
Valor monetario
Grfico 9.8.3. Curva de utilidad de Mark Simkin

Podemos ver que la utilidad de Mark para 10000 $ es 0.05, su utilidad por no jugar (0 $) es de
0.15, y su utilidad para 10000 $ es de 0.30. Esos valores pueden ser usados en el rbol de
decisin. El objetivo de Mark es maximizar su utilidad esperada, que peude calcularse como
sigue:
Paso 1.
U (10000 $) = 0.05
U (0 $) = 0.15
U (10000 $) = 0.30
Paso 2. Reemplazar los valores monetarios con valores de utilidad. Refirindose a la figura
9.8.7, las utilidades para las alternativas 1 y 2 son:
248
Utilidad
Tachuela con punto arriba (0.45)
Alternativa 1
Jugar
Tachuela con punto abajo (0.55)
0.30
0.05
E=0.1625
Alternativa 2
No jugar
0.15
Figura 9.8.7. Uso de utilidades esperadas en la toma de decisiones
E(alternativa 1) = 0.45(0.30) + 0.55(0.05) = 0.1625

E(alternativa 2) = 0.15
Por consiguiente, la alternativa 1 es la mejor estrategia usando la utilidad como criterio de
decisin. Si sera usado el EMV, la alternativa 2 habra sido la mejor estrategia. La curva de
utilidad es una de un buscador de riesgo, y la eleccin de jugar el juego ciertamente refleja su
preferencia por el riesgo.
249
EJERCICIOS DE CLASE
Distribuciones bidimensionales
Tipo I
1. Una investigacin de mercado revel que las ventas semanales de una nueva barra de
caramelo se relacionaron con su precio como sigue. Interprete la informacin contenida en la
tabla.
Precio
(centavos)
50
55
60
65
Ventas semanales
(miles de barras)
23.2
19.4
16.9
15.7
Tipo II y III
2. Se sabe que el consumo de las personas (yi ) depende de los ingresos que perciben (xi).
Para un grupo de 50 personas se tienen la siguiente informacin en cientos de bs.:
xi:
yi:
xi:
yi:
4 9 15 15 9 4 9 15 4
1 6 5 1 10 3 11
6 4
9 9 15 15 15 9 15
9 15
12 14 12 15 14 13 13 15 12
9 4 15 9 4 15 9 4 15
9 15 4 15
9
4 6 11 5 11 10 1 2 4
7 9 2 7
2
4 15 9 15 9 15 9 15 4 15 9 15 9 15
5 13 5 14 9 15 12 13 5
9 4 10 1 11
4 15
1 8
9 15
8 12
a) Organice los datos en una distribucin de frecuencias adecuada.

b) Presente la informacin sobre las frecuencias relativas, acumuladas, y relativas
acumuladas e interprete los valores.
c) Obtenga las distribuciones marginales de las dos variables.
Covarianza
Tipo I
3. Halle el grado de asociacin entre las variables de la pregunta 1.
Tipo II y III
4. Tomando en cuenta la informacin de la pregunta 2, Cul es el grado de asociacin que
existe entre las variables?
Atributos o mixtos
5. En una determinada empresa se hizo un examen a los 320 administrativos empleados en las
oficinas. Comparndose los resultados obtenidos con los errores mecanogrficos cometidos
por cada uno de ellos durante un cierto espacio de tiempo, se elabor la siguiente tabla de
doble entrada.
250
Errores cometidos
0 10: Muy pocos
10 20: Pocos
20 30: Muchos
Total

ptimo
Bueno Regular
42
95
16
29
56
32
15
9
26
86
160
74
Total
153
117
50
320
Halle la asociacin entre los distintos nmeros de errores cometidos y la clasificacin

obtenida en el examen.
Clculo de probabilidades
6. Tomando en cuenta la informacin de la pregunta 2, hallar la probabilidad de:
a) tener un ingreso de 900 bs. y consumir entre 1100 a 1500 bs.
b) tener un ingreso de 400 bs.
c) consumir entre 100 a 300 bs.
d) consumir entre 500 a 1100 bs. o tener un ingreso de 900 bs.
e) consumir entre 1100 a 1500 bs o entre 300 a 500 bs.
f) tener un ingreso de 1500 bs. dado que se consume entre 100 a 300 bs.
Diagrama de rbol
7. El siguiente diagrama se refiere al nmero de unidades defectuosas producidas por cuatro
trabajadores operando tres diferentes mquinas, un da viernes.
35.577
M1
T1
M2
23.744
P( T1 , M 2 ) = 7.078 %
M3
M1
34.234
T2
M2
P ( T2 / M 1 ) = 26 .207 %
P( M 1 ) = 33.105 %
M3
M1
31.148
27.854
T3
M2
M3
M1
T4
M2
37.624
M3
251
P( M 3 ) = 33.790 %
P( T3 , M 3 ) = 9.361 %
a) Determine la distribucin bidimensional, que abarca a 438 unidades defectuosas.

b) Qu porcentaje de las unidades defectuosas fueron producidas por el trabajador 4 o en
la mquina 2?
8. Pase la informacin de la pregunta 2, a un diagrama de rbol y responda los mismos incisos
de la pregunta 6.
Funcin de densidad conjunta
9. Suponga que x representa el tiempo (en minutos) que una persona pasa en la sala de
espera de cierto mdico e y la duracin (en minutos) de un examen fsico completo. Usted
llega al consultorio para un examen fsico, 50 minutos antes de tener que salir para una
reunin. Si la funcin de densidad de probabilidad conjunta de x e y es:
f (x, y) =
1 10x 50y
e e
500
Halle la probabilidad de que usted salga tarde para su reunin.
252
1. Se sabe que el consumo de las personas (y), depende de los ingresos que perciben (x). Para
un grupo de 50 personas, se tiene la siguiente informacin (cientos de bs.):
Ingresos
4
8
2
0
1- 5
5 - 11
11 - 15
Consumo
9
7
6
5
15
3
9
10
a) Cul es la relacin de asociacin que existe entre las variables?

b) Cul es la probabilidad de consumir 15 bs?
c) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre 1100
y 1500 bs. y su consumo sea de 400 bs?
d) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre 1100
y 1500 bs. dado que su consumo sea de 400 bs?
e) Cul es la probabilidad de que una persona elegida al azar, tenga un ingreso entre 1100
y 1500 bs. o su consumo sea de 400 bs?
2. La informacin sobre horas trabajadas (x) y produccin en cientos de unidades (y) en una
empresa es la siguiente:
horas
trabajadas
1- 3
3 - 7
7 - 11
11 - 13
59
3
2
1
2
Produccin
9 - 13
13 - 17
5
0
4
1
6
7
3
6
a) Para la variable horas de trabajo, determine el histograma correspondiente.

b) Considere cada variable de manera independiente y determine cul de ellas es ms
homognea.
c) Calcule la mediana de la distribucin de la variable produccin.
d) Qu grado de relacin tienen las variables?
3. Se realiz una encuesta a 50 familias con los resultados que figuran en la tabla:
N de hijos
1- 5
5 - 11
11 - 15
N de autos
3-4
6
2
6
1-2
4
3
8
5-6
15
4
2
a) Determine la covarianza e interprete su resultado.

b) Con la distribucin marginal del nmero de hijos, encuentre los lmites del 50% central de
la distribucin.
253
c) Cunto vale la varianza del nmero de autos? Qu ocurrira con esta varianza si cada
familia se compra dos autos adicionales?
4. En un programa de entrenamiento para la gerencia de una empresa de cosmticos, 80% de
los asistentes son mujeres y 20% son hombres; 90% de las mujeres son egresadas de la
Universidad y 78% de los hombres Tambin.
a) Se selecciona al azar una de las personas en entrenamiento. Cul es la probabilidad de
que se trate de una mujer que no asisti a la universidad?
b) Trace un arboligrama que muestre todas las probabilidades normales o marginales,
condicionales y conjuntas.
5. Cada vendedor en una compaa se califica como abajo del promedio, promedio, o arriba
del promedio, con respecto a su habilidad para las ventas. Adems cada vendedor se
clasifica con respecto a sus posibilidades de promocin:
Habilidad en ventas
Abajo del promedio
Promedio
Encima del promedio
Posibilidad de promocin
Regular
Buena Excelente
16
12
22
45
60
45
93
72
135
a) Utilizando una de las reglas para combinar probabilidades, cul es la probabilidad de

que un vendedor seleccionado al azar tenga habilidad de ventas por encima del promedio
y excelentes posibilidades de promocin?
b) Trace un diagrama de rbol que muestre todas las probabilidades normales,
condicionales y conjuntas.
6. Se recopilaron datos sobre las horas que ven televisin (xi) y edad de los televidentes (yi):
xi:
yi:
xi:
yi:
2
3
2
6
5
6
4
6
5
13
5
3
4
15
5
9
4
3
4
3
5
6
5
12
2
5
4
4
4
7
2
7
5
11
5
7
5
8
4
5
2
5
5
4
4
4
4
8
5
15
2
3
4
5
5
8
4
9
4
4
2
9
4
6
5
10
4
9
5
12
5
7
4
10
2
4
5
5
5
4
a) Organice los datos en una distribucin bidimensional de frecuencias absolutas. Qu

grado de asociacin existe entre dichas variables?
b) Cul es la probabilidad de ver 4 horas de televisin dado que el televidente tiene entre 3
a 7 aos? Cul es la probabilidad de que el televidente tenga entre 11 - 15 aos o de
que vea 2 horas? Cul es la probabilidad de que el televidente sea de 7 - 11 aos?
Cul es la probabilidad de que tenga entre 3 - 7 aos y vea 4 horas?.
En los ejercicios 7 10, emplee el teorema de Bayes:
7. Un equipo de bisbol juega 70% de sus partidos por la noche y 30% durante el da. El
equipo gana 50% de sus juegos nocturnos y 90% de los diurnos. De acuerdo con el diario
del da de hoy gan ayer. Cul es la probabilidad de que el partido se haya desarrollado
por la noche?
254
8. Una profesora ha estado enseando Estadstica durante muchos aos. Sabe que 80% de
los estudiantes completan los problemas asignados. Determin que de los alumnos que
hacen las tareas 90% aprobarn el curso. De aquellos estudiantes que no realizan la tarea
completa solo 60% aprobarn. Miguel Snchez tom Estadstica el ltimo semestre con la
profesora y tuvo calificacin aprobatoria. Cul es la probabilidad de que s haya hecho las
tareas?
9. Tan solo el 20 % de las mujeres mayores de 40 aos egresadas de la universidad ejercen su
profesin, mientras que un 70% de las egresadas menores de 40 tambin lo hacen. La
relacin de mujeres profesionales mayores de 40 entre las menores de 40 es de 2 a 6.
a) Francis Morales es Ingeniero Qumico y no ejerce su profesin. Cul es la probabilidad
de que tenga menos de 40 aos?
b) Dibuje el arboligrama con todas las probabilidades marginales, condicionales y conjuntas.
c) Realice un cuadro de contingencias tomando en cuenta que n = 80 y verifique la
probabilidad anterior.
10. Una compaa que fabrica tornillos, tiene 3 fbricas: A, B, C. Las fbricas B y C producen
el mismo nmero de tornillos, mientras que A produce el doble de las de B. Por experiencia
pasada, se sabe que el 2% de los tornillos producidos por A y B respectivamente son
defectuosos, en tanto que el 4% de los fabricados por C son defectuosos. Los tornillos
producidos por las tres fbricas se guardan en un mismo lugar.
a) Dibuje un arboligrama, con todas las probabilidades.
b) Si se escoge aleatoriamente un tornillo del almacn, Cul es la probabilidad de que
sea defectuoso?.
c) Cul es la probabilidad de que el tornillo defectuoso escogido haya sido producido en
la fbrica A?
11. Suponga que x representa el tiempo en minutos durante el cual una persona hace cola en
cierto banco e y la duracin en minutos de una transaccin de rutina en la ventanilla del
cajero. Usted llega al banco a depositar un cheque. Si la funcin de densidad de
probabilidad conjunta de x e y es:
1 x4 y2
f (x, y) = e e
8
Halle la probabilidad de que realice su transaccin en el banco en menos de 8 minutos.
Ejercicios de teora de la utilidad
1. A Mnica Britt le gusta mucho pilotear botes pequeos a vela. Lo hace desde que tena 7
aos, cuando su madre comenz a hacerlo con ella. Hoy, Mnica est considerando la
posibilidad de iniciar una compaa para producir pequeos botes para el mercado
recreativo. A diferencia de otros botes a vela producidos en masa, los suyos sern hechos
especficamente para nios entre 10 y 15 aos. Sern de la ms alta calidad y
extremadamente estables y el tamao de la vela ser reducido para prevenir problemas de
vuelco.
255
Debido al gasto involucrado al desarrollar los moldes iniciales y adquirir el equipo necesario
para producir botes de vela de fibra de vidrio para nios, Mnica ha decidido llevar a cabo un
estudio piloto para asegurarse que el mercado ser adecuado. Ella estima que el estudio
piloto costar 10000 $. Adems el estudio piloto puede ser exitoso o no. Su decisin bsica
es construir una planta de manufactura grande, una pequea o no construir nada. Con un
mercado favorable, Mnica espera hacer 90000 $ con una planta grande, o 60000 $ con una
planta pequea. Si el mercado es desfavorable, Mnica estima perder 30000 $ con una
planta grande y perder 20000 $ con una planta pequea. Mnica estima que la probabilidad
de un mercado favorable dado un estudio piloto exitoso es de 0.8. La probabilidad de un
mercado desfavorable dado un resultado del estudio piloto no exitoso es del 0.9. Mnica
siente que hay una probabilidad de 50-50 que el estudio piloto ser exitoso. Por supuesto,
Mnica podra no realizar el estudio piloto y simplemente realizar la decisin de construccin
sin l. Si no hara un estudio piloto, ella estima que la probabilidad de un xito en el mercado
es del 0.6. Qu recomendara?
2. John Jenkins siempre ha deseado desarrollar una pequea lnea de carritos para golfistas
de todas las habilidades. Sin embargo, cree que la probabilidad de una lnea de autos
exitoso es del 40%. Un amigo le ha sugerido que lleve a cabo una encuesta en la comunidad
para obtener una mejor intuicin de la demanda para construir una planta. Hay una
probabilidad de 0.9 de que la investigacin sea favorable, si la planta ser exitosa. Adems,
se estima que hay una probabilidad de 0.8 de que la investigacin de mercado ser
desfavorable si la planta ser exitosa. John podra determinar las probabilidades de una
exitosa lnea de autos dado un resultado favorable del estudio de marketing.
3. Como muchos estudiantes, Anne Martin est enfrentando una difcil e importante decisin
acerca de su carrera profesional. Mientras estaba en colegio, Anne trabaj para una
empresa de contabilidad local. Hizo un buen trabajo y la empresa le ofreci un trabajo por
20000 $. Ella puede tomar todo el tiempo que quiera para tomar su decisin. Hay sin
embargo, otras dos compaas que estn interesadas en ella. Contabilidad Barnes le ha
ofertado un trabajo por 22000 $. Desafortunadamente Barnes, le ha dado un plazo de dos
semanas para que tome su decisin. La compaa en la cual Anne realmente le gustara
trabajar es Servicios de Contabilidad Ketchum. Esta compaa, ella siente, podra hacerle
una oferta de 28000 $. Desafortunadamente, Anne est bastante dudosa de que realmente
le ofrezcan el puesto. Entonces, Anne tiene una difcil decisin. Podra ella aceptar la oferta
de Barnes de 22000 $, o debera esperar para conseguir la oferta de Ketchum? Para Anne
ser indiferente entre tomar el trabajo con Barnes y el riesgo de esperar y tratar de conseguir
el trabajo con Ketchum, la probabilidad de obtener el trabajo con Ketchum debera ser 0.6.
Dada esta informacin, qu utilidad debera Anne tomar sobre los tres trabajos?
4. Jerry Young est pensando abrir una tienda de bicicletas en su ciudad natal. Jerry ama
tomar su bici y correr en un camino de 50 millas con sus amigos, pero cree que cualquier
negocio pequeo debera comenzar slo si hay una buena probabilidad de obtener
ganancias. Jerry puede abrir un pequeo negocio, una tienda grande o no hacer nada.
Debido a que tendr un alquiler por 5 aos en un edificio, l quiere asegurarse hacer una
decisin correcta. Tambin est pensando en contratar a su viejo profesor de marketing para
llevar a cabo un estudio de mercado. Si es llevado a cabo el estudio, los resultados pueden
ser favorables o desfavorables. Desarrollar un rbol de decisin para Jerry.
5. Jerry Young (del problema 4) ha realizado algunos anlisis acerca de la rentabilidad de la
tienda de bicicletas. Si Jerry construye una tienda grande, tendr una ganancia de 60000 $
256
si el mercado es favorable, pero perder 40000 $ si el mercado es desfavorable. La tienda

pequea generar un retorno de 30000 $ en un mercado favorable y una prdida de 10000 $
en un mercado desfavorable. En el momento presente, cree que hay una probabilidad de 5050 de que el mercado sea favorable. Su viejo profesor de marketing le cobrar 5000 $ por el
estudio. Se ha estimado que hay una probabilidad de 0.6 de que la encuesta sea favorable.
Adems, hay una probabilidad de 0.9 que el mercado sea favorable dado un resultado
favorable del estudio. Sin embargo, el profesor de marketing ha advertido a Jerry que hay
una probabilidad de slo el 0.12 de un mercado favorable si los resultados del estudio de
mercado no son favorables. Jerry est confundido. Qu debera hacer?
6. En el problema 5, Jerry determin si deba o no buscar informacin del mercado de su
profesor de marketing y si debera abrir una tienda de bicicletas. En este problema, el
profesor de marketing de Jerry estim que exista una probabilidad de 0.6 de que el
resultado del estudio de mercado sea favorable. Jerry, sin embargo, no est seguro que esta
probabilidad sea la correcta. Cul sensible es la decisin de Jerry, realizada en el problema
5, a este valor de probabilidad? Cunto puede desviarse este valor de probabilidad de 0.6
sin causar un cambio en la decisin de Jerry?
257

1. Se realiz un estudio de mercado a nivel nacional para determinar las preferencias de
varios grupos de hombres que tienen diferentes edades, para diferentes deportes. Se
selecciona una muestra aleatoria de 1000 hombres y se les pide que indiquen su deporte
favorito. Los resultados son los siguientes:
< 20
20-40
VO
Informacin adicional:
40-50
>50
111
225
P ( F < 20) = 0.494
P ( F / 20 40) =
0.134
< 20
20-40
P( > 50) = 0.2
0.222
0.427
F
0.1733
40-50
>50
< 20
0.1981
20-40
BA
40-50
>50
Edad\Deporte Voleibol
Hasta 20
26
20 40
40 50
96
Mayores a 50
Total
Ftbol
Bsquetbol
Total
150
a) Complete la bidimensional y el rbol de probabilidades.

b) Halle el porcentaje de los hombres que a lo menos tienen 40 aos y su preferencia es el
bsquetbol.
c) Cul es la probabilidad que a un anciano le guste el bsquetbol?.
2. En la Papelera S.A. se producen blocs Lder con y sin espiral (50% de cada tipo), el 60% de
cada tipo son rojos, 20% de los blocs sin espiral son azules lo mismo que 25% de los con
espiral, el resto de los blocs son verdes.
a) Represente al arboligrama, incluyendo las probabilidades normales, condicionales y
conjuntas.
b) Llene el cuadro bidimensional, si se sabe que en el da se produjeron 1000 blocs Lder, y
encuentre la probabilidad de escoger al azar un cuaderno rojo con espiral.
3. Suponga que x es el tiempo (en das) que una persona permanece en el hospital despus
de una ciruga abdominal e y el tiempo (en das) que una persona permanece en el hospital
despus de una ciruga ortopdica. El lunes, el paciente de la cama 107 A es sometido a
258
una apendicetoma de emergencia, mientras que el paciente de la cama 107 B, compaero

de habitacin, es sometido a una ciruga ortopdica para reparar el cartlago de la rodilla
rota. Si la funcin de densidad de probabilidad conjunta para x e y es:
f ( x , y )=
1 x/ 4 y /3
e e
12
Halle la probabilidad de que ambos pacientes sean dados de alta del hospital en menos de 3
das.
259
CASO
BLAKE ELECTRONICS2
En 1947, Steve Blake fund Blake Electronics en Long Beach, California, para manufacturar
resistors, capacitors, inductors y otros components electrnicos. Durante la Segunda Guerra
Mundial Steve fue un radio operador y fue durante ese tiempo que adquiri la habilidad para
reparar radios y otros equipos de comunicacin. Steve consider su experiencia de 4 aos con
la armada con sentimientos encontrados. Odi la vida en la armada, pero su experiencia le dio
la confianza y la iniciativa para iniciar su propia empresa de electrnicos.
En el transcurso del tiempo, Steve cuid su negocio sin realizar grandes cambios. En 1969, las
ventas totales anuales excedan los 2 millones de $. En 1964, el hijo de Steve, Jim, se uni a la
compaa despus de terminar la preparatoria y dos aos de cursos en electrnica en la
universidad de la comunidad de Long Beach. Jim fue siempre agresivo como atleta en la
preparatoria, y lleg a ser an ms agresivo gerente general de ventas de Blake Electronics.
Esta agresividad preocupaba a Steve, que era ms conservador. Jim haca tratos para proveer
a las compaas con componentes electrnicos sin antes preocuparse de saber si Blake
Electronics tena la habilidad o capacidad para producir los componentes. En varias ocasiones
este comportamiento caus a la compaa momentos embarazosos, ya que Blake Electronics
era incapaz de producir los componentes electrnicos para compaas con las cuales Jim hizo
tratos.
En 1968, Jim comenz a ir tras los contratos del gobierno para componentes electrnicos. En
1970, las ventas totales anuales ascendieron a ms de 10 millones de $ y el nmero de
empleados exceda los 200. La mayora de esos empleados eran especialistas en electrnica y
graduados de programas de ingeniera elctrica de universidades prestigiosas. Pero la
tendencia de Jim de exagerar para obtener contratos continu, hasta que por 1975, Blake
Electronics se gan una reputacin con las agencias del gobierno como de una compaa que
no poda entregar lo que prometa. De la noche a la maana, los contratos con el gobierno se
detuvieron, y Blake Electronics se qued con una fuerza de trabajo parada y equipo de
manufactura sin utilizar. Estos grandes gastos generales comenzaron a derretir el beneficio, y
en 1977, Blake Electronics se enfrent con la posibilidad de tener una prdida por primera vez
en su historia.
En 1978, Steve decidi ver la posibilidad de producir componentes electrnicos para uso del
hogar. Si bien era un mercado totalmente nuevo para Blake Electrnicos, Steve estaba
convencido de que esta era la nica forma de mantener a la empresa fura de la lnea roja. Al
equipo de investigacin le fue dada la tarea de desarrollar nuevos dispositivos electrnicos para
el hogar. La primera idea del equipo fue el Centro de Control Maestro. Los componentes
bsicos para este sistema se muestran en la figura 1.
El corazn del sistema es la caja de control maestro. Esta unidad, que debera tener un precio
al por menor de 250 $, tena dos filas de 5 botones. Cada botn controla una luz o dispositivo y
puede ser dispuesto como un interruptor o un restato. Cuando se dispone como un interruptor,
un toque de dedo al botn enciende o apaga la luz. Cuando se dispone como un restato, un
2 Este caso ha sido extractado del libro: Quantitative Analysis for Management. Render y Stair, 1997.
260
toque de dedo del botn controla la intensidad de la luz. Si se deja el dedo en el botn, la luz
realiza un ciclo completo desde apagado hasta una luz muy brillante, regresando a apagado.
Caja de control maestro
Adaptador de
salida
Adaptador de
interruptor de luz
Disco de
bombilla
Figura 1. Centro de Control Maestro

Para obtener un mximo de flexibilidad, cada caja de control maestro es energizada por dos
bateras de tamao D que pueden durar hasta un ao, dependiendo de su uso. Adems, el
equipo de investigacin ha diseado tres versiones de la caja de control maestro las versiones
A, B y C. Si la familia quiere controlar ms de 10 luces o dispositivos, puede ser comprada otra
caja de control maestro.
El disco bombilla, que debera tener un precio al por menor de 2.50 $, es controlado por la caja
de control maestro y es usada para controlar la intensidad de cualquier luz. Est disponible un
disco diferente para cada posicin del botn para las tres cajas de control maestro. Insertando
el disco bombilla entre la bombilla y el socket, el botn apropiado de la caja de control maestro
puede controlar completamente la intensidad de la luz. Si es usado un interruptor de luz
estndar, debe ser encendido todas las veces por la caja de control maestro para que pueda
trabajar.
Una desventaja de usar un interruptor de luz estndar es que solamente la caja de control
maestro puede ser usada para controlar una luz particular. Para evitar este problema, el equipo
de investigacin desarroll un interruptor adaptador de luz especial que debera venderse en 15
$. Cuando este dispositivo est instalado, tanto la caja de control maestro como el interruptor
adaptador de luz pueden ser usados para controlar la luz.
Cuando se quiere controlar otros dispositivos adems de la luz, la caja de control maestro debe
ser usada en conjuncin con uno o ms adaptadores de salida. Los adaptadores son
enchufados en un tabique de salida estndar, y el dispositivo es entonces enchufado al
adaptador. Cada adaptador de salida tiene un interruptor en la parte superior que permite que
261
el dispositivo sea controlado desde la caja de control maestro el desde el adaptador de salida.
El precio del adaptador de salida debera ser 25 $.
El equipo de investigacin estim que debera costar 500000 $ desarrollar el equipo y los
procedimientos necesarios para fabricar la caja de control maestro y los accesorios. Si es
exitosa, esta aventura podra incrementar las ventas en 2 millones de $ aproximadamente.
Pero ser que la caja de control maestro ser exitosa? Con un 60% de probabilidad de xito
estimado por el equipo de investigacin, Steve tiene serias dudas acerca de tratar de vender
las cajas de control maestro, an cuando le gusta la idea bsica.. Debido a sus reservas, Steve
decidi mandar solicitudes de propuestas (RFPs) para investigaciones adicionales de mercado
a 30 compaas de investigacin en el sur de California.
El primer RFP vino de una pequea compaa llamada Marketing Associates, Inc. (MAI) que
quera cobrar 100000 $ por el estudio. De acuerdo a su propuesta, MAI ha estado en el negocio
por tres aos y ha llevado a cabo cerca de 100 proyectos de investigacin de mercados. Las
mayores fortalezas de MAI parecen ser la atencin individual de cada informe, personal
experimentado y trabajo rpido. Steve se interes particularmente en una parte de la
propuesta, que revelaba el record xito de MAI con informes previos. Esto est mostrado en la
figura 12.
Resultados
Operacin exitosa
Operacin no exitosa
Resultados de la encuesta
Favorable Desfavorable
35
20
15
30
Total
55
45
La otra propuesta que regres fue de una oficina sucursal de Iverstine y Kinard, una de las ms
grandes empresas de investigacin de mercados en el pas. El costo para un estudio completo
es de 300000 $. Si bien la propuesta no contiene el mismo registro de xito de MAI, contiene
alguna informacin interesante. La probabilidad de obtener un resultado favorable del estudio,
dada una operacin exitosa, es de 90%. Por el otro lado, la probabilidad de conseguir un
resultado desfavorable de la encuesta, dada una operacin no exitosa, es de 80%. Entonces, a
Steve le parece que Iverstine y Kinard es capaz de predecir el xito o fracaso de la caja de
control maestro con una gran certidumbre.
Steve ponder la situacin. Desafortunadamente, ambos equipos de investigacin de mercados
dieron otorgaron diferentes tipos de informacin en sus propuestas. Steve concluy que no
haba forma que las dos propuestas puedan ser comparadas a menos que consiguiera
informacin adicional de Iverstine y Kinard. Adems, Steve no estaba seguro de lo que debera
hacer con la informacin y si vala la pena el gasto de contratar a una de las empresas de
investigacin de mercado.
Preguntas
1. Necesita Steve informacin adicional de Iverstine y Kinard?
2. Qu recomendara?
262
CAPTULO 10
REGRESIN Y CORRELACIN
1. INTRODUCCIN
En muchas investigaciones de tipo estadstico, el objetivo es determinar a partir de informacin
histrica o experimental, relaciones o funciones mediante las cuales se puedan realizar
pronsticos, lo ms exactamente posible, entre dos o ms variables relacionadas entre s.
Los anlisis de regresin y correlacin brindan al investigador las herramientas necesarias para
cumplir este objetivo.
1.1. Anlisis de regresin

El anlisis de regresin es una tcnica empleada para desarrollar una ecuacin que permite
expresar la relacin entre variables y estimar el valor de y (variable dependiente o de respuesta),
con base en valores de xi (variables independientes o explicativas).
La tcnica consiste en realizar un diagrama de dispersin de los datos a investigar, luego de
determinar por medio de l la ecuacin de ajuste entre las variables y desarrollar sistemas de
ecuaciones que permitan determinarla con base al principio de mnimos cuadrados.
El diagrama de dispersin (o nube de puntos) es una grfica que presenta la relacin entre
dos variables de inters.
El principio de mnimos cuadrados es una tcnica empleada para llegar a la ecuacin de
regresin minimizando la suma de los cuadrados de las distancias verticales entre los valores
de y observados y los valores pronosticados de y:
El principio de mnimos cuadrados minimiza la siguiente funcin:
n
Minimizar : z = (yi ye ) 2
i =1
donde:
yi = Ordenadas de los valores observados (datos).
ye = Ordenadas estimadas a partir de la ecuacin de regresin.
El diagrama de dispersin de la figura 10.1.1, aclara todos los conceptos arriba mencionados.
263
Figura 10.1.1. Diagrama de dispersin

yi
Recta de regresin
ye
yi
ye
Nube de puntos
yi
ye
yi
xi

Una serie de datos de dos variables, pueden poseer varios tipos de tendencias. Depender de
ellas que la serie pueda ajustarse a un modelo determinado. Los tipos de regresin ms usuales
se muestran en la figura 10.1.2.
Figura 10.1.2. Tipos de regresin usuales
y
Dependencia lineal directa
Dependencia lineal inversa
y = a + bx
y = a + bx
No hay correlacin
Dependencia parablica
y = ax 2 + bx + c
y
264

Cuando existe una serie donde hay ms de dos variables, el modelo ms usado es la regresin
lineal mltiple. Sin embargo, puede ser no lineal en una o dos variables independientes. En este
caso el diagrama de dispersin debe dibujarse en tres dimensiones, como lo muestra la figura
10.1.3.
Figura 10.1.3. Tipos de regresin mltiple
z
x
Dependencia lineal
Dependencia no lineal
z = ax + by
z = ax 2 + by 2
1.2. Anlisis de correlacin

Mide la bondad de ajuste entre los valores observados (datos) y los valores calculados con la
ecuacin de regresin hallada, mediante 3 coeficientes:
Coeficiente de correlacin.
Coeficiente de determinacin.
Coeficiente de no determinacin.
Coeficiente de correlacin
Dada la funcin, el coeficiente de correlacin permite determinar el grado de asociacin que
265
existe en la relacin de dependencia de las variables consideradas. Dicho de otro modo mide la
intensidad de la relacin entre las variables consideradas, mediante la siguiente expresin:
r=
S2y
S
2
y
= 1
S2y
S
2
y
donde:
Varianza total:
k
S2y =
(y
Varianza Explicada:
y) 2
Varianza no explicada:
i =1
S2y =
Se debe cumplir que:
( y e y) 2
S2y =
i =1
S2y = S2y + S2y

e
(y
ye ) 2
i =1
la varianza total es igual a al suma de la varianza explicada y la no explicada.

Se muestra un diagrama que muestra las diferencias entre los tres tipos de varianzas, descritas
anteriormente en la figura 10.1.4.
Figura 10.1.4. Diferencias entre los tres tipos de varianzas
y = f (x)
yi
Varianza Total
y = f (x)
y
y
e
y = f (x)
Varianza Explicada
yi
y
e
Varianza No Explicada

El esquema de la intensidad y direccin del coeficiente de correlacin est mostrado en la figura
10.1.5
266
Figura 10.1.5
Intensidad del coeficiente de correlacin
Negativa
perfecta
intensa
-1
Ninguna
correlacin
moderada
dbil
dbil
-0.5
moderada
Positiva
perfecta
intensa
0.5
Fuente: Mason y Lind. Estadstica para Administracin y Economa, 1995.

Conviene obtener un valor del coeficiente de correlacin cercano a 1 o -1, porque indicar una
gran intensidad de la relacin entre las variables consideradas, sea directa o inversa,
respectivamente.
Coeficiente de determinacin
Mide la proporcin de la variacin total en la variable dependiente, que se explica o se debe a la
variacin en la(s) variable(s) independiente(s).
Se calcula mediante el cuadrado del coeficiente de correlacin y generalmente se lo expresa
como porcentaje:
r =
2
S2y
S
2
y
Varianza exp licada

Varianza total
Conviene obtener un valor del coeficiente de determinacin cercano a 100%.

El coeficiente de no determinacin mide la proporcin de la variacin total en la variable
dependiente, que no se explica o se debe a la variacin en la(s) variable(s) independiente(s),
sino a otro tipo de variables no consideradas en el modelo: 100 r 2
Conviene obtener un valor del coeficiente de no determinacin cercano a 0%.
2. REGRESIN Y CORRELACIN LINEAL

La funcin de regresin lineal es una funcin matemtica que permite mostrar la relacin de
causalidad que existe entre las variables, mediante la relacin: y = a + b x
donde: a = Ordenada al origen.
b = Pendiente de la recta.
Ejemplo
Una familia quiere determinar una funcin que le permita estimar su consumo (de un artculo
especfico) en base a sus ingresos. Para ello reuni la siguiente informacin (ver tabla 10.2.1):
Sea:
yi = consumo en unidades
xi = ingreso en decenas de Bs.
267
Tabla 10.2.1
Bidimensional consumo vs. ingresos
xi
15
20
25
32
38
yi
18
21
24
27
35

a) Halle la funcin de regresin y determine su correlacin.
b) Cunto gastara la familia si su ingreso es de 42, 50 y 87 decenas de Bs.?
El procedimiento que se sigue para determinar dicha funcin de regresin es:
1er Paso. Definir el diagrama de dispersin o nube de puntos que permite establecer la
naturaleza de la funcin matemtica existente entre los datos cuya relacin se busca (ver grfico
10.2.1).
Grfico 10.2.1
Diagrama de dispersin del consumo vs. ingresos
40
Consumo
35
30
25
20
15
15
20
25
32
38
Ingreso
Fuente_ Elaboracin propia

La nube de puntos sugiere una lnea recta de la forma: y = a + bx . Se tiene el caso de una
regresin "y en x" ("consumo funcin ingreso").
2do Paso. Se aplica el mtodo de mnimos cuadrados, minimizando z =
(y
y e )2 , siendo
i =1
y e = a + bx , donde yi, xi son datos, a y b son parmetros a determinar. Derivando parcialmente

n
(y
y e ) 2 respecto de a y b, e igualando a cero se obtiene el sistema de ecuaciones
i =1
normales, que permiten hallar el valor de dichos parmetros.

268
Dichas ecuaciones son:
y = na + b x
x y = a x + b x
i
2
i
cuando el par (xi , yi) no se repite.

Despejando las constantes a y b, de las anteriores ecuaciones se tiene:
b=
n xy x y
n x 2 ( x )
a=
y b x = y bx
n
Si se repiten (cuadro bidimensional), las ecuaciones normales son:
y n = na + b x n
x y n = a x n + b x n
i
2
i
3er Paso. Se calcula a y b, parmetros de la funcin de regresin (ver tabla 10.2.2):

Se calcula (xi * yi) y (xi2) en columnas (3) y (4) respectivamente.
Tabla 10.2.2
Clculo de la recta de regresin del consumo vs. ingresos
xi
yi
xi * y i
xi2
ye
( yi y )
( ye y )
15
20
25
32
38
130
18
21
24
27
35
125
270
420
600
864
1330
3484
225
400
625
1024
1444
3718
17
21
24
29
33
49
16
1
4
100
170
64
16
1
16
64
161

Reemplazando valores en las frmulas:
b=
5(3848) 130(125)
= 0.69
5(3718) (130) 2
a=
125
130
(0.69)
= 25 (0.69)(26) = 7
5
5
Luego, y = 7 + 0.69x , que es la funcin de regresin.

4to Paso. Dado y = 7 + 0.69x , se estima cuanto gastara la familia si el ingreso es 42, 50 y 87
decenas de Bs.
269
Reemplazando los valores en la funcin de regresin:
y = 7 + (0.69)(42) = 36
y = 7 + (0.69)(50) = 42
y = 7 + (0.69)(87) = 67
La familia gastara 36, 42 y 67 decenas de Bs. si su ingreso es de 42, 50 y 87 decenas de Bs.,
respectivamente.
Sin embargo, no se puede saber an si el pronstico realizado es confiable. Para ello, se debe
realizar el anlisis de correlacin.
La correlacin se determina mediante los siguientes clculos:
y i 125
=
= 25
n
5
2) Calcule (yi y) 2 en columna (6).
1) Halle y : y =
3) Calcule (y e y) 2 en columna (7).

4) Reemplace los valores hallados para calcular el coeficiente de correlacin:
2
Sy =
( yi y ) 170
=
= 34
n
5
r=
S2ye =
( y e y ) 2 161
=
= 32.2
n
5
32.2
1.8
= 1
= 0.973
34
34
Conclusin: Como r = 0.97, se puede decir que existe alta correlacin positiva entre "x" y "y" o
una relacin intensa directa entre el ingreso y el consumo.
El coeficiente de determinacin ser el siguiente:
r 2 = 0.947
Conclusin: Se puede concluir que el 94.7% de la variacin en el consumo se explica por la
variacin en el ingreso y un 5.3% se explica o se debe a otras variables no consideradas.
Por lo tanto, se puede decir que la estimacin realizada a partir de la ecuacin de regresin
hallada es bastante confiable.
Nota: Una frmula alternativa para hallar la correlacin, slo en el caso lineal, es:
r=
Covarianza
Sxy
=
Sx *Sy Desviacin estndarx * Desviacin estndary
270
r=
n xy x y
n x 2 ( x )2 n y 2 ( y )2

3. REGRESIN Y CORRELACIN LINEAL MLTIPLE

Los datos de cualquier problema de regresin mltiple que contemplen dos variables
independientes, se ajustarn a una ecuacin de este tipo:
y = a + b x1 + c x 2
donde: a, b, c, son parmetros a calcular mediante el anlisis de regresin.
x1 y x2, son las variables independientes
y, es la variable dependiente.
Segn mnimos cuadrados, se tendr que minimizar la siguiente expresin:
Min : Z = (Y a bx1 cx 2 ) 2
Las ecuaciones que resultan son las siguientes:
na + b x1 + c x 2 y = 0
2
a x1 + b x1 + c x1x 2 x1 y = 0
2
a x 2 + b x1x 2 + c x 2 x 2 y = 0
Ejemplo
Una compaa desea estimar el monto a pagar a sus ejecutivos en base a su edad y al nmero
de aos que estudiaron en la universidad. Para ello obtuvo la siguiente informacin histrica (ver
tabla 10.3.1):
x = Edad de los ejecutivos de una compaa
1
x = No. de aos que estuvieron en la Universidad
2
y = Ingresos anuales (miles de $).
271
Tabla 10.3.1
Ingresos vs edad y aos de estudio de ejecutivos
x1
37
45
38
42
31
x2
4
0
5
2
4
y
51.2
46.8
55.0
50.3
45.4

a) Ajuste los datos a una ecuacin polinomial.
b) Estime cunto ganar en promedio un ejecutivo recin contratado por la compaa, si tiene
40 aos de edad y estuvo 4 aos en la Universidad.
Resolucin
Los clculos nos llevan a los siguientes resultados (ver tabla 10.3.2):
Tabla 10.3.2
Clculo de la ecuacin de regresin de Ingresos vs edad y aos de estudio de ejecutivos
x1
x2
37 4 51.2
45 0 46.8
38 5 55.0
42 2 50.3
31 4 45.4
193 15 248.7
x12
x1*x2
x1*y
x22
x2*y
1369
2025
1444
1764
961
7563
148
0
190
84
124
546
1894.4
2106.0
2090.0
2112.6
1407.4
9610.4
16
0
25
4
16
61
204.8
0
275.0
100.6
181.6
762.0
ye
( y i y )2
( y e y )2
51.1770 2.1316
46.9618 8.6436
55.1135 27.6676
50.0303 0.3136
45.4116 18.8356
57.5920
2.0650
7.7184
28.8745
0.0843
18.7350
57.4772

Reemplazando los valores hallados en el sistema de ecuaciones:
5 a + 193 b + 15 c = 248.7
193 a + 7563 b + 546 c = 9610.4
15 a + 546 b + 61 c = 762
a = 3.7213
b = 0.9609
c = 2.9756
La ecuacin de regresin mltiple es:
y = 3.7213 + 0.9609 x1 + 2.9756 x 2

Luego se realizan los clculos para el anlisis de correlacin:
S 2ye = 11.4954
S 2y = 11.5184
272
Los coeficientes de correlacin y determinacin son:
r 2 = 0.9980
r = 0.9990
Conclusin.
Se puede concluir que existe una relacin intensa (casi perfecta) entre la edad de los ejecutivos,
el nmero de aos que estudiaron en la universidad y sus ingresos anuales.
Adems que el 99.8% de la variacin en sus ingresos est explicada por la variacin de su edad
y su formacin acadmica.
Por lo tanto la estimacin que realizar la compaa de los ingresos del nuevo ejecutivo es muy
confiable:
y = 3.7213 + 0.9609 (40) + 2.9756 (4) = 54060

El nuevo ejecutivo ganar 54060 $us anuales.
4. REGRESION Y CORRELACIN NO LINEAL

Se determin que aplicando mnimos cuadrados a la funcin lineal: y = a + b x, las ecuaciones
normales eran:
y = na + b x
x y = a x + b x
i
2
i
Este hecho servir para hallar las ecuaciones para modelos no lineales sencillos.
Si la funcin es:
y = a bx
(funcin exponencial)
Aplicando logaritmos: ln y = ln a + x ln b , las ecuaciones normales son:
ln y = n ln a + ln b x
x ln y = ln a x + ln b x
i
Si la funcin es:
y = a xb
2
i
(funcin potencial)
Aplicando logaritmos: ln y = ln a + b ln x , las ecuaciones normales son:
ln y = n ln a + b ln x
ln x ln y = ln a ln x + b ( ln x )
i
Las ecuaciones de regresin para el modelo parablico: y = a + bx + cx 2 , son:

273
y i = a n + b x i + c x i2
3
2
x i y i = a x i + b x i + c x i
2
2
3
4
x i y i = a x i + b x i + c x i
Nota: El lector, a travs de los mnimos cuadrados puede determinar las ecuaciones de
regresin para cualquier funcin que sea ms adecuada a los datos experimentales.
Ejemplo
Las cifras de la tabla 10.4.1 son datos sobre el porcentaje de las llantas radiales producidas por
cierto fabricante que aun pueden usarse despus de recorrer cierto nmero de millas:
Tabla 10.4.1
Porcentaje til de llantas vs. millas recorridas
Millas
Porcentaje
recorridas
til
(miles)
1
98.2
2
91.7
5
81.3
10
64.0
20
36.4
30
32.6
40
17.1
50
11.3
Ajuste a una curva exponencial y estime qu porcentaje til tendrn las llantas radiales del
fabricante si recorrieron 25000 millas.
Resolucin
Primero se verifica si la nube de puntos sugiere una regresin exponencial (ver grfico 10.4.1).
Grfico 10.4.1
Diagrama de dispersin del Porcentaje til de llantas vs. millas recorridas
274
120
100
% til
80
60
40
20
0
0
10
20
30
40
50
60
Millas recoridas

Claramente se ve una tendencia exponencial inversa.
Los clculos son los siguientes (ver tabla 10.4.2):
Tabla 10.4.2
Clculo de la ecuacin de regresin del porcentaje til de llantas vs. millas recorridas
x
ln y
x2
x*ln y
ye
( y i y )2
( y e y )2
1
2
5
10
20
30
40
50
158
98
92
81
64
36
33
17
11
433
4.587
4.519
4.398
4.159
3.595
3.484
2.839
2.425
30.005
1
4
25
100
400
900
1600
2500
5530
4.59
9.04
21.99
41.59
71.89
104.53
113.56
121.24
488.43
96.024
91.946
80.721
64.975
42.098
27.276
17.672
11.450
1947.02
1415.64
741.20
98.51
312.41
461.18
1367.15
1829.70
8172.80
1759.73
1434.20
710.01
118.81
143.45
718.20
1325.15
1816.88
8026.44

Reemplazando los valores hallados en el sistema de ecuaciones:
8 A + 158 B = 30.005
158 A + 5530 B = 488
A = 4.608
B = 0.043
y = 100.28 (0.9575)x
La ecuacin resultante es:
Realizando el anlisis de correlacin:
S 2ye = 1003.3
S 2y = 1021.6
275
a = 100.28
b = 0.9575
r 2 = 0.9821
r = 0.9910
Conclusin.
Se concluye que existe una relacin intensa entre las millas recorridas y el porcentaje til que
aun tienen las llantas.
El 98.21% de la variacin en el porcentaje til se debe a la variacin en las millas recorridas por
las llantas.
Por lo tanto, la estimacin que se realizar mediante la ecuacin de regresin hallada es
confiable.
y = 100.28 (0.9575) 25 = 33.86

El porcentaje til de las llantas luego de recorrer 25000 millas ser de 33.86%
276
EJERCICIOS DE CLASE
Regresin lineal
1. La tabla siguiente suministra las cifras aproximadas del censo de los Estados Unidos (en
millones) para los 48 estados adyacentes en la primera mitad del siglo XX :
Ao
Poblacin
1900
75
1910
91.97
1920
105.7
1930
122.78
1940
131.7
1950
178.5
Use esta recta para "predecir" la poblacin en 1970. (La poblacin real de los 48 estados
adyacentes era aproximadamente 200 millones en 1970. Encuentre los coeficientes de
correlacin y de determinacin y exprese su significado.
Regresin lineal mltiple
2. Usted como gerente de marketing est intentando predecir la demanda anual de su producto
estrella Tapun, utilizando las siguientes variables: Precio = Precio del producto [$], Ingreso =
Ingreso del consumidor [cientos de $]. Usted recopil datos correspondientes al perodo 1982
- 1992:
Ao
1982
1983
1984
1985
1986
Demanda
60
70
65
65
75
Precio
7
6
6
8
5
Ingreso
8
9
10
11
12
a) Encuentre la ecuacin de regresin que mejor se ajuste a los datos, los coeficientes de
determinacin y correlacin, e interprtelos.
b) Qu valor de demanda predecira si el precio de los productos fue de 6 $ y el ingreso del
consumidor de 1200 $?.
Regresin no lineal
3. Los datos siguientes son los beneficios netos de una compaa durante los primeros seis
aos que ha operado.
Ao
1
2
3
4
5
6
Beneficio
(miles de $)
112
149
238
354
580
867
Pronostique el beneficio neto de la compaa para el octavo ao que habr operado en el

negocio, si los datos se ajustan a una funcin exponencial.
277
4. Los siguientes son datos relacionados con el volumen de un gas (en pulgadas cbicas) y su
presin (en libras por pulgada cuadrada), cuando el gas est comprimido a una temperatura
constante.
Volumen
50
30
20
10
5
Presin
16.0
40.1
78.0
190.5
532.2
Ajuste a una funcin potencial y estime la presin de este gas cuando est comprimido a un
volumen de 15 pulgadas cbicas.
278
1. Se llev a cabo un proyecto de investigacin para determinar si existe alguna relacin entre
los aos de servicio y las puntuaciones de eficiencia de empleados. El objetivo del estudio es
pronosticar la puntuacin de eficiencia de un empleado con base en su tiempo de servicio.
Los resultados muestrales son:
Empleado
Jones
Orlando
Ireland
Smith
Kordel
Harper
Lopez
Sobecki
Aos de
servicio
1
20
6
8
2
1
15
8
Tasa de
eficiencia
6
5
3
5
2
2
4
3
a) Trace un diagrama de dispersin y determine la ecuacin de regresin.

c) Para 8 aos de servicio, cul es la tasa de eficiencia pronosticada?
2. En el departamento de produccin de una empresa, se desea examinar la relacin entre el
nmero de empleados que arman un subensamble y el nmero de subensambles producidos.
Como experimento, a dos empleados se les asign armar el subensamble. Produjeron 15
durante un perodo de una hora. Despus se dedicaron a armarlo cuatro empleados.
Produjeron 25 subensambles durante un perodo de una hora. El conjunto completo de pares
de observaciones es como sigue.
Nmero de
operarios
2
4
1
5
3
Produccin en una
hora (unidades)
15
25
10
40
30
La variable dependiente es la produccin; esto es, se considera que el nivel de produccin

depende del nmero de personas que participan en el armado.
a) Trace un diagrama de dispersin.
b) Con base en el diagrama, parece haber alguna relacin entre el nmero de personas que
realizaron el armado y la produccin? Explique la respuesta.
c) Determine la ecuacin de regresin.
d) Contando con tres ensambladores, cul es la produccin pronosticada por hora?
e) Determine tres puntos cualesquiera de la recta y trcela en el diagrama de dispersin.
f) Determine el coeficiente de correlacin y evale la intensidad de la relacin.
g) Determine el coeficiente de determinacin e interprtelo.
279
3. Determine si existe dependencia entre la cantidad de lluvia y los grados de temperatura en

base a las siguientes observaciones:
Temperatura
(grados)
20.8
15.6
23.9
24.2
25.0
10.3
15.2
17.2
20.1
15.1
Lluvia
(litros por m2)
14.1
10.2
8.3
30.3
32.5
21.4
34.0
18.6
19.0
22.7
4. Los valores de x e y son los siguientes:
X:
Y:
2
1
3
2
4
3
5
3
6
6
a) Calcule el coeficiente de correlacin.

b) Multiplique por 2 los valores de X y por 3 los de Y, y calcule seguidamente el coeficiente de
correlacin correspondiente a estas dos nuevas series.
c) Comente el resultado.
5. La siguiente tabla da el nmero de calzado y los pesos de 55 estudiantes. Con estos datos
estudie la interdependencia lineal entre ambas variables.
Peso (kg)
55 60 65 70 75 80 85
1
3 3 4
3 4 6
1
8 8 7 2
2
1
2
N calzado
39
40
41
42
43
44
6. Dados los valores observados de las tres variables Y, X1, X2, halle la ecuacin de regresin y
el coeficiente de determinacin correspondiente.
Y
X1
X2
2
2
7
3
3
6
4
4
8
3
4
7
1
1
5
7. Los datos siguientes se refieren a la demanda de un producto (en miles de unidades) y su

precio (en centavos) tomado de 5 diferentes centros comerciales:
Precio
20
Demanda
22
280
16
10
11
14
41
120
89
56
Ajuste mediante una curva potencial y emplee para estimar la demanda, el precio del
producto de 12 centavos.
8. Los datos siguientes se refieren a las dosis de rayos csmicos medidas a varias altitudes:
Altitud (pies)
50
450
780
1200
4400
4800
5300
Razn de dosis
(mrem/ao)
28
30
32
36
51
58
69
a) Ajuste los datos a una curva exponencial.

b) Estime la dosis media a una altitud de 3000 pies.
281

1. Halle la ecuacin de regresin para el precio del producto B, a partir de los siguientes datos
que obtuvo la empresa de una encuesta:
qA
5
1
1
3
qB
5
2
4
1
pB
20
19
17
22
a) Realice en anlisis de correlacin para determinar si la funcin hallada dar pronsticos

confiables.
b) Pronostique cul sera el precio de B, si se demandan 4 unidades de A y 2 unidades de B.
2. La organizacin de las Naciones Unidas (ONU) proporcion los siguientes valores de las
tasas anuales de nacimientos y suicidios para los pases seleccionados.
Pas
Australia
Checoslovaquia
Finlandia
Alemania Oriental
Italia
Mxico
Polonia
Singapur
Espaa
EEUU
Tasa de nacimiento
(por millar de hab.)
15.7
18.4
13.5
13.9
12.5
35.3
19.0
17.0
17.2
15.3
Tasa de suicidios
(por millar de habitantes)
11.1
12.9
25.1
30.5
5.8
2.1
12.1
11.3
4.0
12.7
a) Trace un diagrama de dispersin. Determine la ecuacin de regresin.

b) Grafique la ecuacin de regresin en el diagrama de dispersin.
c) Pronostique la tasa de suicidios para un pas que tenga una tasa de nacimientos de 15.0
por millar de habitantes.
d) Determine la intensidad de la relacin entre las dos variables. Determine la proporcin de
la variacin de la tasa de suicidios que se debe a la variacin de la tasa de nacimientos.
3. Durante los ltimos 4 aos, un funcionario de la oficina de admisiones de un centro de
estudios superiores ha reunido los siguientes datos (medidos en unidades de 1000) que
relacionan el nmero de catlogos del centro de estudios superiores solicitados por
estudiantes de enseanza media hasta el primero de diciembre con el nmero de formularios
diligenciados y recibidos hasta el primero de marzo:
catlogos solicitados
formularios recibidos
4.5
1.0
a) Represente estos datos en una grfica.

282
3.5
0.8
4.0
1.0
5.0
1.5
b) Emplee mnimos cuadrados para predecir el nmero de formularios diligenciados que

recibirn hasta el primero de marzo si se han solicitado 4800 catlogos hasta el primero de
diciembre.
4. Los datos siguientes son los tiempos de secado de un barniz y la cantidad de cierto aditivo
qumico.
Cantidad de aditivo
(gramos)
1
2
3
4
5
6
7
8
Tiempo de secado
(horas)
7.2
6.7
4.7
3.7
4.7
4.2
5.2
5.7
a) Realice el diagrama de dispersin y ajuste los datos a la curva que mejor crea
conveniente.
b) Pronostique el tiempo de secado del barniz, cuando se agregan 6.5 gramos del qumico.
283
CASO DE ESTUDIO
SPRINGVILLE HERALD
FASE 7
En la implantacin de la estrategia corporativa de aumentar las ventas de entrega a domicilio, el
departamento de mercadotecnia debe trabajar de cerca con el de distribucin para lograr que
funcione el proceso inicial de entrega para los clientes de prueba. Esto es importante para
asegurar que el mayor nmero posible de clientes de prueba se conviertan en clientes
permanentes, ya que se crear una impresin negativa fuerte si ocurren problemas durante la
primera semana de reparto.
Como parte de su responsabilidad en el proceso, es esencial para el departamento de
mercadotecnia poder pronosticar el nmero de suscriptores en los prximos meses. Un equipo
formado por administradores de los departamentos de mercadotecnia y distribucin, convino en
desarrollar un mtodo mejor para pronosticar las nuevas suscripciones. Melissa Hogue, jefa de
mercadotecnia, pidi a Lauren may, especialista en pronsticos de mercado, que propusiera
algunas ideas acerca de los mtodos de pronsticos que se podan usar. Lauren, recin
contratada en la compaa por sus habilidades especiales en mtodos de pronstico
cuantitativos, pregunt al equipo cmo se haban hecho los pronsticos de las nuevas
suscripciones en el pasado. Al Baum, un miembro del equipo, respondi que por lo comn,
despus de examinar las nuevas suscripciones de los dos o tres meses anteriores, un grupo de
administradores desarrollaba un pronstico por consenso. Lauren pregunt si alguien haba
intentado determinar qu factores podan ser tiles para predecir las nuevas suscripciones cada
mes. Todos contestaron que los pronsticos en el ltimo ao haban sido bastante inexactos,
porque unos meses se realizaba un gran esfuerzo de ventas por telfono y otros la dedicacin
era menor.
Lauren sugiri que se obtuvieran los datos de los dos ltimos aos de los registros de la
compaa. En particular estaba interesada en conocer el nmero de nuevas suscripciones y el
nmero de horas dedicadas a ventas por telfono cada mes. La siguiente tabla indica el nmero
de nuevas suscripciones para el mes y el nmero de horas dedicadas a ventas por telfono.
Ejercicios
a) Qu crtica puede hacer al mtodo de pronsticos que consista en examinar las nuevas
suscripciones de los ltimos 3 meses como base para las proyecciones futuras?
b) Qu factores, adems del nmero de horas de venta por telfono pueden ser tiles para
predecir el nmero de suscripciones?
c) Analice los datos y desarrolle un modelo estadstico para predecir el nmero de nuevas
suscripciones para un mes, con base en el nmero de horas dedicadas a la venta por
telfono para lograrlas. Escriba un informe con todos los detalles de lo que encontr respecto
al modelo que se ajust a los datos.
d) Si se espera que se dediquen 1000 horas de ventas por telfono en el siguiente mes,
pronostique el nmero de nuevas suscripciones esperadas para el mes. Indique la suposicin
en la que se basa este pronstico. Piensa que estas suposiciones son vlidas?
e) Cul sera el peligro de predecir el nmero promedio de nuevas suscripciones para un mes
en que se dedican 2000 horas a las ventas por telfono? Explique.
Tabla SH2.5
284
Nmero de nuevas suscripciones y nmero de horas dedicadas a ventas por telfono por mes para
un periodo de dos aos
Periodo
1
2
3
4
5
6
7
8
9
10
11
12
Horas de
ventas por
telfono
1224
1458
1006
1395
1131
921
704
1154
1168
803
830
981
Nuevas
Periodo
suscripciones
5357
6177
4795
5692
4312
3421
2624
4087
4934
2546
3591
4271
13
14
15
16
17
18
19
20
21
22
23
24
Horas de
ventas por
telfono
1435
1349
965
985
1117
840
1412
940
1090
1498
1240
1055
285
Nuevas
suscripciones
5836
5201
3775
3592
4566
2974
5673
3554
4399
6143
4827
5418
CAPTULO 11
SERIES CRONOLGICAS
1. INTRODUCCIN
Una serie temporal es un conjunto de valores correspondientes a una variable, observados en
el tiempo. La serie cronolgica se considera como una estadstica de dos variables donde una
de ellas es el tiempo (variable independiente) y la otra los valores de la variable observada
(variable dependiente).
Debido a que las condiciones econmicas y comerciales varan con el tiempo, los
administradores deben encontrar formas para mantenerse al da respecto a los efectos que
esos cambios tendrn en sus negocios. Una tcnica muy til en la planeacin de las
necesidades operativas es el pronstico, que tiene como objetivo predecir los eventos futuros
de manera que las proyecciones se puedan incorporar en el proceso de toma de decisiones.
Como ejemplos, se citan algunos:
Los funcionarios del gobierno pronostican aspectos como el desempleo, inflacin,

produccin industrial e ingresos esperados de los impuestos personales y corporativos
para formular las polticas.
Los ejecutivos de mercadotecnia pronostican la demanda de un producto, ingresos por
ventas, preferencias el consumidor, inventarios, etc., a fin de tomar decisiones oportunas
respecto a sus operaciones futuras y realizar una buena planificacin estratgica.
Los directores de una lnea rea deben pronosticar el uso de necesidades con base en el
nmero de vuelos, empleados y pasajeros, para mantener un inventario de refacciones de
reemplazo para su flota de aviones.
La administracin de una universidad debe ser capaz de pronosticar la inscripcin de
estudiantes, de acuerdo con las proyecciones nacionales de poblacin y las tendencias de
la enseanza segn los desarrollos tecnolgicos, para planear la construcciones de
dormitorios y otras instalaciones acadmicas, el reclutamiento de estudiantes y profesores,
etc.
Los tipos de mtodos de pronsticos son: cualitativo y cuantitativo.

Los mtodos de pronstico cualitativos son importantes, en especial cuando no se dispone de
datos histricos, como sera el caso de un departamento de finanzas que desea pronosticar
los ingresos de una nueva compaa. Estos mtodos se consideran altamente subjetivos o
basados en la opinin y son: el mtodo de enumeracin de factores, la opinin de expertos y
le tcnica Delphi.
Los mtodos de pronstico cuantitativos utilizan los datos histricos. La meta es estudiar lo
que ocurri en el pasado para entender mejor la estructura fundamental de los datos y
proporcionar los medios necesarios para predecir los sucesos futuros.
286
2. COMPONENTES DE LAS SERIES TEMPORALES

Los valores en el tiempo son resultado de un conjunto de fuerzas o factores que actan sobre
el fenmeno en estudio. Estas fuerzas pueden ser agrupadas en cuatro grandes
componentes:
Tendencia secular (T): Es el comportamiento promedio de la serie temporal. Es la
direccin predominante de la serie observada en un espacio de tiempo suficientemente
amplio.
Variacin estacional o peridica (E): Permite comprender las influencias de las
estaciones o de otros perodos del ao sobre los valores de la variable, que generalmente
se dan en fenmenos econmicos, como por ejemplo las series de produccin de
productos agrcolas, ventas de grandes empresas, aumento de casos de gripe en invierno,
etc.
Variaciones cclicas (C): Son propias de las variables econmicas. Permiten comprender
las oscilaciones que aparecen a lo largo de la tendencia secular y que abarcan a intervalos
de tiempo superiores a un ao. Difieren en intensidad y amplitud, pero generalmente duran
de 2 a 10 aos o ms, de acuerdo al ciclo de un negocio.
Variaciones accidentales o irregulares (A): Son manifestaciones que corresponden a
situaciones espordicas o eventuales que influyen en los valores de la variable y dan lugar
a un movimiento brusco en la trayectoria de la serie temporal. Son movimientos
accidentales y aleatorios, como ser: una helada en el campo, una poltica pasajera de
dumping, la entrada de un nmero extraordinario de turistas, etc.
Este conjunto de fuerzas que actan sobre los valores de las variables, no tienen una manera
esclarecida, por lo cual se elaboran hiptesis sobre dicha forma de accin:
y = T x E xCx A
y = T+E+C+A
Hiptesis multiplicativa:
Hiptesis aditiva:
Grficamente (ver grfico 11.2.1):
Grfico 11.2.1
Serie cronolgica con sus 4 componentes
t
287

donde:
La recta nos muestra la tendencia lineal de la serie:
La curva cclica de perodo corto las variaciones estacionales:
La curva cclica de perodo largo la variacin cclica:
Las puntas asistemticas las variaciones accidentales:
Los gerentes, industriales e investigadores estn muy interesados en predecir los cambios
que pueden darse con respecto al tiempo de toda una serie de variables que manejan, porque
constituyen una parte muy importante en la toma de decisiones que deben realizar.
La calidad de las predicciones que los investigadores pueden efectuar est estrechamente
relacionada con la informacin que se puede extraer y la manera de utilizarla. El anlisis de
series temporales es un mtodo cuantitativo que se utiliza para determinar patrones en los
datos recolectados a travs del tiempo, para luego proyectarlos al futuro.
La tabla 11.2.1 muestra un resumen de los cuatro componentes principales de una serie de
tiempo:
Tabla 11.2.1
Caractersticas de los 4 componentes de una serie temporal
Componente
(Clasificacin)
T
(Sistemtico)
E
(Sistemtico)
C
(Sistemtico)
A
(No
sistemtico)
Definicin
Patrn de movimiento global o

persistente, a largo plazo.
Fluctuacin ms o menos
regular que ocurre en cada
periodo de 12 meses cada ao.
Razn de la influencia
Duracin
Cambios
en
tecnologa, Varios aos
poblacin, riqueza, valores.
Condiciones
de
clima, Dentro
de
12
costumbres sociales o religiosas. meses (O datos
mensuales
o
trimestrales).
Interaccin
de
numerosas De 2 a 10 aos,
diferente
combinaciones de factores que con
intensidad en un
influyen en la economa.
ciclo completo.
Oscilacin
o
movimiento
repetitivo arriba o abajo en 4
etapas: Pico (prosperidad),
contraccin (recesin), fondo
(depresin)
y
expansin
(recuperacin o crecimiento)
Fluctuacin errtica o residual Variaciones aleatorias en los Corta duracin y
presente despus de tomar en datos o debidas a eventos no sin repeticin.
cuenta los efectos sistemticos. previstos
como
huelgas,
huracanes,
inundaciones,
asesinatos polticos, etc.
Fuente: Berenson Levin Krehbiel. Estadstica para administracin, 2000.
3. DETERMINACIN DE LOS COMPONENTES DE UNA SERIE CRONOLGICA

3.1. Tendencia secular
288
Existen cuatro mtodos para la determinacin de la tendencia secular.

a) Mtodo de los puntos medios
Es un mtodo grfico que se efecta de la siguiente manera:
Dada la representacin grfica de la serie de tiempo, se dibuja la lnea de los puntos
mximos y otra de los puntos mnimos, uniendo entre s con lneas quebradas los mximos
y los mnimos de la serie, respectivamente.
Utilizando ambas lneas superior e inferior, se toman en las perpendiculares los puntos
medios.
La lnea que se forma uniendo dichos puntos medios es la tendencia.
Grfico 11.3.1
Clculo de la tendencia secular por le mtodo de puntos medios
t
Fuente: Casa Aruta, Ernesto. Doscientos Problemas de Estadstica Descriptiva, 1965
donde:
Serie observada:
Mximos y mnimos:
Tendencia:
b) Mtodo de las medias mviles
Este mtodo busca diluir la importancia individual de cada observacin, promedindola
mediante una media aritmtica, considerando las observaciones. Cada valor observado de y,
es sustituido por una media aritmtica, que se obtiene por valores componentes de y, en
grupos de un nmero determinado de valores y aplicados mecnicamente. Se presentan dos
casos, segn el nmero de observaciones elegidas para calcular el promedio sea par o impar.
Ejemplo
a) Sea la siguiente serie temporal. En caso de considerar un grupo impar de valores (ver tabla
11.3.1).
289
Tabla 11.3.1
Mtodo de la media mvil considerando grupo impar
t
0
1
2
3
4
5
6
7
yo
y1
y2
y3
y4
y5
y6
y7
y
y1
y2
y3
y4
y5
y
~
y2
~
y3
~
y4
~
y5
y6

(Se han tomado aqu medias mviles de tamao 3) Observe que siempre quedarn sin
determinar algunos valores de la media mvil al principio y al final de la serie.
y o + y1 + y 2
3
y +y +y
y2 = 1 2 3
3
y1 =
y + y2 + y3
~
y2 = 1
3
y6 =
y5 + y6 + y7
3
y + y5 + y6
~
y5 = 4
3
El mtodo se vuelve a usar tantas veces como sea posible, hasta suavizar la tendencia
secular de manera adecuada o que satisfaga los objetivos de la investigacin realizada.
b) En caso de considerar un grupo par (ver tabla 11.3.2.).
En este caso es necesario volver a calcular otra nueva serie de medias mviles de tamao
dos sobre la hallada primeramente, con el objeto de centrar los datos en los momentos
originales, ya que al calcularse la primera serie, dichos momentos quedaron desplazados con
respecto al tiempo.
y2 =
y o + y1 + y 2 + y 3
4
y + y3
~
y( 2 = 2
2
y3 =
y1 + y 2 + y 3 + y 4
4
y + y4
~
y3 = 3
2
y6 =
y4 + y5 + y 6 + y7
4
290
Tabla 11.3.2
Mtodo de la media mvil considerando grupo par
t
yo
y1
Y2
y2
y3
Y3
y4
Y4
Y5
Y6
Y7
y5
~
y2
~
y3
~
y4
~
y5
y6

c) Mtodo de las dos medias
Se procede del siguiente modo:
Se separan las observaciones en dos grupos.
Es preferible que sean del mismo nmero de elementos.
Se calcula la media aritmtica de cada uno de los grupos. As se obtiene dos puntos.
La tendencia secular es la lnea que pasa por dichos puntos. Algebraicamente se
determina por la expresin punto pendiente:
y=
y 2 y1
(x x1 ) + y1
x 2 x1
d) Mtodo analtico
Una tendencia secular puede hallarse mediante un anlisis de regresin, pudiendo
comportarse bajo cualquier modelo visto en el captulo anterior, con la particularidad de que la
variable independiente es siempre el tiempo.
Aplicando mnimos cuadrados a: y = a + bt
(funcin lineal)
291
Las ecuaciones normales son:
yi = n a + b t i
2
yi t i = a t i + b t i
que es un sistema de 2 ecuaciones con las incgnitas a y b.
Si la funcin es:
y = a bt
(funcin exponencial)
Aplicando logaritmos: ln y = ln a + t ln b
ln yi = n ln a + ln b t i
2
ln yi t i = ln a t i + ln b t i
Si la funcin es:
y = a tb
(funcin potencial)
Aplicando logaritmos: ln y = ln a + b ln t
ln y i = n ln a + b ln t i
2
ln y i ln t i = ln a ln t i + b (ln t i )
Nota: La tendencia secular puede seguir la forma de cualquier funcin. En todo caso, el
investigador deber determinar la curva que mejor se ajuste a los datos temporales.
Ejemplo
La tabla 11.3.3 presenta las ventas mundiales anuales de una fbrica (en millones de
unidades) de automviles, camiones y autobuses hechos por la General Motors para un
periodo de 24 aos, de 1975 a 1998.
a) Halle la tendencia secular por medio del mtodo de medias mviles, usando un valor de
n=7.
b) Determine la tendencia secular por el mtodo analtico.
292
Tabla 11.3.3
Ventas mundiales anuales de la General Motors
Ao
Ventas
1975
6.6
1976
8.6
1977
9.1
1978
9.5
1979
9.0
1980
7.1
1981
6.8
1982
6.2
Ao
Ventas
1983
7.8
1984
8.3
1985
9.3
1986
8.6
1987
7.8
1988
8.1
1989
7.9
1990
7.5
Ao
Ventas
1991
7.4
1992
7.7
1993
7.8
1994
8.4
1995
8.3
1996
8.4
1997
8.8
1998
8.1

Resolucin
Para determinar la tendencia por medio de las medias mviles con n=7, calculamos la primera
media con las ventas de los primeros 7 aos.
y1 =
6.6 + 8.6 + 9.1 + 9.5 + 9.0 + 7.1 + 6.8

= 8. 1
7
La siguiente es determinada, dejando el valor de venta del primer ao, y tomando en cuenta
las ventas de los aos 2 al 8:
y2 =
8.6 + 9.1 + 9.5 + 9.0 + 7.1 + 6.8 + 6.2

= 8.04
7
Se sigue el mismo procedimiento hasta cubrir las ventas de los ltimos 7 aos.
Para determinar la tendencia por medio del anlisis de regresin, se elegir el modelo lineal.
Luego de todo el procedimiento, la recta de las ventas en funcin de los aos es:
V = 7.9593 + 0.0075 t
Los resultados se muestran en la tabla 11.3.4.
Tabla 11.3.4
Promedios mviles de las ventas mundiales anuales de la General Motors
Ao
Ao
Ventas
Medias
mviles
Regresin
0
1
2
1975
1976
1977
6.6
8.6
9.1
7.96
7.97
7.97
293
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
9.5
9
7.1
6.8
6.2
7.8
8.3
9.3
8.6
7.8
8.1
7.9
7.5
7.4
7.7
7.8
8.4
8.3
8.4
8.8
8.1
8.10
8.04
7.93
7.81
7.79
7.73
7.83
8.01
8.26
8.21
8.09
7.86
7.74
7.83
7.86
7.93
8.11
8.21
-
7.98
7.99
8.00
8.00
8.01
8.02
8.03
8.03
8.04
8.05
8.06
8.06
8.07
8.08
8.09
8.09
8.10
8.11
8.12
8.12
8.13

El grfico 11.3.2 muestra la conveniencia de usar uno u otro mtodo.
Ventas
Grfico 11.3.2
Comparacin de 2 mtodos de clculo de la tendencia secular de las ventas mundiales
anuales de la General Motors
10.00
9.50
9.00
8.50
8.00
7.50
7.00
6.50
6.00
1970
1975
1980
1985
1990
Tiem po
Recta de regresin
Media Mvil
Serie de Ventas

294
1995
2000
3.2. Desestacionalizacin y determinacin del ndice de variacin estacional

Este mtodo trata de aislar la variacin estacional eliminando las otras componentes por
medio del cociente o la divisin, tomando en cuenta la hiptesis multiplicativa. Deben ser
eliminadas la tendencia secular y las variaciones accidentales. Cuando el perodo en estudio
es corto, la variacin cclica puede suponerse incluida en la tendencia, por lo cual, al
eliminarse sta, queda tambin eliminada aquella.
El mtodo consiste en:
Dada la serie cronolgica por meses, estaciones, trimestres, etc., en varios aos, se halla
la tendencia mediante el mtodo de las medias mviles tomando un ao de perodo (n
tendr el valor del nmero de periodos en los que se dividi el ao).
Se centran los valores as obtenidos en los instantes de tiempo originales, si es que se
utiliz un n par en el clculo de las medias mviles. Si es que se utiliz un n impar, no es
necesario centrar.
y=T xC
Se elimina la tendencia y la variacin cclica en ella incluida, dividiendo los datos de la serie
original por los valores de la tendencia en cada instante de tiempo.
y=
TxExCxA
=ExA
TxC
Se eliminan las variaciones accidentales hallando las medias aritmticas de los valores
observados en cada perodo de repeticin anual.
y=
ExA
=E
A
Sobre estos ltimos valores se calculan los ndices de variacin estacional, uno para cada
momento de repeticin anual, en forma de porcentajes.
Los ndices de variacin estacional representan la fuerza de la componente estacional una

vez eliminadas las otras tres componentes. Por consiguiente, eliminando por cociente la
influencia de las estaciones en el fenmeno observado cronolgicamente, obtendremos la
serie correspondiente desestacionalizada.
y=
TxExCxA
=T xCxA
E
Ejemplo
Sea los siguientes datos observados durante cuatro aos sobre las ventas en miles, en cada
295
estacin (ver tabla 11.3.5).

Tabla 11.3.5
Serie temporal de ventas (miles de $)
Estacin
Primavera
Verano
Otoo
Invierno
ao 1
2.0
2.2
2.4
2.8
ao 2
2.4
2.8
3.0
3.4
ao 3
2.6
3.0
3.4
3.8
ao 4
3.0
3.6
3.8
4.0

Halle el ndice de variacin estacional (I.V.E.) y desestacionalice la serie.
er
1 Paso. Se halla la tendencia secular por el mtodo de las medias mviles, tomando un ao
de perodo (n=4) (ver tabla 11.3.6).
Tabla 11.3.6
Primer paso. Desestacionalizacin serie temporal de ventas
Estacin
Primavera
ao 1
-
ao 2
ao 3
ao 4
2.75
3.10
3.55
Verano
2.35
2.90
3.20
3.60
2.45
2.95
3.30
2.60
3.00
3.45
Otoo
Invierno

2do Paso. Se centran los valores (ver tabla 11.3.7).
Tabla 11.3.7
Segundo paso. Desestacionalizacin serie temporal de ventas
Estacin
Primavera
Verano
Otoo
Invierno
ao 1
2.400
2.525
ao 2
2.675
2.825
2.925
2.975
ao 3
3.050
3.150
3.250
3.375

296
ao 4
3.500
3.575
-
3er Paso. Los datos corresponden a un corto plazo, por lo tanto la tendencia secular y la
variacin cclica se eliminan juntas.
Se elimina la tendencia y la variacin cclica, dividiendo los datos originales por los valores de
la tendencia en cada intervalo de tiempo (ver tabla 11.3.8).
Tabla 11.3.8
Tercer paso. Desestacionalizacin serie temporal de ventas
Estacin
Primavera
Verano
Otoo
Invierno
ao 1
1.000
1.109
ao 2
0.897
0.991
1.026
1.143
ao 3
0.852
0.952
1.046
1.126
ao 4
0.857
1.007
-

4to Paso. Se elimina la variacin accidental, hallando la media aritmtica de los valores
observados en el tiempo del paso anterior (ver tabla 11.3.9).
Tabla 11.3.9
Cuarto paso. Desestacionalizacin serie temporal de ventas
Estacin
M.A.
(promedio)
0.8687
0.9833
1.0240
1.1260
4.0020
Primavera
Verano
Otoo
Invierno

5to Paso. Se determinan los I.V.E.:
Los promedios hallados no suman 4 exactamente, ya que se eliminaron varios decimales en
los clculos, as que para obtener los ndices de variacin estacional, se realiza una regla de
tres simple de forma que su suma sea igual a los periodos en los que se dividi cada ao (ver
tabla 11.3.10).
4.002 ------> 4.000
0.8687 -----> IVEP
Se realiza este clculo para todos los valores:
IVE p =
0.8687(4)
= 0.8683
4.002
297
0.9833(4)
= 0.9828
4.002
1.024(4)
IVE O =
= 1.0235
4.002
1.126(4)
IVE I =
= 1.1254
4.002
IVE V =
Tabla 11.3.10
Quinto paso. Desestacionalizacin serie temporal de ventas
Estacin
Primavera
Verano
Otoo
Invierno
IVE
0.8683
0.9828
1.0235
1.1254
4.0000

6to Paso. Se obtiene la serie desestacionalizada, dividiendo los datos originales de la serie
entre el IVE respectivo para cada estacin (ver tabla 11.3.11).
Tabla 11.3.11
Sexto paso. Desestacionalizacin serie temporal de ventas
Estacin
Primavera
Verano
Otoo
Invierno
ao 1
2.30
2.24
2.34
2.49
ao 2
2.76
2.85
2.93
3.02
ao 3
2.99
3.05
3.32
3.38
ao 4
3.46
3.66
3.71
3.55

La grfica de la serie cronolgica, la tendencia secular y la serie desestacionalizada se
muestra en el grfico 11.3. 3
Se puede observar que la serie desestacionalizada muestra un patrn similar a la tendencia
secular, indicando que la serie cronolgica si presentaba un fuerte componente estacional,
sobre todo en primavera e invierno. Tambin se puede decir que la tendencia de las ventas es
creciente en el periodo de 4 aos mostrado.
298
Ventas
Grfico 11.3.3
Serie temporal de ventas desestacionalizada
4
3.8
3.6
3.4
3.2
3
2.8
2.6
2.4
2.2
2
0
9 10 11 12 13 14 15 16
Tiempo
Serie Cronolgica
Tendencia Secular
Serie Desestacionalizada
299
EJERCICIOS DE CLASE
Tendencia secular
Promedios mviles
1. El nmero de miembros de la planta docente de una universidad que son dueos de
computadoras personales ha aumentado drsticamente en los ltimos 6 aos:
Ao
N
1987
50
1988
110
1989
350
1990
1020
1991
1950
1992
3710
Obtenga la tendencia secular por medio del mtodo de medias mviles, tomando como
periodo n = 2 y n = 3.
Mtodo analtico
2. Desarrolle una ecuacin de estimacin, que mejor describa a los datos de la pregunta 1 y
estime el nmero de computadoras que habr en uso en la universidad en 1996.
Desestacionalizacin
3. La administracin de un albergue para esquiadores tiene los siguientes datos acerca de la
ocupacin trimestral correspondientes a un periodo de 5 aos.
Trimestre
1 Trimestre
2 Trimestre
3 Trimestre
4 trimestre
1988
1861
2203
2415
1908
1989
1921
2343
2514
1986
1990
1834
2154
2098
1799
1991
1837
2025
2304
1965
1992
2073
2414
2339
1967
Para mejorar su servicio, la administracin debe establecer un patrn por temporadas de la

demanda de habitaciones.
a) Desestacionalice la serie cronolgica.
b) Realice una prediccin de la demanda de habitaciones para 1993.
300
1. Las ventas de una determinada entidad comercial presentan el siguiente desarrollo:
Ao
1980
1981
1982
1983
1984
1985
1986
Ventas
(miles $us)
240
340
370
410
520
530
560
Ao
1987
1988
1989
1990
1991
1992
1993
Ventas
(miles $us)
600
620
510
490
520
580
690
Halle la tendencia secular por el mtodo de las medias mviles:

a) Tomando un perodo de 3 aos.
b) Tomando un perodo de 5 aos.
2. Dada la siguiente serie cronolgica, hale su tendencia secular por el mtodo de las medias
mviles (3 aos) y por el mtodo analtico y comparar grficamente los resultados
obtenidos por ambos mtodos.
ti
1991
1992
1993
1994
1995
yi
19
21
17
15
14
ti
1996
1997
1998
1999
2000
yi
15
14
12
14
13
3. La siguiente tabla muestra la produccin de energa elctrica de consumo no industrial, en

miles de kilovatios-hora, de una ciudad, durante los aos 1997 - 1999.
Trimestre
Primer trimestre
Segundo trimestre
Tercer trimestre
Cuarto trimestre
1997
196.3
156.9
195.9
183.9
1998
197.3
175.2
205.6
191.7
1999
209.5
169.5
204.9
188.9
a) Obtenga la serie temporal desestacionalizada.

b) Con los datos de la tendencia secular hallados en el inciso a) por el mtodo de medias
mviles, realice un anlisis de regresin y correlacin lineal.
c) Realice una estimacin de la tendencia secular del consumo de energa elctrica para el
primer y segundo trimestre de 1997 y para el tercer y cuarto trimestre del ao 1999.
301

1. Una empresa de bebidas presenta las siguientes cifras de ventas, en millones de $, durante
3 aos:
Estacin
Primavera
Verano
Otoo
Invierno
Ao 1
2.0
3.1
2.6
1.8
Ao 2
2.2
3.0
2.8
2.0
Ao 3
2.2
3.5
4.3
2.1
a) Obtenga la serie temporal desestacionalizada.

b) Halle la tendencia secular por el mtodo analtico, realizando un anlisis de regresin y
correlacin e interpretando los resultados.
2. Los datos de la siguiente tabla son los ingresos trimestrales (en millones de $) para Vulcan
Materials, del primer trimestre de 1999 al tercer trimestre de 2001:
Trimestre
Primer trimestre
Segundo trimestre
Tercer trimestre
Cuarto trimestre
1999
294
383
422
362
2000
309
419
444
398
2001
341
445
478
414
Vulcan materials es un productor lder de agregados de construccin y de una amplia

variedad de materiales industriales.
a) Obtener los ingresos desestacionalizados.
b) Hallar la tendencia de la serie mediante una funcin lineal y pronosticar los ingresos
trimestrales para el 2002.
302
CASO DE ESTUDIO
SPRINGVILLE HERALD
FASE 8
Un incremento en las ventas con entrega a domicilio se ha convertido en una parte importante
de la iniciativa estratgica corporativa para aumentar la circulacin del peridico. Se asign al
departamento de mercadotecnia el papel de lder en la supervisin de esta parte de la
circulacin del peridico, y tiene la responsabilidad de proporcionar las predicciones futuras de
las suscripciones que incluyen el anlisis de cualquier tendencia que pueda surgir. Para lograr
estas metas se recolectaron datos que se presentan en la tabla SH11.1, que indica el nmero
de suscripciones con entrega a domicilio para los dos ltimos aos (24 meses).
Tabla SH11.1
Suscripciones con entrega a domicilio para un periodo de 24 meses
Mes
1
2
3
4
5
6
7
8
9
10
11
12
Suscripciones
75327
77116
79341
80983
82326
82879
84006
85119
86182
87418
88063
89444
Mes
13
14
15
16
17
18
19
20
21
22
23
24
Suscripciones
90507
91927
93878
94784
96109
97189
97899
99208
100537
102028
103977
106375
Ejercicios
a) Analice estos datos y desarrolle un modelo estadstico para pronosticar las suscripciones
con entrega a domicilio en lo futuro. Cercirese de indicar las suposiciones del modelo y
sus limitaciones.
b) Pronostique las suscripciones con entrega a domicilio para los prximos cuatro meses.
c) Estara dispuesto a usar el modelo desarrollado para pronosticar las suscripciones para un
ao futuro? Explique.
d) Compare la tendencia de las suscripciones de la Fase 7 para los meses previstos. Qu
explicacin puede proporcionar acerca de las diferencias?
303
CAPTULO 12
NMEROS NDICES
1. INTRODUCCIN
Un nmero ndice es una medida estadstica que permite patentizar o afirmar los cambios,
cuando estos se producen en una variable o grupo de variables observadas afines en el tiempo,
localizacin geogrfica u otra caracterstica. Se presenta en forma de porcentaje, resultante de
la comparacin por cociente de los valores que toma la variable en perodos de tiempo distintos,
con respecto a otro valor fijo, que se toma como base de comparacin o de referencia. Su
aplicacin principal se halla en el campo de la economa, pudiendo expresar valores, precios,
produccin, salarios, comercio exterior, coste de la vida, etc.
Para una mayor facilidad, a continuacin se resume en un esquema los nmeros ndices que se
desarrollarn (figura 12.1.1).
Figura 12.1.1. Clases de nmero ndices
Simples
Media Aritmtica Simple
Nmeros
ndices
Sin Ponderar
Media Agregativa Simple
Complejos
Laspeyres
Ponderados
Paasche
Fisher
2. NMEROS NDICES SIMPLES

Se obtienen dividiendo los valores de la variable observada temporal por un valor fijo que
corresponde a un perodo del tiempo, tomado como base. Estos ndices pueden ser de precio,
cantidad o valor, expresados en porcentajes.
Los porcentajes obtenidos sern unos indicadores o ndices del movimiento de la serie a lo largo
del tiempo, siendo el trmino de referencia un valor fijo de la serie que se toma como base de
comparacin.
Ejemplo 1
Sean los precios del tomate observados desde enero del presente ao, por kilogramos, hasta el
mes de junio, dados en la tabla 12.2.1. Determine el ndice de precios, tomando como base de
comparacin el precio del mes de enero.
Tabla 12.2.1
Precios del tomate (Bs/kg)
304
Tiempo
(meses)
Precio
(Bs./kg.)
E=0
F=1
M=2
A=3
M=4
J=5
p0 = 1.2
p1 = 1.5
p2 = 1.8
p3 = 2.0
p4 = 2.7
p5 = 3.5
Ii =
pi
* 100
po
Io = 100
I1 = 125
I2 = 150
I3 = 167
I4 = 225
I5 = 292

Respuesta: Al cabo de 6 meses, el tomate aument de precio en 192%.
Ejemplo 2
Dadas las cifras de ventas, en millones de dlares de unos grandes almacenes, desde 1985
hasta 1995, determine la serie de nmeros ndices simples con base en 1985 (ver tabla 12.2.2)
Tabla 12.2.2
Ventas de grandes almacenes (millones de $)
Tiempo
(Aos)
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
Ventas
(millones de
$.)
12
14
18
18
19
15
12
16
20
24
33
Ii =
Vi
x 100
V0
100
116.7
150
150
158.3
125
100
133.3
166.7
200
275

Interpretacin: En 1995, las ventas aumentaron un 175% con respecto a 1985.
3. NMEROS NDICES COMPLEJOS SIN PONDERAR

Los nmeros ndices simples indican la variacin de una sola serie de valores, no siendo tiles
para estudiar la variacin conjunta en el tiempo de un grupo de fenmenos reales cuantificables.
Los nmeros ndices complejos sin ponderar se requieren cuando se busca estudiar la variacin
conjunta de un grupo de "n" variables temporales, hacindose necesario sintetizarlas en una
sola serie de nmeros ndices. Segn sea el sistema seguido para sintetizar las series
originales, se presentan dos mtodos:
305
a) ndice de Sanerbeck o de la media aritmtica simple

Si la sintetizacin se hace mediante la media aritmtica de los nmeros ndices simples en cada
tiempo.
n
Para precios:
pit
100
i =1 p io
p
St =
n
Para cantidades:
q
t
S =
q it
q
i =1
100
io
Ejemplo
Sean un conjunto de verduras: tomates, cebollas y brcolis, cuyos precios se observan en el
tiempo, dados en la tabla 12.3.1 Halle el ndice complejo sin ponderar.
Tabla 12.3.1
Precios de un conjunto de verduras
T
Tomate
T
1.0
1.5
2.0
2.5
0
1
2
3
Cebolla
C
0.5
0.8
1.0
1.0
Brcoli
B
1.0
1.2
1.5
1.8

Procedimiento
Se halla los ndices simples para cada tem (ver tabla 12.3.2):
Tabla 12.3.2
ndice de precios de un conjunto de verduras (media aritmtica simple)
t
0
1
2
3
T
100
150
200
250
C
100
160
200
200
B
100
120
150
180
IS
Io = 300 / 3 = 100
I1 = 430 / 3 = 143
I2 = 550 / 3 = 183
I3 = 630 / 3 = 210

Se aplica la siguiente definicin en columna (4):
n
p
t
S =
pit
p
i =1
100
io
Respuesta: El precio del conjunto de verduras formado por tomates, cebollas y brcolis, al cabo
306
de 4 meses, ha aumentado en 110%.

b) ndice de Bradstrest y Dutot o de la media agregativa simple
Si la sintetizacin se lleva a cabo mediante una agregacin o suma.
n
pit
p
t
Para precios:
i =1
n
B =
Para cantidades:
100
q
t
B =
i0
i =1
it
i =1
n
100
i0
i =1
Ejemplo
Sean los precios de un conjunto de legumbres, dados en la tabla 12.3.3. Halle el ndice complejo
sin ponderar.
Agregar los precios de cada pedido.
Elegir un perodo de tiempo y determinar los ndices correspondientes.
Sea el ao 0 el perodo base.
Tabla 12.3.3
ndice de precios de un conjunto de verduras (media agregativa simple)
t
Pt
0
1
2
3
1.0
1.5
2.0
2.5
0.5
0.8
1.0
1.0
1.0
1.2
1.5
1.8
2.5
3.5
4.5
5.3
p it
* 100
p io
Bo = (2.5/2.5)*100 = 100
B1 = (3.5/2.5)*100 = 140
B2 = (4.5/2.5)*100 = 180
B3 = (5.3/2.5)*100 = 212
BP =

Resultado: El precio del conjunto de verduras aument en 4 meses en un 112%.
4. NMEROS NDICES COMPLEJOS PONDERADOS

Permiten determinar la variacin conjunta de un grupo de "n" variables observadas en el tiempo,
considerando la importancia intrnseca que existe entre las variables (estas ponderaciones
pueden ser precios o cantidades). Los ndices complejos ponderados ms conocidos para
precios y cantidades son:
Laspeyres (Ponderaciones fijas):
n
p
p
t
Precios: L =
it
i =1
n
qi0
100
i0
q
t
Cantidades: L =
qi0
i =1
i =1
307
it
pi 0
i =1
n
100
i0
pi 0
Paasche (Ponderaciones variables):

n
pit qit
p
t
Precios: P =
i =1
n
q
q
t
Cantidades: P =
100
i0
q it
i =1
it
pit
i =1
n
100
i0
pit
i =1
Fisher (Media geomtrica del ndice de Laspeyres y Paasche):

p
Precios: Ft =
Lpt Ptp
Cantidades: Ft =
Lqt Ptq
Ejemplo
Sea el conjunto de verduras, tomates, cebollas y brcolis, observadas en el tiempo, con sus
valores de precio y cantidad (tabla 12.4.1). Halle el ndice de precios de Laspeyres, y el ndice de
cantidad de Paasche.
Tabla 12.4.1
Precios y cantidades de un conjunto de verduras
T
t
0
1
2
3
p
1.0
1.5
2.0
2.5
C
q
4
4
3
2
p
0.5
0.8
1.0
1.0
B
q
5
4
3
3
p
1.0
1.2
1.5
1.8
q
3
2
2
1

Resolucin
a) ndice de precios de Laspeyres.
p
Lo=
L1=
(1.0) (4) + (0.5) (5) + (1.0) (3)

9.5
*100 =
*100 = 100
(1.0) (4) + (0.5) (5) + (1.0) (3)
9.5
(1.5) (4) + (0.8) (5) + (1.2) (3)
13.6
*100 =
*100 = 143
(1.0) (4) + (0.5) (5) + (1.0) (3)
9.5
Lp2 =
L3=
(2.0)(4) + (1.0)((5) + (1.5)(3) 17.5

=
*100 = 184
(1.0)(4) + (0.5)(5) + (1.0)(3)
9.5
(2.5) (4) + (1.0) (5) + (1.8) (3)

20.4
*100 =
* 100 = 215
(1.0) (4) + (0.5) (5) + (1.0) (3)
9.5
Respuesta: Al cabo de 4 meses, se encuentra un aumento de precios del 115%.

308
b) ndice de cantidades de Paasche.

q
Po=
(1.0) (4) + (0.5) (5) + (1.0) (3)

9.5
*100 =
*100 = 100
(1.0) (4) + (0.5) (5) + (1.0) (3)
9.5
P1q =
(1.5)(4) + (0.8)(4) + (1.2)(2) 11.6

=
*100 = 85
(1.5)(4) + (0.8)(5) + (1.2)(3) 13.6
q
P2=
q
P3=
12.0
* 100 = 69
17.5
9.8
* 100 = 48
20.4
Respuesta: Al cabo de 4 meses se encuentra una disminucin de las cantidades del 52%.
Ventajas y desventajas de los tres ndices
Laspeyres:
Es el ms fcil de calcular, ya que se necesita menos informacin y su denominador permanece
fijo. Eso ahorra tiempo y costos.
Al presentar ponderaciones fijas, stas pueden dejar de ser representativas cuando la serie se
aleja mucho del periodo base.
Paasche:
Sus coeficientes de ponderacin estn siempre actualizados y siempre son representativos.
Es difcil de calcular, porque se necesita mayor informacin y el clculo de cada vez un
denominador distinto. Eso dificulta su elaboracin y aumenta los costos.
309
Fisher:
Es considerado como el ndice ideal o el ms perfecto.
Sin embargo, es el ms difcil de determinar y el mas costoso.
5. CAMBIO DEL PERIODO BASE. RENOVACIN Y EMPALME

El cambio de perodo de base en el clculo de los nmeros ndices se produce cuando, por
transformaciones de carcter social y econmico o por un perodo (largo tiempo), es necesario
redefinir una inflacin o situacin de inestabilidad poltica que evite un funcionamiento anormal
de la economa.
El mtodo que se sigue para obtener una serie de nmeros ndices con base cambiada,
aprovechando la serie de nmeros ndices calculados con la base original, es el de dividir cada
uno de estos ltimos por el nmero ndice correspondiente al perodo que se toma como nueva
base, expresando los resultados en porcentaje.
La operacin de renovacin de los nmeros ndices complejos responde a la necesidad y
conveniencia de que stos sean en todo momento unos indicadores suficientemente
representativos de la realidad.
El empalme de datos cuando se ha cambiado el perodo de base, es un mtodo que permite
obtener nmeros ndice con nueva base, aprovechando la serie de nmeros ndices calculados
con base original y renovada en su sentido ms amplio, cuya finalidad es relacionar ambas
series truncadas.
El procedimiento que se utiliza para dicha transformacin es la regla de proporciones.
Ejemplo
Sea la siguiente informacin sobre nmeros ndices, considerando 2 bases diferentes, dada en
la tabla 12.5.1. Empalme las series.
Tabla 12.5.1
Nmeros ndices con dos bases diferentes
t
0
1
2
3
4
5
6
Ao 0
100
108
115
126
Ao 3
100
112
120
132

Resolucin
a) Empalmar la serie con base ao 0.
310
126 ------- 100

x4o ------- 112
Por lo tanto:
o
x4 =
Extendiendo la regla:
126 * 112
= 141
100
126 * 120
= 151
100
126 * 132
o
= 166
x6 =
100
x 05 =
b) Empalmar la serie con base ao 3.

126 ------- 100
115 ------- x23
Por lo tanto:
115 * 100
= 91
126
x2 =
Extendiendo la regla:
108
* 100 = 86
126
100
3
* 100 = 71
xo =
126
3
x1 =
Nota: El cambio de base tambin puede producirse cuando existen cambios en la composicin
de los bienes o artculos que conforman el conjunto o canasta.
6. NMEROS NDICES
TEMPORALES
DE
VALOR.
DEFLACIN
DE
NMEROS
NDICES
El producto del precio de un artculo por su cantidad (producida, consumida, en existencia, etc)
da lugar a una cifra, que tiene carcter de valor. Por lo tanto, el valor de un conjunto de distintos
artculos, i, en el ao o periodo t, puede representarse por:
Vit = pit q it
i
Se pude verificar que el producto del ndice de precios de Laspeyres, por el ndice de cantidades
de Paasche, da lugar al ndice de valor:
v
t
p
t
q
t
I =L P
p
=
p
it
qi0
i0
q
q
tt
pit
qi0
i0
311
q
=
p
tt
pit
i0
qi0
pit
Asimismo, el ndice de valor es igual al producto del ndice de precios de Paasche, por el ndice
de cantidades de Laspeyres. Tambin, el ndice de Fisher de precios por el ndice de Fisher de
cantidades da tambin el ndice de valor.
Los valores de las variables cambian en el tiempo. Particularmente los valores expresados en
cifras monetarias estn influidos por fluctuaciones intrnsecas del valor de la moneda.
Estas series cronolgicas de valor, que se refieren a las variaciones en el tiempo de cifras
monetarias, estn sujetas evidentemente a las fluctuaciones del poder adquisitivo de la moneda,
de forma que se debe distinguir entre el valor nominal y el valor real de esas cifras monetarias
obtenidas por observacin sucesiva en el tiempo. El valor nominal viene dado por la cifra
monetaria observada, mientras que el real es este mismo, una vez efectuada la correccin
conveniente para eliminar la influencia de la depreciacin monetaria. En definitiva, la serie de
valores nominales vendr expresada en moneda de cada ao, mientras que la serie de valores
reales vendr expresada en moneda constante, es decir, en moneda correspondiente siempre a
un determinado ao, que se toma como base.
Es posible en esta situacin, que los valores de las variables expresados en dinero crezcan. Sin
embargo, los valores reales disminuyan o viceversa. Para eliminar esta influencia de la
fluctuacin del valor de la moneda en los valores de una variable, se aplica la deflacin, que
consiste en dividir los valores normales de una variable entre un nmero ndice (Puede ser el
ndice de Laspeyres, Paasche, o cualquier otro, como el ndice del costo de vida), el cociente
permite expresar valores reales de la variable.
Ejemplo
Se quiere saber los precios reales de un auto, observados en el tiempo:
Tabla 12.6.1
Deflacin del precio de un auto
t
Precio
N ndice
0
1
2
3
7000
7500
8100
10000
100
120
150
180
Pr ecio real =
Pr ecio
* 100
N Indice
7000
6200
5400
5556
312
7. OTROS NMEROS NDICES Y SU INTERPRETACIN

Otros ndices no vistos en el captulo son: ndices en cadena, los ndices funcionales y el ndice
de Edgeworth.
Algunos ndices que se aplican en situaciones concretas son: ndices de produccin industrial,
de produccin agrcola, de salarios, de precios al por mayor y al por menor, ndices de
cotizaciones burstiles, de importacin o exportacin, etc.
Para la correcta interpretacin de los ndices, no ha de perderse de vista que siempre hacen
referencia a un determinado ao base y es preciso conocer las razones que motivaron el que se
tomase ese y no otro.
Un segundo aspecto a considerar es la ponderacin dada a los elementos que intervienen en su
confeccin.
En general, se debe dar menos importancia a la magnitud de un determinado ndice y a sus
variaciones relativas, que a la direccin en sentido creciente o decreciente de tal variacin. El
ndice no es sino una medida ms o menos aproximada de una determinada magnitud; no pasa
de ser un instrumento ms o menos burdo, que permite apreciar el sentido de los movimientos
generales de un complejo econmico.
Finalmente se puede decir que ningn ndice es perfecto y que tampoco sirve para todo; slo
tiene valor para ciertas condiciones que dependen del objeto con que se construy.
313
EJERCICIOS DE CLASE
ndice simple
1. La oficina de trabajo tiene que indican el nmero de nuevos negocios que han sido abiertos
en los aos de 1977 a 1992. Si 1977 es el ao base, calcule los nmeros ndice del volumen
de cambios.
Ao
1977
1982
1987
1992
Nmero de nuevos
negocios (miles)
9.3
6.5
9.6
10.1
ndice complejo sin ponderar

2. Una casa editora empez su negocio de publicacin de libros de texto universitarios en 1989.
La compaa est interesada en determinar cmo sus ventas han cambiado en comparacin
con el primer ao de operaciones. Un resumen de los registros de la compaa, muestra
cuntos libros nuevos public en cada ao en las reas siguientes:
reas
Biologa
Matemticas
Historia
Ingls
Sociologa
Fsica
Qumica
Filosofa
1990
48
32
19
16
24
10
27
11
1991
53
37
15
20
18
26
26
8
1992
50
35
22
21
26
32
30
15
Calcule los ndices de la media aritmtica simple y la media agregada simple.

ndice complejo ponderado
3. Un restaurante local de comida rpida desea examinar cmo estn cambiando las ventas
para cada uno de sus cuatro platillos ms populares. Los datos correspondientes a los aos
1990 a 1993 se presentan a continuacin:
Ao
1990
1991
1992
1993
Hamburguesa
p
q
0.58
2.1
0.62
2.5
0.69
2.0
0.79
1.8
Emparedado de pollo
p
q
1.89
1.5
2.09
1.2
2.18
1.8
2.25
2.1
Papas fritas
p
q
0.84
2.9
0.89
2.7
0.99
2.3
0.99
2.4
Calcule los ndices de precio de Paasche, Fisher y Laspeyres.

314
Aros de cebolla
p
q
0.91
3.1
0.99
2.4
1.14
2.0
1.19
1.6
Cambio y empalme de base

4. Usando como base el ao 1987, realice el cambio de base para el ejercicio 1.
5. Se van a comparar los cambios en la produccin industrial y en los precios que han pagado
los productores por materias primas desde 1982. Desafortunadamente, el ndice de
produccin industrial (que mide los cambios en la produccin) y el ndice de precios al
productor (que mide los cambios en el precio de las materias primas), tienen periodos base
diferentes. El ndice de produccin tiene a 1977 como periodo base y el ndice de precios
tiene a 1982 como periodo base.
Ao
1982
1987
1988
ndice de produccin ndice de precios a

industrial
productores
(1977 = 100)
(1982 = 100)
115.3
100
129.8
105.4
137.7
107.7
a) Corra o desplace la base, para hacer comparables las dos series.

b) Interprete los resultados.
Deflacin de series temporales
6. Las ventas de una compaa aumentaron de 1482000 $ en 1982, a 1502000 en 1989. La
empresa sabe que los precios de las materias primas usadas en la produccin subieron
desde 1982, de modo que desea deflacionar las ventas en 1989 para tomar en cuenta el alza
en precios de las materias primas. Cules son las ventas deflacionadas en 1989?
Ao
Ventas
1982
1988
1989
1482000
1491000
1502000
315
ndice de precios al
consumidor
(Base: 1982)
100
108.5
112.1
1. Las cifras de ventas en millones de $us. de una cadena comercial, desde el ao 1980 hasta
el 1960, son las siguientes:
Ao
1980
1981
1982
1983
1984
1985
Ventas
10
13
17
18
19
17
Ao
1986
1987
1988
1989
1990
Ventas
10
15
25
27
40
Halle los ndices de ventas tomando como base el ao 1980.

2. El 30 de enero de 1998 una empresa pag una nmina de 300000 $us. a sus 80 empleados;
el 30 de enero del ao siguiente dicha empresa aument en 10 el nmero de sus empleados
y pag una nmina de 50000 $us. ms que en enero de 1998. Tomando como base el 30 de
enero de 1998, calcule:
a) El nmero ndice del nmero de empleados para enero de 1999.
b) El nmero ndice del gasto en nmina para el mismo momento.
c) El nmero ndice del costo medio por empleado, tambin para 1999.
3. Compruebe con los datos siguientes que se cumple para los nmeros ndices simples: I precio *
Icantidad = Ivalor, tomando 1960 = 100.
Ao
1960
1970
1980
1990
Precios
2
6
8
21
Cantidades
3
2
10
34
4. Durante el perodo 1995 - 1999 las primas recaudadas por las compaas de seguros en su
conjunto, han sido las siguientes (en miles de $us):
Item
Accidentes individuales
Accidentes de trabajo
Incendios
Responsabilidad civil
Transportes
Vida
1995
219
2196
746
838
707
804
1996
261
2548
870
1335
822
891
1997
317
2745
960
1534
927
947
1998
356
2806
1051
1765
1084
1025
1999
411
2986
1139
2151
1247
1140
Halle los ndices complejos sin ponderar con base en el ao 1995.

5. En base a los precios y cantidades de tres artculos de consumo A, B y C observados desde
1994 hasta 1998, calcule las series de nmeros ndices complejos ponderados de precios por
las frmulas conocidas, tomando 1994 = 100.
316
Ao
1994
1995
1996
1997
1998
Artculo A
Precios Cantidades
2
8
3
7
3
10
3
12
4
11
Artculo B
Precios Cantidades
3
5
4
6
5
6
7
7
8
8
Artculo C
Precios Cantidades
1
3
2
3
2
5
4
8
5
10
6. De un cierto producto tenemos los siguientes nmeros ndices simples de precios y de valor:
Ao
1980
1981
1982
1983
1984
ndice de precios
(base: 1980)
100
120
130
160
180
ndice de valor
(Base: 1960)
210
250
280
320
350
Halle los nmeros ndices de cantidad con base en 1980.

7. Con los datos del problema 5, renueve el ndice de Paasche, tomando como nuevo ao base
1996 y efecte el empalme correspondiente.
8. Deflacione la serie cronolgica de las cantidades pagadas por las compaas de seguros por
siniestros ocurridos en Bolivia durante el perodo 1996 - 1999, tomando como deflacionador
el ndice del costo de vida.
Ao
1996
1997
1998
1999
Siniestros
(miles de Bs.)
318511
523926
670718
905661
317
ndice del costo

de vida (1976)
643.1
712.4
807.7
866.7

1. En 1994, el precio de un artculo de consumo baj un 20% con respecto al ao anterior, pero
en cambio, aument un 50% con respecto al ao 1989. Hallar el nmero ndice del precio de
1993, tomando como base el ao 1989.
2. El ndice de precios al consumidor y el promedio de salarios (por hora) en industrias
seleccionadas son:
Ao
1982-1984
1986
1987
1988
IPC (todos los

artculos)
100.0
109.6
113.6
117.1
Salarios por hora

Servicios
Comercio al Manufactura
menudeo
7.27
5.69
8.84
8.16
6.03
9.73
8.47
6.12
9.73
8.81
6.27
10.27
a) Qu sucedi a los salarios reales de un empleado representativo en cada una de las

tres industrias seleccionadas entre el periodo de 1982-84 y en 1988? Explique su
respuesta.
b) Qu sucedi al poder adquisitivo del dinero entre los aos 1982, 1983 y 1984, y en 1988?
3. Con base en 1973, el ndice de precios de 1974 fue 108. Con base en 1974 el IP de 1975 fue
de 112. En 1976 el IP aument en 22%. Calcule el IP para 1976, relativo a 1973.
4. Un ndice de Fisher para 1976 seala un aumento del 132% respecto al periodo base. Si en
1976 el ndice de Laspeyres es inferior en 24% al de Paasche, calcule ambos ndices.
318
BIBLIOGRAFA
Ander-Egg, Ezequiel. Introduccin a las Tcnicas de Investigacin Social. Sexta Edicin,
1977. Editorial Humanitas, Buenos Aires-Argentina.
Benavente Nez del Prado, Arturo. Estadstica Bsica para Planificacin. Cuarta Edicin,
1975. Siglo XXI Editores S.A., Mxico.
Berenson-Levine-Krehbiel. Estadstica para Administracin. Segunda Edicin, 2001.
Prentice Hall, Mxico.
Blalock M., Hubert. Estadstica Social. Segunda Edicin, 1981. Fondo de Cultura
Econmica, Mxico.
Cansado, Enrique. Curso de Estadstica General. Segunda Edicin, 1970. Centro
Interamericano de Enseanza Estadstica (CIENES), Santiago-Chile.
Casa Aruta, Ernesto. Doscientos Problemas de Estadstica Descriptiva. Primera Edicin,
1965. Editorial Vicens-Vives, Barcelona-Espaa.
Chao L., Lincoln. Estadstica para las Ciencias Administrativas. Tercera Edicin. 1993.
McGraw Hill. Colombia.
Chevry R., Gabriel. Prctica de las Encuestas Estadsticas. 1967. Ediciones Ariel,
Barcelona-Espaa.
Cortada y Carro. Estadstica Aplicada. Segunda Edicin, 1968. Editorial Universitaria de
Buenos Aires, Buenos Aires-Argentina.
Dottone, R. Horacio. Estadstica Elemental. 1982. Coopecultura. Santiago-Chile.
Everett E. Adam, Jr. & Ronald J. Ebert. Production and Operations Management (Concepts,
Models and Behavior). Cuarta Edicin, 1989. Prentice-Hall International Editions, United
States of America.
Ferrando Garca, Manuel. Introduccin a la Estadstica Sociolgica. 1985. Editorial Alianza,
Madrid-Espaa.
Freund y Simon. Estadstica Elemental. Octava Edicin, 1994. Prentice Hall, Mxico.
Giardina, Basilio. Manual de Estadstica. Primera Edicin, 1968. Compaa Editorial
Continental, S.A., Mxico.
Gonick, Larry y Smith Woollcott. La Estadstica en Cmic. Primera Edicin, 1999. Editorial
Zendrera Zariquiey, Barcelona-Espaa.
319
Guenther G., William. Introduccin a la Inferencia Estadstica. 1977. Editorial Mc Graw Hill,
Mxico.
Levin I., Richard y Rubin S., David. Estadstica para Administradores. Sexta Edicin, 1996.
Prentice Hall Hispanoamericana S.A., Mxico.
Mason y Lind. Estadstica para Administracin y Economa. Sptima Edicin, 1995.
Alfaomega, Mxico.
Mendenhal, William. Estadstica para Administradores. Segunda Edicin, 1990. Grupo
Editorial Iberoamrica, Mxico.
Miller, Freund y Jonson. Probabilidad y Estadstica para Ingenieros. Cuarta Edicin, 1992.
Editorial Prentice Hall Hispanoamericana S.A.
Mood/Graybill. Introduccin a la Teora Estadstica. Cuarta Edicin, 1976. Editorial Aguilar,
Madrid-Espaa.
Montgomery Douglas C. Diseo y Anlisis de Experimentos. Grupo Editorial Iberoamrica,
1991.
Mora y Araujo, Manuel y Otros. Estadstica y Sociologa. 1973. Ediciones Nueva Visin,
Buenos Aires-Argentina.
Murray R. Spiegel. Estadstica. Serie Schaums. Segunda Edicin, 1995. Edit. Mc. Graw Hill.
Piatier, Andr. Estadstica y Observacin Econmica. 1967. Editorial Ariel, BarcelonaEspaa.
Render, Barry y Stair, Ralph M. Jr. Quantitative Analysis for Management. Sexta Edicin,
1997. Prentice Hall, New Jersey USA.
Zuwaylif H., Fadil. Estadstica General Aplicada. 1985. Fondo Educativo Interamericano.
Yamane, Taro. Estadstica. Tercera Edicin, 1974. Editorial Harla, S.A. e C.V, Mxico.
320
ANEXO 1
GUA PARA EL TRABAJO FINAL
OBJETIVOS DEL TRABAJO
El estudiante podr aplicar los conocimientos adquiridos en la materia de Estadstica I a un
caso real, usando algn mtodo de recopilacin de informacin, ordenar los datos mediante
distribuciones de frecuencias adecuadas, presentar los datos con grficos apropiados,
analizar la informacin, podr sacar conclusiones y tomar decisiones.
El caso real deber ser un tema de inters de los alumnos, tomando en cuenta sus hobbies,
vida social, familiar, acadmica, cultural, de negocios o relaciones profesionales,
acontecimientos nacionales de inters general, etc.
NMERO DE COMPONENTES DEL GRUPO

Mximo 5 personas.
FECHA DE ENTREGA
Da del examen final, sin excepciones.
CARTULA
Deber ir especificado el nombre de la Universidad, la carrera de los miembros del grupo, la
materia que cursan, el ttulo del trabajo, los nombres de los componentes del grupo, el nombre
del catedrtico de la materia, y la fecha de realizacin.
CONTENIDO
El trabajo deber contar con los siguientes puntos:
1. Introduccin.
2. Justificacin.
3. Planteamiento del problema: Descripcin del problema, clara y explcitamente o el
planteamiento de la hiptesis a probar.
4. Objetivos: generales y especficos.
5. Marco terico.
6. Recopilacin y generacin de datos: Se deber generar la informacin en base a algn
mtodo de recopilacin de datos (el que mejor se adecue al problema): observacin,
321
entrevista, cuestionario o diseo de experimentos. Para la generacin de los datos

muestrales se deber realizar un muestreo de la poblacin en estudio, eligiendo una
muestra representativa (Ver anexo 3 para determinar el tamao muestral).
7. Organizacin de los datos recogidos mediante distribuciones de frecuencias adecuadas.
8. Presentacin de los datos mediante grficas adecuadas, que muestren objetivamente la
hiptesis a probar.
9. Realizacin de un anlisis e interpretacin de los grficos y/o tablas.
10. Presentacin de las conclusiones a las que se ha llegado luego de la descripcin y
anlisis de la informacin.
11. Descripcin de algunas decisiones o sugerencias de mejora para el problema o hiptesis
planteada.
Nota: Se deber anexar al informe final, los cuestionarios realizados para la recopilacin de
datos, las cdulas, o cualquier tipo de dispositivos usados: videos, disquetes, CDs, casetes,
cuadros, etc.
BIBLIOGRAFA
Si el grupo us alguna bibliografa o fuente para recopilar datos o realizar algn
procedimiento, deber estar detallada en esta seccin del trabajo.
BANCO DE TEMAS
A continuacin se muestran algunos temas que pueden ser interesantes:
1.
2.
3.
4.
5.
6.
7.
8.
Anlisis de las causas de eficiencia o ineficiencia de los estudiantes de la UPB. Ej: Segn
sexo, edad, estado civil, clase social o nivel de ingreso familiar, etc.
Bsqueda de soluciones para un mejor desempeo docente en la UPB. Ej: conocimientos
de la materia, presentacin, mtodo de estudio, uso adecuado de materiales de
enseanza, grado de educacin y moral, relacionamiento con los estudiantes, grado de
preparacin de clases, ltimas novedades y actualizacin de conocimientos, pedagoga,
inters por los alumnos, etc.
Anlisis de la carrera de diseo grfico de la UPB. Ej: anlisis de la malla curricular,
anlisis de contenidos de las materias, importancia de las materias curriculares, buena
infraestructura de apoyo a la carrera, etc.
Anlisis de factibilidad de abrir otro caf universitario en la UPB. Ej: demanda
insatisfecha, mal servicio del actual, no cubre expectativas y necesidades, etc.
Anlisis de alguna pelcula. Ej: anlisis de personajes, acciones, escenas, efectos, etc.
Anlisis de la etapa de la juventud, desde el punto de vista de los padres o de los hijos, o
por un experto en comportamiento humano.
Anlisis del servicio de limpieza en la UPB. Ej: Baos, reas verdes, pasillos, oficinas, etc.
Estudio de los deportes que practican los estudiantes de la UPB. Ej: Segn sexo, edad,
incentivos de la Universidad, lugares apropiados en la U, etc.
322
EVALUACIN
Este trabajo tiene el valor del 30% del examen final. Se evaluar el trabajo escrito, tomando
en cuenta los aspectos que se mencionan abajo.
TRABAJO DE APLICACIN FINAL

PAUTAS PARA LA EVALUACIN
Tema del grupo:
..........................................................................................................
..........................................................................................................
Trabajo Escrito:
Presentacin del trabajo y originalidad del tema
.............. (20 puntos)
Estructura del trabajo
.............. (20 puntos)
Tratamiento y recopilacin adecuado de los datos
.............. (20 puntos)
Uso eficiente de la informacin recopilada
.............. (20 puntos)
Recomendaciones y decisiones de relevancia
.............. (20 puntos)
Observaciones:
..........................................................................................................
.........................................................................................................................................
323
ANEXO 2
TABLA DE TAMAOS MUESTRALES
Valores de p (Probabilidad de xito)
Tamao
poblacional
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
50
44
44
44
44
43
43
42
40
37
30
0.98
19
100
80
79
79
78
77
74
71
66
58
42
23
150
108
108
107
105
103
99
93
85
72
49
25
200
132
131
130
127
124
118
111
99
82
54
26
250
152
151
149
146
141
134
124
110
89
57
27
300
169
168
166
162
156
147
135
119
95
59
27
350
183
183
180
175
168
158
145
126
99
61
28
400
196
195
192
187
179
168
153
132
103
62
28
450
207
206
203
197
188
176
159
137
106
63
28
500
217
216
212
206
196
183
165
141
109
64
28
550
226
225
221
214
204
189
170
145
111
65
29
600
234
233
229
221
210
195
175
148
113
65
29
650
242
240
236
228
216
200
179
151
114
66
29
700
248
247
242
233
221
204
182
153
116
66
29
750
254
253
247
239
226
208
185
156
117
67
29
800
260
258
253
243
230
212
188
158
118
67
29
850
265
263
257
248
234
215
191
159
119
67
29
900
269
268
262
252
238
218
193
161
120
68
29
950
274
272
266
256
241
221
195
163
121
68
29
1000
278
276
270
259
244
224
198
164
122
68
29
2000
322
320
312
298
278
252
219
179
129
70
30
3000
341
338
329
313
291
263
227
184
132
71
30
30
5000
357
354
344
327
303
272
234
189
135
72
10000
370
366
356
338
313
280
240
192
136
72
30
Infinito
384
380
369
350
323
288
246
196
138
73
30
324
ANEXO 3
EJEMPLO DE TRABAJO DE APLICACIN FINAL
ESTUDIO SOBRE TATUAJES Y PERFORACIONES
EN LA JUVENTUD ESTUDIANTIL COCHABAMBINA
I. INTRODUCCIN
Los distintos gustos que los jvenes de nuestra poca tienen, los lleva a la imperiosa
necesidad de distinguirse de los dems, y por ello, generalmente optan por hacerse
perforaciones o tatuajes; que segn ellos adems de distinguirlos, les transfieren una
identidad personal.
II. PLANTEAMIENTO DEL PROBLEMA

Habiendo observado el inters de los jvenes hacia las perforaciones y tatuajes creemos que
es necesario un anlisis sobre la higiene y sanidad en los lugares donde se realizan. Por eso
esta investigacin tiene como objetivo recopilar informacin sobre este punto tan crtico y
especial. El estudio se realizar en la ciudad de Cochabamba. Por otro lado, aprovechando la
coyuntura, se recopilar informacin sobre diferentes caractersticas de los jvenes que se
hacen tatuajes y perforaciones.
III. OBJETIVOS
Principales:
Conocer ciertos aspectos y caractersticas de la juventud estudiantil universitaria de

Cochabamba, con respecto a tatuajes o perforaciones.
Comprobar si la poblacin universitaria se hace tatuajes o perforaciones en lugares
higinicos.
Secundarios:
Conocer el porcentaje de hombres y mujeres en la poblacin en estudio, que se

hicieron perforaciones y tatuajes.
Edad de hombres y mujeres con perforaciones y/o tatuajes.
Precios de las perforaciones y tatuajes tanto en hombres como en mujeres.
Lugares del cuerpo donde se practican perforaciones o tatuajes.
Porcentaje de personas que creen que existe relacin entre el precio de hacerse el
tatuaje o perforacin y el tipo de higiene del lugar.
325
IV. MARCO TEORICO

Durante la larga historia de la sociedad y el mundo, y su evolucin; podemos observar que
durante muchos aos las personas han demostrado preferencia por los tatuajes y
perforaciones.
El tatuaje
El tatuaje parece tan antiguo como el hombre mismo. Se han encontrado evidencias en
algunas momias y en pueblos como los Escitas en Asia y los Incas en Amrica. En un
principio, la utilizacin del tatuaje estuvo vinculado con el pensamiento mgico-religioso y la
creencia de la vida ultraterrena. Tambin era usado para impresionar y asustar a los enemigos
en los campos de batalla. Los griegos acostumbraban tatuarse serpientes, toros y motivos
religiosos. Sin embargo, al igual que los romanos, tambin utilizaron esta tcnica para marcar
a los prisioneros. Con la llegada del Cristianismo y la consolidacin de la Iglesia Catlica, esta
prctica fue desterrada por considerarla sinnimo de idolatra y supersticin. El surgimiento de
los gremios de artesanos, durante la Baja Edad Media y la expansin de los viajes de ultramar
durante el Renacimiento, provocaron la difusin de esta costumbre, incluso en el Nuevo
Continente. Durante las Guerras Mundiales, el tatuaje represent una seal de pertenencia
entre los soldados. A partir de la dcada del 60' se convirti en sinnimo de rebelda. En cada
poca, el tatuaje ha estado presente sobre la piel de muchos hombres, como testimonio de su
carcter perenne.
El origen de la palabra Tatuaje es incierto, se dice que deriva de la palabra Ta del Polinesio
"golpear", o de la antigua prctica de crear un tatuaje por medio del golpeteo de un hueso
contra otro sobre la piel, con el consiguiente sonido "tau-tau". La palabra latina para tatuaje es
estigma, y el significado original se refleja en los diccionarios modernos. Entre las definiciones
de estigma estn "marca hecha con un instrumento afilado", "marca para reconocimiento
hecha en la piel de un esclavo o criminal" y "marca de culpabilidad".
Piercing
Las diferentes culturas del mundo, a veces desconocidas por las sociedades ms avanzadas,
son la cuna de la prctica del piercing, introducida como rito o seal de pertenencia a una
tribu. Este objetivo ancestral es muy diferente del destino del piercing en nuestra cultura.
Los Esquimales, son los que originariamente emplearon los piercings de nombre "labrets", que
se practicaba entre los jvenes que pasaban de ser nios a adultos responsables, con
cualidades y aptitudes para salir a cazar.
Otro de los orgenes de la perforacin corporal est en las tribus Masai, en concreto en la
poblacin femenina, que deforman su cavidad bucal con discos para aumentar de tamao la
boca y alargan sus lbulos llevando unos carretes metlicos de gran tamao.
Otra tribu con tradicin en perforaciones o piercings es la de los Mursi que se ponen
pequeos platillos en los lbulos de las orejas.
326
Los guerreros Potok, portan en su boca un disco labial y se atraviesan el tabique nasal con
una hoja de rbol.
Las mujeres de Nueva Guinea atraviesan con una espina de pez las aletas nasales y el
tabique, mientras que los hombres llevan en el tabique dientes de pez.
Los Tinglits. Las mujeres de esta tribu agujerean su cuerpo como constatacin del paso de la
pubertad a una madurez en todos los sentidos, pero sobre todo sexual.
Las tribus Sioux, sometan a los jvenes a una prueba que consista en perforarse el pecho
con garfios colgndose con cuerdas a un rbol hasta lacerar la piel; de esta forma
demostraban que estaban preparados para ser guerreros.
Los antiguos Mayas practicaban el piercing perforando el labio, nariz y orejas con las joyas
mas caras que podan permitirse. Los indios Cashinawa se perforaban la nariz para insertarse
plumas de colores que indicaban su rango.
Por Zonas: Origen de las diferentes formas de perforacin
Boca:
Labios: Este piercing ya es uno de lo favoritos de la gente joven. En las tribus del amazonas,
las mujeres se agujereaban el labio inferior en el centro. Era una de las condiciones marcadas
por la tribu como sea de identidad de la poblacin femenina.
Lengua: Es uno de lo piercings en auge, aunque es uno de los ms difciles para que el
cuerpo se acostumbre. Adems es el que corre mayor riesgo de infeccin al estar en zona
hmeda. Parte de la cultura Maya y suele hacerse en el centro de la lengua y cerca de la
punta.
Nariz:
Aletas: Es de los piercings ms sencillos de realizar. Se origin en las Indias, donde es
habitual encontrarse con este tipo de decoracin facial. Poco despus los hippies de los 60 y
70 copiaron esta tendencia y hoy en da es uno de los ms extendidos.
Tabique: Este piercing esta presente en diversas culturas de todo el mundo. Su origen se
remota a la prehistoria. Se practica en la fina tira de la piel ubicada debajo del cartlago nasal,
hundiendo los 2 orificios de la nariz.
Cara:
Ceja: Es de las ms occidentales y aunque es dolorosa de hacer y mantener, lo cierto es que
cada vez ms gente opta por este tipo de piercing. Se realiza en la parte externa de la ceja.
Mejillas: Nace de la movida de los punks que se ponan clavos. En la actualidad no es uno de
los ms comunes.
327
Oreja: Este piercing es el tradicional, aunque ahora se hacen multitud de perforaciones en el

lbulo y en el cartlago superior externo de la oreja. El trasgus est cada vez ms solicitado, y
es el piercing que se realiza en la protuberancia cartilaginosa en la entrada del odo.
Puntos que se debe tomar en cuenta a la hora de hacerse un tatuaje
Sin duda existen muchas enfermedades que se pueden transmitir por hacerse un tatuaje, pero
la hepatitis B y el SIDA son las dos ms preocupantes. A continuacin se muestra una serie
de condiciones de higiene que debe tener el pintor de tatuajes:
Iluminacin: El rea debe estar bien iluminada para que el pintor pueda realizar su trabajo
adecuadamente.
Decoracin: Las superficies deben estar coloreadas con blanco u otra tonalidad muy clara,
para que pueda mantenerse el lugar bien limpio.
Desinfeccin: La botella de spray debe desinfectarse cada vez que se usa, o llevar algn
tipo de pelcula protectora. Asimismo las agujas deben ser desechables.
Esterilizacin: Las agujas, una vez fuera de su envoltura sanitaria no deben asentarse
sobre ninguna superficie sucia.
Guantes: El pintor debe lavarse las manos antes de ponerse los guante, preferentemente
con una solucin antibacteriana y antisptica. Una vez puestos los guantes, no debe tocar
otra cosa, como recibos, telfono, etc.
Fregadero: Debe existir un fregadero separado del que hay en el bao.
Esterilizador: Debe ser inspeccionado regularmente.
Despus de haber llevado a cabo el tatuaje, deben desecharse los recipientes de tinta.
Consecuencias subliminales de tatuajes y perforaciones
En un estudio publicado por investigadores de Texas, se encontr que entre 8 y 13% de los
adolescentes de entre 12 y 18 aos de edad tenan un tatuaje, y los que no lo tenan, entre 30
y 50% estaban considerando practicarse uno.
Otro estudio reciente publicado en la revista Pediatrics sobre el tatuaje y perforacin corporal
para aplicacin de joyera y el comportamiento en los adolescentes, demostr que los que
tenan algn tatuaje o perforacin fueron ms propensos al uso de drogas de escape, drogas
duras como anfetaminas o cocana, actividad sexual, suicidio, trastornos de alimentacin
como bulimia y anorexia, consumo de alcohol, hbito de fumar y al uso de marihuana.
Los autores recomiendan que los padres, maestros, mdicos y pediatras estn alertas para
vigilar de cerca el comportamiento de los adolescentes, en el momento en que aparecen con
tatuajes y/o perforaciones.
V. RECOPILACIN DE DATOS
Los datos fueron recogidos mediante una encuesta con preguntas de opcin mltiple. La
poblacin est constituida por jvenes que estudian en las siguientes universidades de
Cochabamba: UMSS, Catlica, UPB y UNIVALE. Se estimo que el nmero de la poblacin
universitaria a la cual se diriga nuestra investigacin era de 30000. La muestra fue de 100
328
encuestas, con probabilidad de 0.5, y con z = 1.96, con estos datos se constat que el error
de nuestra investigacin asciende a 10%
La encuesta que se realiz es la siguiente:
ENCUESTA
Esta investigacin tiene como objetivo recopilar informacin sobre la higiene y sanidad de los
lugares donde los jvenes se hacen piercings (perforaciones) o tatuajes en nuestra cuidad y
ver la relacin con el precio y la zona del cuerpo en la que se realizan la perforacin o tatuaje.
Te agradecemos de antemano contestar siguiendo las instrucciones.
Marque con una cruz la repuesta verdadera o responda a las preguntas en desarrollo
Datos generales
1. Edad
q 17-19
q 19-21
q 21 mas
2. Sexo
q Femenino
q Masculino
3. Tienes algn piercing (perforacin), o tatuaje?
q Tatuaje
q Perforacin
q Ninguno
SI REPONDISTE TATUAJE O PERFORACIN PASA A LA SIGUIENTE PREGUNTA, SI

TU RESPUESTA FUE NINGUNO, GRACIAS POR TU COLABORACIN!
Datos especficos
4. Nmero de perforaciones: ________
Nmero de tatuajes: _______
5. En qu parte del cuerpo lo tienes?
Perforaciones:
q Oreja(s)
q Lengua
q Ceja(s)
q Labio
q Ombligo
q Otros. Dnde?_____________
q Espalda
q Pecho
q Cuello
q Tobillo
q Brazos(s)
q Vientre
Tatuajes:
Dnde?_________
329
Otros.
6. En que lugar te lo hiciste?

_________________________________________________________
7. El lugar donde te lo hiciste cumple las reglas bsicas de sanidad e higiene?
q Si
q No
8. Sufriste alguna infeccin por hacerte la perforacin o tatuaje?
Perforacin: q Si
q No
Tatuaje:
q Si
q No
9. Cunto te costo hacerte la perforacin o tatuaje?

Perforacin____________
Tatuaje______________
10. Crees que haya alguna relacin entre el precio del tatuaje o perforacin y las
condiciones de sanidad del lugar donde se realizan?
q Si
q No
VI. ORGANIZACIN
La organizacin de los datos, sus respectivas grficas y la interpretacin de stas, se
muestran a continuacin. Por cada hoja se presenta su tabla, grfica y anlisis.
Edad
Li-1 - Li ni
17-19 45
19-21 29
21-25 26
Total 100
hi
45
29
26
100
Ni
45
74
100
Hi
45
74
100
xi
18
20
23
xi*ni
810
580
598
1988
xi *ni (xi- x ) *ni (xi- x ) *ni

14580 159.048
562.139
11600 0.4176
0.00601
13754 253.0944 2463.72
39934 412.56
3025.87
Interpretacin:
45 de los 100 estudiantes tienen entre 17 y 19 aos.
El 29% de los estudiantes tienen entre 19 a 21 aos.
74 de los 100 estudiantes tienen como mximo 21 aos.
El 74% de los estudiantes tienen como mximo 21 aos.
Estadgrafos:
Media = 19.88.
Mediana = 19.34.
Moda = 19.
La edad media de los estudiantes es de 19.88 aos.

El 50% de los estudiantes tienen menos de 19.34 aos.
Lo ms frecuente es que los estudiantes encuestados
tengan 19 aos.
Desviacin = 2.03.
Existe una dispersin de edades de 2.03 aos.
Coeficiente de variacin = 10.22%. Existe una dispersin de edades del 10.22%. La media es
representativa de la distribucin.
330
Coeficiente de asimetra = 0.79.

Coeficiente de curtosis = -1.22.
La distribucin es levemente asimtrica, con sesgo

positivo.
La distribucin de edades es platicrtica.
21-25
26%
17-19
45%
19-21
29%
Sexo
Ai
Femenino
Masculino
Total
ni
53
47
100
hi
53
47
100
Moda = Lo ms usual es que los estudiantes encuestados sean de sexo femenino.
Masculino
47%
Femenino
53%
Nmero de Perforaciones
xi
1
2
3
4
5
6
7
11
Total
ni
17
12
5
9
4
2
2
1
52
hi
32.69
23.08
9.62
17.31
7.69
3.85
3.85
1.92
100.00
Ni
17
29
34
43
47
49
51
52
Hi
32.69
55.77
65.38
82.69
90.38
94.23
98.08
100.00
xi*ni
17
24
15
36
20
12
14
11
149
xi2*ni
17
48
45
144
100
72
98
121
645
(xi- x )2*ni
59.15
8.99
0.09
11.59
18.23
19.65
34.19
66.17
218.06
(xi- x )4*ni
205.84
6.73
0.00
14.92
83.05
193.09
584.48
4378.73
5466.84
Interpretacin:
El 32% de los estudiantes tienen una perforacin.
El 83% de los estudiantes encuestados tienen a lo sumo 4 perforaciones.
331
Estadgrafos:
Media = 2.87.
Mediana = 2.
En promedio los estudiantes tienen 3 perforaciones.

El 50% de los estudiantes tienen menos de 2
perforaciones.
Moda = 1.
tengan una perforacin.
Desviacin = 2.05.
Existe una dispersin de perforaciones de 2.
Coeficiente de variacin = 71.47%. Existe una dispersin de perforaciones del 71.47%. La
media no es representativa de la distribucin.
Coeficiente de asimetra = 1.27.
La distribucin es levemente asimtrica, con sesgo
positivo.
Coeficiente de curtosis = 2.98.
La distribucin de perforaciones es leptocrtica.
35
32.69
30
23.08
25
20
hi
17.31
15
9.62
10
7.69
3.85
3.85
1.92
0
1
11
xi
Nmero de Tatuajes
xi
1
2
3
4
5
6
Total
ni
hi
Ni
Hi
18 54.55 18 54.55
9 27.27 27 81.82
2 6.06 29 87.88
2 6.06 31 93.94
1 3.03 32 96.97
1 3.03 33 100.00
33 100.00
xi*ni
18
18
6
8
5
6
61
xi *ni
18
36
18
32
25
36
165
(xi- x ) *ni
12.96
0.21
2.65
9.26
9.93
17.24
52.24
(xi- x ) *ni
9.33
0.00
3.52
42.86
98.65
297.05
451.40
Interpretacin:
El 55% de los estudiantes tienen un tatuaje.
El 94% de los estudiantes tienen como mximo 4 tatuajes.
Estadgrafos:
Media = 1.85.
Mediana = 1.
En promedio los estudiantes tienen 2 tatuajes.

El 50% de los estudiantes tienen menos de un tatuaje.
332
Moda = 1.
Lo ms frecuente es que los estudiantes encuestados tengan

un tatuaje.
Desviacin = 1.26.
Existe una dispersin de tatuajes de 1.26.
Coef. de variacin = 68.07%.
Existe una dispersin de tatuajes del 68.07%. La media no
es representativa de la distribucin.
Coeficiente de asimetra = 2.02. La distribucin es levemente asimtrica, con sesgo positivo.
Coeficiente de curtosis = 2.46. La distribucin de perforaciones es leptocrtica.
60
54.55
50
hi
40
27.27
30
20
10
6.06
6.06
3.03
3.03
0
1
xi
Lugar de Perforacin
Ai
Oreja
Ombligo
Ceja
Otros
Lengua
Labio
Total
ni
41
15
12
10
9
6
93
hi
44.09
16.13
12.90
10.75
9.68
6.45
100
Hi
44.09
60.22
73.12
83.87
93.55
100.00
120
100
93.55
83.87
hi, Hi
80
60
40
100.00
73.12
60.22
44.09
44.09
16.13
20
12.90
10.75
9.68
6.45
Ceja
Otros
Lengua
Labio
0
Oreja
Ombligo
Ai
Interpretacin:
333
Lo ms usual es que los estudiantes se hagan una perforacin en la oreja (44% lo hacen).
Los lugares ms escogidos son: Oreja, Ombligo, Ceja. El 73% de los estudiantes eligen estos
lugares de su cuerpo. La lengua y los labios son los lugares menos elegidos.
Lugar del tatuaje
Ai
Espalda
Brazo(s)
Tobillo
Vientre
Pecho
Cuello
Otros
Total
ni
18
10
7
7
4
2
2
50
hi
36.00
20.00
14.00
14.00
8.00
4.00
4.00
100
Hi
36.00
56.00
70.00
84.00
92.00
96.00
100.00
120
100
84.00
80
hi, Hi
100.00
96.00
92.00
70.00
60
40
20
56.00
36.00
36.00
20.00
14.00
14.00
8.00
4.00
4.00
Cuello
Otro s
0
Espalda B razo (s) Tobillo
Vientre
P echo
Ai
Interpretacin:
Lo ms usual es que los estudiantes se hagan un tatuaje en la espalda (36% lo hacen).
Los lugares ms escogidos son: Espalda, Brazo(s), Tobillo y vientre. El 84% de los
estudiantes eligen estos lugares de su cuerpo. El pecho y el cuello son los lugares menos
elegidos.
Precio del Tatuaje
Li-1- Li
0-5
5'-35
35'-60
60'-120
120'-220
220'-300
300'-400
ni
hi
Ni
Hi
xi
1 3.23 1 3.23 2.5
2 6.45 3 9.68 20
3 9.68 6 19.35 47.5
10 32.26 16 51.61 90
3 9.68 19 61.29 170
7 22.58 26 83.87 260
2 6.45 28 90.32 350
xi*ni
xi2*ni
(xi- x ) *ni
2.5
6.25
31334.71
40
800
50890.79
142.5 6768.75 52284.77
900 81000 80131.37
510 86700
271.67
1820 473200 45343.57
700 245000 58129.50
334
(xi- x ) *ni
981864046.87
1294936296.31
911232564.69
642103703.01
24601.55
293719962.79
1689519415.37
400'-500 2 6.45 30 96.77 450 900 405000 146323.05 10705217320.78

500'-600 1 3.23 31 100.00 550 550 302500 137258.30 18839840547.54
Total 31 100.00
5565 1600975 601967.74 35358458458.90
Estadgrafos:
Media = 179.52
Mediana = 117.00
En promedio los estudiantes pagan 179.52 Bs. por tatuaje.

El 50% de los estudiantes pagan menos de 117 Bs. por
tatuaje.
Moda = 70.34
paguen 70.34 Bs. por tatuaje.
Desviacin = 139.35
Existe una dispersin del precio de los tatuajes de 139.35
Bs.
Coeficiente de variacin = 77.63% Existe una dispersin del precio de los tatuajes del
77.63%. La media no es representativa de la distribucin.
Coeficiente de asimetra = 1.35
La distribucin tiene sesgo positivo.
Coeficiente de curtosis = 0.02
La distribucin del precio del tatuaje es mesocrtica.
100
100.00
96.77
90
90.32
83.87
80
hi, Hi
70
61.29
60
51.61
50
40
32.26
30
22.58
20
10
3.23
6.45 9.68
9.68
19.35
9.68
6.45
6.45
300'-400
400'-500
3.23
0-5
5'-35
35'-60
60'-120
120'-220
220'-300
3.23
500'-600
Li-1 - Li
Interpretacin:
El 32.26% de los estudiantes pagan entre 60 y 120 Bs. Es lo ms frecuente.
El 83.87% de los estudiantes pagan por un tatuaje como mximo 300 Bs.
Precio de la perforacin
Li-1- Li
0-10
10'-15
15'-25
25'-50
50'-100
100'-130
130'-150
ni
10
2
6
3
5
6
5
hi
19.61
3.92
11.76
5.88
9.80
11.76
9.80
Ni
10
12
18
21
26
32
37
Hi
19.61
23.53
35.29
41.18
50.98
62.75
72.55
xi
xi*ni
5
50
12.5
25
20
120
37.5 112.5
75
375
115 690
140 700
335
xi *ni
250
312.5
2400
4218.75
28125
79350
98000
(xi- x )2*ni
87936.59
14886.58
37232.54
11263.70
2826.14
1579.60
8497.71
(xi- x )4*ni
773284331.38
110805163.07
231043677.06
42290287.45
1597409.60
415855.60
14442198.77
150'-200
200'-250
250'-330
Total
5
8
1
51
9.80 42 82.35 175 875

153125
15.69 50 98.04 225 1800
405000
1.96 51 100.00 290 290
84100
98.04
5037.5 854881.25
29051.63
127463.00
36567.19
357304.66
168799403.69
2030851886.86
1337159245.59
4710689459.06
Estadgrafos:
Media = 98.77
En promedio los estudiantes pagan 98.77 Bs. por

perforacin.
Mediana = 95.00
El 50% de los estudiantes pagan menos de 95 Bs. por
perforacin.
Moda = 10.00
paguen 10 Bs. por perforacin.
Desviacin = 83.70
Existe una dispersin del precio de las perforaciones de
83.70 Bs.
Coef. de variacin = 84.74%
Existe una dispersin del precio de las perforaciones del
84.74%. La media no es representativa de la distribucin.
Coeficiente de asimetra = 0.14 La distribucin tiene sesgo positivo.
Coeficiente de curtosis = -1.12 La distribucin del precio de la peforacin es platicrtica.
100
100.00
98.04
90
82.35
80
72.55
70
62.75
50.98
50
41.18
40
30
20
Hi
hi
60
35.29
19.61
19.61
10
23.53
11.76
5.88
3.92
9.80
11.76
15.69
9.80
9.80
1.96
0
0-10
10'-15
15'-25
25'-50
50'-100
100'-130
130'-150
150'-200
200'-250
250'-330
Li-1 - Li
Interpretacin:
El 19.61% de los estudiantes pagan entre 0 y 10 Bs. por una perforacin. Es lo ms frecuente.
El 82.35% de los estudiantes pagan por una perforacin como mximo 200 Bs.
Relacin entre la Edad y Caractersticas en Tatuajes y Perforaciones
Edad
Caracteres
17-19 19'-21 21'-25 Total
Tatuaje
4
5
4
13
Perforacin
19
11
4
34
336
Ambos
Ninguno
Total
6
16
45
4
9
29
9
9
26
19
34
100
40
34
35
34
hi,j (%)
30
25
19
20
19
16
15
10
5
13
11
4
9 9
4 4
0
17-19
19'-21
21'-25
Total
Edad
Tatuaje
Perforacin
Ambos
Ninguno
Interpretacin:
Lo ms frecuente es que los estudiantes se realicen perforaciones (34%) o ninguna (34%).
Lo ms usual de los estudiantes entre 17 y 19 aos es que se realicen perforaciones (19%).
Lo ms usual de los estudiantes entre 19 y 21 aos es que se realicen perforaciones (11%).
Lo ms usual de los estudiantes entre 21 y 25 aos es que se realicen perforaciones y
tatuajes (9%) o ninguno de ellos (9%).
Los que se hacen ms perforaciones son estudiantes de 17 a 19 aos.
Los que se hacen ms tatuajes son estudiantes de 19 a 21 aos.
Los que se hacen ms tatuajes y perforaciones a la vez son estudiantes de 21 a 25 aos.
Los que se no se han hecho ni tatuajes o perforaciones son estudiantes de 17 a 19 aos.
Relacin entre el Sexo y Caractersticas en Tatuajes y Perforaciones
Sexo
Caracter
Femenino Masculino
Tatuaje
4
9
Perforacin
22
12
Ambos
11
8
Ninguno
16
18
Total
53
47
337
Total
13
34
19
34
100
40
34
35
34
hi,j (%)
30
22
25
20
15
10
5
11
19
18
16
9
13
12
8
0
Femenino
Masculino
Total
Sexo
Tatuaje
Perforacin
Ambos
Ninguno
Interpretacin:
Lo ms frecuente es que las estudiantes mujeres se realicen ms perforaciones (22%) que los
hombres (12%).
Ocurre los contrario con los tatuajes. Los hombres se practican ms tatuajes (9%) que las
mujeres (4%).
Las mujeres se hacen ms perforaciones y tatuajes (11%) que los hombres (8%).
Las mujeres se abstienen ms de hacerse tatuar o perforar (16%) que los hombres (18%).
Sin embargo estas diferencias pueden no ser significativas.
Relacin entre Precio y Sanidad
Ai
Si
No
No respondi
Total
ni
58
4
4
66
hi
87.88
6.06
6.06
100
ri
14.5
1.0
1.0
Interpretacin:
Lo mas frecuente es que los estudiantes crean que existe relacin entre el precio del tatuaje o
perforacin y las condiciones de sanidad. El 88% manifest esta opinin.
Por cada persona que dijo que no cree que exista relacin entre el precio y la sanidad,
hubieron 15 que dijeron que si.
338
No
6%
No
respondi
6%
Si
88%
VII. CONCLUSIONES
La mayora de los jvenes encuestados tienen por lo menos un tatuaje o una perforacin, este
ltimo se hace ms frecuente en chicas.
Aquellas personas que se hicieron un tatuaje o una perforacin estn de acuerdo en que si
hay relacin entre los precios y la higiene y sanidad que presenta el lugar donde se los
hicieron.
Se comprob que la poblacin universitaria tiene en mayor cantidad perforaciones que
tatuajes; con ello no se descarta que no tienen o prefieran tatuajes, pero excepcionalmente la
proporcin de estudiantes que tienen perforaciones es mayor que la que tiene tatuajes.
Al comparar hombres con mujeres (estudiantes de las distintas universidades) en relacin a lo
que tienen ms, en ambos casos se comprob que tienen ms perforaciones.
No existe relacin entre la edad y el nmero de tatuajes o perforaciones.
Se prob que el nmero promedio mximo de tatuajes era 3 y de perforaciones 4.
Se comprob que tanto hombres como mujeres tienen una edad promedio significativamente
igual, en lo que se refiere a tener tatuajes o perforaciones. Es decir no es verdad que las
mujeres presenten tatuajes a una edad mayor que la de los varones. Como tampoco es
verdad (descartando las perforaciones que tienen las mujeres en las orejas) que stas ultimas
presenten perforaciones a una edad ms temprana que la de los varones.
La mayora de los jvenes prev infecciones hacindose tanto las perforaciones como los
tatuajes en lugares higinicos.
VIII. RECOMENDACIONES
Despus de haber realizado el estudio, surge una gran preocupacin, porque tanto las
perforaciones como los tatuajes son dainos para la salud y pueden llevar a infecciones
muy severas y en muchos casos a generar cncer. No obstante de que se comprob que
la mayora de los jvenes se hacen los tatuajes o perforaciones en lugares higinicos,
339
tambin se constat que el nmero promedio en ambos casos tiende a ser regular con una
propensin a alto.
340
ANEXO 4
UTILIZACIN DE LAS HERRAMIENTAS ESTADSTICAS
DEL EXCEL
El propsito de este anexo es el mostrar que existe una herramienta de software que puede
resolver muchos tipos de problemas estadsticos y que no tenemos que buscarla, ni bajarla,
etc., pues ya la tenemos en la mayora de las computadoras, en el paquete MICROSOFT
OFFICE, el Microsoft Excel.
Este desarrollo de la herramienta EXCEL, no pretende ser exhaustiva, sino solo indicativa y
ejemplificadora, para que el estudiante vea la conveniencia de usarla posteriormente en su
trabajo final, materias posteriores o en su vida profesional.
GRFICOS
El EXCEL tiene la siguiente presentacin.
A partir de un ejemplo sencillo vamos a presentarles la forma de utilizar el EXCEL para la

realizacin de distintos tipos de grficos.
Ejemplo
Como resultado de las calificaciones obtenidas por 2 estudiantes de Ingeniera se
confeccion el cuadro que aparece en la hoja de clculo de EXCEL que se muestra a
continuacin, para realizar una comparacin grfica de los resultados obtenidos por los 2
estudiantes.
340
Para la confeccin de los diferentes tipos de grficos que nos facilita el EXCEL, en una hoja
de clculo, a partir de nuestros datos procedemos de la siguiente manera:
Se localiza en la barra de herramientas la palabra Insertar, y en el men posterior la palabra
Grfico.
Posteriormente aparece la siguiente pantalla para la seleccin del tipo de grfico deseado.
341
Para la comparacin que requerimos seleccionaremos primeramente el grfico de columna y

despus le introduciremos la informacin necesaria.
oprimimos la flecha
En la casilla para introducir Rango de datos
de la derecha y a continuacin marcamos las filas y columnas en la hoja de clculo con la
informacin que deseamos procesar. Como los datos que presentamos estn recogidos por
alumno en cada columna, seleccionamos la palabra columna en Series en:
342
En el asistente para grficos ahora seleccionamos Serie para introducir los nombres de las
series y los rtulos de las categoras.
La forma de proceder es la misma que hemos explicado anteriormente. Para colocar el
nombre de la serie se selecciona la serie y en la cuadrcula de nombre se identifica la
cuadrcula que tiene el nombre de nuestra serie, en nuestro primer caso Alumno I.
Cuando terminamos esta operacin en el men inferior del asistente seleccionamos

la palabra Siguiente para continuar.
La pantalla del asistente que aparece a continuacin es para colocar la informacin general
del grfico, entre la que tenemos: ttulo del grfico, nombre de los ejes, leyenda, etc.
343
Luego de completar todos los datos sealados anteriormente obtenemos el siguiente grfico
en la hoja clculo de Excel.
Si queremos elaborar un grfico de torta seleccionamos la opcin Tipo de Grfico Circular, y

seguimos los mismos pasos expuestos anteriormente.
344
ESTADGRAFOS
Para calcular los diferentes estadgrafos seleccionamos del men principal la opcin
Insertar, en el submen la palabra Funcin, y en Categora la palabra Estadsticas como
se muestra en las siguientes pantallas.
345
346
Calculemos la media aritmtica, la varianza y el coeficiente de correlacin de un ejemplo

hipottico de un grupo de estudiantes de ingeniera. Primeramente se colocar el cursor en
la celda donde se quiere obtener el resultado y luego se inserta la funcin como muestra la
figura siguiente.
347
En el nmero 1 se marca el rango de los datos que se quieren analizar y se acepta,

obtenindose el valor calculado en la celda . A continuacin se calcula la varianza.
348
Para el coeficiente de correlacin con los mismos datos se elige la siguiente funcin.
349
Existen otras funciones que nos permiten realizar clculos estadsticos con ms detalle. Se
selecciona la opcin herramientas del men principal y luego anlisis de datos. En el
cuadro que aparece a continuacin se elige la opcin de anlisis deseada, por ejemplo
regresin.
350
Luego de introducir los datos en el cuadro anterior se obtienen los siguientes resultados.
351

Estadística I

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estadística I

Enviado por

Direitos autorais:

Formatos disponíveis

Departamento de Ciencias Exactas

Facultad de Ciencias Empresariales

Lic. Roberto Valdivieso C.

Ing. Mgr. Oscar Valdivieso T.

No se tiene conocimiento de la existencia de un libro para la enseanza, consultora,

El captulo 2 aborda el problema que se plantea la Estadstica sobre las tcnicas de la

CAPTULO 2. TCNICAS DE RECOLECCIN DE DATOS 12

CAPTULO 3. DISTRIBUCIN DE FRECUENCIAS 36

CAPTULO 4. DISTRIBUCIN DE PROBABILIDADES 84

CAPTULO 5. ESTADGRAFOS DE POSICIN 108

CAPTULO 6. ESTADGRAFOS DE DISPERSIN 163

CAPTULO 7. ESTADGRAFOS DE COMPARACIN 184

Coeficiente de Variacin 184

CAPTULO 8. ESTADGRAFOS DE FORMA: ASIMETRA Y CURTOSIS 190

CAPTULO 9. ESTADSTICA BIDIMENSIONAL 201

REGRESIN Y CORRELACIN 220

CAPTULO 11. SERIES TEMPORALES O CRONOLGICAS 241

CAPTULO 12. NMEROS NDICES 257

Gua para el Trabajo Final 273

NDICE DE FIGURAS viii

Figura 8.2.1. Tipos de asimetra de una distribucin 190

Tabla 4.6.3. Distribucin de cuanta de la binomial b(x, n = 5, p = 0.7) 97

Tabla 5.2.1. Clculo de la media aritmtica en distribuciones tipo II 110

Tabla 5.2.12. Esperanza matemtica (nmero de seoritas de cabello largo) 117

Tabla 6.7.1. Distribucin de frecuencias de inversin en un plan de participacin de utilidades

Grfico 3.4.3. Diagrama de barras del nmero de hermanos 53

Grfico 4.6.2. Diagrama de barras de la binomial b(x, n = 5, p = 0.7) 98

Grfico 5.8.1. Anlisis de sensibilidad Empresa Maderera Thompson 143

2. EVOLUCIN DEL CONTENIDO

Observacin del fenmeno en sus elementos.

La estadstica descriptiva se puede definir como la ciencia o conjunto de conocimientos que se

4. POBLACIN: FINITA E INFINITA Y MUESTRA

Fuente: Elaboracin propia

Series temporales o cronolgicas

Fuente: Casa Aruta, E. 200 Problemas de Estadstica Descriptiva, 1965

medidas financieras a travs del tiempo.

En la industria y otros campos, algunos ejemplos de la utilidad de la Estadstica son:

9. BREVE RESEA HISTRICA

Status (latn), que significa situacin, posicin, estado.

El trmino Estadstica es ampliamente escuchado y usado a diario por diversos actores de la

10. LA CONFIABILIDAD DE LA ESTADSTICA

Un error muy comn es hacer conclusiones o inferencias del comportamiento de la poblacin

La estadstica en su fase enumerativa estudia los juegos de azar y las probabilidades.

La entrada de una encuesta.

2.2. La Observacin como tcnica cientfica

2.4. Instrumentos de observacin

2.5. Ventajas y limitaciones

2.6. Aplicaciones en los negocios

Otros formatos ms estructurados, que involucran dinmicas de grupo para obtener

Lluvia de ideas (brainstorming)

interaccin verbal. Como tcnica de recopilacin, va desde la interrogacin estandarizada,

Presentacin del encuestador. Seleccionadas las personas que han de ser

b) Oportunidad de la entrevista. Es importante conocer la distribucin del tiempo y las

3.4. Principios directivos

aadiendo la frase: Si bien ya tratamos el tema.... En cambio, si la pregunta ha sido

3.5. Ventajas de la entrevista

No se requiere que la persona entrevistada sepa leer o escribir.

3.6. Dificultades inherentes de la entrevista

El sujeto entrevistado est dispuesto a proporcionar la informacin solicitada?

c) Limitaciones provenientes del encuestador

4.3. Preparacin, redaccin y presentacin del cuestionario

Preguntas cerradas o dicotmicas. Llamadas tambin limitadas o alternativas fijas. Solo